抽奖案例一：按设置的概率实时抽奖-保证人人平等

抽奖案例一：按设置的概率实时抽奖-保证人人平等

引用

CSDN

1.

https://blog.csdn.net/weixin_43491743/article/details/145011572

本文介绍了一个抽奖系统的实现方案，重点讨论了如何通过设置概率来保证每次抽奖的公平性。文章详细描述了奖品配置、随机值生成、实现方式以及测试结果，并且使用了Java代码示例来说明具体实现。

核心思想

保证每一次抽奖的概率是一样的，这是一个放回问题（学过概率的朋友们都懂的）

一、奖品配置(本期不含库存，库存下期再讲)

比如我们想要这样配置奖品和概率：

用X轴描述一下我们的奖品分布：

为什么max值是10000呢？因为我允许它小数点后面最多就两位，再调整成整数，就是10000了。

或者说换个方式–对应函数：

可以看到，我们还是有很大机会可以获得汤臣一品的。

二、随机值与概率

从1-10000中间 随机获取一个x值，就可以得到对应f(x)的结果。这个结果就是我们的中奖结果

接下来就是用java来实现这个f(x)。

入参：一个随机值x，一个奖品与概率的mapping关系

出参：f(x)结果

首先我们设置一下奖品和概率，我一个反手就放在redis了（按道理是要放在数据库的，但我不讲道理
(^▽^)）

不要额外设置未中奖的概率了，让系统自己算好吗？！

[
{"id":1,"name":"汤臣一品","rate":"0.8"},
{"id":2,"name":"迈巴赫","rate":"0.01"},
{"id":3,"name":"1元红包","rate":"0.0001"}
]
  

随机数的话 我们用SecureRandom即可，问什么不用Random？

        SecureRandom secureRandom = new SecureRandom();
        double v = secureRandom.nextDouble();
        double ceil = Math.ceil(v * 10000); //等会就用这个随机数来抽奖
  

三、实现方式

把奖池数据处理成一个TreeMap，为什么要用TreeMap呢 ，等会儿我跟你讲

    private TreeMap<Double, Integer> getTreeMap(String poolId) {
        //获取奖池中奖品信息
        List<Prize> prizes = getPool(poolId);
        
        if (CollectionUtils.isEmpty(prizes)) {
            return null;
        }
        TreeMap<Double, Integer> treeMap = new TreeMap<>();
        Double js = 0.0;
        for (int i = 0; i < prizes.size(); i++) {
            double rate = Math.ceil((Double.valueOf(prizes.get(i).getRate()))* 10000);
            treeMap.put(rate + js, prizes.get(i).getId());
            js = js + rate;
        }
        //收个尾
        treeMap.put(10000.0, 0);
        return treeMap;
    }
  

会得到-----------【手动加粗放大】

{8000.0:1,8100.0:2,8101.0:3,10000.0:0}

再使用tailMap()和firstEntry()去找到对应的value

Integer prizeId = treeMap.tailMap(ceil, false).firstEntry().getValue();
  

就实现了根据概率抽奖的核心流程，是不是很简单

四、插播----冷知识

插播一段：为什么使用的是TreeMap而不是FlowerMap不是GlassMap

与HashMap相比，TreeMap是一个能比较元素大小的Map集合，TreeMap 是SortedMap接口的一个实现。看的出来sorted，我该怎么跟你解释这个sorted呢？sorted？这个应该很好理解吧？S-O-R-T-E-D

就是排序的（因为TreeMap的key是要实现Comparable接口的，不然的话用不了哦）。

所以能很好的支持我们这个f(x)并且快速找到结果。然后他也实现了NavigableMap，

这篇（https://blog.csdn.net/qq_20919883/article/details/135370278）就给大家很好的解释了一下SortedMap和NavigableMap。看完记得回来继续啊！！！

我们使用到的tailMap

public NavigableMap<K,V> tailMap(K fromKey, boolean inclusive)
  

其中有两个参数：

fromKey 范围为 [fromKey, +∞) / （fromKey, +∞) 的子视图

inclusive 就是要不要包含fromKey。为true的时候就是[fromKey, +∞) ,为false时是（fromKey, +∞)

这样只是获得了一个子视图，比如我们随机数ceil是8002的话，子视图是8002至+∞。这里对应还有很多value，我们想要的只是：8002往后遇到的第一个键对应的值。所以结合一下firstEntry()这个方法的作用是返回这个映射中最小键（即第一个键）所对应的键值对

咱这日子也是好上了，都用上AI了（无广）

所以以下代码段就实现了我们的随机并保证概率的一次抽奖。

Integer prizeId = treeMap.tailMap(ceil, false).firstEntry().getValue();
  

关于inclusive的取值，是这样想的👇🏻

有这样一个问题：如果随机数=8000，你希望中的是汤臣一品还是迈巴赫？

（小孩子才做选择，成年的我都要！！！）

醒醒啊！很明显啊 ，应该是迈巴赫的。0-7999有8000个整数，这样才能对应我们一开始的权重分布图。如果随机数8000算汤臣一品的话，那阿汤的概率就变成80.01%了。

—> 因此inclusive取值是false才能保证，随机到8000时，抽到的是阿迈。

五、测试结果

就是这样，再见