golang 内置能实现伪随机(math/rand)和真随机(crypto/rand)的库。
真随机和伪随机概念
先大概了解一下伪随机和真随机的概念。根据密码学原理，要想对一个“随机数”进行随机性检验有以下几个标准：
- 统计学伪随机性 - 在给定的随机比特流样本中，1 的数量大致等于 0 的数量，也就是说，“10”“01”“00”“11” 四者数量大致相等。说人话就是：“一眼看上去是随机的”。
- 密码学安全伪随机性 - 就是给定随机样本的一部分和随机算法，不能有效的演算出随机样本的剩余部分。
- 真随机性 - 其定义为随机样本不可重现。
根据以上几个标准，其对应的随机数也就分为以下几类：
- 伪随机数 - 满足第一个条件的随机数。
- 密码学安全的伪随机数 - 同时满足前两个条件的随机数。可以通过密码学安全伪随机数生成器计算得出。
- 真随机数 -同时满足三个条件的随机数。
golang 实现伪随机
golang 取某值范围的伪随机数实现
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
package main
import (
"fmt"
"math/rand"
"time"
)
func main() {
// 随机种子
rand.Seed(time.Now().Unix())
// 生成 20 个 [0, 100) 范围的伪随机数。
for i := 0; i < 20; i++ {
result := rand.Intn(100)
fmt.Println(result)
}
}
golang 真随机实现
golang 取某值范围的真随机数实现
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
package main
import (
"crypto/rand"
"fmt"
"math/big"
)
func main() {
// 生成 20 个 [0, 100) 范围的真随机数。
for i := 0; i < 20; i++ {
result, _ := rand.Int(rand.Reader, big.NewInt(100))
fmt.Println(result)
}
}
本文网址: https://golangnote.com/topic/235.html 转摘请注明来源