如何用 random9 求 random10

大意

如果有一个 random9() 函数,可以产生 1-9 的 整数随机数,请利用 random9 实现 random10 函数,返回 1-10 的整数随机数

要点

random9 只能随机产生 1-9 范围内的数,也就是 1-9 出现的概率是一样的;而如果要随机产生 1-10 范围的整数,就需要 1-10 出现的概率是一样的。

所以问题就变成了:如何通过等概率出现的 1-9 产生等概率的 1-10 ?

解决

以一种马后炮的思想尝试解释一下,看能不能说服自己。

random9 显然产生不了 10,所以肯定需要用到加/乘法,那如何产生 10?

random9 + n如果只用加法,这样便可以随机产生[n+1, n+9]范围的整数,可以达到10,但是肯定不能产生[1, 10]范围内的数,所以这样不行。

random9 * n如果只用乘法,这样便可以随机产生[n, 2n, 3n, ..., 9n],这样产生的数显然也不可能做到随机产生[1, 10],因为中间存在空位,并且无法保证是等概率的。

要想等概率产生[1, 10]范围的数,可以利用等概率产生[1, 20]范围的整数,然后%10 + 1。这里有个重点,怎么样才能等概率?

既然 random9 加/乘一个固定的数,不能达到目的,那么如果加/乘一个不固定但是等概率出现的某一范围的数(也就是 random9)是否可行呢?

  • random9 + random9能出现的最大数:9 + 9 = 18;能出现的最小数:1 + 1 = 2 先考虑能否等概率出现10,先看2-18是否为等概率出现的。 出现2、18的概率都是1/81,但出现3的概率是2/81,即1+2和2+1,这个就不是等概率出现的了,所以不能做到随机产生。
  • random9 * random9最大数:81,最小数:1。 是否连续?否。 是否等概率?否。最大、小数的概率是1/81。但是9的概率是3/81。
  • random9 * n + random9random9 * n 可等概率产生 1n,2n,3n...9n,如果加上 random9,是否等概率取决于1n和2n之间的间距,如果刚好等于9,那么加上random9就有希望产生连续、并且等概率的整数,范围为:[10, 90]。

如何通过等随机产生的 [10, 90] 来随机产生 [1, 10]? 将随机产生的 [10, 90] 限制为 [10, 89],然后模10,便可以获得随机产生的[0, 9],然后再加1,即可得到随机产生的[1, 10]。

总结为:先通过 random9 * 9 + random9 随机产生[10, 90]范围的整数,然后限制随机产生 [10, 89],再模10,得到[0, 9],再加1即可得到[1, 10]。

所以最终的代码:

while ((result = 9 * random9() + random9()) >= 90);
return result % 10 + 1;

但是,我看到的答案是这样的,还不太明白这两者之间有什么差别。

public int rand10() {
    int result;
    do {
        result = rand9()+(rand9()-1)*9;
    } while (result > 80);
    return 1 + (result - 1) % 10;
}

更加简单粗暴的方式

但是这个问题是由 random7 求 random10,不过思想是相通的。

感觉这一种方式更加通俗易懂,获取一维数组是随机的,获取第二维数组也是随机,整个过程都是随机的。

public static int random10() {
    int[][] seed = { { 1, 2, 3, 4, 5, 6, 7 }, { 8, 9, 10, 11, 12, 13, 14 },
            { 15, 16, 17, 18, 19, 20, 11 }, { 22, 23, 24, 25, 26, 27, 28 },
            { 29, 30, 31, 32, 33, 34, 35 }, { 36, 37, 38, 39, 40, 41, 42 },
            { 43, 44, 45, 46, 47, 48, 49 } };

    int result;
    do {
        result = seed[random7() - 1][random7() - 1];
    } while (result > 40);
    return result % 10 + 1;
}

Read more

Volcano 与 Kubernetes GPU 调度学习笔记

本笔记系统整理 Volcano 调度器、Kubernetes 调度框架、GPU Device Plugin、HAMi 等云原生 AI 调度领域的核心知识,适合用于学习、复习和工程实践参考。 目录 * 第一部分:Volcano 入门 * 1. Volcano 是什么 * 2. 安装与快速使用 * 3. 核心特性一览 * 第二部分:Volcano 整体架构 * 4. Volcano 解决的核心问题 * 5. 整体架构与数据流 * 6. 三层抽象模型 * 第三部分:Volcano 核心实现原理 * 7. Session 机制 * 8. Gang Scheduling 实现 * 9. Queue 与 DRF 公平调度

容器镜像(4):镜像的常用工具箱

容器镜像(4):镜像的常用工具箱

前几篇在讲多架构镜像时已经用过 skopeo 和 crane 做镜像复制,这篇系统整理这两个工具的完整能力,同时介绍几个日常操作镜像时同样好用的工具。 一、skopeo:不依赖 Daemon 的镜像瑞士军刀 skopeo 的核心价值是绕过 Docker daemon,直接与 Registry API 交互。上一篇用它做镜像复制和离线传输,但它的能力远不止于此。 1.1 安装 # Ubuntu / Debian sudo apt install -y skopeo skopeo --version # skopeo version 1.15.1 1.2 inspect:免拉取检查镜像元数据 docker inspect 需要先把镜像拉到本地,skopeo inspect 直接向 Registry

容器镜像(3):多架构镜像构建

容器镜像(3):多架构镜像构建

一、什么是多架构镜像 1.1 OCI Image Index 上一篇介绍了单平台镜像的结构:一个 Manifest 指向 Config 和若干 Layer blob。多架构镜像在此之上多了一层——OCI Image Index(也叫 Manifest List),是一个轻量的索引文件,把多个单平台 Manifest 组织在一起: $ docker manifest inspect golang:1.22-alpine { "schemaVersion": 2, "mediaType": "application/vnd.oci.image.index.v1+json", "manifests&

容器镜像(2):containerd 视角下的镜像

容器镜像(2):containerd 视角下的镜像

一、为什么需要了解 containerd 如果你只用 docker run 跑容器,从来不关心底层,那可以不了解 containerd。但如果你在用 Kubernetes,或者想真正理解"容器运行时"是什么,containerd 是绕不开的。 事实上,当你执行 docker run 的时候,containerd 早就在后台悄悄工作了——Docker 从 1.11 版本开始,就把核心运行时剥离出来交给 containerd 负责。 1.1 Docker 的架构演变 早期的 Docker(1.10 及之前)是一个"大一统"的单体程序:一个 dockerd