蓄水池算法(实时确保流中数据的等概率性)

蓄水池算法

假如某个网站每日有1亿+的用户量访问，而今天有一个活动，需要抽取100个在今天登陆的幸运用户，要求：

1. 要求每个用户被选中的概率是相等的；
2. 这100个幸运用户实时更新，在当日的24点过后马上公布名单；

问题分析

首先分析等概率问题：

一般情况下，在需要等概率的情况下，我们只需要在总数n个中，抽取1个，连续抽取k次(遇到已经抽过的再放回重新抽取)。

分析实时更新问题：

前面的等概率抽取的情况，必须在总数n确定的情况下才能够进行，而实时更新问题，在n的数量级与抽取的数量较小时且机器性能较好时，能够做到一定的“假实时更新”，而此网站数量访问量庞大且总数n是动态变化的，所以前一种思路不能够解决这个问题。

---

解决思路

分为两种情况：

• 幸运用户名单还没满：前100个直接选入，因为总数n < 入选人数k，入选成功率为100%
• 幸运用户名单已经满了：100个之后，第n个用户，要使得当前的用户以 100 / n的几率入选，而入选的同时，幸运用户名单中要有一个以1 / 100的几率被淘汰出去。

算法之外需要做的事