从输入流中随机抽取m个元素

从输入流中随机抽取k个元素

有一个很大很大的输入流，大到没有存储器可以将其存储下来，而且只输入一次，如何从这个输入流中随机取得m个记录。

思路：

我们可以用Fisher-Yates随机排列算法解决该问题。用大小为m的数组arr[0:m-1]来保存随机抽取的元素，arr[0:m-1]逐步初始化为输入流的前m个元素的一个随机排列。

对于输入流中的第k (k>m)个元素，随机生成一个[0,k-1]区间内的整数i，如果此随机整数i小于等于m，那么就用第k个元素覆盖掉arr[i-1]，否则，丢弃第k个元素。

注意，每从输入流中提取一个新元素，我们都要随机生成一个整数，而此整数的有可能出现的范围都要加1. 

http://peizhyi.iteye.com/blog/1434391 给出的算法是错误的，这个算法有两个问题：

• 随机流的大小未知，所以所谓的“假设有n条记录”是不成立的；
• 即便随机流的大小是n，但是每次从[0,n-1]的范围随机生成一个整数，将此整数作为元素在arr中的位置，这样找出的m个元素并非等概率的m个元素。

为什么http://peizhyi.iteye.com/blog/1434391 给出的算法不能生成一个等概率的抽取呢？原因很简单：由于数组arr被初始化为输入流的前m个元素，前m个元素是以100%的概率被插入到数组arr中的。但是，对于输入流中往后的元素，如果从[0,n-1]中随机生成它们的位置，显然它们只能以m/n的概率被插入到数组arr中，用这种方式生成的随机抽取显然就不是等概率的了。

相关问题：从二叉树上随机抽取1个节点