本文介绍在 PHP 中通过多重随机采样、范围调整等方法，有意识地降低 random_int() 产出某个目标值（如数字 1）的概率，从而实现非均匀随机逻辑，适用于答题正确率调控、游戏掉落权重、A/B 测试分流等场景。
本文介绍在 php 中通过多重随机采样、范围调整等方法，有意识地降低 `random_int()` 产出某个目标值（如数字 1）的概率，从而实现非均匀随机逻辑，适用于答题正确率调控、游戏掉落权重、a/b 测试分流等场景。
在默认均匀分布下，random_int(0, 6) 会以约 14.3% 的概率生成每个整数（共 7 个可能值）。但实际业务中，我们常需「人为压低」某结果的出现频率——例如让 "correct" 响应（对应 $code == 1）更难触发，而其他状态（如 bad、error）保持较高出现概率。
✅ 推荐方案：条件重采样（Rejection Resampling）
最简洁、可读性强且密码学安全的方式是在首次命中目标值后，立即触发二次随机。由于 random_int() 本身已具备 CSPRNG 级别安全性，叠加条件重采样不会削弱随机质量：
$code = random_int(1, 6); // 先排除 0（原代码未处理，易引发逻辑遗漏）
// 若首次抽中 1，则重新抽取一次，且可嵌套多层以进一步降低概率
if ($code === 1) {
$code = random_int(1, 6);
}
// 可选：再加一层，使 P(1) 降至 (1/6)² = ~2.8%
// if ($code === 1) { $code = random_int(1, 6); }
// 后续分支逻辑保持不变（注意：此时 $code ∈ {1,2,3,4,5,6}，无 0）
if ($code === 1) {
echo json_encode($correct);
return false;
}
if ($code === 2 || $code === 4 || $code === 6) {
echo json_encode($bad);
return false;
}
if ($code === 3 || $code === 5) {
echo json_encode($error);
return false;
}? 关键原理：初始
P(1) = 1/6 ≈ 16.7%；经一次重采样后，P(1) = (1/6) × (1/6) = 1/36 ≈ 2.8%；两次重采样则为1/216 ≈ 0.46%。概率呈指数衰减，灵活可控。
⚠️ 注意事项
-
勿用
rand()或mt_rand()：它们不具备密码学安全性，且分布偏差更难控制； -
避免修改范围后硬编码分支：例如改用
random_int(1, 100)并设if ($code 表示 correct —— 虽直观但破坏了原始语义映射，增加维护成本； -
始终覆盖所有可能取值：原代码中
$code == 0无处理分支，属潜在 bug，应显式排除或补全逻辑； -
性能无虞：即使嵌套 3 层重采样，平均执行次数仅为
1 + 1/6 + 1/36 ≈ 1.19次调用，开销可忽略。
✅ 进阶建议：权重映射表（适合多状态 & 可配置场景）
若未来需支持动态调整各结果概率（如 correct: 5%, bad: 70%, error: 25%），推荐构建累计权重数组并二分查找：
立即学习“PHP免费学习笔记（深入）”；
$weights = [
['value' => 1, 'prob' => 0.05], // correct
['value' => 2, 'prob' => 0.70], // bad
['value' => 3, 'prob' => 0.25], // error
];
$cumulative = [];
$sum = 0;
foreach ($weights as $w) {
$cumulative[] = ['value' => $w['value'], 'limit' => $sum += $w['prob']];
}
$rand = random_int(0, 10000) / 10000.0; // 高精度浮点随机数
$code = 1;
foreach ($cumulative as $item) {
if ($rand < $item['limit']) {
$code = $item['value'];
break;
}
}该方式扩展性强，且概率定义清晰，适合配置化运营系统。
总之，通过条件重采样即可高效、安全、低侵入地实现“让某个结果更难出现”的需求，无需牺牲随机性或引入外部依赖。
