内容来源于alibaba的开源项目ageiport，场景：如果需要基于集群节点进行均摊，对数据进行处理分而治之的话，就可以采用。
//均摊分配publicstatic<T>List<List<T>>averageAssign(List<T>source, intn) { List<List<T>>result=newArrayList<>(); //对当前的大小进行取模intremaider=source.size() %n; //对当前大小取整intnumber=source.size() /n; //偏移量intoffset=0; //对集群节点进行遍历for (inti=0; i<n; i++) { List<T>value; //如果模大于0，则对任务列表进行部分获取 List<E> subList(int fromIndex, int toIndex);if (remaider>0) { value=source.subList(i*number+offset, (i+1) *number+offset+1); remaider--; offset++; } else { value=source.subList(i*number+offset, (i+1) *number+offset); } result.add(value); } returnresult; }
测试：
//测试均摊算法publicstaticvoidmain(String[] args) { //子任务列表List<Integer>subTaskNos=newArrayList<>(); subTaskNos.add(1); subTaskNos.add(2); subTaskNos.add(3); subTaskNos.add(4); subTaskNos.add(5); subTaskNos.add(6); subTaskNos.add(7); subTaskNos.add(8); subTaskNos.add(9); subTaskNos.add(10); subTaskNos.add(11); subTaskNos.add(12); //当前的集群节点IntegernodeCount=5; //执行均摊List<List<Integer>>subTaskAvgByNodeCount=Lists.averageAssign(subTaskNos, nodeCount); System.out.println(subTaskAvgByNodeCount); }
测试结果：
[1, 2, 3], [4, 5, 6], [7, 8], [9, 10], [11, 12]]
这个代码设计很巧妙，使用了取模和取余来实现对任务分发到不同的机器上，这样一来处理任务的时候，就可以快速完成任务的处理了。通常适应于大批量数据的处理。类似的思想：jdk中的fork-join也是分而治之的思想。
