估算一下你的背包能装下几瓶可乐，这不叫数学题，这叫生活场景。而质数判断，往往就是程序员面对一道没完没了的加法题时，突然丧失了耐心的时候。别急着去背一堆死记硬背的定理，咱们就聊聊如何把数字拆解开看，看看它们到底是不是“正经”的整数。 大量初学者一上来就嫌费事，恨不得直接写个函数跳那会儿。
实际上不然，质数这东西，特爱开玩笑。5 是质数，7 也是，那 11、13、17 接着排着队登场。
要是我们把 1 排除在外，剩下 2, 3, 5, 7, 11, 13……这种不能整除的数，如何定义才算质数呢？最直观的算法就是：只要一个数大于 2，只要它不能被从 2 到它根号以内的任何整数整除，那它就是个质数。
这个逻辑实际上挺好办的，就像筛子一样，把能筛出来的都筛掉，剩下的就是质数了。 不过在实际开发里，写每一层判断都忒耗时了。
要是你要处理一个亿级的数字数组，直接对每个数都试除法，那 CPU 估摸都要烧成灰。
这时候就需求更智慧的方式了。
比方说，偶数除了 2 以外的肯定不是质数，只要是 2 的倍数，直接跳过。
同样，3 只能被 1 和 3 整除，那 5 的倍数除了 5 和 5 的平方根，其他都不能是质数。
这种处理技巧，在 C++ 要么 Python 里都能写得挺顺滑，只要懂得利用“最小因子”来提前截断循环。 说到例子，就拿 1000000007 来说吧。
这个数在计算机里是个挺常见的数值。假设我们要判断它是不是质数，按照最小因子算法，我们只需求检查它是不是 2 的倍数（显然不是），是不是 3 的倍数（也不是，1+0+0+0+0+0+0+0+7=8，8 不能被 3 整除）。
接着检查 5，显然最终是 7，不能用 5 整除。
这时候我们只需检查到它的平方根，也就是大约 31623。在这个范围内，要是找不到任何能整除它的数，那它就是个质数。
这就好比玩猜拳，对方没动手，你就赢了。 还有一种情况，就是平方根。
比如 25，它的平方根是 5。检查 2 到 5 之间（不含 5），有没有能整除 25 的数？2 不能整除 25，3 也不能，4 也不中。
故此 25 是合数。
这里有个小细节，判断 1 的时候要小心，1 既不是质数也不是合数，它是个特殊数。
要是你写了个死循环，直接输出 1，那代码就会报错要么死机。
故此最好还是单独写个 if 语句处理，要么在循环判断前就把 1 给过滤掉。 再讲讲大一点的数，比如 97。它的平方根是大约 9.8，故此只需求检查到 9。2, 3, 4, 5, 6, 7, 8 都不能整除 97。
故此 97 是质数。
这时候你会发现，大质数的表空间特别大，要是一个数存起来，可能需求几兆就连几十兆的内存。
这涉及到浮点数精度难题，有时候直接转换字符串再转回数字再算平方根，精度会丢失，害得误判。
这时候得用整数开根号的方式，要么用欧拉判别式之类的数论知识来辅助判断。 自然，对于极端的大数，比如 2^64 这种无法直接存进整型变量里的数，那就务必得用 BigInt 类了。
这时候再试除法的复杂度就飙升了，可能需求用到 Miller-Rabin 素性测试。
这个算法的核心思想是随机抽样，通过特定的概率论模型，以极高的准率判断一个数是不是质数。别看听起来挺玄乎，但实际运行速度比试除法快多了，特别是在处理那些庞大的、看似随机分布的整数时，效率差异庞大。 实际上质数判断最有趣的地方在于“下一个质数”的难题。
比如我要找第 1000 个质数，不用一个一个找，能够利用之前的质数列表进行筛法。埃拉托斯特尼筛法，要么叫 Sieve of Eratosthenes，这个技术略微有点绕，但原理挺朴素：先把所有 2 的倍数涂成黑色，然后把所有 3 的倍数（除了已经被涂掉的局部）涂黑，接着处理 5，6……直到涂完所有的数。剩下的白色格子就是质数。
这个方式 Time O(n log log n)，模板化程度挺高。在大数计算场景下，比如处理哈希表中的 key 验证，要么在算法竞赛中解决数论难题，筛法往往是一绝。 还有啊，最近十年数学界有个大新闻，那个 2^64 - 1 被认定是目前为止最大的已知质数。
这玩意儿忒大了，根本放不下，只能靠计算机那庞大的内存池来存。
要是你在一个程序里直接硬塞这个数，内存溢出是迟早的事。
这就是为啥程序员在写代码时，尽量把判断逻辑封装起来，避免硬编码大数。 最终总结一下，质数判断这事儿，核心就两点：一是小范围用试除法或筛法，二是大范围用Miller-Rabin要么斯特林筛。别总想着把公式记陈年，写代码最关键的是写出清楚的逻辑和高效的实现。当你面对一个庞大的整数数组时，别急着写 foreach 循环，想想能不能用位运算优化，要么直接用筛法预处理一遍，往往能解决 80% 的难题。生活里，质数无处不在，从分糖果的数量到彩票的中奖号码，从你敲键盘的活跃度到数据库里的记录条数，它们都在定义着数据的纯净与秩序。
