這篇來(lái)說(shuō)說(shuō)Java中的隨機(jī)數(shù)，以及為什么說(shuō)隨機(jī)數(shù)是偽隨機(jī)。

目錄：

• Math.random()
• Random類(lèi)
• 偽隨機(jī)
• 如何優(yōu)化隨機(jī)
• 封裝的一個(gè)隨機(jī)處理工具類(lèi)

1. Math.random()

1.1 介紹

通過(guò)Math.random()可以獲取隨機(jī)數(shù)，它返回的是一個(gè)[0.0, 1.0)之間的double值。

  private static void testMathRandom() {
    double random = Math.random();
    System.out.println("random = " + random);
  }

執(zhí)行輸出：random = 0.8543235849742018

Java中double在32位和64位機(jī)器上都是占8個(gè)字節(jié)，64位，double正數(shù)部分和小數(shù)部分最多17位有效數(shù)字。

如果要獲取int類(lèi)型的整數(shù)，只需要將上面的結(jié)果轉(zhuǎn)行成int類(lèi)型即可。比如，獲取[0, 100)之間的int整數(shù)。方法如下：

double d = Math.random();
int i = (int) (d*100);

1.2 實(shí)現(xiàn)原理

  private static final class RandomNumberGeneratorHolder {
    static final Random randomNumberGenerator = new Random();
  }
 
  public static double random() {
    return RandomNumberGeneratorHolder.randomNumberGenerator.nextDouble();
  }

• 先獲取一個(gè)Random對(duì)象，在Math中是單例模式，唯一的。
• 調(diào)用Random對(duì)象的nextDouble方法返回一個(gè)隨機(jī)的double數(shù)值。

可以看到Math.random()方法最終也是調(diào)用Random類(lèi)中的方法。

2. Random類(lèi)

2.1 介紹

Random類(lèi)提供了兩個(gè)構(gòu)造器：

  public Random() {
  }
 
  public Random(long seed) {
  }

一個(gè)是默認(rèn)的構(gòu)造器，一個(gè)是可以傳入一個(gè)隨機(jī)種子。

然后通過(guò)Random對(duì)象獲取隨機(jī)數(shù)，如：

int r = random.nextInt(100);

2.2 API

boolean nextBoolean()     // 返回一個(gè)boolean類(lèi)型隨機(jī)數(shù)
void  nextBytes(byte[] buf) // 生成隨機(jī)字節(jié)并將其置于字節(jié)數(shù)組buf中 
double nextDouble()     // 返回一個(gè)[0.0, 1.0)之間的double類(lèi)型的隨機(jī)數(shù)
float  nextFloat()      // 返回一個(gè)[0.0, 1.0) 之間的float類(lèi)型的隨機(jī)數(shù)
int   nextInt()       // 返回一個(gè)int類(lèi)型隨機(jī)數(shù)
int   nextInt(int n)    // 返回一個(gè)[0, n)之間的int類(lèi)型的隨機(jī)數(shù)
long  nextLong()      // 返回一個(gè)long類(lèi)型隨機(jī)數(shù) 
synchronized double nextGaussian()  // 返回一個(gè)double類(lèi)型的隨機(jī)數(shù)，它是呈高斯（正常地）分布的 double值，其平均值是0.0，標(biāo)準(zhǔn)偏差是1.0。 
synchronized void setSeed(long seed) // 使用單個(gè)long種子設(shè)置此隨機(jī)數(shù)生成器的種子

2.3 例子

 private static void testRandom(Random random) {
    // 獲取隨機(jī)的boolean值
    boolean b = random.nextBoolean();
    System.out.println("b = " + b);
 
    // 獲取隨機(jī)的數(shù)組buf[]
    byte[] buf = new byte[5];
    random.nextBytes(buf);
    System.out.println("buf = " + Arrays.toString(buf));
 
    // 獲取隨機(jī)的Double值，范圍[0.0, 1.0)
    double d = random.nextDouble();
    System.out.println("d = " + d);
 
    // 獲取隨機(jī)的float值，范圍[0.0, 1.0)
    float f = random.nextFloat();
    System.out.println("f = " + f);
 
    // 獲取隨機(jī)的int值
    int i0 = random.nextInt();
    System.out.println("i without bound = " + i0);
 
    // 獲取隨機(jī)的[0,100)之間的int值
    int i1 = random.nextInt(100);
    System.out.println("i with bound 100 = " + i1);
 
    // 獲取隨機(jī)的高斯分布的double值
    double gaussian = random.nextGaussian();
    System.out.println("gaussian = " + gaussian);
 
    // 獲取隨機(jī)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));
  }

執(zhí)行輸出：

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，一次運(yùn)行過(guò)程中，如果種子相同，產(chǎn)生的隨機(jī)值也是相同的。

總結(jié)一下：

1. 同一個(gè)種子，生成N個(gè)隨機(jī)數(shù)，當(dāng)你設(shè)定種子的時(shí)候，這N個(gè)隨機(jī)數(shù)是什么已經(jīng)確定。相同次數(shù)生成的隨機(jī)數(shù)字是完全相同的?！　?br />2. 如果用相同的種子創(chuàng)建兩個(gè)Random 實(shí)例，則對(duì)每個(gè)實(shí)例進(jìn)行相同的方法調(diào)用序列，它們將生成并返回相同的數(shù)字序列。

2.4 實(shí)現(xiàn)原理

先來(lái)看看Random類(lèi)構(gòu)造器和屬性：

  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;
  }

有兩個(gè)構(gòu)造器，有一個(gè)無(wú)參，一個(gè)可以傳入種子。

種子的作用是什么？

種子就是產(chǎn)生隨機(jī)數(shù)的第一次使用值，機(jī)制是通過(guò)一個(gè)函數(shù)，將這個(gè)種子的值轉(zhuǎn)化為隨機(jī)數(shù)空間中的某一個(gè)點(diǎn)上，并且產(chǎn)生的隨機(jī)數(shù)均勻的散布在空間中，以后產(chǎn)生的隨機(jī)數(shù)都與前一個(gè)隨機(jī)數(shù)有關(guān)。

無(wú)參的通過(guò)seedUniquifier() ^ System.nanoTime()生成一個(gè)種子，里面使用了CAS自旋鎖實(shí)現(xiàn)。使用System.nanoTime()方法來(lái)得到一個(gè)納秒級(jí)的時(shí)間量，參與48位種子的構(gòu)成，然后還進(jìn)行了一個(gè)運(yùn)算：不斷乘以181783497276652981L，直到某一次相乘前后結(jié)果相同來(lái)進(jìn)一步增大隨機(jī)性，這里的nanotime可以算是一個(gè)真隨機(jī)數(shù)，不過(guò)有必要提的是，nanoTime和我們常用的currenttime方法不同，返回的不是從1970年1月1日到現(xiàn)在的時(shí)間，而是一個(gè)隨機(jī)的數(shù)：只用來(lái)前后比較計(jì)算一個(gè)時(shí)間段，比如一行代碼的運(yùn)行時(shí)間，數(shù)據(jù)庫(kù)導(dǎo)入的時(shí)間等，而不能用來(lái)計(jì)算今天是哪一天。

不要隨便設(shè)置隨機(jī)種子，可能運(yùn)行次數(shù)多了會(huì)獲取到相同的隨機(jī)數(shù)，Random類(lèi)自己生成的種子已經(jīng)能滿足平時(shí)的需求了。

以nextInt()為例再繼續(xù)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));
  }

還是通過(guò)CAS來(lái)實(shí)現(xiàn)，然后進(jìn)行位移返回，這塊的算法比較復(fù)雜，就不深入研究了。

3. 偽隨機(jī)

3.1 什么是偽隨機(jī)？

(1) 偽隨機(jī)數(shù)是看似隨機(jī)實(shí)質(zhì)是固定的周期性序列，也就是有規(guī)則的隨機(jī)。
(2) 只要這個(gè)隨機(jī)數(shù)是由確定算法生成的，那就是偽隨機(jī)，只能通過(guò)不斷算法優(yōu)化，使你的隨機(jī)數(shù)更接近隨機(jī)。(隨機(jī)這個(gè)屬性和算法本身就是矛盾的)
(3) 通過(guò)真實(shí)隨機(jī)事件取得的隨機(jī)數(shù)才是真隨機(jī)數(shù)。

3.2 Java隨機(jī)數(shù)產(chǎn)生原理

Java的隨機(jī)數(shù)產(chǎn)生是通過(guò)線性同余公式產(chǎn)生的，也就是說(shuō)通過(guò)一個(gè)復(fù)雜的算法生成的。 

3.3 偽隨機(jī)數(shù)的不安全性

Java自帶的隨機(jī)數(shù)函數(shù)是很容易被黑客破解的，因?yàn)楹诳涂梢酝ㄟ^(guò)獲取一定長(zhǎng)度的隨機(jī)數(shù)序列來(lái)推出你的seed，然后就可以預(yù)測(cè)下一個(gè)隨機(jī)數(shù)。比如eos的dapp競(jìng)猜游戲，就因?yàn)楸缓诳推平饬穗S機(jī)規(guī)律，而盜走了大量的代幣。
 

4. 如何優(yōu)化隨機(jī)

主要要考慮生成的隨機(jī)數(shù)不能重復(fù)，如果重復(fù)則重新生成一個(gè)?？梢杂脭?shù)組或者Set存儲(chǔ)來(lái)判斷是否包含重復(fù)的隨機(jī)數(shù)，配合遞歸方式來(lái)重新生成一個(gè)新的隨機(jī)數(shù)。

5. 封裝的一個(gè)隨機(jī)處理工具類(lèi)

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

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評(píng)論