function letterToCode(letterStr) { const result = [] const letters = 'abcdefghijklmnopqrstuvwxyzABCDEFG' for (let i = 0; i < letterStr.length; i++) { result.push((letters.indexOf(letterStr[i]) + 1).toString().padStart(2, '0')) } return result } 复制代码
至于分发?我们可以参考一下市面上已有的一些概念做一下对比,下面是笼统的一个网络服务器的TPS预估值,也就是说彩票服务器在1秒内可以处理的最大请求数:
低性能:TPS 在 50 以下,适用于低流量的应用场景,例如个人博客、小型企业网站等。
中性能:TPS 在 50~500 之间,适用于一般的网站和应用场景,例如中小型电商网站、社交网络等。
高性能:TPS 在 500~5000 之间,适用于高流量的网站和应用场景,例如大型电商网站、游戏网站等。
超高性能:TPS 在 5000 以上,适用于超高流量的网站和应用场景,例如互联网巨头的网站、在线游戏等。
按照这种模式的话,50万彩票站的数据同步在100秒内就可以完成,当然,诸位,这里是单机模式,如果做一个彩票服务的话,单机肯定是不可能的,想要提高TPS,那就做服务器集群,如果有100台服务器集群的话,处理这些请求仅仅需要 1 秒!(任性吗?有钱当然可以任性!)(这些数据的得出都是基于理论,不提供参考价值)
数据回源如何做
非常简单!我们需要获取的数据是哪一些呢?没有经过随机算法,直接被购买的彩票数据!也就是我们经常听到的"守号"的那些老彩民!
同样,根据媒体查询得知(不做参考),彩票站的客流量是每小时1至10人,经营时间,早上九点至晚上九点,最大客流量预计为100人每天!
那么所有彩票站的总体客流量在 100 * 500000 = 50000000,大约为五千万人次,大约有50%是属于"守号"人,这里面可能还需要排除掉彩票站中已知的号码,不过在这里我们先不处理,先做全部的预估,那么
服务器需要承载的最大TPS为:
// 服务器集群数量 const machineCount = 100 // 总访问量,50%中的号码才会上报 const totalVisit = 50000000 * 0.5 // 25000000 // 总的时间,因为我们计算的是 10个小时的时间,所以应该计算的总秒数为 36000 秒! const totalSeconds = 10 * 60 * 60 console.log(totalVisit / totalSeconds / machineCount) // 6.944444444444445 复制代码
TPS仅为7!!这还是没有排除掉已经知悉的号码的情况,具体的上报逻辑,参考下图:
数据交给彩票站的策略(避免数据被劫持)
所有的彩票数据当然不能全部都交给彩票站,我们需要对所有的数据做一个分层,其他彩票站"特意挑选的数据"就是我们要分层分发的数据!这样子也就能解决 "如何避免所有数据被劫持" 的问题!
那么我们如何对数据进行分层呢?
简而言之,就是我们将陕西西安彩票站的购票信息同步给山西太原,将上海市购票信息同步给江苏苏州!当然这里面需要考虑的点非常多,不仅仅是两地数据的交换,逻辑也比较复杂,通常需要考虑的点是:
数据同步难度,跨地区同步对服务器压力巨大,如华南向华北同步
数据相似程度,两地的数据如果历史以来相似度区别很大,反而不能达到覆盖的目的,因为我们最终是想要这注号码被购买更多次
数据同步时差,如新疆等地,鉴于网络问题,比其他地要慢很多的情况,这样就会漏号,那么就应该把这些地方的数据同步到更繁华的区域,如上海市,但是这一点看似是和第一二点相悖的
就说这么多,说的多了其实我也不懂。或者说还没想出来,如果有这方面比较厉害的大佬,可以提供思路!我们先看看随机的号码结果如何:
我们来尝试随机获取你需要的两注:
function random(count) { let result = [] for (let i = 0; i < count; i++) { const index = Math.floor(Math.random() * firstDataList.length) console.log(firstDataList[index]) result.push(letterToCode(firstDataList[index])) } return result } console.log(random(2)) 复制代码
OK,你觉得可以中奖吗?哈哈哈,还是有可能的,继续往下看吧!
特意挑的两注
我是一个典型的"守号"人,每天都拿着自己算出来的几注号码,去购买彩票,那么我可以中奖吗?(目前没中)
根据上面的描述,我们应该知道,"守号"人购买的号码需要判断系统是否存在数据,如果存在的话,就不会触发上报,如果数据不存在,则会上报系统,由系统将当前号码分发给相邻市或数据近似的城市,预期当前号码可以被更多的人所购买,一注号码如果被购买的越多,其中奖的概率也就越低!
不过特意挑选是要比随机挑选的中奖概率要大,但是也大不到哪里去。
我要一等奖
彩票的一等奖是基于统计的,即使彩票中心存在空号,也需要考虑空号所产生的二等奖至六等奖的数量,这是一个非常庞大的数据量,也是需要计算非常多的时间的,那么我们如何模拟呢?
我们取50万注彩票,模拟一下这些彩票被购买的情况,可能会产生空号,可能会重复购买,或者购买多注等,尝试一下计算出我们需要付出的总金额!
彩票中中奖规则是这样子的,浮动奖项我们暂时不考虑,给一等奖和二等奖都赋予固定的金额:
6 + 1 一等奖 奖金500万
6 + 0 二等奖 奖金30万
5 + 1 三等奖 奖金3000元
5 + 0 或 4 + 1 四等奖 奖金200元
4 + 0 或 3 + 1 五等奖 奖金10元
2 + 1 或 1 + 1 或 0 + 1 都是 六等奖 奖金 5 元
根据这个规则,我们可以先写出对奖的函数:
/** * @param {String[]} target ['01', '02', '03', '04', '05', '06', '07'] * @param {String[]} origin ['01', '02', '03', '04', '05', '06', '07'] * @returns {Number} 返回当前彩票的中奖金额 */ function compareToMoney(target, origin) { let money = 0 let rightMatched = target[6] === origin[6] // 求左边六位的交集数量 let leftMatchCount = target.slice(0, 6).filter( c => origin.slice(0,6).includes(c) ).length if (leftMatchCount === 6 && rightMatched) { money += 5000000 } else if (leftMatchCount === 6 && !rightMatched) { money += 300000 } else if (leftMatchCount === 5 && rightMatched) { money += 3000 } else if (leftMatchCount === 5 && !rightMatched) { money += 200 } else if (leftMatchCount === 4 && rightMatched) { money += 200 } else if (leftMatchCount === 4 && !rightMatched) { money += 10 } else if (leftMatchCount === 3 && rightMatched) { money += 10 } else if (leftMatchCount === 2 && rightMatched) { money += 5 } else if (leftMatchCount === 1 && rightMatched) { money += 5 } else if (rightMatched) { money += 5 } return money } 复制代码
那么,应该如何得到利益最大化,步骤应该是这样子:
随机生成一组中奖号码
对于每个购买的数字,检查是否与中奖号码匹配,并计算它的奖金金额
对于所有购买的数字的奖金金额进行求和
重复这个过程,直到找到最优的中奖号码
随机这个中奖号码非常重要,他决定着我们计算出整体数据的速度,所以我们按照下面的步骤进行获取:
将所有的号码按照购买数量进行排序(其实这里真实的场景应该联合考虑中奖号码的分布趋势才更精确)
从空号开始查询,依次进行计算
先模拟出我们的购买数据:
function getRandomCode(count = 500000) { const arrRed = Array.from({ length: 33 }, (_, index) => (index + 1).toString().padStart(2, '0')) // generateCombinations 是我们上面定义过的函数 const arrRedResult = generateCombinations(arrRed, 6, count) const result = [] let blue = 1 arrRedResult.forEach(line => { result.push([...line, (blue++).toString().padStart(2, '0')]) if (blue > 16) { blue = 1 } }) return result } function randomPurchase() { const codes = getRandomCode() const result = [] for (let code of codes) { let count = Math.floor(Math.random() * 50) result.push({ code, count, }) } return result } console.log(randomPurchase()) 复制代码
我们将得到类似于下面的数据结构,这对于统计来说较为方便:
[ { code: [ '01', '02', '03', '04', '05', '10', '05' ], count: 17 }, { code: [ '01', '02', '03', '04', '05', '11', '06' ], count: 4 } ] 复制代码
接下来,就是很简单的统计了,逻辑很简单,但对于数据量极为庞大的彩票来说,需要的时间!
// 空号在前,购买数量越多越靠后 const purchaseList = randomPurchase().sort((a, b) => a.count - b.count) const bonusPool = [] for (let i = 0; i < purchaseList.length; i++) { // 假设这就是一等奖,那么就需要计算其价值 const firstPrize = purchaseList[0] let totalMoney = 0 for (let j = 0; j < purchaseList.length; j++) { // 与一等奖进行对比,对比规则是参照彩票中奖规则 const money = compareToMoney(purchaseList[j].code, firstPrize.code) * purchaseList[j].count totalMoney += money } bonusPool.push({ code: firstPrize.code, totalMoney, }) } const result = bonusPool.sort((a, b) => a.totalMoney - b.totalMoney) // 至于怎么挑,那就随心所欲了 console.log(result[0].code, result[0].totalMoney) 复制代码
至于最后的一等奖怎么挑,那就随心所欲了,不过上面的算法在我的 M1 芯片计算需要的时间也将近10分钟,如果有更强大的机器,更厉害的算法,这个时长同样可以缩短,不展开了,累了,就这样吧!
黄粱一梦
终归是黄粱一梦,最终还是要回归生活,好好工作!不过谁知道呢,等会再买一注如何?
彩票系统纯属臆测,不可能有雷同!