如何按指定百分比精准生成唯一对象？代码问题修复求助

原代码的核心问题有两个：

1. 用Math.floor计算唯一对象数量时直接丢弃小数部分，导致实际比例比预期偏低，百分比为小数时误差更明显。
2. 依赖progressPoint间隔生成唯一对象的逻辑不成立：当唯一对象占比过高（比如超过50%），progressPoint会小于1，此时i % progressPoint === 0的判断几乎总是为真，导致所有对象都变成唯一的。

下面给出两种可靠的修复方案：

方案一：预先生成随机唯一索引集合 #

这种方式能精确控制唯一对象的数量，且分布随机，避免间隔生成的局限性。

const createComponentsToAdd = () => {
    const totalCount = testConfig.componentCount;
    // 计算精确的唯一对象数量：用Math.round四舍五入更接近目标百分比；若需严格向下取整，改用Math.floor
    const uniqueCount = Math.round(testConfig.percentOfUniqueComponents * totalCount);
    
    // 生成包含uniqueCount个不重复随机索引的集合
    const uniqueIndices = new Set();
    while (uniqueIndices.size < uniqueCount) {
        const randomIndex = Math.floor(Math.random() * totalCount);
        uniqueIndices.add(randomIndex);
    }

    for (let i = 0; i < totalCount; i++) {
        const component = { ...componentToAdd };
        if (uniqueIndices.has(i)) {
            component.originSource += " This made me unique " + Guid.newGuid().toString();
        }
        componentsToAdd.push(component);
    }
};

方案二：累积计数法 #

通过逐步累积百分比阈值，每达到阈值就生成一个唯一对象，确保最终数量精准匹配预期比例。

const createComponentsToAdd = () => {
    const totalCount = testConfig.componentCount;
    const targetPercent = testConfig.percentOfUniqueComponents;
    
    let accumulator = 0;
    let generatedUniqueCount = 0;

    for (let i = 0; i < totalCount; i++) {
        const component = { ...componentToAdd };
        accumulator += targetPercent;
        
        // 当累积值≥1时，生成唯一对象，并重置累积值的整数部分
        if (accumulator >= 1) {
            component.originSource += " This made me unique " + Guid.newGuid().toString();
            generatedUniqueCount++;
            accumulator -= 1;
        }
        
        componentsToAdd.push(component);
    }

    // 可选：补充最后一个接近阈值的唯一对象，确保总数更精准
    if (accumulator >= 0.5 && generatedUniqueCount < Math.round(targetPercent * totalCount)) {
        const lastComponent = componentsToAdd.pop();
        lastComponent.originSource += " This made me unique " + Guid.newGuid().toString();
        componentsToAdd.push(lastComponent);
    }
};

方案对比 #

• 方案一适合需要随机分布唯一对象的场景，数量绝对精确，百万级数据下性能也能保证。
• 方案二适合不需要随机分布的场景，逻辑更简洁，自动处理小数百分比的累积误差，最终数量贴合预期。

内容的提问来源于stack exchange，提问作者Illia