直接用rand.Intn不行，因权重非等概率；需用前缀和+二分查找实现O(log n)加权随机抽取，避免浮点误差与边界问题，并须预过滤权重≤0的奖品。
为什么直接用 rand.Intn 不行
因为奖品权重不是等概率分布。比如 a 奖品权重 70、b 是 20、c 是 10，你不能简单对 3 个奖品做 rand.intn(3)——那会变成均匀分布，完全忽略权重。核心是把「权重」映射成「连续区间」，再用随机数落点判断归属。
用前缀和 + 二分查找是最稳的方案
这是时间复杂度 O(log n)、空间 O(n)，且无浮点误差的标准解法。步骤很直白：
- 预计算权重前缀和数组：
prefix[i]表示前 i 个奖品（含）的累计权重 - 生成
[1, totalWeight]范围内的随机整数target - 在
prefix中二分查找第一个 ≥target的索引
示例代码片段：
// weights = [70, 20, 10], total = 100
prefix := []int{70, 90, 100}
target := rand.Intn(100) + 1 // [1,100]
// target=75 → 二分找到 prefix[1]=90 ≥ 75 → 选第2个奖品（B）
注意：必须用 +1 偏移，因为前缀和从 1 开始计数；sort.Search 可直接复用。
避免用 rand.Float64() 做归一化采样
有人会把权重转成概率（如 0.7, 0.2, 0.1），再用 rand.Float64() 落区间。这看似简洁，但有隐患：
- 浮点精度问题可能导致边界误判（尤其权重值极大或极小时）
- 无法精确复现整数权重语义（比如权重 1 和 1000000 在 float64 下可能被压缩到同一精度桶）
- 如果后续要支持「权重动态更新」，浮点方案更难维护一致性
除非你的奖品总数极少（≤5）、权重全为小整数且不关心可重现性，否则别碰浮点归一化。
权重为 0 的奖品必须提前过滤
如果某奖品权重是 0，它不该出现在前缀和数组里，否则会导致 prefix 长度与实际可选奖品数不一致，二分结果错位。更危险的是，若所有权重都是 0，totalWeight 为 0，rand.Intn(0) 会 panic。
实操建议：
- 初始化时遍历一次权重切片，跳过 ≤0 的项，并记录有效奖品列表
- 检查
len(validWeights) == 0，提前返回错误或默认值 - 不要在每次抽取时动态过滤——前缀和只构建一次，性能关键
边界情况比想象中多：权重全 0、某个权重超 int 范围、奖品名重复但权重不同……这些都在初始化阶段掐掉最省心。
