C#生成随机数的三种方法

时间 2021-01-02

标签算法编程 windows api 并发 dom 编程语言 ide 函数高并发栏目 C# 繁體版

原文原文链接

随机数的定义为:产生的全部数字毫无关系.算法

在实际应用中不少地方会用到随机数,好比须要生成惟一的订单号.编程

在C#中获取随机数有三种方法:windows

一.Random 类api

Random类默认的无参构造函数能够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.并发

 
        Random rd =  
        new  
        Random(); 
       
        int  
        i = rd.Next();

这种随机数能够达到一些要求较低的目标,可是若是在高并发的状况下,Random类所取到的系统时钟种子接近甚至彻底同样,就颇有可能出现重复,这里用循环来举例dom

 
        for  
        ( 
        int  
        i = 0; i < 10; i++) 
       
        { 
       
        Random rd =  
        new  
        Random();　　 
        //无参即为使用系统时钟为种子 
       
        Console.WriteLine(rd.Next().ToString()); 
       
        }

这个例子会输出10个相同的"随机数".编程语言

突显出的问题:由于Random进行伪随机数的算法是固定的,因此根据同一个种子计算出的数字必然是同样的.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,因此会出现10次循环输出同一随机数的状况.ide

有的时候使用random生成随机数的时候每每不是随机的这是为何呢？函数

随机数生成方法能够说是任何编程语言必备的功能，它的重要性不言而言，在C#中咱们一般使用Random类生成随机数，在一些场景下，我却发现Random生成的随机数并不可靠，在下面的例子中咱们经过循环随机生成5个随机数：高并发

for (int i = 0; i < 5; i++) { Random random = new Random(); Console.WriteLine(random.Next()); }

这段代码执行后的结果以下所示：

2140400647 2140400647 2140400647 2140400647 2140400647

经过以上结果可知，随机数类生成了5个相同的数，这并不是咱们的预期，为何呢？为了弄清楚这个问题，零度剖析了微软官方的开源Random类，发如今C#中生成随机数使用的算法是线性同余法，经百科而知，这种算法生成的不是绝对随机，而是一种伪随机数，线性同余法算法的的公式是：

第N+1个数 = ( 第N个数 * A + B) % M

上面的公式中A、B和M分别为常数，是生成随机数的因子，若是以前从未经过同一个Random对象生成过随机数（也就是调用过Next方法），那么第N个随机数为将被指定为一个默认的常数，这个常数在建立一个Random类时被默认值指定，Random也提供一个构造函数容许开发者使用本身的随机数因子，这一切可经过微软官方开源代码看到：

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

经过默认构造函数建立Random类时，一个Environment.TickCount对象做为因子被默认传递给第二个构造函数，Environment.TickCount表示操做系统启动后通过的毫秒数，计算机的运算运算速度远比毫秒要快得多，这致使一个的具备毫秒精度的因子参与随机数的生成过程，但在5次循环中，咱们使用了同一个毫秒级的因子，从而生成相同的随机数，另外，第N+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，假设系统启动以来的毫秒数为888毫秒，执行5次循环用时只有0.1毫秒，这致使在循环中建立的5个Random对象都使用了相同的888因子，每次被建立的随机对象又使用了相同的第N个数（默认为常数），经过这样的假设咱们不难看出，上面的结果是必然的。

如今咱们改变这个格局，在循环以外建立一个Random对象，在每次循环中引用它，并经过它生成随机数，并在同一个对象上屡次调用Next方法，从而不断变化第N个数，代码以下所示：

Random random = new Random(); for (int i = 0; i < 5; i++) { Console.WriteLine(random.Next()); }

执行后的结果以下所示：

391098894 1791722821 1488616582 1970032058 201874423

咱们看到这个结果确实证明了咱们上面的推断，第1次循环时公式中的第N个数为默认常数；当第二次循环时，第N个数为391098894，随后不断变化的第N个数做为因子参与计算，这保证告终果的随机性。

虽然经过咱们的随机数看起来也很随机了，但一定这个算法是伪随机数，当第N个数和因子都相同时，生成的随机数仍然是重复的随机数，因为Random提供一个带参的构造函数容许咱们传入一个因子，若是传入的因子随机性强的话，那么生成的随机数也会比较可靠，为了提供一个可靠点的因子，咱们一般使用GUID产生填充因子，一样放在循环中测试：

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

这样的方式保证了填充因子的随机性，因此生成的随机数也比较可靠，运行结果以下所示：

734397360 1712793171 1984332878 819811856 1015979983

在一些场景下这样的随机数并不可靠，为了生成更加可靠的随机数，微软在System.Security.Cryptography命名空间下提供一个名为RNGCryptoServiceProvider的类，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做为填充因子，经过更好的算法生成高质量的随机数，它的使用方法以下所示：

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

经过这种算法生成的随机数，通过成千上万次的测试，并未发现重复，质量的确比Random高了不少。另外windows api也提供了一个非托管的随机数生成函数CryptGenRandom，CryptGenRandom与RNGCryptoServiceProvider的原理相似，采用C++编写，若是要在.NET中使用，须要进行简单的封装。它的原型以下所示：

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，您能够经过需求和场景选择最佳的方式，Random算法简单，性能较高，适用于随机性要求不高的状况，因为RNGCryptoServiceProvider在生成期间须要查询上面提到的几种系统因子，因此性能稍弱于Random类，但随机数质量高，可靠性更好。

二.Guid 类

System.Guid

GUID (Globally Unique Identifier) 全球惟一标识符

GUID的计算使用到了不少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)能够接近惟一的输出.

 
        Console.WriteLine(Guid.NewGuid().ToString());

计算结果是xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx结构的16进制数字.固然这个格式也是能够更改的.

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)

 
        RNGCryptoServiceProvider csp =  
        new  
        RNGCryptoServiceProvider(); 
       
        byte 
        [] byteCsp =  
        new  
        byte 
        [10]; 
       
        csp.GetBytes(byteCsp); 
       
        Console.WriteLine(BitConverter.ToString(byteCsp));

因该类使用更严密的算法.因此即便以下放在循环中,所计算出的随机数也是不一样的.

 
        for  
        ( 
        int  
        i = 0; i < 10; i++) 
       
        { 
       
        RNGCryptoServiceProvider csp =  
        new  
        RNGCryptoServiceProvider(); 
       
        byte 
        [] byteCsp =  
        new  
        byte 
        [10]; 
       
        csp.GetBytes(byteCsp); 
       
        Console.WriteLine(BitConverter.ToString(byteCsp)); 
       
        }

 
        可是RNGCryptoServiceProvider的计算较为繁琐,在循环中使用会消耗形成大量的系统资源开销,使用时需注意.

Membership.GeneratePassword()

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

 
        public  
        static  
        string  
        GeneratePassword( 
        int  
        length,  
        int  
        numberOfNonAlphanumericCharacters); 
       
        // 
       
        // 摘要: 
       
        //     生成指定长度的随机密码。 
       
        // 
       
        // 参数: 
       
        //   numberOfNonAlphanumericCharacters: 
       
        //     生成的密码中的标点字符数。 
       
        // 
       
        //   length: 
       
        //     生成的密码的字符数。长度必须介于 1 和 128 个字符之间。 
       
        // 
       
        // 返回结果: 
       
        //     指定长度的随机密码。

例:

 
        for  
        ( 
        int  
        i = 0; i < 10; i++) 
       
        { 
       
        Response.Write(Membership.GeneratePassword(20, 1) +  
        "<br>" 
        ); 
       
        }

结果为

C!&^HoTNv3!ZHkK9BAbu

azLgER)JJ-UW8q*14yz*

I3qnb]Zxu16ht!kKZ!Q*

9U:MAQ&c1x)^aed@xe**

oL(%4JvfbP&t5*Hpl4l-

6@zj$CnhW&D+|xOf:qIk

A/!Di&l*tY$QaMH0gyzY

z^wu6{1BMq7D^+WU]>f$

1OgIJS3&09fw0F9.|aXA

8F+Gy+L{O6x{SfugME*%