幂次定律 —— Power Law¶
如果某件事的发生频率和它的某个属性成幂关系，那么这个频率就可以称之为符合幂次定律。
幂次定律的表现是， 少数几个事件的发生频率占了整个发生频率的大部分， 而其余的大多数事件只占整个发生频率的一个小部分， 如图：
右边黄色为长尾，左边绿色为占主宰地位的少数事件。（图片来源于维基百科）¶
详细信息请参考维基百科的 Power Law 词条 。
MMDays 博客的《淺談網路世界的Power Law現象》一系列文章也是很好的资料。
应用示例¶
在 Redis 的 t_zset.c 模块中，跳跃表层数的随机值就由符合幂次定律的函数定义，
数值越大，函数生成它的几率就越小：
/* Returns a random level for the new skiplist node we are going to create.
* The return value of this function is between 1 and ZSKIPLIST_MAXLEVEL
* (both inclusive), with a powerlaw-alike distribution where higher
* levels are less likely to be returned.
*
* 返回一个介于 1 和 ZSKIPLIST_MAXLEVEL 之间的随机值，作为节点的层数。
*/
#define ZSKIPLIST_P 0.25
#define ZSKIPLIST_MAXLEVEL 32
int zslRandomLevel(void) {
int level = 1;
while ((random()&0xFFFF) < (ZSKIPLIST_P * 0xFFFF))
level += 1;
return (level<ZSKIPLIST_MAXLEVEL) ? level : ZSKIPLIST_MAXLEVEL;
}