(JAVA)仿拼多多砍价算法

简介: (JAVA)仿拼多多砍价算法

前言

先上执行完毕后的控制台输出截图:

我的业务流程是,当用户发起一个砍价,先使用这个方法生成对应人数的砍价金额集合(我们的金额对应人数是支持配置的,例如900元-1000元需要70个人)放入redis(异步写入db),key为用户id,当有人进入砍价,从redis拿出集合随机取一个金额写入缓存(key为用户id,此缓存是砍价记录,同时异步写入db,用于记录;把此金额从原先的集合中抹除),砍价结束把集合从缓存中删除。

package com.dq.utils;
 
import java.math.BigDecimal;
import java.math.BigInteger;
import java.math.RoundingMode;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Random;
 
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.stereotype.Service;
 
 
/**
 * 获取砍价的集合公共方法
 * 2018年6月4日 上午9:35:57
 * version 1.0
 *
 * @author lwf
 */
public class BargainCommonUtils {
 
    private static final Logger logger = LoggerFactory.getLogger(BargainCommonUtils.class);
 
    /**
     * 砍价算法优化,避免死循环和空指针
     * <br/>为避免价格生成出错,要求:count<=100;price/count>=0.08
     * <br/>2018年8月14日 上午9:54:39
     * <br/>version 1.0
     * <br/>@author lwf
     * <br/>@param count
     * <br/>@param price
     * <br/>@param finalPrice
     * <br/>@return
     */
    public static List<BigDecimal> getBargainList(Integer count, BigDecimal price, BigDecimal finalPrice) {
        List<BigDecimal> list = new BargainCommonUtils().getTempBargainList(count, price, finalPrice);
        int i = 0;
        while (list == null || list.size() == 0 || list.size() != count) {
            list = new BargainCommonUtils().getTempBargainList(count, price, finalPrice);
            i++;
            if (i > 50000) {
                logger.info("砍价集合生成超时!请重试或重新设定价格/次数比例!");
                break;
            }
        }
        return list;
    }
 
 
    /*
     *  获取砍价的价格集合
     *  <br/>2018年6月7日 下午4:32:31
     *  <br/>version 1.0
     *  <br/>@author lwf
     */
    public static  List<BigDecimal> getTempBargainList(Integer count, BigDecimal price, BigDecimal finalPrice) {
 
        BigDecimal sourcePrice = price;
        sourcePrice = sourcePrice.subtract(finalPrice);    // 实际要折扣掉的金额
        sourcePrice = sourcePrice.setScale(2, RoundingMode.HALF_DOWN);// 把多余的小数点去掉
        ArrayList<BigDecimal> tempPrices = new ArrayList<>();//   实际被砍掉的价格集合
        Map<String, BigDecimal> lastPrice = new HashMap<>();//     最后一次的砍价剩余的价格
        int sum = 0;// 实际砍价次数
        ArrayList<BigDecimal> finalPrices = new ArrayList<>();    // 最终所需要的砍价集合
 
        finalPrice = new BigDecimal(0);
 
        BigDecimal divisor = new BigDecimal(count);
//    获取砍价的平均值
        int countTmep = 2;
        getPirces(sourcePrice, countTmep, tempPrices, finalPrice, lastPrice);
 
        tempPrices.add(lastPrice.get("lastPrice"));
 
        sum = tempPrices.size();
 
        if (sum > count) {    // 如果实际砍价次数大于预期次数,则再进行处理
            int temp = sum - count;// 相差次数
 
            BigDecimal sumPrice = new BigDecimal(0.00);
 
            for (int i = 0; i < tempPrices.size(); i++) {
                if (i < tempPrices.size() - temp) {
                    finalPrices.add(tempPrices.get(i));
                } else {
                    sumPrice = sumPrice.add(tempPrices.get(i));    // 多余的砍价
                }
            }
//      把多余的砍价平均分散到前count中的砍价
            BigDecimal divide = null;
            try {
                divide = sumPrice.divide(new BigDecimal(count), 2, RoundingMode.HALF_DOWN);
            } catch (Exception e) {
                logger.warn(e.getMessage());
                e.printStackTrace();
            }
            divide = divide.setScale(2, RoundingMode.HALF_DOWN);
 
            for (int i = 0; i < finalPrices.size(); i++) {
                BigDecimal add = finalPrices.get(i).add(divide);
                finalPrices.set(i, add);
            }
        } else if (sum == count) {
            finalPrices = tempPrices;
        } else {
            return null;
        }
 
 
//    价格矫正 补总差价,多减少增
        BigDecimal totalPrice = new BigDecimal(0);
        for (BigDecimal bd : finalPrices) {
            totalPrice = bd.add(totalPrice);
        }
        logger.info("价格矫正前的totalPrice:" + totalPrice);
//    如果集合中的总价大于实际原价,则把集合中任意一个大于这个差价的价格减去差价(误差都不会超过0.1)
        int inFlag = 0;
        if (totalPrice.compareTo(sourcePrice) > 0) {
            BigDecimal subtract = totalPrice.subtract(sourcePrice);
 
            for (int i = 0; i < finalPrices.size(); i++) {
                if (finalPrices.get(i).compareTo(subtract) > 0) {    // 集合中的大于这个差价的价格
                    BigDecimal changedPrice = finalPrices.get(i).subtract(subtract);
                    finalPrices.set(i, changedPrice);
                    inFlag = 1;
                    break;
                }
            }
        }
        if (totalPrice.compareTo(sourcePrice) < 0) {    // 如果集合中的总价小于等于实际原价,则把集合中最后一个价格加上差价(误差都不会超过0.1)
            BigDecimal subtract = sourcePrice.subtract(totalPrice);
            BigDecimal sourceLastPrice = finalPrices.get(finalPrices.size() - 1);
            BigDecimal changedPrice = sourceLastPrice.add(subtract);
            finalPrices.set(finalPrices.size() - 1, changedPrice);
            inFlag = 1;
        }
        if (totalPrice.compareTo(sourcePrice) == 0) {
            inFlag = 1;
        }
 
 
        if (inFlag == 0) {    // 如果没有价格大于这个差价,则再完整的调一次本方法
            return null;
        } else {
            logger.info("sourcePrice:" + sourcePrice);
            logger.info("*********************************");
            totalPrice = new BigDecimal(0);
            for (BigDecimal bd : finalPrices) {
                totalPrice = bd.add(totalPrice);
            }
            logger.info("预期砍价次数:" + count + " 实际砍价次数:" + finalPrices.size() + " 价格矫正后的totalPrice:" + totalPrice);
            logger.info(Arrays.toString(finalPrices.toArray()));
 
            return finalPrices;
        }
    }
 
 
    /**
     * 获取被砍的价格集合
     * <br/>2018年6月4日 下午3:19:07
     * <br/>version 1.0
     * <br/>@author lwf
     * <br/>@param sourcePrice  原价
     * <br/>@param avgPrice 砍价平均值:  原价/砍价次数=砍价平均值
     * <br/>@param tempPrices 砍价价格集合
     * <br/>@param finalPrice 最终价
     */
    public static  void getPirces(BigDecimal sourcePrice, int countTemp, List<BigDecimal> tempPrices, BigDecimal finalPrice, Map<String, BigDecimal> lastPrice) {
        Random r = new Random();
        double d = sourcePrice.divide(new BigDecimal(++countTemp), 2, RoundingMode.HALF_DOWN).doubleValue();
        if (tempPrices.size() > 0 && tempPrices.size() % 4 == 0) {
            countTemp = countTemp - 3;
        }
 
        Double randomPrice = r.nextDouble() * d + 0.01;    // 例如:生成0到9.99之间的随机数
 
        BigDecimal bargainPrice = new BigDecimal(randomPrice); // 被砍掉的价格
 
        bargainPrice = bargainPrice.setScale(2, RoundingMode.HALF_DOWN);
 
        BigDecimal surplusPrice = sourcePrice.subtract(bargainPrice);    // 剩余价格
 
        if (surplusPrice.compareTo(finalPrice) <= 0) {
            return;
        }
 
        tempPrices.add(bargainPrice);
        lastPrice.put("lastPrice", surplusPrice);
        getPirces(surplusPrice, countTemp, tempPrices, finalPrice, lastPrice);
 
    }
 
    /*  @Test
        public void testBargain() {
            int count = 100;
            BigDecimal price = new BigDecimal(7);
            BigDecimal finalPrice = new BigDecimal(0);
 
            List<BigDecimal> list = new BargainCommonServiceImpl().getTempBargainList(count, price, finalPrice);
            int i = 0;
            while(list==null || list.size()==0||list.size()!=count) {
                list = new BargainCommonServiceImpl().getTempBargainList(count, price, finalPrice);
                i ++;
                if(i>50000) {
                    logger.info("砍价集合生成超时!请重试或重新设定价格/次数比例!");
                    System.out.println("砍价集合生成超时!请重试或重新设定价格/次数比例!");
                    break;
                }
            }
            System.out.println(i);
        }*/
    public static void main(String[] args) {
        int count = 10;
        BigDecimal price = BigDecimal.valueOf(7L);
        BigDecimal finalPrice =BigDecimal.ZERO;
        List<BigDecimal> list = BargainCommonUtils.getTempBargainList(count, price, finalPrice);
        list.forEach(bigDecimal -> {
            System.out.printf(bigDecimal.toString());
        });
    }
 
}

 

相关文章
|
8天前
|
监控 算法 网络协议
Java 实现局域网电脑屏幕监控算法揭秘
在数字化办公环境中,局域网电脑屏幕监控至关重要。本文介绍用Java实现这一功能的算法,涵盖图像采集、数据传输和监控端显示三个关键环节。通过Java的AWT/Swing库和Robot类抓取屏幕图像,使用Socket进行TCP/IP通信传输图像数据,并利用ImageIO类在监控端展示图像。整个过程确保高效、实时和准确,为提升数字化管理提供了技术基础。
40 15
|
3月前
|
存储 人工智能 算法
数据结构与算法细节篇之最短路径问题:Dijkstra和Floyd算法详细描述,java语言实现。
这篇文章详细介绍了Dijkstra和Floyd算法,这两种算法分别用于解决单源和多源最短路径问题,并且提供了Java语言的实现代码。
102 3
数据结构与算法细节篇之最短路径问题:Dijkstra和Floyd算法详细描述,java语言实现。
|
5月前
|
负载均衡 NoSQL 算法
一天五道Java面试题----第十天(简述Redis事务实现--------->负载均衡算法、类型)
这篇文章是关于Java面试中Redis相关问题的笔记,包括Redis事务实现、集群方案、主从复制原理、CAP和BASE理论以及负载均衡算法和类型。
一天五道Java面试题----第十天(简述Redis事务实现--------->负载均衡算法、类型)
|
14天前
|
缓存 算法 搜索推荐
Java中的算法优化与复杂度分析
在Java开发中,理解和优化算法的时间复杂度和空间复杂度是提升程序性能的关键。通过合理选择数据结构、避免重复计算、应用分治法等策略,可以显著提高算法效率。在实际开发中,应该根据具体需求和场景,选择合适的优化方法,从而编写出高效、可靠的代码。
25 6
|
5月前
|
搜索推荐 算法 Java
手写快排:教你用Java写出高效排序算法!
快速排序(QuickSort)是经典的排序算法之一,基于分治思想,平均时间复杂度为O(n log n),广泛应用于各种场合。在这篇文章中,我们将手写一个Java版本的快速排序,从基础实现到优化策略,并逐步解析代码背后的逻辑。
191 1
|
3月前
|
算法 搜索推荐 Java
java 后端 使用 Graphics2D 制作海报,画echarts图,带工具类,各种细节:如头像切割成圆形,文字换行算法(完美实验success),解决画上文字、图片后不清晰问题
这篇文章介绍了如何使用Java后端技术,结合Graphics2D和Echarts等工具,生成包含个性化信息和图表的海报,并提供了详细的代码实现和GitHub项目链接。
164 0
java 后端 使用 Graphics2D 制作海报,画echarts图,带工具类,各种细节:如头像切割成圆形,文字换行算法(完美实验success),解决画上文字、图片后不清晰问题
|
3月前
|
算法 Java 数据中心
探讨面试常见问题雪花算法、时钟回拨问题,java中优雅的实现方式
【10月更文挑战第2天】在大数据量系统中,分布式ID生成是一个关键问题。为了保证在分布式环境下生成的ID唯一、有序且高效,业界提出了多种解决方案,其中雪花算法(Snowflake Algorithm)是一种广泛应用的分布式ID生成算法。本文将详细介绍雪花算法的原理、实现及其处理时钟回拨问题的方法,并提供Java代码示例。
99 2
|
3月前
|
算法 Java Linux
java制作海报一:java使用Graphics2D 在图片上写字,文字换行算法详解
这篇文章介绍了如何在Java中使用Graphics2D在图片上绘制文字,并实现自动换行的功能。
171 0
|
3月前
|
算法 Java 测试技术
数据结构 —— Java自定义代码实现顺序表,包含测试用例以及ArrayList的使用以及相关算法题
文章详细介绍了如何用Java自定义实现一个顺序表类,包括插入、删除、获取数据元素、求数据个数等功能,并对顺序表进行了测试,最后还提及了Java中自带的顺序表实现类ArrayList。
44 0
|
5月前
|
设计模式 缓存 算法
揭秘策略模式:如何用Java设计模式轻松切换算法?
【8月更文挑战第30天】设计模式是解决软件开发中特定问题的可重用方案。其中,策略模式是一种常用的行为型模式,允许在运行时选择算法行为。它通过定义一系列可互换的算法来封装具体的实现,使算法的变化与客户端分离。例如,在电商系统中,可以通过定义 `DiscountStrategy` 接口和多种折扣策略类(如 `FidelityDiscount`、`BulkDiscount` 和 `NoDiscount`),在运行时动态切换不同的折扣逻辑。这样,`ShoppingCart` 类无需关心具体折扣计算细节,只需设置不同的策略即可实现灵活的价格计算,符合开闭原则并提高代码的可维护性和扩展性。
74 2