【性能调优】条件排序：if 分支的概率排序

实战应用：用在哪里

掉落判定的 if 链把祖玛头像这种万分之一概率的稀有分支写在最前，九成白装判定要陪跑四次比较。条件排序的思路很朴素：分支按命中概率从高到低排列，多数请求一次比较就出结果，百万次判定的累积节省相当可观。顺序重排是一次性的评审动作，之后改掉率配置只动区间数字，判定顺序长期稳定。

掉落判定的概率排序

一万面随机数按区间切分：九成白装、九成蓝装、九成紫装、千分之一祖玛头像，判断顺序与概率顺序一致。

local function dropKind(r)
    if r <= 9000 then return "白装" end
    if r <= 9900 then return "蓝装" end
    if r <= 9990 then return "紫装" end
    return "祖玛头像"
end

分支命中率的统计校准

分支顺序不能拍脑袋，用计数器统计一段时间的实际命中率，命中率变化后按新分布重排分支，顺序永远贴合真实数据。

local stats = { n = 0, hit = {} }
local function dropKindProfiled(r)
    local kind
    if r <= 9000 then kind = "白装"
    elseif r <= 9900 then kind = "蓝装"
    elseif r <= 9990 then kind = "紫装"
    else kind = "祖玛头像" end
    stats.n = stats.n + 1
    stats.hit[kind] = (stats.hit[kind] or 0) + 1
    return kind
end

验证与监控

百万次随机判定的微基准对比：排序前平均比较 2.8 次，排序后 1.4 次，总耗时下降四成；边界值 9000、9900、9990 逐个核对；命中率统计与配置概率偏差千分之五以内。监控分支命中率曲线，分布突变说明掉率配置被动过。

踩坑记录

分支条件必须是互斥区间，有人把两个有重叠的区间重排后改写了命中语义，稀有掉率翻倍，重排前先证明互斥。else 兜底分支天然排末位，但它兜的可能是高频默认值，某版本默认值命中了六成却排在末端，统计出来才纠正。命中率统计本身有开销，采样千分之一足够还原分布，全量统计得不偿失。重排是机械优化，改动要在评审里贴出前后对照表，防止顺手改了条件阈值。统计计数表后来从判定函数里拆出独立打点，判定函数回归纯粹，打点职责交给埋点层。同类优化推广到聊天过滤与状态判定两处 if 链，收益都不错，但重排前都要重新验证互斥性。排序收益随分支数量线性放大，八分支以上的长 if 链尤其值得先做一轮概率排序。