业务需求
调用服务需要生成一个随机的、不重复的8位数以内的号码。
方案一： 号码池
当看到需求时，首先想到的是采用号码池来实现。
实现方式
初始化阶段就先将所有的8位数以内的号码生成号，然后进行随机打乱存储起来（即号码池）。在需要生成随机号码时以此从号码池中取出即可。
存在的问题
虽然该方法很简答，也很容易实现。但是最大的问题就是耗内存或者存储。一个int占8个字节，也就是32bit，8位数也就是1亿个数需要多少内存呢？32*100000000bit 也就是400M。（别给我说现如今磁盘不值钱）。
方案二 循环使用号码池
实现方式
该方案是针对方案一的变种。就是生成号码池后用一个变量记录号码池使用次数，然后将次数加入到随机数中间，可以作为最高位、最低位、或中间位，以达到减少号码池大小的目录。
存在的问题
- 当第一次循环使用完成后，第二次循环在理论上存在可猜测型，即理论上不再随机了。但前提是需要直到第一次生成的所有号码的生成记录（其实从实际角度来讲是可以认为是不可实现的）。
方案三 布隆过滤器
前两种方案都是事先生成好再使用，存在的问题就是耗内存和初始化的时候比较繁琐，好处就是用的时候生成效率高。
而采用布隆过滤器（有关布隆过滤器的讲解和实现请问度娘）则可有效的减少内存使用。并且无需事先初始化。
实现方式
随机生成一个数，然后用布隆过滤器来过滤，通过则表示未使用过，则为有效随机数，把该数返回，同时将该数加入布隆过滤器。如果未通过过滤，则表示该数已使用过，则分别多该数依次+1和减一再次进行过滤，直到找到一个未使用的数。
存在的问题
总所周知，布隆过滤器存在误判。而且像当前这种业务需求，随者加入的加入的数越多，误判率将更高，并且在未命中有效数字是会进行一次循环查找，最差情况下需要循环n次，进行n次比对。所以布隆过滤器综合效率其实不高。
方案四 bitmap
实现方式
bitmap也是用过滤的思想，一个int32位，用int数组存储，一位表示一个数，用0表示未使用，1表示已使用，这样的话就不会像布隆过滤器那样出现误判。而且存储时号码池的32分之一。
存在的问题
和布隆过滤器一样，需要进行循环查找，最差情况下需要循环n次，进行n次比对。
总结
其实从某种角度讲，我认为 循环使用号码池应该是最优的方式（毕竟存储确实不值钱）。不过实际情况中还需要考虑宕机恢复之类的情况。最后， 如果像兼顾内存和效率的情况下，其实可以参考GC的分代回收，对于号码分配前期，命中重复概率小，我们就可以采用布隆过滤器，中期使用布隆过滤器产生随机数的retry次数达到阈值，则用bitmap来替换布隆过滤器，降低误判率，后期bitmap的retry达到阈值，就用号码池来替换bitmap。
