精確計算Pi的值，從古至今都吸引了無數的數學家。迄今為止，科學家還沒有計算得出精確的Pi值，也沒有發現小數點後面的值有什麼規律。
現在，我們用一種比較簡單的概率的方式來近似計算Pi的值。
二話不說，直接上程式碼。

public class PiCaculate {

    public static double caculate() {
        Random r = new Random();
        //d1,d2都是從[0,1)的隨機浮點數
        double d1 = r.nextDouble();
        double d2 = r.nextDouble();
        double
 
 result = Math.sqrt(d1*d1 + d2*d2);
        return result;
    }

    public static void main(String[] args) {
        int count = 0;
        int nums = 100000;
        for(int i=0; i<nums; i++) {
            double result = caculate();
            if(result <= 1.0) {
                count++;
            }
        }
        double
 
 pi = 4 * (float)count / (float)nums;
        System.out.println("Pi is: " + pi);
    }
}

將程式碼run起來：

Pi is: 3.14028000831604

稍微解釋一下程式碼的思路：
現在假設有一個單位圓，圓點為中心，1為半徑。d1,d2為兩隨機浮點數，取值範圍均為[0,1]。假設d1為x座標，d2為y座標，如果x2+y2<1，那麼該點在圓內；反之則在圓外。由對稱性易知，落在圓內的概率為單位圓面積的四分之一，即為Pi/4。

spark中計算Pi值的demo，我們來看看spark中的原始碼

from
 
 __future__ import print_function

import sys
from random import random
from operator import add

from pyspark import SparkContext


if __name__ == "__main__":
    """
        Usage: pi [partitions]
    """
    sc = SparkContext(appName="PythonPi")
    partitions = int(sys.argv[1]) if len(sys.argv) > 1 else 2
    n = 100000 * partitions

    def f(_):
        x = random() * 2 - 1
        y = random() * 2 - 1
        return 1 if x ** 2 + y ** 2 < 1 else 0

    count = sc.parallelize(range(1, n + 1), partitions).map(f).reduce(add)
    print("Pi is roughly %f" % (4.0 * count / n))

    sc.stop()

可以看出，裡面計算Pi的思路，跟我們之前的思路是一樣滴！