我在知乎上看到这样一个问题
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;}复制代码 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
- 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。
- 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());}复制代码 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。