目錄：
- math.random()
- random類
- 偽隨機
- 如何優化隨機
- 封裝的一個隨機處理工具類
1. math.random()
1.1 介紹
通過math.random()可以獲取隨機數，它返回的是一個[0.0, 1.0)之間的double值。
|
1
2
3
4
|
private static void testmathrandom() { double random = math.random(); system.out.println("random = " + random);} |
執行輸出：random = 0.8543235849742018
java中double在32位和64位機器上都是占8個字節，64位，double正數部分和小數部分最多17位有效數字。
如果要獲取int類型的整數，只需要將上面的結果轉行成int類型即可。比如，獲取[0, 100)之間的int整數。方法如下：
|
1
2
|
double d = math.random();int i = (int) (d*100); |
1.2 實現原理
|
1
2
3
4
5
6
7
|
private static final class randomnumbergeneratorholder { static final random randomnumbergenerator = new random();}public static double random() { return randomnumbergeneratorholder.randomnumbergenerator.nextdouble();} |
- 先獲取一個random對象，在math中是單例模式，唯一的。
- 調用random對象的nextdouble方法返回一個隨機的double數值。
可以看到math.random()方法最終也是調用random類中的方法。
2. random類
2.1 介紹
random類提供了兩個構造器：
|
1
2
3
4
5
|
public random() {}public random(long seed) {} |
一個是默認的構造器，一個是可以傳入一個隨機種子。
然后通過random對象獲取隨機數，如：
|
1
|
int r = random.nextint(100); |
2.2 api
|
1
2
3
4
5
6
7
8
9
|
boolean nextboolean() // 返回一個boolean類型隨機數void nextbytes(byte[] buf) // 生成隨機字節并將其置于字節數組buf中 double nextdouble() // 返回一個[0.0, 1.0)之間的double類型的隨機數float nextfloat() // 返回一個[0.0, 1.0) 之間的float類型的隨機數int nextint() // 返回一個int類型隨機數int nextint(int n) // 返回一個[0, n)之間的int類型的隨機數long nextlong() // 返回一個long類型隨機數 synchronized double nextgaussian() // 返回一個double類型的隨機數，它是呈高斯（正常地）分布的 double值，其平均值是0.0，標準偏差是1.0。 synchronized void setseed(long seed) // 使用單個long種子設置此隨機數生成器的種子 |
2.3 例子
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
|
private static void testrandom(random random) { // 獲取隨機的boolean值 boolean b = random.nextboolean(); system.out.println("b = " + b); // 獲取隨機的數組buf[] byte[] buf = new byte[5]; random.nextbytes(buf); system.out.println("buf = " + arrays.tostring(buf)); // 獲取隨機的double值，范圍[0.0, 1.0) double d = random.nextdouble(); system.out.println("d = " + d); // 獲取隨機的float值，范圍[0.0, 1.0) float f = random.nextfloat(); system.out.println("f = " + f); // 獲取隨機的int值 int i0 = random.nextint(); system.out.println("i without bound = " + i0); // 獲取隨機的[0,100)之間的int值 int i1 = random.nextint(100); system.out.println("i with bound 100 = " + i1); // 獲取隨機的高斯分布的double值 double gaussian = random.nextgaussian(); system.out.println("gaussian = " + gaussian); // 獲取隨機的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 = -5390332732391127434b = 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 = -7363680848376404625b = 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，一次運行過程中，如果種子相同，產生的隨機值也是相同的。
總結一下：
1. 同一個種子，生成n個隨機數，當你設定種子的時候，這n個隨機數是什么已經確定。相同次數生成的隨機數字是完全相同的?！ ?br /> 2. 如果用相同的種子創建兩個random 實例，則對每個實例進行相同的方法調用序列，它們將生成并返回相同的數字序列。
2.4 實現原理
先來看看random類構造器和屬性：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
|
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;} |
有兩個構造器，有一個無參，一個可以傳入種子。
種子的作用是什么？
種子就是產生隨機數的第一次使用值，機制是通過一個函數，將這個種子的值轉化為隨機數空間中的某一個點上，并且產生的隨機數均勻的散布在空間中，以后產生的隨機數都與前一個隨機數有關。
無參的通過seeduniquifier() ^ system.nanotime()生成一個種子，里面使用了cas自旋鎖實現。使用system.nanotime()方法來得到一個納秒級的時間量，參與48位種子的構成，然后還進行了一個很變態的運算：不斷乘以181783497276652981l，直到某一次相乘前后結果相同來進一步增大隨機性，這里的nanotime可以算是一個真隨機數，不過有必要提的是，nanotime和我們常用的currenttime方法不同，返回的不是從1970年1月1日到現在的時間，而是一個隨機的數：只用來前后比較計算一個時間段，比如一行代碼的運行時間，數據庫導入的時間等，而不能用來計算今天是哪一天。
不要隨便設置隨機種子，可能運行次數多了會獲取到相同的隨機數，random類自己生成的種子已經能滿足平時的需求了。
以nextint()為例再繼續分析：
|
1
2
3
4
5
6
7
8
9
|
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cas來實現，然后進行位移返回，這塊的算法比較復雜，就不深入研究了。
3. 偽隨機
3.1 什么是偽隨機？
(1) 偽隨機數是看似隨機實質是固定的周期性序列，也就是有規則的隨機。
(2) 只要這個隨機數是由確定算法生成的，那就是偽隨機，只能通過不斷算法優化，使你的隨機數更接近隨機。(隨機這個屬性和算法本身就是矛盾的)
(3) 通過真實隨機事件取得的隨機數才是真隨機數。
3.2 java隨機數產生原理
java的隨機數產生是通過線性同余公式產生的，也就是說通過一個復雜的算法生成的。
3.3 偽隨機數的不安全性
java自帶的隨機數函數是很容易被黑客破解的，因為黑客可以通過獲取一定長度的隨機數序列來推出你的seed，然后就可以預測下一個隨機數。比如eos的dapp競猜游戲，就因為被黑客破解了隨機規律，而盜走了大量的代幣。
4. 如何優化隨機
主要要考慮生成的隨機數不能重復，如果重復則重新生成一個?？梢杂脭到M或者set存儲來判斷是否包含重復的隨機數，配合遞歸方式來重新生成一個新的隨機數。
5. 封裝的一個隨機處理工具類
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持服務器之家。
原文鏈接：https://blog.csdn.net/u014294681/article/details/86527930
