Go标准库math/rand不支持直接加权随机，因其rand.Float64()仅生成[0,1)均匀浮点数，需手动将权重映射为区间并用随机数落点判断；线性遍历累加在大数据量时为O(n)瓶颈，推荐前缀和+sort.Search实现O(log n)高效查找。
为什么 math/rand 默认不能直接做加权随机
Go 标准库的 rand.Float64() 只返回均匀分布的 [0,1) 浮点数，它本身不理解“权重”概念。你不能直接传一个权重数组进去让它吐出带权结果——必须自己把权重映射成区间，再用随机数落点判断。
常见错误是试图用 rand.Intn(sumWeights) 然后线性累加比对，这在权重数量少时可行，但一旦奖品上百、权重动态变化频繁，每次都要遍历累加就容易成为瓶颈。
- 权重数组不变且较小时：用前缀和 + 二分查找（
sort.Search）最稳 - 权重高频更新（比如实时调整中奖率）：改用别名法（Alias Method），但 Go 生态里没标准实现，需引入第三方如
github.com/yourbasic/random - 简单服务、奖品 ≤20 个：前缀和遍历足够，代码少、易 debug
用前缀和 + sort.Search 实现 O(log n) 加权抽选
核心思路是把每个奖品的权重转成一段连续区间，比如权重 [2, 5, 3] → 区间 [0,2), [2,7), [7,10)，总和为 10；生成 [0,10) 的随机整数，看它落在哪个区间。
实际不用真的建区间切片，只建前缀和数组 prefix，然后用 sort.Search 找第一个 ≥ 随机数的位置：
weights := []int{2, 5, 3}
prefix := make([]int, len(weights))
prefix[0] = weights[0]
for i := 1; i r })
// idx 就是中奖奖品下标
注意：sort.Search 的条件函数必须用 > r 而不是 >= r，否则当 r == 0 时可能越界或漏掉首项。
权重为浮点数或需要高精度时怎么办
如果业务要求权重支持小数（如 0.3、1.75），或者总和不是整数，强行转 int 会丢精度。此时应统一缩放为大整数（比如 ×10000），再走整数前缀和流程。
更稳妥的做法是改用浮点前缀和 + rand.Float64() * totalWeight：
weights := []float64{0.3, 1.75, 0.95}
prefix := make([]float64, len(weights))
prefix[0] = weights[0]
for i := 1; i r })
但要注意：float64 在累加大量小权重时可能出现精度漂移，导致 prefix 最后一项略小于理论总和，从而让 r 偶尔超出范围。保险起见，可在最后加一句 if r >= prefix[len(prefix)-1] { r = prefix[len(prefix)-1] - 1e-9 }。
并发安全与初始化陷阱
rand.Rand 实例不是并发安全的。如果你在 HTTP handler 里直接用全局 rand 包函数（如 rand.Intn），在高并发下可能 panic 或返回异常值——Go 1.20+ 已默认用 sync.Pool 做局部实例复用，但仍有风险。
- 推荐做法：每个 goroutine 自己 new 一个
rand.New(rand.NewSource(time.Now().UnixNano()))，或复用带锁的全局实例 - 更优解：启动时初始化一个线程安全的
*rand.Rand，用sync.Mutex包一层，或直接用math/rand/v2（Go 1.22+）的rand.New+rand.NewPCG - 别在循环里反复调用
rand.Seed：它会重置整个全局状态，导致后续随机数可预测
权重配置若从 JSON 或 DB 加载，务必校验非负且至少有一个正数，否则 total == 0 会导致 rand.Intn(0) panic。
