java 生成随机数的方法

姚思瀚

2026-07-17 • 👁 0人浏览过

简介在实际开发中，经常遇到需要生成随机数的场景，例如，发送短信验证码等。

这里对生成随机数的解决方案做个总结随机数的生成原理随机数是通过算法生成的，生成随机数的过程中涉及到几个重要的概念，包括种子、随机数算法、系统熵源。

种子：seed，随机数生成算法的初始输入值，决定了随机数序列的起点，相同的种子会生成完全相同的随机数序列，这使得随机数的生成可重现，用于调试或实验，如果用户没有指定种子，通常使用系统时间（System.nanoTime()）作为默认种子随机数生成算法：通过特定的计算，生成指定范围内的随机数，算法是固定的，不同的是种子，所以如果种子相同，生成的随机数序列就是固定的，统计上满足随机性，但可预测。

常见的随机数生成算法，如线性同余算法。

系统熵源：系统收集的真实随机性来源，如硬件噪声、键盘输入时间、鼠标移动等，例如，Linux系统上，系统熵源的设备文件是 /dev/random，通过系统熵源，可以获取到真正随机的种子，生成不可预测的随机数序列，但是系统熵源需要收集系统熵的信息，可能会阻塞。

三者的关系：种子是伪随机数生成的起点，伪随机数通过算法模拟随机性，依赖种子，熵源为安全随机数提供真正的不可预测性。

为什么伪随机数不安全？

因为算法是公开的，若攻击者知道种子或部分序列，可推算后续随机数。

熵：shang，“无序性”“不确定性”或“信息量”的度量生成随机数的方法 Random Random类，支持生成整数、随机数、布尔值类型的随机数，非线程安全，适合单线程环境下的基本随机数需求，不适合高并发、安全敏感的场景，随机性可预测案例：生成0到100之间的随机数

@Test

public void test2() {
Random random = new Random();
int i = random.nextInt(100);
System.out.println("i = " + i);
}

案例2：Math类中提供的工具方法，底层也是调用的Random

// Math.random，生成[0.0, 1.0)之间的double类型的伪随机数，内部调用Random类实现，

// 适合快速生成随机数的场景，不适合高并发，无法指定随机种子，所以无法重现随机序列
@Test
public void test1() {
double random = Math.random();
System.out.println("random = " + random);  // 0.24365653692120037
}

ThreadLocalRandom 为每个线程维护独立的种子，适合高并发场景，但仍然是伪随机案例：生成0到100之间的随机数

@Test

public void test3() {
int i = ThreadLocalRandom.current().nextInt(100);
System.out.println("i = " + i);
}

SecureRandom SecureRandom，基于系统熵源，如 /dev/random，加密强度高，线程安全但性能较低，适用于秘钥、令牌、验证码登安全敏感场景，可以生成不可预测的随机数案例：

@Test

public void test4() {
SecureRandom secureRandom = new SecureRandom();
byte[] bytes = new byte[128];
secureRandom.nextBytes(bytes);
System.out.println("bytes = " + Arrays.toString(bytes));
}

熵池耗尽问题：SecureRandom是从系统熵源中获取种子，系统熵源可能会阻塞，可能会耗尽，Linux提供了两个熵源： /dev/random：阻塞型，当熵不足时等待新熵（更安全）。

/dev/urandom：非阻塞型，熵不足时用伪随机算法补足（性能更好，多数场景足够安全）。

实战案例案例1：生成6位的验证码在方案选型时，选择ThreadLocalRandom，它在高并发的情况下性能更好，虽然没有SecureRandom那么安全，一次生成6位数字，而不是生成6次，每次生成1位随机数，因为过多的随机数序列更加容易被破解，毕竟它是伪随机的。

@Test

public void testMsgCode() {
int limit = 1000_000;
int i = ThreadLocalRandom.current().nextInt(limit);
String str = String.format("%06d", i);  // 随机数不足6位时前面补0
System.out.println("str = " + str);  // 738210
}

案例2：生成5个0到10之间不会重复的随机数

public class Demo5RandomListEle2 {

// 使用HashSet来去重
@Test
public void test1() {
Set set = new HashSet<>();


Random random = new Random();
while (set.size() < 5) {
set.add(random.nextInt(11));
}
System.out.println("set = " + set);
}


// 使用Collections接口的shuffle函数来做
@Test
public void test2() {
List list = new ArrayList<>();
for (int i = 0; i <= 10; i++) {
list.add(i);
}


Collections.shuffle(list);


List result = list.subList(0, 5);
System.out.println("result = " + result);
}
}

案例3：假如现在有n个元素，n > 5，随机返回其中5个

public class Demo5RandomListEle {

// 使用Collections的shuffle方法，随机返回其中5个
@Test
public void test1() {
List list = Lists.newArrayList("aaa", "bbb", "ccc", "ddd", "eee", "fff");
Collections.shuffle(list);


List strings = list.subList(0, 5);
System.out.println("strings = " + strings);
}


// 使用Random类
@Test
public void test2() {
List list = Lists.newArrayList("aaa", "bbb", "ccc", "ddd", "eee", "fff");
List result = new ArrayList<>(5);


Random random = new Random();
for (int i = 0; i < 5; i++) {
int idx = random.nextInt(list.size());
result.add(list.get(idx));
list.remove(idx);
}


System.out.println("result = " + result);
}
}

UUID UUID，Universally Unique Identifier，通用唯一识别码，一种在分布式系统中独立生成不可重复的ID的手段。

在实际使用中，UUID的重复概率极低，可视为唯一格式：UUID是一个128比特位的数字，16字节，以32个十六进制字符表示，并用连字符“-”分成5段

xxxxxxxx-xxxx-Mxxx-Nxxx-xxxxxxxxxxxx

M表示标本号，1就是第一版，4就是第四版，N表示变体，决定UUID的布局 UUID的版本：UUID的发展过程中经历了多次版本迭代，不同版本使用不同的方式来生成UUID。

版本1：基于时间戳 + mac地址，它的缺点在于会暴漏mac地址，导致隐私问题版本3：基于md5哈希 + 命名空间，相同输入会产生相同输出版本4：基于随机数生成，这是最常用的，几乎不会重复 UUID的特点：唯一性：理论上，UUID几乎不会重复，以第四版UUID为例，128比特位的数据，122位是随机数，共有2的122次方种组合数，这是一个很大的数字，重复概率极低无中心化：不依赖中央服务器分配，适合分布式系统无序性：UUID是无序的，不适合做数据库主键索引固定长度：固定16字节长度案例：生成UUID

@Test

public void test8() {
UUID uuid = UUID.randomUUID();
System.out.println("uuid = " + uuid.toString()); // c9b43770-0440-46ae-9c0d-8c20d21f97c7
}

相关文章