大营销
第三节：策略概率装配处理
装配流程
-
装配抽奖策略，根据抽奖策略ID（strategy_id）进行装配
-
子流程如下：
-
根据抽奖策略ID（strategy_id）去数据库查询该策略配置下的奖品列表（strategyAwardEntityList），先从redis中读，如果redis中没有，再去数据库中拿，拿完转完一下实体类，存redis中，并返回这个奖品列表
-
拿到奖品列表后，进行第一次装配（此时没有根据权重规则过滤奖品），在redis中存的是该策略ID（strategy_id）下所有的奖品列表。
-
装配子流程：需要一个key（strategy_id），一个奖品列表实体类
-
拿最小概率值（方便后续计算）
-
拿概率值总和（所有的概率加一起，后面计算用）
-
获得概率范围，就是用概率总和除以这个最小概率值，向正无穷取整，算出来个大小范围，比如100.0/0.1 就是1000。就是相当于把小数点给去掉，得出来一个范围（0-1000）
-
生成策略概率查找表，生成一个list，大小就是上面的范围大小，然后根据相应的规则向里面填充奖品ID，比如奖品1占10%，就填充100个（以1000为例），把这个list填满。
-
然后乱序处理，交换各个元素的位置，保证它们的随机性，不然抽奖概率会有影响
-
生成一个map，奖品查找表，其实就是把这个list放到map里，key值是 list的大小从小到大，value值是奖品id
-
最后把这个map存放到redis中，这一步有一个putall操作，如果你的redis报了一个（org.springframework.dao.InvalidDataAccessApiUsageException: ERR Protocol error: invalid multibulk length.）这种异常（windows 环境下 一个老版本的 redis 报的，mac 环境下redis版本 7.2.3 没有报，一切正常）可以试试把概率改小，map小一点，我这个改成了小数点后一位就正常了，可能是redis配置或者版本的问题。
-
-
-
装配权重策略，根据这个id去数据库里查，优先查redis，没有再去数据库查，查完存redis并返回 （StrategyEntity）这个实体类
- 从ruleModels中遍历看是否有"rule_weight"这个规则，有就是需要权重过滤，没有，为null直接结束
-
再次验证规则是否有异常，走到这一步是一定有 rule_weight的，如果根据id和ruleWeight查询不到，抛出异常，流程异常结束
-
根据权重规则，重新装配奖品
- 首先拿到 rule_weight 下所有的规则，4000分的规则，5000分的规则等等
- 就是这一串（4000:102,103,104,105 5000:102,103,104,105,106,107 6000:102,103,104,105,106,107,108,109）
- 把规则分割一下，key:（4000:102,103,104,105）,value：（[102],[103],[104],[105]）,value是该规则下所有的奖品id，返回一个map<key，value>
- 遍历这个map，每个key下都有list奖品列表，从第一步装配的（strategyAwardEntityList）克隆一个新的list，从中移除 list奖品 中没有的
- 把这个克隆的新的list重新装配进redis中，参考装配子流程
-
装配结束(此时redis中key如下)
127.0.0.1:6379> keys *
"big_market_strategy_award_key_100001"
"big_market_strategy_rate_table_key_100001_5000:102,103,104,105,106,107"
"big_market_strategy_rate_table_key_100001_4000:102,103,104,105"
"big_market_strategy_rate_range_key_100001_5000:102,103,104,105,106,107"
"big_market_strategy_rate_table_key_100001_6000:102,103,104,105,106,107,108,109"
抽奖流程
24-04-22.21:07:53.724 [main ] INFO StrategyArmoryDispatch - rateRange：6
24-04-22.21:07:53.728 [main ] INFO StrategyArmoryDispatch - key:100001_4000:102,103,104,105, result:105
24-04-22.21:07:53.728 [main ] INFO StrategyTest - 测试结果：105 - 4000 策略配置
24-04-22.21:07:53.729 [main ] INFO StrategyArmoryDispatch - rateRange：14
24-04-22.21:07:53.729 [main ] INFO StrategyArmoryDispatch - key:100001_5000:102,103,104,105,106,107, result:106
24-04-22.21:07:53.729 [main ] INFO StrategyTest - 测试结果：106 - 5000 策略配置
24-04-22.21:07:53.729 [main ] INFO StrategyArmoryDispatch - rateRange：4901
24-04-22.21:07:53.730 [main ] INFO StrategyArmoryDispatch - key:100001_6000:102,103,104,105,106,107,108,109, result:107
24-04-22.21:07:53.730 [main ] INFO StrategyTest - 测试结果：107 - 6000 策略配置
抽奖流程需要知道，抽奖的策略ID（strategyId），还有抽奖的规则（ruleWeightValue）
- 拼接出来redis的key，就是id+规则
- 从redis中拿（自动拼接big_market_strategy_rate_range_key_）这个 map 中存储的是生成的随机数，以及该策略 id 下 map 的大小（rateRange），根据 key从 redis中拿到一个概率范围rateRange
- 随机获取 0-rateRange 之间的值，根据key（自动拼接big_market_strategy_rate_table_key_ ） 和生成的随机数从 map 中拿到奖品 id并返回