微信抢红包解析(算法+平台)
微信红包的架构
2015年之前用的是硬抗,之后用的是cache抗流量
至于是什么是cache? 什么是cache抗流量百度上有。
理想的红包生成算法
理想的红包生成结果是平均值附近的红包比较多,大红包和小红包的数量比较少。
可以想像下,生成红包的数量的分布有点像正态分布。
那么如何实现这种平均线附近值比较多的要求呢?
就是要找到一种算法,可以提高平均值附近的概率。那么利用一种”膨胀“再”收缩“的方式来达到这种效果。
先平方,再生成平方范围内的随机数,再开方,那么
public class HongBaoAlgorithm { static Random random = new Random(); static { random.setSeed(System.currentTimeMillis()); } public static void main(String[] args) { long max = 200; long min = 1; long[] result = HongBaoAlgorithm.generate(100_0000, 10_000, max, min); long total = 0; for (int i = 0; i < result.length; i++) { // System.out.println("result[" + i + "]:" + result[i]); // System.out.println(result[i]); total += result[i]; } //检查生成的红包的总额是否正确 System.out.println("total:" + total); //统计每个钱数的红包数量,检查是否接近正态分布 int count[] = new int[(int) max + 1]; for (int i = 0; i < result.length; i++) { count[(int) result[i]] += 1; } for (int i = 0; i < count.length; i++) { System.out.println("" + i + " " + count[i]); } } /** * 生产min和max之间的随机数,但是概率不是平均的,从min到max方向概率逐渐加大。 * 先平方,然后产生一个平方值范围内的随机数,再开方,这样就产生了一种“膨胀”再“收缩”的效果。 * * @param min * @param max * @return */ static long xRandom(long min, long max) { return sqrt(nextLong(sqr(max - min))); } /** * * @param total * 红包总额 * @param count * 红包个数 * @param max * 每个小红包的最大额 * @param min * 每个小红包的最小额 * @return 存放生成的每个小红包的值的数组 */ public static long[] generate(long total, int count, long max, long min) { long[] result = new long[count]; long average = total / count; long a = average - min; long b = max - min; // //这样的随机数的概率实际改变了,产生大数的可能性要比产生小数的概率要小。 //这样就实现了大部分红包的值在平均数附近。大红包和小红包比较少。 long range1 = sqr(average - min); long range2 = sqr(max - average); for (int i = 0; i < result.length; i++) { //因为小红包的数量通常是要比大红包的数量要多的,因为这里的概率要调换过来。 //当随机数>平均值,则产生小红包 //当随机数<平均值,则产生大红包 if (nextLong(min, max) > average) { // 在平均线上减钱 // long temp = min + sqrt(nextLong(range1)); long temp = min + xRandom(min, average); result[i] = temp; total -= temp; } else { // 在平均线上加钱 // long temp = max - sqrt(nextLong(range2)); long temp = max - xRandom(average, max); result[i] = temp; total -= temp; } } // 如果还有余钱,则尝试加到小红包里,如果加不进去,则尝试下一个。 while (total > 0) { for (int i = 0; i < result.length; i++) { if (total > 0 && result[i] < max) { result[i]++; total--; } } } // 如果钱是负数了,还得从已生成的小红包中抽取回来 while (total < 0) { for (int i = 0; i < result.length; i++) { if (total < 0 && result[i] > min) { result[i]--; total++; } } } return result; } static long sqrt(long n) { // 改进为查表? return (long) Math.sqrt(n); } static long sqr(long n) { // 查表快,还是直接算快? return n * n; } static long nextLong(long n) { return random.nextInt((int) n); } static long nextLong(long min, long max) { return random.nextInt((int) (max - min + 1)) + min; } }
概率就不再是平均的了。
-
微信的金额什么时候算?
答:微信金额是拆的时候实时算出来,不是预先分配的,采用的是纯内存计算,不需要预算空间存储。。
采取实时计算金额的考虑:预算需要占存储,实时效率很高,预算才效率低。 -
实时性:为什么明明抢到红包,点开后发现没有?
答:2014年的红包一点开就知道金额,分两次操作,先抢到金额,然后再转账。
2015年的红包的拆和抢是分离的,需要点两次,因此会出现抢到红包了,但点开后告知红包已经被领完的状况。进入到第一个页面不代表抢到,只表示当时红包还有。 -
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。
例如:发100块钱,总共10个红包,那么平均值是10块钱一个,那么发出来的红包的额度在0.01元~20元之间波动。
当前面3个红包总共被领了40块钱时,剩下60块钱,总共7个红包,那么这7个红包的额度在:0.01~(60/7*2)=17.14之间。
注意:这里的算法是每被抢一个后,剩下的会再次执行上面的这样的算法(Tim老师也觉得上述算法太复杂,不知基于什么样的考虑)。这样算下去,会超过最开始的全部金额,因此到了最后面如果不够这么算,那么会采取如下算法:保证剩余用户能拿到最低1分钱即可。
如果前面的人手气不好,那么后面的余额越多,红包额度也就越多,因此实际概率一样的。
-
红包的设计
答:微信从财付通拉取金额数据郭莱,生成个数/红包类型/金额放到redis集群里,app端将红包ID的请求放入请求队列中,如果发现超过红包的个数,直接返回。根据红包的裸祭处理成功得到令牌请求,则由财付通进行一致性调用,通过像比特币一样,两边保存交易记录,交易后交给第三方服务审计,如果交易过程中出现不一致就强制回归。 -
发性处理:红包如何计算被抢完?
答:cache会抵抗无效请求,将无效的请求过滤掉,实际进入到后台的量不大。cache记录红包个数,原子操作进行个数递减,到0表示被抢光。财付通按照20万笔每秒入账准备,但实际还不到8万每秒。 -
通如何保持8w每秒的写入?
答:多主sharding,水平扩展机器。 -
据容量多少?
答:一个红包只占一条记录,有效期只有几天,因此不需要太多空间。 -
询红包分配,压力大不?
答:抢到红包的人数和红包都在一条cache记录上,没有太大的查询压力。 -
一个红包一个队列?
答:没有队列,一个红包一条数据,数据上有一个计数器字段。 -
有没有从数据上证明每个红包的概率是不是均等?
答:不是绝对均等,就是一个简单的拍脑袋算法。 -
拍脑袋算法,会不会出现两个最佳?
答:会出现金额一样的,但是手气最佳只有一个,先抢到的那个最佳。 -
每领一个红包就更新数据么?
答:每抢到一个红包,就cas更新剩余金额和红包个数。 -
红包如何入库入账?
数据库会累加已经领取的个数与金额,插入一条领取记录。入账则是后台异步操作。 -
入帐出错怎么办?比如红包个数没了,但余额还有?
答:最后会有一个take all操作。另外还有一个对账来保障。