如何在 Go 中实现一个带权重的随机抽奖算法

加权随机选择是抽奖系统中的核心环节，但Go标准库的`math/rand`本身并没有提供现成的实现。你需要手动构建前缀和数组，再配合`sort.Search`来做二分查找，这样才能保证O(log n)的效率。权重必须是非负的，且总和大于零；前缀和应该预计算好，而不是每次抽奖时重新生成。

为什么 math/rand 的默认 Float64() 不够用

直接用`rand.Float64()`进行均匀采样，再映射到奖品列表，只能做到等概率抽奖。要想实现带权重的逻辑，本质上就是把权重数组转换成一个“累积分布”，然后用随机数去定位。Go标准库不提供现成的加权随机选择函数，所以你得自己构造前缀和 + 二分查找。如果奖品数量多了（比如上千个），用遍历匹配的方式会明显变慢。

用 sort.Search 实现 O(log n) 加权随机抽取

核心思路其实很简单：预计算权重前缀和数组，每次抽奖时生成一个`[0, totalWeight)`范围内的随机浮点数，再用`sort.Search`在前缀和中找到第一个大于等于该值的位置。这个位置就是中奖索引。 实操中需要注意几点： - 权重必须是非负整数或浮点数；如果全为零，会触发除零panic，所以一定要提前校验 - 前缀和用`float64`累加可以避免整数溢出，但得留意浮点精度对极小权重的影响（比如1e-15这种，可能被截断） - `sort.Search`要求切片是升序的，前缀和天然满足这个条件，不需要额外排序 - 一定要用`rand.New(rand.NewSource(time.Now().UnixNano()))`初始化独立的rng，避免多个goroutine共享全局`rand`导致重复序列 ```go // 示例：权重 [10, 20, 70] → 前缀和 [10, 30, 100] weights := []float64{10, 20, 70} prefix := make([]float64, len(weights)) prefix[0] = weights[0] for i := 1; i < len(weights); i++ { prefix[i] = prefix[i-1] + weights[i] } total := prefix[len(prefix)-1] r := rand.New(rand.NewSource(time.Now().UnixNano())) val := r.Float64() * total idx := sort.Search(len(prefix), func(i int) bool { return prefix[i] >= val }) // idx 即中奖下标 ```

遇到 panic: invalid argument to Intn 怎么办

这个错误通常是因为你误用了`rand.Intn(0)`——比如权重全为零，或者前缀和长度为0时调用了没加保护的`sort.Search`。更隐蔽的情况是：你在初始化前缀和前没检查`len(weights) == 0`，导致`prefix`为空，那么`sort.Search(0, ...)`会返回0，紧接着用这个索引去访问原数组，就panic了。 安全写法必须包含： - 初始化前断言`len(weights) > 0` - 检查所有权重≥0，且至少有一个>0 - 如果允许动态更新权重，每次变更后要重新计算前缀和，不能复用旧数组

要不要用第三方包

像`github.com/yourbasic/rand`这类包，提供了`Weighted`类型封装了前缀和与查找逻辑，接口确实更简洁。但代价也很明显——内部算法是一样的，还引入了额外依赖。如果你的项目已经用Go 1.21+，`sort.Search`的性能足够好，完全没必要引入。只有当需要支持“在线增删权重”或“带缓存的高频抽奖”时，才值得考虑专用库。不过要注意，某些包默认使用全局`rand`，并发场景下必须显式传入自定义`*rand.Rand`实例。 真正容易被忽略的反而是权重归一化的时机。很多人习惯在每次抽奖前都重新算一遍前缀和，高频调用时这就成了性能瓶颈。正确的做法是：前缀和只在权重变更后重算，静态配置应该只做一次。