本文介绍一种时间复杂度为 o(1) 的问题抽样优化方案：通过原地移除已选元素替代反复随机试探，彻底解决大规模题库中因重复检测导致的性能瓶颈。
本文介绍一种时间复杂度为 o(1) 的问题抽样优化方案：通过原地移除已选元素替代反复随机试探，彻底解决大规模题库中因重复检测导致的性能瓶颈。
在实际题库交互场景中（如在线测验、问卷系统），常需从固定题池中无重复、随机抽取问题。原始实现采用“随机生成索引 → 检查是否已问 → 失败则重试”的策略，当已提问比例升高时，碰撞概率急剧上升——尤其在 150 题规模下，后期平均需数十次随机尝试才能命中一个新题，造成显著性能浪费。
更优解是 “动态缩减样本空间”：每次成功抽取后，立即将该题从候选数组中移除。这样后续所有随机索引均天然指向未使用题目，无需任何重复校验。
以下是优化后的完整实现：
const questions = ['1', '2', '3', '4', '5', 'n']; // 原始题库（建议定义为 const 保证不可变引用）
// 辅助函数：生成 [min, max) 区间内的整数随机数（含 min，不含 max）
function getRandomInt(min, max) {
return Math.floor(Math.random() * (max - min)) + min;
}
// 核心抽题函数：返回一道未被抽取过的问题，抽完即从题库中移除
function askQuestion() {
if (questions.length === 0) {
throw new Error('No questions left to ask');
}
const index = getRandomInt(0, questions.length);
return questions.splice(index, 1)[0]; // splice 返回数组，取首项即题目内容
}
// 使用示例
console.log(askQuestion()); // 如 "3"
console.log(askQuestion()); // 如 "1"
console.log(askQuestion()); // 如 "n"
// ... 直至抛出错误
✅ 关键优势：
-
时间复杂度稳定为 O(1)：无循环重试，无
indexOf线性查找； -
空间零冗余：无需额外维护
qAsked数组，内存占用最小化； -
逻辑简洁可靠：避免边界错误（原代码中
qCount = $questions.length-1易导致漏掉最后一题）。
⚠️ 注意事项：
- 若需保留原始题库不变，可在初始化时用扩展运算符创建副本：
const activeQuestions = [...questions];，后续对activeQuestions操作； -
splice()会修改原数组，确保该行为符合你的应用状态管理规范（如 React 中应触发重新渲染）； - 如需支持“重置题库”，可封装为类或闭包，保存原始副本并提供
reset()方法。
此方案将抽题操作从潜在 O(n) 降为严格 O(1)，150 题全量抽取仅需 150 次常数操作，性能提升可达数量级，是题库类应用的标准实践。
