也许是你自己的问题？

我我我

@icqdany 黑的漂亮

@gavin2zhang 我只是对于面试官的解答没有很清楚，所以发个帖子太讨论一下吧。心眼问题谈不上吧。各种算法的优劣，http://www.electricmonk.nl/log/2009/12/23/weighted-random-distribution/ 这里面说的很清楚了，根据不同的场景选择最合适的，才是最好的。我昨天吃饭的时候还和朋友讨论，说这样的面试题才好的，能把简单的算法题目变化成一个实际应用的场景，比起直接出LEETCODE上的那种题目，要高明一些。所以，我没用黑你们公司的意思啊，心眼问题实在谈不上。

让我写前端

@hambut 这种算法，对于有重复权重的情况也成立吗

@binux 求伪代码，另外，2000首歌，评分0.1-9.9，会有评分重复的。

@binux
我看了http://www.electricmonk.nl/log/2009/12/23/weighted-random-distribution/
里面说的pre-caculate，本质上是排序以后，通过2分查找来确定随机数落在哪个区间的。
不过面试官给的答案，没有很详细，我自己一开始也没有想到可以用2分查找来定位。

@SoloCompany 错误肯定是谈不上，只不过这个解逼格没有那么高而已了。只不过面试官期望的不是这个解法而已了。

现在的垂直领域的招聘网站做的不错，都能及时看到反馈的。

@Septembers 因为内置了实现parser的包，实现简单的DSL很方便。

@xua131988 安利一下我写的一个scala sql的实现，可以在内存中对于Map执行sql语句 https://github.com/jadetang/scala_sql

@zjuster 面试题毕竟是面试题，不是实际开发啊，如果实际开发的话，很多条件要考虑的，比如，能不能更新评分，能不能新加歌曲，评分精确到小数点以后几位，播放的概率之比允许的偏差等等。

@hualuogeng
评分减少了，只需要扫一遍数组，把对应的元素个数给删除出去就行。如果评分增多了，就加元素。

每个算法都有优缺点，只是看特殊的场景下选择最合适的。

受教了。

@Andiry
啊，我想通了，确实这样能达到Log(n)的速度。

@Septembers
目前看来，你这个答案最靠谱的，果然V站牛人多，谢谢了。