红包核心算法

分配：红包里的金额怎么算？为什么出现各个红包金额相差很大？
答：随机，额度在0.01和(剩余平均值*2)之间

每次拆红包，额度范围在【0.01 ~ 剩余平均值*2】之间，这是很妙的一个设计。
比如发100元，共发10个红包，那么平均值10元，第一个拆出来的红包的额度在0.01元～20元之间波动，可以确保不会一个人把红包全领了的情况，因为最大就是剩余平均值的2倍。
比如发0.1元，共发10个红包，每个0.01元，这种就不用随机算法了，直接平均分配吧。

No bb, show your code!

设计红包结构体

//reward.go//红包type Reward struct {
    Count          int   //个数
    Money          int   //总金额(分)
    RemainCount    int   //剩余个数
    RemainMoney    int   //剩余金额(分)
    BestMoney int   //手气最佳金额
    BestMoneyIndex int   //手气最佳序号
    MoneyList      []int //拆分列表}

• 我这里用int整型做金额计算，可以避免浮点数精度问题，展示的时候除100，就是元单位了。

核心红包随机分配算法

//reward.go// 抢红包func GrabReward(reward *Reward) int {    if reward.RemainCount <= 0 {
        panic("RemainCount <= 0")
    }    //最后一个
    if reward.RemainCount - 1 == 0 {        money := reward.RemainMoney
        reward.RemainCount = 0
        reward.RemainMoney = 0
        return money
    }`    //是否可以直接0.01
    if (reward.RemainMoney / reward.RemainCount) == 1 {        money := 1
        reward.RemainMoney -= money
        reward.RemainCount--        return money
    }    //红包算法参考 https://www.zhihu.com/question/22625187
    //最大可领金额 = 剩余金额的平均值x2 = (剩余金额 / 剩余数量) * 2
    //领取金额范围 = 0.01 ~ 最大可领金额
    maxMoney := int(reward.RemainMoney / reward.RemainCount) * 2
    rand.Seed(time.Now().UnixNano())    money := rand.Intn(maxMoney)    for money == 0 {        //防止零
        money = rand.Intn(maxMoney)
    }
    reward.RemainMoney -= money    //防止剩余金额负数
    if reward.RemainMoney < 0 {
        money += reward.RemainMoney
        reward.RemainMoney = 0
        reward.RemainCount = 0
    } else {
        reward.RemainCount--
    }    return money
}

分配算法完成后，验证一下，用单元测试的办法验证

//reward_test.gofunc TestGrabReward2(t *testing.T) {
    chanReward := make(chan Reward)
    rand.Seed(time.Now().UnixNano())    go func(){        //随机生成1000个红包
        for i:=0; i < 1000; i++  {            //随机红包个数 1~50
            count := rand.Intn(50) + 1
            //随机红包总金额 1~100元
            money := rand.Intn(10000) + 100

            avg := money / count            for avg == 0 {                //保证金额足够分配
                count = rand.Intn(50) + 1
                money = rand.Intn(10000) + 100
                avg = money / count
            }
            reward := Reward{Count: count, Money: money,
                RemainCount: count, RemainMoney: money}

            chanReward <- reward
        }        close(chanReward)
    }()    //打印拆包列表，带手气最佳
    for reward := range chanReward {        for i := 0; reward.RemainCount > 0; i++ {
            money := GrabReward(&reward)            if money > reward.BestMoney {
                reward.BestMoneyIndex, reward.BestMoney = i, money
            }
            reward.MoneyList = append(reward.MoneyList, money)
        }
        t.Logf("总个数:%d, 总金额:%.2f", reward.Count, float32(reward.Money)/100)        for i := range reward.MoneyList {
            money := reward.MoneyList[i]
            isBest := ""
            if reward.BestMoneyIndex == i {
                isBest = " ** 手气最佳"
            }
            t.Logf("money_%d : (%.2f)%s\n", i+1, float32(money)/100, isBest)
        }
        t.Log("-------")
    }

}

运行结果

    reward_test.go:106: 总个数:7, 总金额:86.59
    reward_test.go:113: money_1 : (16.29)    reward_test.go:113: money_2 : (4.93)    reward_test.go:113: money_3 : (22.89) ** 手气最佳    reward_test.go:113: money_4 : (3.17)    reward_test.go:113: money_5 : (20.51)    reward_test.go:113: money_6 : (0.12)    reward_test.go:113: money_7 : (18.68)    reward_test.go:115: -------
    reward_test.go:106: 总个数:10, 总金额:53.79
    reward_test.go:113: money_1 : (3.56)    reward_test.go:113: money_2 : (6.39)    reward_test.go:113: money_3 : (0.36)    reward_test.go:113: money_4 : (2.60)    reward_test.go:113: money_5 : (10.11)    reward_test.go:113: money_6 : (5.76)    reward_test.go:113: money_7 : (2.84)    reward_test.go:113: money_8 : (14.04) ** 手气最佳    reward_test.go:113: money_9 : (1.95)    reward_test.go:113: money_10 : (6.18)    reward_test.go:115: -------

性能测试

//性能测试func BenchmarkGrabReward(b *testing.B) {
    chanReward := make(chan *Reward, b.N)
    rand.Seed(time.Now().UnixNano())    go func(){        //随机生成红包
        for i:=0; i < b.N; i++  {            //随机红包个数 1~50
            count := rand.Intn(50) + 1
            //随机红包总金额 1~100元
            money := rand.Intn(10000) + 100

            avg := money / count            for avg == 0 {                //保证金额足够分配
                count = rand.Intn(50) + 1
                money = rand.Intn(10000) + 100
                avg = money / count
            }
            reward := Reward{Count: count, Money: money,
                RemainCount: count, RemainMoney: money}

            chanReward <- &reward
        }        close(chanReward)
    }()    //打印拆包列表，带手气最佳
    for reward := range chanReward {        for i := 0; reward.RemainCount > 0; i++ {
            money := GrabReward(reward)            if money > reward.BestMoney {
                reward.BestMoneyIndex, reward.BestMoney = i, money
            }
            reward.MoneyList = append(reward.MoneyList, money)
        }
        _ = fmt.Sprintf("总个数:%d, 总金额:%.2f", reward.Count, float32(reward.Money)/100)        for i := range reward.MoneyList {
            money := reward.MoneyList[i]
            isBest := ""
            if reward.BestMoneyIndex == i {
                isBest = " ** 手气最佳"
            }
            _ = fmt.Sprintf("money_%d : (%.2f)%s\n", i+1, float32(money)/100, isBest)
        }
    }
}

性能测试结果

BenchmarkGrabReward-8           4461        244842 ns/op//4核8线的CPU运运行4461次，平均每次244842纳秒=0.244842毫秒

性能可以说是很优秀的，这是因为这个测试是纯内存计算，没有网络IO，没有存储写盘，纯粹是为了验证算法，所以性能是很高的。
完成！