抽獎系統的第一個問題,是活動想換得什麼業務成果。這篇整理 Will 保哥與 Fred 對五個需求維度、大獎放獎節奏、小獎機率、庫存競態與容量規劃的討論,並補上機率與系統保證的邊界。
適用:接觸行銷活動、即時抽獎、秒殺或系統設計的工程師。本文依既有影片筆記重新整理;影片中的歷史活動與假設數字不代表現行服務規格。時間連結沿用原筆記,未重新逐段觀看影片核對。
這部影片是什麼
來源: 那些年我們實作過的抽獎系統
- 來賓:林世鵬(Fred),當時是街口支付技術團隊負責人,曾任阿里巴巴技術專家;說明欄提到他負責的系統在 2019 年雙 11 扛過每秒 65 萬筆訂單的峰值。也就是 Fred 聊 SOLID 設計原則|五個原則環環相扣:SRP 是前提、OCP 是目標、DIP 是做法,LSP 與 ISP 守住介面(筆記) 的講者。
- 緣起:保哥的 LINE 技術社群前一週在討論抽獎系統,大家發現「水很深、地雷很多、很容易做錯」,於是請 Fred 分享實戰經驗 0:17 。
- 想回答的問題:抽獎系統在業務上扮演什麼角色?中獎機率要怎麼設計才不會送爆?系統上要注意哪些風險?
- 核心觀點:抽獎一定要跟業務目標綁在一起;產品端給的「機率」常常是被過度簡化的需求,工程師要用五個維度幫忙把模型釐清。
- 適合誰:要接行銷活動、抽獎、秒殺、搶福袋需求的後端工程師;準備系統設計面試的人。
- 注意事項:內容由語音辨識整理,可能有少數字詞誤差。直播口語化,前 31 分鐘是 Fred 主講,後面是問答。案例來自街口 2021 年雙 11 活動,實際數字(DAU、iPhone 台數)講者刻意用假設值帶過。內容是 2022 年的經驗,提到的時事(丁特事件、尾牙抽獎爭議)。
分享者為 Will 保哥與 Fred(林世鵬)。下文「工程補充」及程式範例是另外整理的學習材料,不是影片逐字稿,也不代表講者使用的原始碼。
先掌握重點
- 先定義活動目的。 拉新、喚回舊使用者、提高交易頻率,會導向不同的規則與衡量方式。
- 先釐清五個維度。 活動週期、開獎方式、參與人數、抽獎次數、獎品數量。
- 機率不能代替庫存與預算上限。 固定數量的大獎,需要分配與發放規則;小獎的機率表也需要庫存和預算控制。
- 抽獎結果要可重試、可追查。 限流、資格、庫存、冪等與發獎紀錄要一起設計。
- 壓測要驗證業務情境。 達到目標流量、延遲與正確性,比單看 CPU 或最高 QPS 更有意義。
開發前先問:預算要換得什麼成果?
影片從 03:23 說明,抽獎是行銷預算轉換成預期收益的一個管道。工程師除了實作畫面與亂數,還需要協助釐清活動是否能達到目標。
可先整理成一張需求單:
| 問題 | 需要確認的內容 |
|---|---|
| 活動目標 | 新註冊、回流、交易次數或其他可衡量的指標 |
| 成本邊界 | 獎品、優惠券、開發與營運成本;總額及每日上限 |
| 參與資格 | 身分、消費條件、每人可抽次數,以及退款後如何處理 |
| 發獎規則 | 何時決定結果、庫存何時扣除、得獎後如何領取 |
| 例外處理 | 重送、逾時、庫存不足、活動暫停與補償流程 |
目的與限制還沒有講清楚時,單獨決定「中獎率 1%」並不能構成可實作的規格。
用五個維度建立活動模型
影片 08:01 的五個維度,可以拿來檢查需求中尚未確定的部分。
| 維度 | 要問的問題 | 對實作的影響 |
|---|---|---|
| 活動週期 | 固定日期,還是持續到另行通知? | 時區、開始與結束邊界、設定版本 |
| 開獎方式 | 每次立即知道,還是活動後統一公布? | 即時交易,或先保存參與名單再抽選 |
| 抽獎人數 | 名單固定,還是任何合資格者都可加入? | 能否先準備籤池、如何估流量 |
| 抽獎次數 | 每人一次,還是依消費累積? | 次數帳本、重試與扣次數的時機 |
| 獎品數量 | 固定份數,還是依預算及條件決定? | 庫存上限、每日配額與放獎節奏 |
例如「固定活動期間、立即開獎、參與人數未知、次數隨消費增加、大獎只有 10 份」,就不能只拿一次抽獎的機率去推估整場活動。
大獎:把機率、數量與發放節奏分開
期望值不是上限
影片 14:11 用 iPhone 大獎說明固定機率的風險。沿用原筆記中的假設:10 萬次抽獎,每次獨立且中獎率都是 1%,預期中獎次數為:
100,000 × 0.01 = 1,000 次工程補充: 這是未加庫存限制的期望值,不是保證會送出 1,000 份,也不是送出數量的上限。若加上「發完即止」,可以限制總數,卻仍可能很早發完;庫存限制與發放節奏是兩個問題。
因此「大獎不靠機率」應放回影片情境理解:當抽獎次數未知、獎品稀少,又希望維持活動熱度時,不能只靠固定機率完成需求。它不表示所有大獎活動都必須採用同一種演算法。
放獎時間是一種活動規則
影片 20:16 提到,先依獎品數量與活動節奏分配每天的份額,再決定當天何時可被抽到。例如到達某個時間點後,由第一筆符合資格且成功取得名額的請求得獎。
這種做法仍須定義:
- 多個已到期名額累積時,一次請求最多取得幾份?
- 當天無人參加,名額延到隔天、活動結束統一處理,還是失效?
- 多個服務節點同時處理時,如何用原子條件更新保證同一名額只被認領一次?
- 誰能查閱或修改放獎時間?規則變更是否留下版本與稽核紀錄?
「時間點後先到先得」與「所有抽獎機會等機率」並不相同。對外規則、介面文案與實際程式必須一致;隨機產生時間點本身,也不能取代公平性與存取權限的設計。
小獎:從預算推導機率表
影片 23:24 以平台幣與優惠券說明小獎機率表。以下是自行整理的假設資料,不是街口支付的活動設定:
| 結果 | 權重 | 單次機率 | 簡化面額 |
|---|---|---|---|
| 10 元獎勵 | 50 | 0.5% | 10 元 |
| 5 元獎勵 | 200 | 2% | 5 元 |
| 店家折價券 | 750 | 7.5% | 另依成本模型計算 |
| 未中獎 | 9,000 | 90% | 0 元 |
| 合計 | 10,000 | 100% | — |
若暫時只計前兩種獎勵面額,每次抽獎的期望支出為 10 × 0.005 + 5 × 0.02 = 0.15 元。實際成本還要考慮券的核銷條件、參與次數與活動規則;期望支出不能替代硬性的預算上限。
Node.js 範例:加權選取與邊界
將以下完整程式存成 weighted-draw.mjs。使用 Node.js 內建的 crypto.randomInt,沒有外部套件;本次以 Node.js 26.5.0 執行。函式接受測試用的亂數索引,實際使用時省略引數。
import { randomInt } from 'node:crypto';
import assert from 'node:assert/strict';
const table = [
{ prize: '10 元獎勵', weight: 50 },
{ prize: '5 元獎勵', weight: 200 },
{ prize: '店家折價券', weight: 750 },
{ prize: '未中獎', weight: 9000 },
];
const total = table.reduce((sum, row) => sum + row.weight, 0);
function draw(index = randomInt(total)) {
if (!Number.isInteger(index) || index < 0 || index >= total) {
throw new RangeError('index 超出機率表範圍');
}
let cumulative = 0;
for (const row of table) {
cumulative += row.weight;
if (index < cumulative) return row.prize;
}
throw new Error('機率表不完整');
}
for (const [index, prize] of [
[0, '10 元獎勵'], [49, '10 元獎勵'],
[50, '5 元獎勵'], [249, '5 元獎勵'],
[250, '店家折價券'], [999, '店家折價券'],
[1000, '未中獎'], [9999, '未中獎'],
]) {
assert.equal(draw(index), prize);
}
for (const invalid of [-1, 10000, 1.5, NaN]) {
assert.throws(() => draw(invalid), RangeError);
}
assert.ok(table.some(row => row.prize === draw()));
console.log('PASS: 機率區間與無效輸入');執行 node weighted-draw.mjs,預期輸出:
PASS: 機率區間與無效輸入randomInt(total) 的範圍是 0 <= index < total,因此每段區間使用上界不含的判斷;API 也避免取模偏差,見
Node.js 文件
。這個範例只選結果,沒有扣庫存、扣抽獎次數或發獎。測試使用可控索引核對邊界,不以隨機跑幾次的分布來證明活動公平。
庫存:Redis 原子操作能解決哪一段?
影片 27:28 提醒,熱門活動要限制抽獎頻率、提早攔截已無名額的請求,並留意資料庫熱點與鎖競爭。
工程補充: 資料庫條件更新或交易並非不能使用;是否形成瓶頸,要看資料模型、熱點與壓測。Redis 可以縮短部分熱路徑,但不能直接推論任一 Redis 部署都一定比資料庫更適合,也不能把影片中的 QPS 經驗值當作通用容量。
下面沿用原筆記的 Redis Lua 概念:假設庫存 key 是非負整數字串,得獎者 key 是 set,每名使用者在該活動/獎項最多成功一次。
-- KEYS[1] = lottery:{demo}:stock
-- KEYS[2] = lottery:{demo}:winners
-- ARGV[1] = 已由後端完成身分與資格檢查的 userId
if redis.call('SISMEMBER', KEYS[2], ARGV[1]) == 1 then
return -1
end
local stock = tonumber(redis.call('GET', KEYS[1]) or '0')
if not stock or stock <= 0 then
return 0
end
redis.call('DECR', KEYS[1])
redis.call('SADD', KEYS[2], ARGV[1])
return 1回傳 1 表示成功保留一份庫存,0 表示無庫存,-1 表示該使用者已成功過。這是 Redis 內部的扣庫存示意,本次沒有啟動 Redis 實測;使用前需初始化正確的 key 型別與庫存值,再測試成功、重複、無庫存及併發搶最後一份的情境。
依
Redis Lua 文件
,腳本執行期間不會與其他客戶端命令交錯,也會阻塞其他活動,應保持短小。原子執行不等於腳本錯誤時自動回滾,更不等於 Redis 與資料庫之間有共同交易。若採 Redis Cluster,多 key 操作還要符合 hash slot 限制;示意 key 共用 {demo} hash tag,見
Cluster 規格
。
發獎仍需要一份可追查的帳本
扣庫存成功後,如果網路斷線、服務重啟,或寫入資料庫失敗,不能只靠「之後非同步寫回」六個字處理。完整流程還需要:
- 請求識別與冪等結果: 同一抽獎請求重送時,回傳同一結果;「每人限中一次」與「每筆請求只執行一次」是不同限制。
- 持久化與對帳: 保存請求、使用者、活動版本、獎項、狀態與時間,能查出庫存已扣但發獎未完成的紀錄。
- 可靠事件與重試: 明確設計待發獎紀錄、事件投遞、消費去重、失敗重試及補償;不要假設兩個系統的寫入自然會一起成功。
- 容量與故障演練: 把 Redis 的持久化、淘汰策略、切換與資料遺失風險納入測試;不從單一正常案例宣稱不超發或 exactly-once。
前端暫停按鈕有助於減少誤按,但真正的次數限制與資格檢查必須由後端執行。
容量估算與壓測:先有業務情境
影片 31:32 與 39:52 強調,容量不能只靠想像,需從使用者與推播等活動資料反推。
以下是另設的估算例子:30 萬位可觸及使用者,假設其中 10% 在 60 秒內進入,每人送出 2 次 API 請求,該分鐘的平均流量為:
300,000 × 10% × 2 ÷ 60 = 1,000 requests/second它不是瞬間尖峰的保證值。要再評估到達分布、重試、推播同時送達、其他 API 與各層設備的限制,並用與目標環境接近的路徑驗證。
| 情境 | 除了延遲與錯誤率,還要看什麼 |
|---|---|
| 一般負載與預期尖峰 | 達成目標吞吐量,結果帳本與庫存一致 |
| 最後一份獎品遭多人搶取 | 只有允許數量的請求成功,庫存不負數 |
| 同一請求逾時後重試 | 不再次扣次數或重複發獎,查得到原結果 |
| 庫存耗盡後仍有大量請求 | 能快速回應,不繼續壓垮資料庫 |
| 發獎服務故障或活動結束 | 失敗可重試、狀態可追查,時間邊界一致 |
測試前依業務需求訂定 p95/p99 延遲、錯誤率與正確性條件;k6 可用 thresholds 把通過標準寫入測試。本文未執行活動服務壓測,也沒有提供可套用到正式環境的 QPS 或 CPU 門檻。
讓規則與系統都能被理解
影片 47:37 回到公平性:規則越複雜,越需要說明、測試與稽核。不要把不透明的動態調整當成解決預算問題的方法。
可在實作前用這份清單對齊:
- 活動目的、五個維度與公開規則是否一致?
- 總庫存、每日配額、預算及參與次數是否都有上限?
- 規則變更、結果重送、故障補償是否有紀錄?
- 已到期但未領取的名額,以及活動結束的邊界如何處理?
- 壓測是否包含完整入口、重試與結果正確性,而不只測單支 API?
至於模組如何拆分,可以接著閱讀 Fred 聊 SOLID 設計原則 :抽獎資格、獎項選取、庫存與發獎各有不同變更來源,適合用職責與契約檢查邊界。Redis 指令基礎可參考 Redis 常用指令 。
冒險者留言
comments powered by Disqus