前言

隨機數(shù)我們應(yīng)該不陌生，業(yè)務(wù)中我們用它來生成驗證碼，或者對重復(fù)性要求不高的id，甚至我們還用它在年會上搞抽獎。今天我們來探討一下這個東西。如果使用不當會引發(fā)一系列問題。

java中的隨機數(shù)

我們需要在Java中隨機生成一個數(shù)字。java開發(fā)中我們通常使用java.util.Random來搞，它提供了一種偽隨機的生成機制。Jvm 通過傳入的種子（seed）來確定生成隨機數(shù)的區(qū)間，只要種子一樣，獲取的隨機數(shù)的序列就是一致的。而且生成的結(jié)果都是可以預(yù)測的。是一種偽隨機數(shù)的實現(xiàn)，而不是真正的隨機數(shù)。來確定使用的但是有些用例直接使用可能會導(dǎo)致一些意想不到的問題。Random的一個普遍用法：

// Random 實例
Random random = new Random();
//調(diào)用 nextInt() 方法 此外還有nextDouble(), nextBoolean(), nextFloat(), ...
random.nextInt();

或者，我們可以使用java中的數(shù)學(xué)計算類：

Math.random();

Math類只包含一個Random實例來生成隨機數(shù)：

public static double random() {
 Random rnd = randomNumberGenerator;
 if (rnd == null) ｛
  // 返回一個新的Random實例
 rnd = initRNG();
 ｝
 return rnd.nextDouble();
 }

java.util.Random的用法是線程安全的。但是，在不同線程上并發(fā)使用相同的Random實例可能會導(dǎo)致爭用，從而導(dǎo)致性能不佳。其原因是使用所謂的種子來生成隨機數(shù)。種子是一個簡單的數(shù)字，它為生成新的隨機數(shù)提供了基礎(chǔ)。我們來看看Random中的next(int bits)方法：

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));}

首先，舊種子和新種子存儲在兩個輔助變量上。在這一點上，創(chuàng)造新種子的原則并不重要。要保存新種子，使用compareAndSet()方法將舊種子替換為下一個新種子，但這僅僅在舊種子對應(yīng)于當前設(shè)置的種子的條件下才會觸發(fā)。如果此時的值由并發(fā)線程操縱，則該方法返回false，這意味著舊值與例外值不匹配。因為是循環(huán)內(nèi)進行的操作，那么會發(fā)生自旋，直到變量與例外值匹配。這可能會導(dǎo)致性能不佳和線程競爭。

多線程下的隨機數(shù)

如果更多線程主動生成具有相同Random的實例的新隨機數(shù)，則上述情況發(fā)生的概率越高。對于生成許多（非常多）隨機數(shù)的程序，不建議使用這種方式。在這種情況下，您應(yīng)該使用ThreadLocalRandom，它在1.7版本中添加到Java中。ThreadLocalRandom擴展了Random并添加選項以限制其使用到相應(yīng)的線程實例。為此，ThreadLocalRandom的實例保存在相應(yīng)線程的內(nèi)部映射中，并通過調(diào)用current()來返回對應(yīng)的Random。使用方式如下：

ThreadLocalRandom.current().nextInt()

安全的隨機數(shù)

通過對Random的一些分析我們可以知道Random事實上是偽隨機，是可以推導(dǎo)出規(guī)律的，而且依賴種子（seed）。如果我們搞抽獎或者其他一些對隨機數(shù)敏感的場景時，用Random就不合適了，容易被人鉆空子。JDK提供了SecureRandom來解決這個事情。

SecureRandom是強隨機數(shù)生成器，它可以產(chǎn)生高強度的隨機數(shù)，產(chǎn)生高強度的隨機數(shù)依賴兩個重要的因素：種子和算法。算法是可以有很多的，通常如何選擇種子是非常關(guān)鍵的因素。 Random的種子是System.currentTimeMillis()，所以它的隨機數(shù)都是可預(yù)測的， 是弱偽隨機數(shù)。強偽隨機數(shù)的生成思路：收集計算機的各種信息，鍵盤輸入時間，內(nèi)存使用狀態(tài)，硬盤空閑空間，IO延時，進程數(shù)量，線程數(shù)量等信息，CPU時鐘，來得到一個近似隨機的種子，主要是達到不可預(yù)測性。說的更通俗就是，使用加密算法生成很長的一個隨機種子，讓你無法猜測出種子，也就無法推導(dǎo)出隨機序列數(shù)。

總結(jié)

今天我們探討了業(yè)務(wù)中經(jīng)常使用的隨機數(shù)的一些機制和一些場景下的一些陷阱，希望你在使用隨機數(shù)的時候能避免這種陷阱。

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

作者：碼農(nóng)小胖哥

來源：https://segmentfault.com/a/1190000020332761

最新評論