微信红包的随机算法是怎样实现的？

标签：统计   一个   tin   one   sys   www.   res   https   tps   

有人说腾讯大致是这样实现的：

public static double getRandomMoney(LeftMoneyPackage _leftMoneyPackage) {
    // remainSize 剩余的红包数量
    // remainMoney 剩余的钱
    if (_leftMoneyPackage.remainSize == 1) {
        _leftMoneyPackage.remainSize--;
        return (double) Math.round(_leftMoneyPackage.remainMoney * 100) / 100;
    }
    Random r     = new Random();
    double min   = 0.01; //
    double max   = _leftMoneyPackage.remainMoney / _leftMoneyPackage.remainSize * 2;
    double money = r.nextDouble() * max;
    money = money <= min ? 0.01: money;
    money = Math.floor(money * 100) / 100;
    _leftMoneyPackage.remainSize--;
    _leftMoneyPackage.remainMoney -= money;
    return money;
}

也有人做了正太分布、方差分析、回归分析、统计模拟等，图太长我就不贴了。

然而

1. 所有答案都是“取时随机”，即设计“红包池”的概念，然后在抽取时随机取数。
2. 所有答案都是“钱的随机”，即随机金额，然后return。

下面我们换个思路，现在我们把所有的钱换成1分的硬币，把红包想象成罐子，然后撒币。

/**
 * @param count 红包数
 * @param money 总金额
 * @return
 */
public static Integer[] ranRedPac(Integer count, Integer money) {
    Integer[] result = new Integer[count];
    for (int i = 1; i <= money; i++) {
        int n = new Random().nextInt(count);
        result[n] = result[n] == null ? 1 : result[n] + 1;
    }
    return result;
}

//测试
public static void main(String[] args) {
    Arrays.asList(ranRedPac(10, 5000000)).forEach(i -> System.out.println(i));
    System.out.println("sum: " + Arrays.asList(ranRedPac(10, 50)).stream().mapToInt(i -> i).sum());
}

每分钱随机选择红包。

至于什么回归分析，统计模拟统统用不上。

本例中我们摒弃“抽取”、“随机金额”这样的传统概念，使钱拥有选择意识，执行“随机”行为，自然而然红包就有了随机金额的属性。

改变一下思路，别把简单问题复杂化。

我们在编码设计时，通常会考虑现实生活中的逻辑，并把对象抽象成类，行为抽象成方法。但是，我们偶尔也要考虑思维反转。

当然，我的代码有一定的弊端。

思维是最重要的。

微信红包的随机算法是怎样实现的？

标签：统计   一个   tin   one   sys   www.   res   https   tps   

原文地址：http://blog.51cto.com/12240152/2067035