今日发现项目中在使用TBSchedule，对于生成的TaskItem数据，item是通过随机数生成的，如使用 new Random().nextInt(4)+1; 此运算会返回1~4的随机数字。其实这种做法是不均衡的，如果在少量数据时，对于数据的处理没有什么影响，但当有大数据量时，可能使个别服务器处理数据的压力加大， 因此我们最好通过取模方式来进行处理。比如对待处理的数据order_id取模。 order_id%+1,生成1~4的任务项。
针对上面提到不均衡的问题，进行简单测试统计如下：
1 public static void main(String[] args) { 2 int size = 1000000; 3 Map<Integer,Integer> map1 = new HashMap<Integer,Integer>(); 4 for(int i=1;i<size;i++) { 5 int k = new Random().nextInt(4) + 1; 6 if(map1.containsKey(k)){ 7 map1.put(k, map1.get(k)+1); 8 }else{ 9 map1.put(k, 1); 10 } 11 } 12 13 for(Map.Entry<Integer,Integer> entry:map1.entrySet()){ 14 System.out.println(entry.getKey() + ":" + entry.getValue()); 15 } 16 17 18 System.out.println("-----------------------------------"); 19 Map<Integer,Integer> map2 = new HashMap<Integer,Integer>(); 20 for(int i=1; i<size; i++){ 21 int k = i%4+1; 22 if(map2.containsKey(k)){ 23 map2.put(k, map2.get(k)+1); 24 }else{ 25 map2.put(k, 1); 26 } 27 } 28 29 for(Map.Entry<Integer,Integer> entry:map2.entrySet()){ 30 System.out.println(entry.getKey() + ":" + entry.getValue()); 31 } 32 }
原文：http://www.cnblogs.com/blacksonny/p/5212406.html