标签：权重 对象 Tool commons util int 随机 new public
一、背景
在工作中会遇到有多个下游业务接口或者服务器（这里统称为[目标]）需要选择性调用，而且还支持配置权重。
比如有3台服务器，分别给予 20%，30%和 50% 的流量；比如有3个厂商的接相似服务，分别给予 80%，5%，15% 的调用量配比。
那么我们该如何实现？
二、方法
2.1 使用 commons-math3 的工具类（推荐）
使用 Apache Commons Math3 工具包的 EnumeratedDistribution 类
maven 仓库
https://mvnrepository.com/artifact/org.apache.commons/commons-math3
<!-- https://mvnrepository.com/artifact/org.apache.commons/commons-math3 -->
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-math3</artifactId>
<version>3.6.1</version>
</dependency>
示例类：
package other.commons.math;
import lombok.AllArgsConstructor;
import lombok.Data;
@Data
@AllArgsConstructor
public class Tool {
private String name;
}
测试代码
package other.commons.math;
import org.apache.commons.math3.distribution.EnumeratedDistribution;
import org.apache.commons.math3.util.Pair;
import java.util.ArrayList;
import java.util.List;
public class Demo {
public static void main(String[] args) {
// 构造数据
Tool tool1 = new Tool("第1个工具");
Tool tool2 = new Tool("第2个工具");
final List<Pair<Tool, Double>> toolWeights = new ArrayList<>();
toolWeights.add(new Pair<>(tool1, 20D));
toolWeights.add(new Pair<>(tool2, 80D));
// 测试1万次
int first = 0;
int second = 0;
for (int i = 0; i < 10000; i++) {
// 执行带权重随机获取一个
Tool tool = new EnumeratedDistribution<>(toolWeights).sample();
if (tool.equals(tool1)) {
first++;
}
if (tool.equals(tool2)) {
second++;
}
}
System.out.println("工具1出现" + first + "次；工具2出现" + second + "次");
}
}
运行结果符合预期
工具1出现1952次；工具2出现8048次
大家可以自行去源码里看其原理：
大致是将权重归一化到 0-1 的范围，然后随机获取 0-1 之间的 double 值，落在哪个区间就获取该区间对应的对象。
/**
* Generate a random value sampled from this distribution.
*
* @return a random value.
*/
public T sample() {
final double randomValue = random.nextDouble();
int index = Arrays.binarySearch(cumulativeProbabilities, randomValue);
if (index < 0) {
index = -index-1;
}
if (index >= 0 &&
index < probabilities.length &&
randomValue < cumulativeProbabilities[index]) {
return singletons.get(index);
}
/* This should never happen, but it ensures we will return a correct
* object in case there is some floating point inequality problem
* wrt the cumulative probabilities. */
return singletons.get(singletons.size() - 1);
}
2.2 使用 NavigableMap 类
借助 NavigableMap 的 higherEntry 定位该元素应该落的权重区间，权重未做归一化处理，定位的速度依赖于底层实现。
public class RandomCollection<E> {
private final NavigableMap<Double, E> map = new TreeMap<Double, E>();
private double total = 0;
public void add(double weight, E result) {
if (weight <= 0 || map.containsValue(result))
return;
total += weight;
map.put(total, result);
}
public E next() {
double value = ThreadLocalRandom.current().nextDouble() * total;
return map.higherEntry(value).getValue();
}
}
示例
package other.commons.math;
public class Demo3 {
public static void main(String[] args) {
Tool tool1 = new Tool("第1个工具");
Tool tool2 = new Tool("第2个工具");
RandomCollection<Tool> util = new RandomCollection<>();
util.add(20, tool1);
util.add(80, tool2);
// 测试1万次
int first = 0;
int second = 0;
for (int i = 0; i < 10000; i++) {
Tool tool = util.next();
if (tool.equals(tool1)) {
first++;
}
if (tool.equals(tool2)) {
second++;
}
}
System.out.println("工具1出现" + first + "次；工具2出现" + second + "次");
}
}
运行结果符合预期
工具1出现1937次；工具2出现8063次
底层原理
java.util.TreeMap#getHigherEntry
/**
* Gets the entry for the least key greater than the specified
* key; if no such entry exists, returns the entry for the least
* key greater than the specified key; if no such entry exists
* returns {@code null}.
*/
final Entry<K,V> getHigherEntry(K key) {
Entry<K,V> p = root;
while (p != null) {
int cmp = compare(key, p.key);
if (cmp < 0) {
if (p.left != null)
p = p.left;
else
return p;
} else {
if (p.right != null) {
p = p.right;
} else {
Entry<K,V> parent = p.parent;
Entry<K,V> ch = p;
while (parent != null && ch == parent.right) {
ch = parent;
parent = parent.parent;
}
return parent;
}
}
}
return null;
}
2.3 使用 Collections.shuffle()
package other.commons.math;
import java.util.Collections;
import java.util.LinkedList;
import java.util.List;
import java.util.Map;
public class RandomWeightUtils {
/**
* 带权重随机
* @param map 元素和对应权重
* @param <K> 元素类型
* @return 符合权重的随机元素
*/
public static <K> K random(Map<K, Integer> map) {
if (map == null || map.isEmpty()) {
return null;
}
List<K> list = new LinkedList<>();
// 放入权重个 K
for (Map.Entry<K, Integer> entry : map.entrySet()) {
for (int i = 0; i < entry.getValue(); i++) {
list.add(entry.getKey());
}
}
// 随机打散 list
Collections.shuffle(list);
// 取第一个 （最后一个也可以）
return list.get(0);
}
}
测试方法
package other.commons.math;
import java.util.*;
public class demo2 {
public static void main(String[] args) {
Tool tool1 = new Tool("第1个工具");
Tool tool2 = new Tool("第2个工具");
Map<Tool, Integer> map = new HashMap<Tool, Integer>() {{
put(tool1, 3);
put(tool2, 7);
}};
// 测试1万次
int first = 0;
int second = 0;
for (int i = 0; i < 10000; i++) {
Tool tool = RandomWeightUtils.random(map);
if (tool.equals(tool1)) {
first++;
}
if (tool.equals(tool2)) {
second++;
}
}
System.out.println("工具1出现" + first + "次；工具2出现" + second + "次");
}
}
运行结果符合预期
工具1出现3010次；工具2出现6990次
底层原理
标签：权重,对象,Tool,commons,util,int,随机,new,public 来源： https://blog.csdn.net/w605283073/article/details/120856786
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。