随机数

java的随机数真的非常易于使用。它可以让你模拟准确的统计样本、实现加密算法，最重要的是，你可以不假思索地使用。在Java中，访问随机数的常用方法是通过一个名为 java.util.Random的类。您可以使用一个种子数或当前时间来实例化它，然后您就有了一系列的值，你可以很轻易的访问这些值，方法如下：

Random random = new Random();
// Prints out either 0 or 1
System.out.println(random.nextInt(2));

用户参与时间

如果您的期望没有因以下问题而产生偏差：您可以打印以下代码：

public static void main(String[] args) {
       int start = 0;
       int end = 1000;
       int countOnes = 0;
       for (int i = start; i < end; i++) {
             countOnes += new Random(i).nextInt(2);
            }
       System.out.println(countOnes);
}

如果我们运行该程序，我们会得到一下结果：

 1000

这太令人惊讶了——如果你问我预期的数字是多少，我会告诉你，我不能给你一个确切的数字，但我预计大约是500。这是基于这样一个假设，以为随机数的概率吩咐符合均匀分布，因此结果为1和0的概率都是50%。它不会精确地计算出500，但如果样本量为1000，那么总数将接近500。如果我们将终点值更改为4000，则会得到：

4000

再次调用nextInt（2）应该返回一个介于0和1之间的随机数，但它只返回1。我们设置，起点为4000，终点为5000，结果又会怎么样呢？

96

好的，我现在有更多的零，但比我预期的要少很多。

为什么会这样？

人们通常将基于计算机的随机数生成器称为伪随机数生成器，但它很少描述伪随机的实际含义。在这种情况下，我们真正的意思是，我们有一个算法，这个算法产生一个确定性的数字序列，这个序列是由一个种子数初始化的。这个序列看起来很随机，但它只是表面现象。上面的小程序所做的只是从序列中抽取第一个随机数。

这是一个简单的算法，但它确实引发了一些有趣的问题，java.util.Random使用线性同余生成器生成其数字，其优点是简单快速。不幸的是，这样做的代价是它不是很随机的——即使程序员正确地使用它。它也根本不适合蒙特卡罗模拟或晶体算法。

这也不是Java特有的问题python的早期版本使用了Wichmann&Hill 1982年的算法。这会受到短期影响，这意味着数字在一段时间后开始重复。最近的版本使用Mersenne Twister作为其算法，该算法具有更好的特性，但仍然不适合用于加密。

总结

在所有这些情况下需要记住的是，伪随机数不是随机数，如果您关心统计随机性，那么您需要在算法选择和实现使用方面都加以注意。