做一个公司网站一般需要多少钱企业网络推广的方法有哪些
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。
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0System.out.println("str = " + str); // 738210
}