彩票中奖率的真相:用 JavaScript 看透彩票背后的随机算法
阿里云国内75折 回扣 微信号:monov8 |
阿里云国际,腾讯云国际,低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号:monov8 飞机:@monov6 |
原本这篇文章是打算叫「假如我是彩票系统开发者」但细想一下如果在文章中引用太多的 JavaScript 的话反而不是那么纯粹毕竟也只是我的一厢情愿彩票开发也不全如本文所讲有所误导的话便也是得不偿失了。
所以索性就叫「彩票中奖率的真相用 JavaScript 看透彩票背后的随机算法」也算明朗了一些声明一下真实的彩票系统不是这么开发出来的也不具备明面上的规律我们应该相信彩票的公正性尽管其可能不是基于随机
杂谈
最近大抵是迷上彩票了幻想着自己若能暴富也可以带着家庭"鸡犬升天"了不过事与愿违我并没有冲天的气运踏踏实实工作才是出路
买彩票的时候我也考虑了很久到底怎么样的号码可以在1700万注中脱颖而出随机试过精心挑选的也试过找规律的模式也试过甚至我还用到了爬虫去统计数据啼笑人非
我们默认彩票系统是基于统计学来实现一等奖的开奖那么历史以来的一等奖理所当然应该是当期统计率最低的一注所以最开始的时候我是这么想的
-
获取历史以来所有的中奖彩票号码
-
使用代码去统计出所有号码的中奖次数
-
按照出现几率最低的数字来排序
-
依次组成某几注新号码
天马行空却也是自己发财欲望的一种发泄渠道罢了称之为异想天开也不为过扯了挺多哈哈
上面的思路我已经实践过了用了差不多一年的时间没有用别用当然你也可以试试如果你中了恭喜你才是天选之人
彩票的规则
我们这里的彩票规则统一使用「双色球」的规则来说明其购买的规则如下
-
红球为六位选项从 1 - 33 中挑选不可重复
-
蓝球为一位选项从 1 - 16 中挑选
-
红蓝双色球一共七位组成一注
一等奖一般中全部购买的注里面挑选一注这一注可能被多个人买也有可能是一个人买了该注的倍数。
所以粗略统计彩票的中奖几率计算公式如下所示
使用组合数公式来计算从n
个元素中取k
个元素的的组合数公式为
C(kn)=n!k!(n−k)!C\binom{k}{n}=\frac{n!}{k!(n-k)!}C(nk)=k!(n−k)!n!
根据公式我们可以很容易的写出来一个简单的算法
function factorial(n) {
if (n === 0 || n === 1) {
return 1
} else {
return n * factorial(n - 1)
}
}
function combination(n, k) {
return factorial(n) / (factorial(k) * factorial(n - k))
}
console.log(combination(33, 6) * combination(16, 1)) // 17721088
复制代码
所以可以得出的结论是双色球头奖的中奖几率为 117721088\frac{1}{17721088}177210881
数据量
我们通过上面的算法得知了彩票的总注数为 17721088
那么这么多注数字组成的数据到底有多大呢
简单计算下一注彩票可以用14个数字来表示如 01020304050607
那么在操作系统中这串数字的大小为 14B
那么粗略可知的是如果所有的彩票注数都在一个文件中那么这个文件的大小为
const totalSize = 17721088 * 14 / 1024 / 1024 // 236.60205078125MB
复制代码
很恐怖的数量有没有可能更小我们研究一下压缩算法
01
这个数字在内存中的占用是两个字节也就是 2B那如果我们把 01
用小写 a
代替那么其容量就可以变成 1B总体容量可减少一半左右
这样子的话我们上面的一注特别牛的号码 01020304050607
就可以表示为 abcdefg
!
这就是压缩算法最最最基本的原理压缩算法有很多种大体分为有损压缩和无损压缩对于我们数据类的内容来讲我们一般都会选择无损压缩
-
有损压缩算法这些算法能够在压缩数据时丢弃一些信息但通常能在不影响实际使用的前提下实现更高的压缩比率其中最常见的是图像、音频和视频压缩算法
-
无损压缩算法这些算法不会丢弃任何信息它们通过查找输入数据中的重复模式并使用更短的符号来表示它们来实现压缩。无损压缩算法常用于文本、代码、配置文件等类型的数据
首先让我们先准备一些测试数据我们使用下面这个简单的组合数生成算法来获取出1000个组合数
function generateCombinations(arr, len, maxCount) {
let result = []
function generate(current, start) {
// 如果已经生成的组合数量达到了最大数量则停止生成
if (result.length === maxCount) {
return
}
// 如果当前已经生成的组合长度等于指定长度则表示已经生成了一种组合
if (current.length === len) {
result.push(current)
return
}
for (let i = start; i < arr.length; i++) {
current.push(arr[i])
generate([...current], i + 1)
current.pop()
}
}
generate([], 0)
return result
}
复制代码
接下来我们需要生成 1000 注双色球红球是从 1 - 33 中取组合数蓝球是从 1 - 16 中依次取数
function getDoubleColorBall(count) {
// 红球数组['01', '02' .... '33']
const arrRed = Array.from({ length: 33 }, (_, index) => (index + 1).toString().padStart(2, '0'))
const arrRedResult = generateCombinations(arrRed, 6, count)
const result = []
let blue = 1
arrRedResult.forEach(line => {
result.push(line.join('') + (blue++).toString().padStart(2, '0'))
if (blue > 16) {
blue = 1
}
})
return result
}
复制代码
我们将获取的彩票内容放在文件中以便于下一步操作
const firstPrize = getDoubleColorBall(1000).join('')
fs.writeFileSync('./hello.txt', firstPrize)
复制代码
这样子我们就得到了第一版的文件这是其文件大小
试一下我们初步的压缩算法我们将刚刚设定好的规则也就是数字到字母的替换用 JavaScript 实现出来如下
function compressHello() {
const letters = 'abcdefghijklmnopqrstuvwxyzABCDEFG'
const doubleColorBallStr = getDoubleColorBall(1000).join('')
let resultStr = ''
for (let i = 0; i < doubleColorBallStr.length; i+=2) {
const number = doubleColorBallStr[i] + doubleColorBallStr[i+1]
resultStr += letters[parseInt(number) - 1]
}
return resultStr
}
const firstPrize = compressHello()
fs.writeFileSync('./hello-1.txt', firstPrize)
复制代码
这样我们就得到了一个全新的 hello 文件他的大小如下所示正好印证了我们的想法
如果按照这个算法的方法我们能将之前的文件压缩至一半大小也就是 118.301025390625MB
但是这就是极限了吗不上面我们讲过这只是最基本的压缩接下来让我们试试更精妙的方法
更精妙的方法
这里我们不对压缩算法的原理做过多的解释如果诸位感兴趣的话可以自己寻找类似的文章阅读鉴于网上的文章质量参差不齐我就不做推荐了
这里我们需要了解的是我们正在研究的是一个彩票系统所以他的数据压缩应该具备以下几个特征
-
具备数据不丢失的特性也就是无损压缩
-
压缩率尽可能小因为传输的文件可能非常大如我们上面举的例子
-
便于信息的传输也就是支持HTTP请求
常做前端的同学应该知道我们在 HTTP 请求头里面常见的一个参数 content-encoding: gzip
在项目的优化方面也会选择将资源文件转换为 gzip
来进行分发。在日常的使用中我们也时常依赖 Webpack
Rollup
等库或者通过网络服务器如 nginx
来完成资源压缩gzip
不仅可以使得发送的内容大大减少而且客户端可以无损解压访问源文件。
那么我们能不能使用 gzip
来完成压缩呢答案是可以Node.js
为我们提供了 zlib
工具库提供了相应的压缩函数
const zlib = require('zlib')
const firstPrize = compressHello()
fs.writeFileSync('./hello-2.txt.gz', zlib.gzipSync(firstPrize))
复制代码
得到的结果是
我们完成了 14KB -> 3KB 的压缩过程是不是很有意思不过还是那句话有没有可能更小当然可以
content-encoding
响应头一般是服务器针对返回的资源响应编码格式的设置信息常见的值有以下三种
-
gzip
所有浏览器都支持的通用压缩格式 -
brotli
比gzip
压缩性能更好压缩率更小的一个新的压缩格式老版本浏览器不支持 -
deflate
出于某些原因使用不是很广泛后有基于该算法的zlib
压缩格式不过也使用度不高
浏览器支持的压缩格式不只是这些不过我们列举出的是较为常用的我们尝试使用一下这三种压缩格式
const firstPrize = compressHello()
fs.writeFileSync('./hello-2.txt.gz', zlib.gzipSync(firstPrize))
fs.writeFileSync('./hello-2.txt.def', zlib.deflateSync(firstPrize))
fs.writeFileSync('./hello-2.txt.br', zlib.brotliCompressSync(firstPrize))
复制代码
我们可以看到deflate
和 gzip
的压缩率不相上下令人惊喜的是brotli
的压缩竟然达到了惊人的 1KB ! 这不就是我们想要的吗
还可能更小吗哈哈哈哈当然如果不考虑HTTP支持我们完全可以使用如 7-zip
等压缩率更低的压缩算法去完成压缩然后使用客户端做手动解压。不过点到为止更重要的工作我们还没有做
在这之前我们需要先了解一下解压过程如果解压后反而数据丢失那就得不偿失了
// 执行解压操作
const brFile = fs.readFileSync('./hello-2.txt.br')
const gzipFile = fs.readFileSync('./hello-2.txt.gz')
const deflateFile = fs.readFileSync('./hello-2.txt.def')
const brFileStr = zlib.brotliDecompressSync(brFile).toString()
const gzipFileStr = zlib.gunzipSync(gzipFile).toString()
const deflateFileStr = zlib.inflateSync(deflateFile).toString()
console.log(brFileStr)
console.log(gzipFileStr)
console.log(deflateFileStr)
console.log(brFileStr === gzipFileStr, brFileStr === deflateFileStr) // true, true
复制代码
如上我们知晓尽管压缩算法的效果很惊人但是其解压后的数据依然是无损的
完整的数据
让我们构建出完整的 17721088 注数据测试一下完整的压缩算法的能力如何这里我们使用 brotli
和 gzip
算法分别进行压缩测试
首先应该修改我们生成数据的函数如下
function generateAll() {
const arrRed = Array.from({ length: 33 }, (_, index) => (index + 1).toString().padStart(2, '0'))
const arrRedResult = generateCombinations(arrRed, 6, Number.MAX_VALUE)
const result = []
arrRedResult.forEach(line => {
for (let i = 1; i <= 16; i++) {
result.push(line.join('') + i.toString().padStart(2, '0'))
}
})
return result
}
console.log(generateAll().length) // 17721088
复制代码
接下来我们要经过初步压缩并将其写入文件中
function compressAll() {
const letters = 'abcdefghijklmnopqrstuvwxyzABCDEFG'
const allStr = generateAll().join('')
let resultStr = ''
for (let i = 0; i < allStr.length; i += 2) {
const number = allStr[i] + allStr[i+1]
resultStr += letters[parseInt(number) - 1]
}
return resultStr
}
const firstPrize = compressAll()
fs.writeFileSync('./all-ball.txt', firstPrize)
复制代码
正如我们预料的经过初步压缩之后文件大小达到了大约 118MB但是其实际占用 124MB是属于计算机存储的范畴我们现在不在本篇文章中讨论感兴趣的同学可以自己查一查根据字节数计算其大小为
const totalSize = 124047616 / 1024 / 1024 // 118.30102539 MB
复制代码
目前来看是符合预期的我们来看看两个压缩算法的真本事
const firstPrize = compressAll()
fs.writeFileSync('./all-ball.txt.gz', zlib.gzipSync(firstPrize))
fs.writeFileSync('./all-ball.txt.br', zlib.brotliCompressSync(firstPrize))
复制代码
其实是很震惊的一件事情尽管我对 brotli
的期待足够高也不会想到他能压缩到仅仅 4M 大小不过对于我们来说这是一件幸事对于之后的分发操作有巨大的优势
随机来两注
从彩票站购买彩票的时候随机来两注的行为是非常常见的但是当你尝试随机号码的时候会发生什么呢
我们先从彩票数据的分发讲起首先彩票数据的分发安全性和稳定性的设计肯定是毋庸置疑的但是这不是我们目前需要考虑的问题目前我们应该解决的是如果才能更低程度的控制成本
假设设计这套系统的人是你如果控制随机号码的中奖率我的答案是从已有的号码池里面进行选择
如果让每个彩票站获取到其对应的号码池答数据分发如果采用数据分发的模式的话需要考虑的问题如下
-
什么时候进行分发
-
数据回源如何做
-
如何避免所有数据被劫持
-
数据交给彩票站的策略
据2021年公开信息彩票站的数量已经达到20万家未查证无参考价值我们假设目前的彩票站数量为 30 万家
什么时候进行分发
我们知道的是彩票的购买截止时间是在晚上八点开奖时间是在晚上的九点十五在晚上八点之后我们只能购买到下一期的彩票那么这个节点应该从晚上的八点开始计划是这样子的
-
从目前已有的彩票库里面按照号码出现几率从高到低排列
-
挑选出前50万注分发给 30 万彩票站这个时间彩票站的数据都是统一的
-
每个小时同步一次数据同步的是其他彩票站"特意挑选的数据"
50万注的数据量有多大试试看
function getFirstSend() {
const letters = 'abcdefghijklmnopqrstuvwxyzABCDEFG'
const doubleColorBallStr = getDoubleColorBall(500000).join('')
let resultStr = ''
for (let i = 0; i < doubleColorBallStr.length; i+=2) {
const number = doubleColorBallStr[i] + doubleColorBallStr[i+1]
resultStr += letters[parseInt(number) - 1]
}
return resultStr
}
const firstPrize = getFirstSend()
fs.writeFileSync('./first-send.txt.br', zlib.brotliCompressSync(firstPrize))
复制代码
仅一张图片的大小获取这些数据解压同步到彩票机时间不足1s!
解压示例如下
function decodeData(brFile) {
const result = []
const content = zlib.brotliDecompressSync(brFile)
// 按照七位每注的结构拆分
for (let i = 0; i < content.length; i += 7) {
result.push(content.slice(i, i + 8))
}
return result
}
const firstSend = fs.readFileSync('./first-send.txt.br')
const firstDataList = decodeData(firstSend)
console.log(firstDataList.length) // 500000
复制代码
如何将获取到的字符形式的彩票转换为数字如 abcdefga
转换为 ['01', '02', '03', '04', '05', '06, '01']
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