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

Random算法

Random的使用是把要随机的集合顺序排列，从集合中随机挑选

Random详细用法请看我这篇文章Java中Random的用法

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。

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

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；