第三方API模拟测试服务：按请求次数与概率触发异常的数学公式

核心思路与数学公式 #

你需要的异常触发逻辑分为两种常见实现方式，对应不同的数学模型：

1. 纯随机概率触发（不依赖请求次数N）

这是最符合“概率百分比”定义的实现，核心利用均匀分布随机数判断：

• 设目标概率为 P（将百分比转为小数，如10%对应0.1）
• 生成范围在 [0, 1) 的均匀随机数 R
• 数学判断公式：如果 R < P，则触发异常

这种方式下，请求次数N无需参与计算，因为每次请求都是独立随机事件，长期统计下来触发频率会趋近于设定概率。

2. 基于次数的精确概率触发（依赖请求次数N）

如果需要保证统计周期内严格符合触发比例（比如每100次请求必触发10次），可采用周期取模的方式：

• 设周期大小为100（对应百分比基数），目标触发次数为 K = 概率百分比（如10%对应K=10）
• 计算当前请求次数N在周期内的位置：pos = N % 100
• 数学判断公式：如果 pos < K，则触发异常

这种方式能确保每100次请求中刚好有K次触发异常，适合需要稳定触发比例的测试场景。

代码实现示例 #

纯随机触发版本（Java）

import java.util.Random;

public class ExceptionSimulator {
    // 全局单例随机数生成器，避免重复初始化
    private static final Random RANDOM = new Random();

    /**
     * 判断是否应抛出异常
     * @param probabilityPercent 触发概率（0-100的整数）
     * @param currentCount 当前总请求次数（纯随机模式下可忽略）
     * @return true=抛出异常，false=正常响应
     */
    public static boolean shouldThrow(int probabilityPercent, long currentCount) {
        if (probabilityPercent <= 0) return false;
        if (probabilityPercent >= 100) return true;
        
        double probability = probabilityPercent / 100.0;
        return RANDOM.nextDouble() < probability;
    }
}

精确次数触发版本（Java）

public class PreciseExceptionSimulator {
    private final int targetTriggersPerCycle;
    private static final int CYCLE_SIZE = 100;

    public PreciseExceptionSimulator(int probabilityPercent) {
        this.targetTriggersPerCycle = Math.max(0, Math.min(probabilityPercent, 100));
    }

    /**
     * 判断是否应抛出异常
     * @param probabilityPercent 触发概率（0-100的整数）
     * @param currentCount 当前总请求次数
     * @return true=抛出异常，false=正常响应
     */
    public boolean shouldThrow(int probabilityPercent, long currentCount) {
        int positionInCycle = (int) (currentCount % CYCLE_SIZE);
        return positionInCycle < targetTriggersPerCycle;
    }
}

注意事项 #

• 纯随机模式：短期请求中触发次数可能偏离设定概率，但请求量增加后会逐渐趋近目标概率，适合模拟真实API的随机异常场景。
• 精确次数模式：触发比例完全符合设定概率，但缺乏随机性，适合需要可控触发次数的测试场景。

内容的提问来源于stack exchange，提问作者Stanislav Tun