Python 从非常大的数字范围中分配数字的最佳解决方案是什么？ 需求描述

有一个数字为1-160000的游泳池

创建obj时，需要为obj分配一个编号。有一些规则

池中的号码

其他obj未采用的编号

此外，用户有时会指定一个数字用于obj创建

下面是一些解决方案，每个都有自己的问题，所以我希望有更好的解决方案

请注意，我们在这里使用mongo DB。我不想更改数据库，因为这是一个问题

解决方案1 生成一个包含160000000项的大表（集合）。 集合的结构如下所示

number,allocated

分配号码时，使用find_one_和_update方法更新一条记录，将分配的号码从false改为true

问题 此解决方案的问题是生成160000000的集合太重

解决方案2 与解决方案1类似，只是我们不一次性生成160000000。相反，我们每次生成1000个。当这1000条记录用完时，我们再生成1000条记录

问题 问题是用户有时可以指定数字。例如，我们在集合中生成了1000条记录，但我们希望使用数字5000。这就是现在的问题，因为我们没有生成它

解决方案3 每次创建一个obj时，我们都会生成一个1-160000000范围内的随机数，并将其保存在数据库中

问题

---

很难避免您生成的随机数以前没有使用过

通常的方法是使用一个（切分的）原子计数器。计数器最初的值为零。当需要索引时，应调用一个API，该API将自动递增此计数器并给出其旧值

虽然这可能比您提到的方法快得多，但根据您的需要，这可能还不够快。上述情况中的瓶颈是使增量原子化时通常使用的单个锁。这在某些分布式情况下并不理想

使用分片计数器：

在这种分布式场景中提高性能的常用方法是使用分片计数器：

分割计数器（将值的范围

1..160000000

划分为

N

不相交的范围）

在具有不同锁的线程/进程/实体/机器中运行相同的原子增量服务

根据某些属性（可能是对象的地址或对象的散列），选择一个范围（在分布式系统中，可以使用分布式散列）

请咨询（2）中提到的相应服务以获取下一个索引

上述操作将使性能提高一倍，并可能根据您的应用程序需要进行扩展

关于碎片计数器的一些有趣的阅读是在这里

---

请注意，若要使用随机数生成（解决方案3），可以使用优化来查找密钥的存在性。这可能就足够了，具体取决于您的性能需求。

如果您想在某个范围内生成一系列（伪）随机数而不重复，如果您不能重复使用某个数字，则可以使用具有完整周期的，似乎您必须维护一个已用物品的集合，这些物品的长度最终至少为15999999件。@samgak用户指定的数字可以解释吗？

。。。太重了

-这是指时间还是空间？@wwii，如果用户指定的数字只占总数的一小部分，则可以将其保存在单独的表中，如果已经使用过，则跳过该随机数并使用下一个（或下一个，等等）