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。
1
2
3
4
|
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:
1
2
|
double d = math.random(); int i = ( int ) (d* 100 ); |
1.2 实现原理
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:
1
2
3
4
5
|
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:
1
|
int r = random.nextint( 100 ); |
2.2 api
1
2
3
4
5
6
7
8
9
|
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
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) { // 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 = -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:
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:
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)); } |
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
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。
原文链接:https://blog.csdn.net/u014294681/article/details/86527930