淺談Java隨機(jī)數(shù)的原理、偽隨機(jī)和優(yōu)化
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 = -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(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)
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。
相關(guān)文章
java編程實(shí)現(xiàn)并查集的路徑壓縮代碼詳解
這篇文章主要介紹了java編程實(shí)現(xiàn)并查集的路徑壓縮代碼詳解,具有一定借鑒價(jià)值,需要的朋友可以參考。2017-11-11Spring及Mybatis整合占位符解析失敗問(wèn)題解決
這篇文章主要介紹了Spring及Mybatis整合占位符解析失敗問(wèn)題解決,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-07-07Java-Redis-Redisson分布式鎖的功能使用及實(shí)現(xiàn)
這篇文章主要介紹了Java-Redis-Redisson-分布式鎖的功能使用及實(shí)現(xiàn),本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2022-08-08Java基于HttpClient實(shí)現(xiàn)RPC的示例
HttpClient可以實(shí)現(xiàn)使用Java代碼完成標(biāo)準(zhǔn)HTTP請(qǐng)求及響應(yīng)。本文主要介紹了Java基于HttpClient實(shí)現(xiàn)RPC,文中通過(guò)示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2021-10-10@ConfigurationProperties加載外部配置方式
這篇文章主要介紹了@ConfigurationProperties加載外部配置方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-03-03