蓄水池抽样（原理&实现）
前言：
蓄水池抽样：从N个元素中随机的等概率的抽取k个元素，其中N无法确定。
适用场景：
模式识别等概率抽样，抽样查看渐增的log日志（无法先保存整个数据流然后再从中选取，而是期望有一种将数据流遍历一遍就得到所选取的元素，并且保证得到的元素是随机的算法）。
伪代码：
init : a reservoir with the size： k
for i= k+1 to N
M=random(1, i);
if( M < k)
SWAP the Mth value and ith value
end for
解释：先选中第1到k个元素，作为被选中的元素。然后依次对第k+1至第N个元素做如下操作：每个元素都有k/x的概率被选中，然后等概率的（1/k）替换掉被选中的元素。其中x是元素的序号
原理：
蓄水池抽样算法：
- 先选取
个元素中的前
个元素，保存在集合
中； - 从第
个元素开始，每次先以概率
选择是否让第
个元素留下。若第个元素存活，则从中随机选择一个元素并用该元素替换它；否则直接淘汰该元素； - 重复1和2，直到结束。最后集合中剩下的就是保证随机抽取的个元素。
蓄水池抽样算法正确性证明：
为了证明该算法的正确性，我们要保证算法结束后，原个元素每一个最后存活下来的概率都是
（因为从个元素中随机抽取个元素，每个元素被抽中的概率都是）。形式化地，我们要证明的结论是：在算法的第i(0<=i<=n-k)轮，前k+i个元素每一个存活下来的概率是k/k+i 。
数学归纳证明：
当
时，结论显然成立。
当
时，根据算法，元素
存活的概率为
。而对于元素
，有两种情况会使其存活下来：要么元素直接被淘汰；要么元素留下，但是没有替换掉元素
。由归纳假设，
时结论成立，故元素存活的概率为
，得证
举例描述辅助数学证明：每次都是以 k/i 的概率来选择，例: k=1000的话， 从1001开始作选择，1001被选中的概率是1000/1001，1002被选中的概率是1000/1002，与直觉是相符的。
假设当前是i+1, 按照我们的规定，i+1这个元素被选中的概率是k/i+1，也即第 i+1 这个元素在蓄水池中出现的概率是k/i+1，
此时考虑前i个元素，如果前i个元素出现在蓄水池中的概率都是k/i+1的话，说明我们的算法是没有问题的。
对这个问题可以用归纳法来证明：
1. k < i <=N 1.当i=k+1的时候，蓄水池的容量为k，第k+1个元素被选择的概率明显为k/(k+1), 此时前k个元素出现在蓄水池的概率为 k/(k+1), 很明显结论成立。
2.假设当 j=i 的时候结论成立，此时以 k/i 的概率来选择第i个元素，前i-1个元素出现在蓄水池的概率都为k/i。
3.证明当j=i+1的情况： 即需要证明当以 k/i+1 的概率来选择第i+1个元素的时候，此时任一前i个元素出现在蓄水池的概率都为k/(i+1). 前i个元素出现在蓄水池的概率有2
部分组成, ①在第i+1次选择前得出现在蓄水池中，②得保证第i+1次选择的时候不被替换掉 ①.由2知道在第i+1次选择前，任一前i个元素出现在蓄水池的概率都为k/i ②.考虑
被替换的概率： 首先要被替换得第 i+1 个元素被选中(不然不用替换了)概率为 k/i+1，其次是因为随机替换的池子中k个元素中任意一个，所以不幸被替换的概率是 1/k，故
前i个元素(池中元素)中任一被替换的概率 = k/(i+1) * 1/k = 1/i+1 则(池中元素中)没有被替换的概率为: 1 - 1/(i+1) = i/i+1 综合① ②,通过乘法规则 得到前i个元素出现在蓄水池
的概率为 k/i * i/(i+1) = k/i+1 故证明成立！！！
实现代码和伪代码类似，就不赘述了
