周末，开车带女朋友出去玩，车里面，随机播放着周杰伦的歌曲。我正沉浸在『得儿飘，得儿飘，得儿意的飘』中，幻想着自己是秋名山车神，突然，旁边的豆腐，哦不，女朋友说话了。
伪随机性（英语：Pseudorandomness）是一个过程似乎是随机的，但实际上并不是。伪随机数是看似随机实质是固定的周期性序列，也就是有规则的随机。
什么是随机数
随机数在计算机应用中使用的比较广泛，最为熟知的便是在密码学中的应用。随机数有3个特性，具体如下：
随机性：不存在统计学偏差，是完全杂乱的数列
不可预测性：不能从过去的数列推测出下一个出现的数
不可重现性：除非将数列本身保存下来，否则不能重现相同的数列
音乐播放器的随机播放如何实现的
现在的音乐播放器都比较智能了，都带有一些类似于歌曲推荐的功能，会给听众随机推荐歌曲，这种是基于用户听歌习惯的随机推荐，不在我们讨论的范围内。我们只讨论那种简单的，比如使用简单的播放器随机播放一个CD卡中的列表的情况。
常见的音乐随机播放算法有两种，分别是Random算法和Shuffle算法。
Random算法
Random算法相对比较简单，播放当前歌曲时才随机生成下一曲。
Random算法是在选取即将播放的歌曲时，进行一个随机数的运算，得到即将播放的歌曲在播放列表中的索引，播放列表本身并没有被打乱，只是利用随机函数从播放列表中选取一首歌曲进行播放而已。
可以使用Java语言实现这种Random随机数算法：
Calendar ca = Calendar.getInstance();//获取系统当前时间
int i;
Random rand =new Random(ca.get(Calendar.MINUTE)*ca.get(Calendar.SECOND));//将随机数的种子设置为当前系统时间的分*秒
i=rand.nextInt(maxnum);//maxnum是随机数最大不超过得值
Random算法另一个缺陷是当点击“上一曲”时，跟“下一曲”功能完全一样，都是重新生成随机数，并利用它从播放列表中选取歌曲进行播放，而不会回到刚刚播放的那一首歌。
Shuffle算法
Shuffle算法和排序算法正好相反，是从有序到乱序的一个过程，俗称洗牌算法。
它将播放列表中的歌曲顺序打乱，变成一个和原来歌曲顺序没有任何关系的乱序的播放列表，之后进行歌曲的播放，并支持当用户点击“上一首”时，能够回到刚刚播放的那一首歌曲。
这种算法相对于Random算法来说，并不是完全意义上的随机，只不过是对歌曲列表的乱序而已，歌曲的播放顺序还是相对固定的。
在Java中，有现成的shuffle算法实现，即Collections类中的两个重载的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]);
}
}
}
真随机与伪随机
随机数分为真随机数和伪随机数，我们程序使用的基本都是伪随机数，其中伪随机又分为强伪随机数和弱伪随机数。
真随机数，通过物理实验得出，比如掷钱币、骰子、转轮、使用电子元件的噪音、核裂变等。需要满足随机性、不可预测性、不可重现性。
伪随机数，通过一定算法和种子得出。软件实现的是伪随机数。
强伪随机数，难以预测的随机数。需要满足随机性和不可预测性。
弱伪随机数，易于预测的随机数。需要满足随机性。
上面介绍Random算法和Shuffle算法的时候，代码实现都是伪随机算法。可以这样说：
只要这个随机数是由确定算法生成的，那就是伪随机。只能通过不断算法优化，使你的随机数更接近随机。
有限状态机不能产生真正的随机数的，所以，现代计算机中，无法通过一个纯算法来生成真正的随机数，无论是哪种语言，单纯的算法生成的数字都是伪随机数，都是由可确定的函数通过一个种子，产生的伪随机数。
这也就意味着，如果知道了种子，就可以推断接下来的随机数序列的信息。这就有了可预测性。
那么真随机数怎么产生的呢？
通过真实随机事件取得的随机数才是真随机数。
真正的随机数是使用物理现象产生的：比如掷钱币、骰子、转轮、使用电子元件的噪音、核裂变等等。这样的随机数发生器叫做物理性随机数发生器，它们的缺点是技术要求比较高，效率低。
现有的真随机数生成器，比如PuTTYgen的随机数是让用户移动鼠标达到一定的长度，之后把鼠标的运动轨迹转化为种子；Intel通过电阻和振荡器来生成热噪声作为信息熵资源；Unix/Linux的dev/random和/dev/urandom采用硬件噪音生成随机数；
所以，要想生成真的随机数，是无法用任何一个纯算法实现的。都需要借助外部物理现象。
Java中的随机数生成器
Java语言提供了几种随机数生成器，如前面提到的Random类，还有SecureRandom类。
伪随机数生成器
伪随机数发生器采用特定的算法，将随机数种子seed转换成一系列的伪随机数。伪随机数依赖于seed的值，给定相同的seed值总是生成相同的随机数。伪随机数的生成过程只依赖CPU，不依赖任何外部设备，生成速度快，不会阻塞。
Java提供的伪随机数发生器有java.util.Random类和java.util.concurrent.ThreadLocalRandom类。
Random类采用AtomicLong实现，保证多线程的线程安全性，但正如该类注释上说明的，多线程并发获取随机数时性能较差。
多线程环境中可以使用ThreadLocalRandom作为随机数发生器，ThreadLocalRandom采用了线程局部变量来改善性能，这样就可以使用long而不是AtomicLong，此外，ThreadLocalRandom还进行了字节填充，以避免伪共享。
强随机数发生器
强随机数发生器依赖于操作系统底层提供的随机事件。强随机数生成器的初始化速度和生成速度都较慢，而且由于需要一定的熵累积才能生成足够强度的随机数，所以可能会造成阻塞。熵累积通常来源于多个随机事件源，如敲击键盘的时间间隔，移动鼠标的距离与间隔，特定中断的时间间隔等。所以，只有在需要生成加密性强的随机数据的时候才用它。
Java提供的强随机数发生器是java.security.SecureRandom类，该类也是一个线程安全类，使用synchronize方法保证线程安全，但jdk并没有做出承诺在将来改变SecureRandom的线程安全性。因此，同Random一样，在高并发的多线程环境中可能会有性能问题。
在linux的实现中，可以使用/dev/random和/dev/urandom作为随机事件源。由于/dev/random是堵塞的，在读取随机数的时候，当熵池值为空的时候会堵塞影响性能，尤其是系统大并发的生成随机数的时候。
真随机数发生器
在Linux系统中，SecureRandom的实现借助了/dev/random和/dev/urandom，可以使用硬件噪音生成随机数；
http://random.org/，从1998年开始提供在线真随机数服务了，它用大气噪音生成真随机数。他也提供了Java工具类，可以拿来使用。地址：https://sourceforge.net/projects/randomjapi/
为了躲避这个看(wu)似(li)合(qu)理(nao)的问题，我拉着她回到车子，找了一首她最喜欢的《演员》单曲循环了。
