轮询状态必须用可变对象保存，不能每次重算；需维护节点的“当前权重”和“已分配次数”，初始current_weight全为0，每轮加原始weight后选最大值，再减总权重和，整数运算最稳妥，推荐封装为线程安全的WeightedRoundRobin类。
轮询状态必须用可变对象保存，不能每次重算
权重轮询不是简单地按比例重复节点，而是需要维护每个节点的“当前权重”和“已分配次数”状态。如果每次调度都从头计算 current_weight = weight * (1 - allocated / total_allocated) 这类公式，会丢失历史分配节奏，导致短周期内严重偏斜。真实场景中，std::vector 存储节点元数据（如 weight、current_weight、index）是最低成本方案；用 struct Server 封装更清晰，但注意别把 current_weight 声明为 const 或只读字段。
get_next_server() 的核心逻辑：加权最大值选取 + 状态衰减
标准实现里，每轮遍历所有节点，给每个节点的 current_weight 加上其原始 weight，然后选 current_weight 最大的那个，再将其 current_weight 减去总权重和（sum_weights）。这个“加权后选最大、再整体回退”的操作，本质是模拟连续分数调度器的离散逼近。关键点：
-
current_weight初始全为 0，不是初始为weight - 必须在选出节点后才执行
current_weight -= sum_weights，顺序错会导致权重漂移 - 若节点权重为 0，应跳过，否则
current_weight持续负增长，破坏比较逻辑 - 多个节点
current_weight相等时，按索引升序选，保证确定性
权重归一化不是必须的，但不归一化会影响浮点精度和整数溢出
用整数权重（如 3、5、2）直接运算最稳妥；若原始权重是小数（如 0.3、0.5、0.2），必须先放大转整型（如 ×100 → 30、50、20），否则 double 累加会产生误差，几轮后排序错乱。归一化（除以 sum）反而没意义——算法只依赖相对大小，且除法引入额外误差。常见坑：
- 用
float存current_weight：3~4 轮后误差 > 0.01，导致本该第 3 次选的节点被跳过 - 权重和过大（如单节点权重 1e9，共 100 个），
current_weight累加后溢出int32_t，需用int64_t - 动态增删节点时，没重置
current_weight数组长度，访问越界
状态保持要跨调用生命周期，推荐封装成类而非函数静态变量
用 static std::vector<Server> state 在函数内维持状态看似简单，但多线程下不安全，且无法支持多个独立调度器实例（比如不同服务集群要用不同权重集）。正确做法是定义 class WeightedRoundRobin，把 std::vector<Server> 和 sum_weights 作为成员变量。构造时接受 std::vector<int> weights 并完成初始化；提供 next() 方法返回索引或指针。注意：
立即学习“C++免费学习笔记（深入）”；
- 不要在
next()里做深拷贝或字符串拼接，避免隐式性能开销 - 如果需线程安全，对
current_weight更新加std::atomic_int64_t或细粒度互斥锁，而非整个next()加锁 - 调试时可在
next()返回前打印current_weight数组，验证分布是否收敛（例如权重 [3,5,2] 应呈现近似 3:5:2 的长期频率）
权重轮询真正难的不是公式，而是让 current_weight 在整数域里稳定震荡而不漂移——只要一次加法或减法顺序错，后续全部错位。上线前务必用固定权重序列跑 1000 轮，统计各节点出现频次，误差超过 ±5% 就得查状态更新路径。
