Giters

sunguide / BestPractice

最佳实践

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

description
关于通用型抽奖平台搭建

抽奖设计

一、基本需求

1. 不同的活动有不同的奖项配置，并且允许多活动并行

2. 抽奖类型可以分为：大转盘（九宫格、圆盘）、翻牌、刮刮卡、砸金蛋

2. 奖项：实物，现金红包，购物券，积分，再来一次等等；

3. 多奖项+等级区分，如一等奖：macbook pro，二等奖： ipad , iwatch，三等奖：小米手机，华为手机，魅族手机等，同等级中奖概率相同。

4. 在不同的活动中，每个用户每天有多少次的抽奖机会，分享可以增加抽奖次数；

5. 防作弊机制：访问限流、

二、需求分析

1. 我们可以把每个活动抽象出一张表，有具体的活动标题，活动的开始时间，活动的结束时间，因为每个活动限制的用户抽取次数不同，所以有一个抽取次数的限制，还有活动的状态，那么活动表我们起名为t\_activity；

2. 活动的奖励我们可以抽象出一张表，奖励有奖励的类型，红包和积分的具体数额，实物的奖品名称，等等，奖品的等级，是一等奖，二等奖，三等奖，还是纪念奖，还有每个奖品获取的概率，那么物品的表我们起名为t\_prize；

3. 如果是实物奖励的话，需要用户填写一些信息，领取人的姓名，领取人的联系方式，领取人的收获地址t\_user;

4. 用户每次抽奖的记录，抽到了那个奖项，如果是红包的和积分的话，数额是多少，用户是否领取了奖励，如果是实物的话，抽到了那个实物，是否填写了实物的领取信息，还有抽奖时间t\_raffle；

三、数据库设计

1. t\_activity

| id | title | start_time | end_time | times | home_page_path | status | create_time | create_by | | --- | --- | | varchar | varchar | date | date | int | varchar | int | date | varchar |

2. t\_prize

| id | activity_id | type | name | counts | level | percentage | create_time | create_by | | --- | --- | | varchar | varchar | int | varchar | decimal(5,2) | int | decimal(2,2) | date | varchar |

3. t\_information

| id | prize_id | prize_name | account_id | user_name | user_mobile | user_address | status | create_time | | --- | --- | | varchar | varchar | varchar | varchar | varchar | varchar | varchar | int | date |

4. t\_raffle

| id | account_id | prize_id | prize_type | prize_name | status | raffle_time | | --- | --- | | varchar | varchar | varchar | int | varchar | int | date |

四、抽奖算法

列子：例如游戏中打败一个boss，会掉落下面其中一个物品，而每个物品都有一定概率：

  1. 靴子 20%

  2. 披风 25%

  3. 饰品 10%

  4. 双手剑 5%

  5. 金币袋 40%
    现在的问题就是如何根据概率掉落一个物品给玩家。

    1. 随机数计算

生成一个列表，分成几个区间，例如列表长度100，1-20是靴子的区间，21-45是披风的区间等，然后随机从100取出一个数，看落在哪个区间。算法时间复杂度：预处理O(MN)，随机数生成O(1)，空间复杂度O(MN)，其中N代表物品种类，M则由最低概率决定。

2. 离散算法

也就是上面的改进，竟然1-20都是靴子，21-45都是披风，那抽象成小于等于20的是靴子，大于20且小于等于45是披风，就变成几个点[20,45,55,60,100]，然后也是从1到99随机取一个数R，按顺序在这些点进行比较，知道找到第一个比R大的数的下标，比一般算法减少占用空间，还可以采用二分法找出R，这样，预处理O(N)，随机数生成O(logN)，空间复杂度O(N)。
请点击查看详细：http://www.cnblogs.com/miloyip/archive/2010/04/21/1717109.html

3. Alias Method

Alias Method就不太好理解，实现很巧妙，推荐先看看这篇文章：http://www.keithschwarz.com/darts-dice-coins/
大致意思：把N种可能性拼装成一个方形（整体），分成N列，每列高度为1且最多两种可能性，可能性抽象为某种颜色，即每列最多有两种颜色，且第n列中必有第n种可能性，这里将第n种可能性称为原色。
想象抛出一个硬币，会落在其中一列，并且是落在列上的一种颜色。这样就得到两个数组：一个记录落在原色的概率是多少，记为Prob数组，另一个记录列上非原色的颜色名称，记为Alias数组，若该列只有原色则记为null。

之前的例子，为了便于演示换成分数

  1. 靴子 20% -> 1/4
  2. 披风 25% -> 1/5
  3. 饰品 10% -> 1/10
  4. 双手剑 5% -> 1/20
  5. 金币袋 40% -> 2/5
    然后每个都乘以5（使每列高度为1），再拼凑成方形
    拼凑原则：每次都从大于等于1的方块分出一小块，与小于1的方块合成高度为1

由上图方形可得到两个数组：
Prob: [3/4, 1/4, 1/2, 1/4, 1]
Alias: [4, 4, 0, 1, null] (记录非原色的下标)

之后就根据Prob和Alias获取其中一个物品
随机产生一列C，再随机产生一个数R，通过与Prob[C]比较，R较大则返回C，反之返回Alias[C]。

Alias Method 复杂度：预处理O(NlogN)，随机数生成O(1)，空间复杂度O(2N)

五、高并发

高并发是指通过设计保证系统能够同时并行处理很多请求，而解决高并发无非从两个方面入手：垂直扩展（Scale Up）与水平扩展（Scale Out）。

  1. 水平扩展 增加应用服务，数据库读写分离、分库分表，连接池，主要是利用多机水平扩容
  2. 垂直扩展 缩减和压缩数据传递，增加缓存，页面静态化，提高单机QPS，异步处理

六、高可用

  1. 负载均衡
  2. 限流
  3. 降级
  4. 隔离
  5. 超时与重试（补偿）
  6. 回滚

六、防刷和攻击

  1. 限流
  2. 限制IP
  3. 强制登录
  4. 限制用户
  5. 验证码（短信和图片验证码）
  6. 限制设备
  7. 微信登录（依赖第三方）

About

最佳实践