随机数咱们都知道，就是计算机经过某种算法，“随机”的生成一个数字。不少编程语言都有内置的方法来生成随机数，那么 GoLang 中是怎样一种状况呢？git

伪随机数

咱们都知道“随机数”在现实生活中的概念，可能你随手抛一个硬币，就能够说其结果是随机的，可是在计算机中要肯定一个“随机数”真的是“随机数”，那但是有标准的，不是你随随便便说是就是。github

根据密码学原理，要想对一个“随机数”进行随机性检验有如下几个标准：golang

  • 统计学伪随机性 - 在给定的随机比特流样本中，1 的数量大体等于 0 的数量，也就是说，“10”“01”“00”“11” 四者数量大体相等。说人话就是：“一眼看上去是随机的”。
  • 密码学安全伪随机性 - 就是给定随机样本的一部分和随机算法，不能有效的演算出随机样本的剩余部分。
  • 真随机性 - 其定义为随机样本不可重现。

根据以上几个标准，其对应的随机数也就分为如下几类：算法

  • 伪随机数 - 知足第一个条件的随机数。
  • 密码学安全的伪随机数 - 同时知足前两个条件的随机数。能够经过密码学安全伪随机数生成器计算得出。
  • 真随机数 -同时知足三个条件的随机数。

了解了以上几个概念，咱们就知道了“伪随机数”其实就是一个“看似随机，实则并不真正随机”的数字。编程

伪随机数生成器

在实际应用中大部分状况下伪随机数就足够了。这些数列是“彷佛”随机的数，实际上它们是经过一个固定的、能够重复的计算方法产生的。由于它们其实是能够计算出来的，因此它们并不真正地随机，可是它们具备相似于随机数的统计特征。产生这样的结果的生成器咱们叫作伪随机数生成器。安全

通常只有在密码学场景中，咱们才须要使用“真随机数”。dom

JSMath.random()GoLangmath/rand
GoLang 中的伪随机数 
GoLangmath/rand
package main

import (
  "fmt"
  "math/rand"
)

func main() {
  fmt.Println(rand.Int())   // => 134020434
}
复制代码
rand.Int()

可是细心的你会发现，你在本身电脑上运行上面的代码居然和个人同样。不管你怎么运行，它都同样。

JSMath.random()GoLang

都是伪随机数生成器，为何差异就这么大呢？这里咱们就要了解一下“随机种子”的概念啦。

随机种子

咱们知道，伪随机数，是使用一个肯定性的算法计算出来的彷佛是随机的数序，所以伪随机数实际上并不随机。

那么天然，在计算伪随机数时假如使用的开始值不变的话，那么算法计算出的伪随机数的数序天然也是不变的咯。

这个“开始值”，就被称为随机种子。

Int()default Source
default Source1

既然随机种子同样，那天然其结果也是同样的。

随机的伪随机数 
1

咱们要尽量保证每次伪随机数生成器工做时使用的是不一样的种子，一般的作法是采用当前时间做为种子。

package main

import (
  "fmt"
  "math/rand"
  "time"
)

func main() {
  rand.Seed(int64(time.Now().UnixNano()))

  fmt.Println(rand.Int())
}
复制代码

这样，因为种子不一样，咱们每次运行的结果也就不同。咱们就能达到获取伪随机数的目的啦。

真随机数 
crypto/rand
package main

import (
  "crypto/rand"
  "fmt"
  "math/big"
)

func main() {
  // 生成 20 个 [0, 100) 范围的真随机数。
  for i := 0; i < 20; i++ {
    result, _ := rand.Int(rand.Reader, big.NewInt(100))
    fmt.Println(result)
  }
}
复制代码

上面的程序每次运行的结果都是不同的，会真正随机的生成随机数。

访问 github.com/sqrthree/sq… 阅读更多文章。