C#生成随机数的三种方法及其问题分析

随机数的定义为:产生的所有数字毫无关系.

在实际应用中很多地方会用到随机数,比如需要生成唯一的订单号.

在C#中获取随机数有三种方法:

一.Random 类

Random类默认的无参构造函数可以根据当前系统时钟为种子,进行一系列算法得出要求范围内的伪随机数.

这种随机数可以达到一些要求较低的目标,但是如果在高并发的情况下,Random类所取到的系统时钟种子接近甚至完全一样,就很有可能出现重复,这里用循环来举例

这个例子会输出10个相同的"随机数".

突显出的问题:因为Random进行伪随机数的算法是固定的,所以根据同一个种子计算出的数字必然是一样的.而以当代计算机的运行速度,该循环几乎是在瞬间完成的,种子一致,所以会出现10次循环输出同一随机数的情况.

有的时候使用random生成随机数的时候往往不是随机的 这是为什么呢&＃xff1f;

随机数生成方法可以说是任何编程语言必备的功能&＃xff0c;它的重要性不言而言&＃xff0c;在C#中我们通常使用Random类生成随机数&＃xff0c;在一些场景下&＃xff0c;我却发现Random生成的随机数并不可靠&＃xff0c;在下面的例子中我们通过循环随机生成5个随机数&＃xff1a;

for (int i &＃61; 0; i <5; i&＃43;&＃43;) { Random random &＃61; new Random(); Console.WriteLine(random.Next()); }

这段代码执行后的结果如下所示&＃xff1a;

2140400647 2140400647 2140400647 2140400647 2140400647

通过以上结果可知&＃xff0c;随机数类生成了5个相同的数&＃xff0c;这并非我们的预期&＃xff0c;为什么呢&＃xff1f;为了弄清楚这个问题&＃xff0c;零度剖析了微软官方的开源Random类&＃xff0c;发现在C#中生成随机数使用的算法是线性同余法&＃xff0c;经百科而知&＃xff0c;这种算法生成的不是绝对随机&＃xff0c;而是一种伪随机数&＃xff0c;线性同余法算法的的公式是&＃xff1a;

第N&＃43;1个数 &＃61; ( 第N个数 * A &＃43; B) % M

上面的公式中A、B和M分别为常数&＃xff0c;是生成随机数的因子&＃xff0c;如果之前从未通过同一个Random对象生成过随机数(也就是调用过Next方法)&＃xff0c;那么第N个随机数为将被指定为一个默认的常数&＃xff0c;这个常数在创建一个Random类时被默认值指定&＃xff0c;Random也提供一个构造函数允许开发者使用自己的随机数因子&＃xff0c;这一切可通过微软官方开源代码看到&＃xff1a;

public Random() : this(Environment.TickCount) { } public Random(int Seed) { }

通过默认构造函数创建Random类时&＃xff0c;一个Environment.TickCount对象作为因子被默认传递给第二个构造函数&＃xff0c;Environment.TickCount表示操作系统启动后经过的毫秒数&＃xff0c;计算机的运算运算速度远比毫秒要快得多&＃xff0c;这导致一个的具有毫秒精度的因子参与随机数的生成过程&＃xff0c;但在5次循环中&＃xff0c;我们使用了同一个毫秒级的因子&＃xff0c;从而生成相同的随机数&＃xff0c;另外&＃xff0c;第N&＃43;1个数的生成与第N个数有着直接的关系。

在上面的例子中&＃xff0c;假设系统启动以来的毫秒数为888毫秒&＃xff0c;执行5次循环用时只有0.1毫秒&＃xff0c;这导致在循环中创建的5个Random对象都使用了相同的888因子&＃xff0c;每次被创建的随机对象又使用了相同的第N个数(默认为常数)&＃xff0c;通过这样的假设我们不难看出&＃xff0c;上面的结果是必然的。

现在我们改变这个格局&＃xff0c;在循环之外创建一个Random对象&＃xff0c;在每次循环中引用它&＃xff0c;并通过它生成随机数&＃xff0c;并在同一个对象上多次调用Next方法&＃xff0c;从而不断变化第N个数&＃xff0c;代码如下所示&＃xff1a;

Random random &＃61; new Random(); for (int i &＃61; 0; i <5; i&＃43;&＃43;) { Console.WriteLine(random.Next()); }

执行后的结果如下所示&＃xff1a;

391098894 1791722821 1488616582 1970032058 201874423

我们看到这个结果确实证实了我们上面的推断&＃xff0c;第1次循环时公式中的第N个数为默认常数&＃xff1b;当第二次循环时&＃xff0c;第N个数为391098894&＃xff0c;随后不断变化的第N个数作为因子参与计算&＃xff0c;这保证了结果的随机性。

虽然通过我们的随机数看起来也很随机了&＃xff0c;但必定这个算法是伪随机数&＃xff0c;当第N个数和因子都相同时&＃xff0c;生成的随机数仍然是重复的随机数&＃xff0c;由于Random提供一个带参的构造函数允许我们传入一个因子&＃xff0c;如果传入的因子随机性强的话&＃xff0c;那么生成的随机数也会比较可靠&＃xff0c;为了提供一个可靠点的因子&＃xff0c;我们通常使用GUID产生填充因子&＃xff0c;同样放在循环中测试&＃xff1a;

for (int i &＃61; 0; i <5; i&＃43;&＃43;) { byte[] buffer &＃61; Guid.NewGuid().ToByteArray(); int iSeed &＃61; BitConverter.ToInt32(buffer, 0); Random random &＃61; new Random(iSeed); Console.WriteLine(random.Next()); }

这样的方式保证了填充因子的随机性&＃xff0c;所以生成的随机数也比较可靠&＃xff0c;运行结果如下所示&＃xff1a;

734397360 1712793171 1984332878 819811856 1015979983

在一些场景下这样的随机数并不可靠&＃xff0c;为了生成更加可靠的随机数&＃xff0c;微软在System.Security.Cryptography命名空间下提供一个名为RNGCryptoServiceProvider的类&＃xff0c;它采用系统当前的硬件信息、进程信息、线程信息、系统启动时间和当前精确时间作为填充因子&＃xff0c;通过更好的算法生成高质量的随机数&＃xff0c;它的使用方法如下所示&＃xff1a;

byte[] randomBytes &＃61; new byte[4]; RNGCryptoServiceProvider rngServiceProvider &＃61; new RNGCryptoServiceProvider(); rngServiceProvider.GetBytes(randomBytes); Int32 result &＃61; BitConverter.ToInt32(randomBytes, 0);

通过这种算法生成的随机数&＃xff0c;经过成千上万次的测试&＃xff0c;并未发现重复&＃xff0c;质量的确比Random高了很多。另外windows api也提供了一个非托管的随机数生成函数CryptGenRandom&＃xff0c;CryptGenRandom与RNGCryptoServiceProvider的原理类似&＃xff0c;采用C&＃43;&＃43;编写&＃xff0c;如果要在.NET中使用&＃xff0c;需要进行简单的封装。它的原型如下所示&＃xff1a;

BOOL WINAPI CryptGenRandom( _In_ HCRYPTPROV hProv, _In_ DWORD dwLen, _Inout_ BYTE *pbBuffer );

以上就是零度为您带来的随机数生成方法和基本原理&＃xff0c;您可以通过需求和场景选择最佳的方式&＃xff0c;Random算法简单&＃xff0c;性能较高&＃xff0c;适用于随机性要求不高的情况&＃xff0c;由于RNGCryptoServiceProvider在生成期间需要查询上面提到的几种系统因子&＃xff0c;所以性能稍弱于Random类&＃xff0c;但随机数质量高&＃xff0c;可靠性更好。

二.Guid 类

System.Guid

GUID (Globally Unique Identifier) 全球唯一标识符

GUID的计算使用到了很多在本机可取到的数字,如硬件的ID码,当前时间等.所计算出的128位整数(16字节)可以接近唯一的输出.

计算结果是xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx结构的16进制数字.当然这个格式也是可以更改的.

三.RNGCryptoServiceProvider 类

System.Security.Cryptography.RNGCryptoServiceProvider

RNGCryptoServiceProvider 使用加密服务提供程序 (CSP) 提供的实现来实现加密随机数生成器 (RNG)

因该类使用更严密的算法.所以即使如下放在循环中,所计算出的随机数也是不同的.

Membership.GeneratePassword()

Membership是一个方便快捷的进行角色权限管理的类,偶然发现一个很有意思的方法,没研究过是如何实现的

例:

结果为

C!&^HoTNv3!ZHkK9BAbu

azLgER)JJ-UW8q*14yz*

I3qnb]Zxu16ht!kKZ!Q*

9U:MAQ&c1x)^aed&＃64;xe**

oL(%4JvfbP&t5*Hpl4l-

6&＃64;zj$CnhW&D&＃43;|xOf:qIk

A/!Di&l*tY$QaMH0gyzY

z^wu6{1BMq7D^&＃43;WU]>f$

1OgIJS3&09fw0F9.|aXA

8F&＃43;Gy&＃43;L{O6x{SfugME*%