浅谈Java随机数的原理、伪随机和优化

浅谈Java随机数的原理、伪随机和优化

这篇来说说java中的随机数，以及为什么说随机数是伪随机。

目录：

Math.random()

Random类

伪随机

如何优化随机

封装的一个随机处理工具类

1. Math.random()

1.1 介绍

通过Math.random()可以获取随机数，它返回的是一个[0.0, 1.0)之间的double值。

private static void testMathRandom() {

double random = Math.random();

System.out.println("random = " + random);

}

执行输出：random = 0.8543235849742018

Java中double在32位和64位机器上都是占8个字节，64位，double正数部分和小数部分最多17位有效数字。

如果要获取int类型的整数，只需要将上面的结果转行成int类型即可。比如，获取[0, 100)之间的int整数。方法如下：

double d = Math.random();

int i = (int) (d*100);

1.2 实现原理

private static final class RandomNumberGeneratorHolder {

static final Random randomNumberGenerator = new Random();

}

public static double random() {

return RandomNumberGeneratorHolder.randomNumberGenerator.nextDouble();

}

先获取一个Random对象，在Math中是单例模式，唯一的。

调用Random对象的nextDouble方法返回一个随机的double数值。

可以看到Math.random()方法最终也是调用Random类中的方法。

2. Random类

2.1 介绍

Random类提供了两个构造器：

public Random() {

}

public Random(long seed) {

}

一个是默认的构造器，一个是可以传入一个随机种子。

然后通过Random对象获取随机数，如：

int r = random.nextInt(100);

2.2 API

boolean nextBoolean() // 返回一个boolean类型随机数

void nextBytes(byte[] buf) // 生成随机字节并将其置于字节数组buf中

double nextDouble() // 返回一个[0.0, 1.0)之间的double类型的随机数

float nextFloat() // 返回一个[0.0, 1.0) 之间的float类型的随机数

int nextInt() // 返回一个int类型随机数

int nextInt(int n) // 返回一个[0, n)之间的int类型的随机数

long nextLong() // 返回一个long类型随机数

synchronized double nextGaussian() // 返回一个double类型的随机数，它是呈高斯（正常地）分布的 double值，其平均值是0.0，标准偏差是1.0。

synchronized void setSeed(long seed) // 使用单个long种子设置此随机数生成器的种子

2.3 例子

private static void testRandom(Random random) {

// 获取随机的boolean值

boolean b = random.nextBoolean();

System.out.println("b = " + b);

// 获取随机的数组buf[]

byte[] buf = new byte[5];

random.nextBytes(buf);

System.out.println("buf = " + Arrays.toString(buf));

// 获取随机的Double值，范围[0.0, 1.0)

double d = random.nextDouble();

System.out.println("d = " + d);

// 获取随机的float值，范围[0.0, 1.0)

float f = random.nextFloat();

System.out.println("f = " + f);

// 获取随机的int值

int i0 = random.nextInt();

System.out.println("i without bound = " + i0);

// 获取随机的[0,100)之间的int值

int i1 = random.nextInt(100);

System.out.println("i with bound 100 = " + i1);

// 获取随机的高斯分布的double值

double gaussian = random.nextGaussian();

System.out.println("gaussian = " + gaussian);

// 获取随机的long值

long l = random.nextLong();

System.out.println("l = " + l);

}

public static void main(String[] args) {

testRandom(new Random());

System.out.println("\n\n");

testRandom(new Random(1000));

testRandom(new Random(1000));

}

执行输出：

b = true

buf = [-55, 55, -7, -59, 86]

d = 0.6492428743107401

f = 0.8178623

i without bound = -1462220056

i with bound 100 = 66

gaussian = 0.3794413450456145

l = -5390332732391127434

b = true

buf = [47, -38, 53, 63, -72]

d = 0.46028809169559504

f = 0.015927613

i without bound = 169247282

i with bound 100 = 45

gaussian = -0.719106498075259

l = -7363680848376404625

b = true

buf = [47, -38, 53, 63, -72]

d = 0.46028809169559504

f = 0.015927613

i without bound = 169247282

i with bound 100 = 45

gaussian = -0.719106498075259

l = -7363680848376404625

可以看到，一次运行过程中，如果种子相同，产生的随机值也是相同的。

总结一下：

1. 同一个种子，生成N个随机数，当你设定种子的时候，这N个随机数是什么已经确定。相同次数生成的随机数字是完全相同的。　　

2. 如果用相同的种子创建两个Random 实例，则对每个实例进行相同的方法调用序列，它们将生成并返回相同的数字序列。

2.4 实现原理

先来看看Random类构造器和属性：

private final AtomicLong seed;

private static final long multiplier = 0x5DEECE66DL;

private static final long addend = 0xBL;

private static final long mask = (1L << 48) - 1;

private static final double DOUBLE_UNIT = 0x1.0p-53; // 1.0 / (1L << 53)

private static final AtomicLong seedUniquifier

= new AtomicLong(8682522807148012L);

public Random() {

this(seedUniquifier() ^ System.nanoTime());

}

private static long seedUniquifier() {

for (;;) {

long current = seedUniquifier.get();

long next = current * 181783497276652981L;

if (seedUniquifier.compareAndSet(current, next))

return next;

}

}

public Random(long seed) {

if (getClass() == Random.class)

this.seed = new AtomicLong(initialScramble(seed));

else {

this.seed = new AtomicLong();

setSeed(seed);

}

}

synchronized public void setSeed(long seed) {

this.seed.set(initialScramble(seed));

haveNextNextGaussian = false;

}

有两个构造器，有一个无参，一个可以传入种子。

种子的作用是什么？

种子就是产生随机数的第一次使用值，机制是通过一个函数，将这个种子的值转化为随机数空间中的某一个点上，并且产生的随机数均匀的散布在空间中，以后产生的随机数都与前一个随机数有关。

无参的通过seedUniquifier() ^ System.nanoTime()生成一个种子，里面使用了CAS自旋锁实现。使用System.nanoTime()方法来得到一个纳秒级的时间量，参与48位种子的构成，然后还进行了一个很变态的运算：不断乘以181783497276652981L，直到某一次相乘前后结果相同来进一步增大随机性，这里的nanotime可以算是一个真随机数，不过有必要提的是，nanoTime和我们常用的currenttime方法不同，返回的不是从1970年1月1日到现在的时间，而是一个随机的数：只用来前后比较计算一个时间段，比如一行代码的运行时间，数据库导入的时间等，而不能用来计算今天是哪一天。

不要随便设置随机种子，可能运行次数多了会获取到相同的随机数，Random类自己生成的种子已经能满足平时的需求了。

以nextInt()为例再继续分析：

protected int next(int bits) {

long oldseed, nextseed;

AtomicLong seed = this.seed;

do {

oldseed = seed.get();

nextseed = (oldseed * multiplier + addend) & mask;

} while (!seed.compareAndSet(oldseed, nextseed));

return (int)(nextseed >>> (48 - bits));

}

还是通过CAS来实现，然后进行位移返回，这块的算法比较复杂，就不深入研究了。

3. 伪随机

3.1 什么是伪随机？

(1) 伪随机数是看似随机实质是固定的周期性序列，也就是有规则的随机。

(2) 只要这个随机数是由确定算法生成的，那就是伪随机，只能通过不断算法优化，使你的随机数更接近随机。(随机这个属性和算法本身就是矛盾的)

(3) 通过真实随机事件取得的随机数才是真随机数。

3.2 Java随机数产生原理

Java的随机数产生是通过线性同余公式产生的，也就是说通过一个复杂的算法生成的。

3.3 伪随机数的不安全性

Java自带的随机数函数是很容易被黑客破解的，因为黑客可以通过获取一定长度的随机数序列来推出你的seed，然后就可以预测下一个随机数。比如eos的dapp竞猜游戏，就因为被黑客破解了随机规律，而盗走了大量的代币。

4. 如何优化随机

主要要考虑生成的随机数不能重复，如果重复则重新生成一个。可以用数组或者Set存储来判断是否包含重复的随机数，配合递归方式来重新生成一个新的随机数。

5. 封装的一个随机处理工具类

https://github.com/kuangzhongwen/android-common-libs/blob/master/src/main/java/waterhole/commonlibs/utils/RandomUtils.java

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。