随机数分布

一尘不染

随机数分布

java

我有两种代码选择：

选项1

int myFunc() {
  return new Random().nextInt();
}

要么：

选项2

private static final Random random = new Random();

int myFunc() {
  return random.nextInt();
}

我了解这option 2更惯用。我想知道的有效性option 1。

在option 1我将只使用由给定的种子产生的第一个号码。在“ option 2我选择一个种子”并n使用该种子生成数字。IIUC在此用例上保证了随机性。

因此，我的问题是，如果我option 1多次打电话，是否能保证产出分配的均匀性？

阅读 286

2020-12-03

共1个答案

一尘不染

我真正的问题是选项1在数学上是否有效。

让我们从选项2开始。所使用的随机数生成器java.util.Random在javadoc中指定如下：

该类使用48位种子，可以使用线性同余公式对其进行修改。（请参见Donald Knuth，计算机编程艺术，第2卷，第3.2.1节）。

各种方法的javadocs中有更具体的细节。

但是关键是我们正在使用由线性同余公式生成的序列，并且这些公式具有很大程度的自相关…这可能是有问题的。

现在，在选项1中，您Random每次都使用一个具有新种子的不同实例，并应用一轮LC公式。因此，您得到的数字序列可能与种子自相关。但是，种子的生成方式不同，具体取决于Java版本。

Java 6这样做：

 public Random() { this(++seedUniquifier + System.nanoTime()); }
 private static volatile long seedUniquifier = 8682522807148012L;

…这不是完全随机的。如果您Random以固定的间隔创建实例，则种子很可能间隔很近，因此，选项＃1产生的随机数序列可能会自动关联。

相比之下，Java 7和8做到了：

 public Random() {
     this(seedUniquifier() ^ System.nanoTime());
 }

 private static long seedUniquifier() {
     // L'Ecuyer, "Tables of Linear Congruential Generators of
     // Different Sizes and Good Lattice Structure", 1999
     for (;;) {
         long current = seedUniquifier.get();
         long next = current * 181783497276652981L;
         if (seedUniquifier.compareAndSet(current, next))
             return next;
     }
 }

 private static final AtomicLong seedUniquifier
     = new AtomicLong(8682522807148012L);

由上述方法产生的种子的序列可能是（真实）随机性的更好近似。这可能会使您的选择＃1优于选择＃2。

Java 6至8中的＃1选项的缺点是，System.nanoTime()可能的调用涉及系统调用。那是比较昂贵的。

因此，简短的答案是，从数学的角度来看，选项＃1和选项＃2中哪个产生了更好的质量“随机”数字，这是Java版本所特有的。

在这两种情况下，在足够大的样本量下，数字的分布将是均匀的，尽管我不确定在确定性过程中谈论概率分布是否有意义。

但是，这两种方法都不适合用作“密码强度”随机数生成器。

2020-12-03