週末，開車帶女朋友出去玩，車裡面，隨機播放著周杰倫的歌曲。我正沉浸在『得兒飄，得兒飄，得兒意的飄』中，幻想著自己是秋名山車神，突然，旁邊的豆腐，哦不，女朋友說話了。
偽隨機性（英語：Pseudorandomness）是一個過程似乎是隨機的，但實際上並不是。偽隨機數是看似隨機實質是固定的週期性序列，也就是有規則的隨機。
什麼是隨機數
隨機數在計算機應用中使用的比較廣泛，最為熟知的便是在密碼學中的應用。隨機數有3個特性，具體如下：
隨機性：不存在統計學偏差，是完全雜亂的數列
不可預測性：不能從過去的數列推測出下一個出現的數
不可重現性：除非將數列本身儲存下來，否則不能重現相同的數列
音樂播放器的隨機播放如何實現的
現在的音樂播放器都比較智慧了，都帶有一些類似於歌曲推薦的功能，會給聽眾隨機推薦歌曲，這種是基於使用者聽歌習慣的隨機推薦，不在我們討論的範圍內。我們只討論那種簡單的，比如使用簡單的播放器隨機播放一個CD卡中的列表的情況。
常見的音樂隨機播放演算法有兩種，分別是Random演算法和Shuffle演算法。
Random演算法
Random演算法相對比較簡單，播放當前歌曲時才隨機生成下一曲。
Random演算法是在選取即將播放的歌曲時，進行一個隨機數的運算，得到即將播放的歌曲在播放列表中的索引，播放列表本身並沒有被打亂，只是利用隨機函式從播放列表中選取一首歌曲進行播放而已。
可以使用Java語言實現這種Random隨機數演算法：
Calendar ca = Calendar.getInstance();//獲取系統當前時間
int i;
Random rand =new Random(ca.get(Calendar.MINUTE)*ca.get(Calendar.SECOND));//將隨機數的種子設定為當前系統時間的分*秒
i=rand.nextInt(maxnum);//maxnum是隨機數最大不超過得值
複製程式碼Random演算法另一個缺陷是當點選“上一曲”時，跟“下一曲”功能完全一樣，都是重新生成隨機數，並利用它從播放列表中選取歌曲進行播放，而不會回到剛剛播放的那一首歌。
Shuffle演算法
Shuffle演算法和排序演算法正好相反，是從有序到亂序的一個過程，俗稱洗牌演算法。
它將播放列表中的歌曲順序打亂，變成一個和原來歌曲順序沒有任何關係的亂序的播放列表，之後進行歌曲的播放，並支援當使用者點選“上一首”時，能夠回到剛剛播放的那一首歌曲。
這種演算法相對於Random演算法來說，並不是完全意義上的隨機，只不過是對歌曲列表的亂序而已，歌曲的播放順序還是相對固定的。
在Java中，有現成的shuffle演算法實現，即Collections類中的兩個過載的shuffle方法：
public static void shuffle(List<?> list) {
Random rnd = r;
if (rnd == null)
r = rnd = new Random();
shuffle(list, rnd);
}
private static Random r;
public static void shuffle(List<?> list, Random rnd) {
int size = list.size();
if (size < SHUFFLE_THRESHOLD || list instanceof RandomAccess) {
for (int i=size; i>1; i--)
swap(list, i-1, rnd.nextInt(i));
} else {
Object arr[] = list.toArray();
// Shuffle array
for (int i=size; i>1; i--)
swap(arr, i-1, rnd.nextInt(i));
// Dump array back into list
ListIterator it = list.listIterator();
for (int i=0; i<arr.length; i++) {
it.next();
it.set(arr[i]);
}
}
}
複製程式碼真隨機與偽隨機
隨機數分為真隨機數和偽隨機數，我們程式使用的基本都是偽隨機數，其中偽隨機又分為強偽隨機數和弱偽隨機數。
真隨機數，通過物理實驗得出，比如擲錢幣、骰子、轉輪、使用電子元件的噪音、核裂變等。需要滿足隨機性、不可預測性、不可重現性。
偽隨機數，通過一定演算法和種子得出。軟體實現的是偽隨機數。
強偽隨機數，難以預測的隨機數。需要滿足隨機性和不可預測性。
弱偽隨機數，易於預測的隨機數。需要滿足隨機性。
上面介紹Random演算法和Shuffle演算法的時候，程式碼實現都是偽隨機演算法。可以這樣說：
只要這個隨機數是由確定演算法生成的，那就是偽隨機。只能通過不斷演算法優化，使你的隨機數更接近隨機。
有限狀態機不能產生真正的隨機數的，所以，現代計算機中，無法通過一個純演算法來生成真正的隨機數，無論是哪種語言，單純的演算法生成的數字都是偽隨機數，都是由可確定的函式通過一個種子，產生的偽隨機數。
這也就意味著，如果知道了種子，就可以推斷接下來的隨機數序列的資訊。這就有了可預測性。
那麼真隨機數怎麼產生的呢？
通過真實隨機事件取得的隨機數才是真隨機數。
真正的隨機數是使用物理現象產生的：比如擲錢幣、骰子、轉輪、使用電子元件的噪音、核裂變等等。這樣的隨機數發生器叫做物理性隨機數發生器，它們的缺點是技術要求比較高，效率低。
現有的真隨機數生成器，比如PuTTYgen的隨機數是讓使用者移動滑鼠達到一定的長度，之後把滑鼠的運動軌跡轉化為種子；Intel通過電阻和振盪器來生成熱噪聲作為資訊熵資源；Unix/Linux的dev/random和/dev/urandom採用硬體噪音生成隨機數；
所以，要想生成真的隨機數，是無法用任何一個純演算法實現的。都需要藉助外部物理現象。
Java中的隨機數生成器
Java語言提供了幾種隨機數生成器，如前面提到的Random類，還有SecureRandom類。
偽隨機數生成器
偽隨機數發生器採用特定的演算法，將隨機數種子seed轉換成一系列的偽隨機數。偽隨機數依賴於seed的值，給定相同的seed值總是生成相同的隨機數。偽隨機數的生成過程只依賴CPU，不依賴任何外部裝置，生成速度快，不會阻塞。
Java提供的偽隨機數發生器有java.util.Random類和java.util.concurrent.ThreadLocalRandom類。
Random類採用AtomicLong實現，保證多執行緒的執行緒安全性，但正如該類註釋上說明的，多執行緒併發獲取隨機數時效能較差。
多執行緒環境中可以使用ThreadLocalRandom作為隨機數發生器，ThreadLocalRandom採用了執行緒區域性變數來改善效能，這樣就可以使用long而不是AtomicLong，此外，ThreadLocalRandom還進行了位元組填充，以避免偽共享。
強隨機數發生器
強隨機數發生器依賴於作業系統底層提供的隨機事件。強隨機數生成器的初始化速度和生成速度都較慢，而且由於需要一定的熵累積才能生成足夠強度的隨機數，所以可能會造成阻塞。熵累積通常來源於多個隨機事件源，如敲擊鍵盤的時間間隔，移動滑鼠的距離與間隔，特定中斷的時間間隔等。所以，只有在需要生成加密性強的隨機資料的時候才用它。
Java提供的強隨機數發生器是java.security.SecureRandom類，該類也是一個執行緒安全類，使用synchronize方法保證執行緒安全，但jdk並沒有做出承諾在將來改變SecureRandom的執行緒安全性。因此，同Random一樣，在高併發的多執行緒環境中可能會有效能問題。
在linux的實現中，可以使用/dev/random和/dev/urandom作為隨機事件源。由於/dev/random是堵塞的，在讀取隨機數的時候，當熵池值為空的時候會堵塞影響效能，尤其是系統大併發的生成隨機數的時候。
真隨機數發生器
在Linux系統中，SecureRandom的實現藉助了/dev/random和/dev/urandom，可以使用硬體噪音生成隨機數；
http://random.org/，從1998年開始提供線上真隨機數服務了，它用大氣噪音生成真隨機數。他也提供了Java工具類，可以拿來使用。地址：https://sourceforge.net/projects/randomjapi/
為了躲避這個看(wu)似(li)合(qu)理(nao)的問題，我拉著她回到車子，找了一首她最喜歡的《演員》單曲迴圈了。