Fisher-Yates洗牌实现抽奖引擎必须一次性倒序执行，每步在[0,i]等概率选j交换，禁用正向遍历、Math.random()-0.5排序及动态过滤；输入须为完整无重列表，抽k个即取前k，允重复则每次独立shuffle。
要用 Fisher-Yates Shuffle 实现绝对公平的抽奖引擎，关键不是“循环随机置换”这个说法本身，而是严格按算法逻辑执行一次正确洗牌，再按需取号——它天然不依赖循环次数来提升公平性，错误地多次 shuffle 反而可能引入冗余或干扰。
必须一次性正确执行 Fisher-Yates
公平性不来自“多洗几次”，而来自每一步交换的数学严谨性：
- 从数组末尾（索引 i = n−1）开始，倒序遍历到索引 1（即
i > 0） - 每轮在 [0, i] 范围内（含端点）等概率选一个下标 j，与 i 位置交换
- 禁止使用
Math.random() * n或rand.Intn(n)这类固定范围取值，否则破坏均匀性 - 务必用原地交换，避免复制或重建数组导致隐式偏差
抽奖引擎 ≠ 洗牌函数，要封装业务语义
洗牌只是工具，引擎需明确回答三个问题：
- 抽谁？ 输入必须是完整、无重复的参与者列表（如用户 ID 数组），不能动态增删中途参与
- 抽几个？ 洗牌后直接取前 k 个，无需重试、查重或回退——Fisher-Yates 天然保证无重复且等概率
- 是否允许重复中奖？ 若需多次抽奖且允许同一人中多次，每次都要独立初始化并完整执行 Fisher-Yates；若禁止重复，则只需 shuffle 一次，顺序抽取即可
避开高危实现陷阱
这些写法看似简洁，实则破坏公平根基：
- ❌ sort(() => Math.random() − 0.5)：浏览器排序算法差异 + 非三态比较函数 → 位置分布严重偏斜（实测首尾位偏差可达 ±16%）
- ❌ 正向遍历 + j = rand(0, n−1)：前面元素被反复交换，后面元素参与机会不足 → 某些排列概率趋近于零
-
❌ 使用 Math.random() 作密码学场景种子：伪随机可预测，攻击者可复现中奖序列；高安全需求应接入
crypto/rand（Go）或SecureRandom（Java） - ❌ 在 shuffle 过程中动态过滤/跳过元素：破坏“全量池”前提，使剩余元素概率失衡
工程落地建议
真正健壮的抽奖引擎还需补充以下设计：
- 输入校验：拒绝空数组、k 超出范围、含 null/undefined 元素
- 可重现性支持：提供 seed 参数注入（仅限测试环境），便于审计与复现
- 结果锁定机制：洗牌完成后立即冻结数组，防止运行时篡改
- 审计日志：记录洗牌起始状态、随机源类型、k 值、输出序列哈希（不可逆）
- 性能兜底：当 n > 100 万时，考虑分片 shuffle 或内存映射优化，避免阻塞主线程
