转盘抽奖权重算法用累积整数数组实现：将概率转为整数（如万分比），构建累加边界数组，生成随机数后线性查找首个大于等于该数的索引即中奖项，逻辑清晰、无浮点误差、易维护。

用数组实现转盘抽奖权重算法，核心是把概率转化为可比对的整数区间，再通过一次随机数落点定位中奖项。不依赖复杂库，逻辑透明、易调试、适配各种后端语言。

构建累积权重数组，明确每个奖品的“命中范围”

把各档奖品的概率统一换算为整数（如万分比、百分比取整），然后从前到后累加，生成一个“上限边界数组”。这个数组每个元素代表截止该项的累计权重值。

• 例如奖品配置为：一等奖 0.5%、二等奖 3%、三等奖 15%、安慰奖 81.5%，统一放大 1000 倍得整数权重 [5, 30, 150, 815]
• 累积数组为 [5, 35, 185, 1000] —— 表示一等奖占 0~4，二等奖占 5~34，三等奖占 35~184，安慰奖占 185~999
• 生成 [0, 1000) 的随机整数，逐项比对是否小于当前累积值，第一个满足的即为中奖项

用 for 循环做线性查找，兼顾清晰与兼容性

对中小规模奖品（≤50项），直接用 for 遍历累积数组判断，代码简短、逻辑一目了然，且无需额外排序或预处理。

• Java 示例中用 int[] weightUpperBounds = {5, 35, 185, 1000} 存上限，配合 rand.nextInt(1000) 生成随机数
• 循环中用 if (roll 判断落点，匹配即 break，避免多余计算
• 这种写法天然支持动态增减奖品：只改数组内容，不改控制逻辑；也兼容 Java 6+ 等老环境

按业务需求选择权重单位，规避浮点误差

数据库和代码中一律使用整数表达概率，彻底避开浮点运算的精度丢失问题。

• 推荐用“万分比”（总和为 10000）或“千分比”（总和为 1000），既保留小概率精度，又便于人工核对
• 切勿在数据库字段存 0.005 这类 float/double；也不要用 Math.random() * 100 后四舍五入，会引入统计偏差
• 后端校验时，可强制要求所有权重整数之和等于约定基数（如 10000），不满足则拒绝加载该批次配置

高并发场景下补充事务与幂等保障

数组映射只解决“抽什么”，不解决“能不能抽”和“抽完怎么记”。真实项目必须叠加业务防护。

• 中奖判定后，需在数据库事务中完成三件事：扣减对应奖品库存、插入用户中奖记录、更新用户本次抽奖状态
• 关键操作如 UPDATE prize SET stock = stock - 1 WHERE id = ? AND stock > 0 必须带 stock > 0 条件，防止超发
• 接口需校验用户唯一请求 ID 或签名，防重放、防刷；高频抽奖建议用 Redis + Lua 做原子限频