漫畫：給女朋友解釋為什麼隨機播放歌曲並不隨機

算法 Java 漫畫音樂 CSDN 2019-04-09

本文經授權轉載自漫話編程（ID：mhcoding）

週末，開車帶女朋友出去玩，車裡面，隨機播放著周杰倫的歌曲。我正沉浸在『得兒飄，得兒飄，得兒意的飄』中，幻想著自己是秋名山車神，突然，旁邊的女朋友說話了。

誒，你車上的歌曲是隨機播放的嗎？為什麼聽來聽去反反覆覆都是那麼幾首歌在重複？

嗯，音樂隨機播放用的是偽隨機算法唄。

偽隨機性是一個過程似乎是隨機的，但實際上並不是。偽隨機數是看似隨機實質是固定的週期性序列，也就是有規則的隨機。

什麼是隨機數

隨機數在計算機應用中使用的比較廣泛，最為熟知的便是在密碼學中的應用。隨機數有3個特性，具體如下：

隨機性：不存在統計學偏差，是完全雜亂的數列
不可預測性：不能從過去的數列推測出下一個出現的數

不可重現性：除非將數列本身保存下來，否則不能重現相同的數列

音樂播放器的隨機播放如何實現的

現在的音樂播放器都比較智能了，都帶有一些類似於歌曲推薦的功能，會給聽眾隨機推薦歌曲，這種是基於用戶聽歌習慣的隨機推薦，不在我們討論的範圍內。我們只討論那種簡單的，比如使用簡單的播放器隨機播放一個CD卡中的列表的情況。

常見的音樂隨機播放算法有兩種，分別是Random算法和Shuffle算法。

Random算法

Random算法相對比較簡單，播放當前歌曲時才隨機生成下一曲。

Random算法是在選取即將播放的歌曲時，進行一個隨機數的運算，得到即將播放的歌曲在播放列表中的索引，播放列表本身並沒有被打亂，只是利用隨機函數從播放列表中選取一首歌曲進行播放而已。

可以使用Java語言實現這種Random隨機數算法：

Calendar ca = Calendar.getInstance();//獲取系統當前時間
int i;
Random rand =new Random(ca.get(Calendar.MINUTE)*ca.get(Calendar.SECOND));//將隨機數的種子設置為當前系統時間的分*秒
i=rand.nextInt(maxnum);//maxnum是隨機數最大不超過得值

Random算法另一個缺陷是當點擊“上一曲”時，跟“下一曲”功能完全一樣，都是重新生成隨機數，並利用它從播放列表中選取歌曲進行播放，而不會回到剛剛播放的那一首歌。

這種方法不好，都沒辦法找到上一首了。

其實也有解決辦法，比如提供個歷史紀錄來彌補。

太麻煩了吧。還有另外的算法嗎？

有的，那就是洗牌算法。

Shuffle算法

Shuffle算法和排序算法正好相反，是從有序到亂序的一個過程，俗稱洗牌算法。

它將播放列表中的歌曲順序打亂，變成一個和原來歌曲順序沒有任何關係的亂序的播放列表，之後進行歌曲的播放，並支持當用戶點擊“上一首”時，能夠回到剛剛播放的那一首歌曲。

這種算法相對於Random算法來說，並不是完全意義上的隨機，只不過是對歌曲列表的亂序而已，歌曲的播放順序還是相對固定的。

在Java中，有現成的shuffle算法實現，即Collections類中的兩個重載的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]);
 }
 }
}

哦，那我們的播放器應該是使用Shuffle實現的吧。

嗯，我們每次聽的歌曲順序幾乎都一致，表現上比較像。

那我們這個就是偽隨機，如果使用Random就是真隨機了。

不是的。這是不同的概念。

真隨機與偽隨機

隨機數分為真隨機數和偽隨機數，我們程序使用的基本都是偽隨機數，其中偽隨機又分為強偽隨機數和弱偽隨機數。

真隨機數，通過物理實驗得出，比如擲錢幣、骰子、轉輪、使用電子元件的噪音、核裂變等。需要滿足隨機性、不可預測性、不可重現性。
偽隨機數，通過一定算法和種子得出。軟件實現的是偽隨機數。
強偽隨機數，難以預測的隨機數。需要滿足隨機性和不可預測性。
弱偽隨機數，易於預測的隨機數。需要滿足隨機性。

上面介紹Random算法和Shuffle算法的時候，代碼實現都是偽隨機算法。可以這樣說：

只要這個隨機數是由確定算法生成的，那就是偽隨機。只能通過不斷算法優化，使你的隨機數更接近隨機。

有限狀態機不能產生真正的隨機數的，所以，現代計算機中，無法通過一個純算法來生成真正的隨機數，無論是哪種語言，單純的算法生成的數字都是偽隨機數，都是由可確定的函數通過一個種子，產生的偽隨機數。

這也就意味著，如果知道了種子，就可以推斷接下來的隨機數序列的信息。這就有了可預測性。

那麼真隨機數怎麼產生的呢？

通過真實隨機事件取得的隨機數才是真隨機數。

真正的隨機數是使用物理現象產生的：比如擲錢幣、骰子、轉輪、使用電子元件的噪音、核裂變等等。這樣的隨機數發生器叫做物理性隨機數發生器，它們的缺點是技術要求比較高，效率低。

現有的真隨機數生成器，比如PuTTYgen的隨機數是讓用戶移動鼠標達到一定的長度，之後把鼠標的運動軌跡轉化為種子；Intel通過電阻和振盪器來生成熱噪聲作為信息熵資源；Unix/Linux的dev/random和/dev/urandom採用硬件噪音生成隨機數；

所以，要想生成真的隨機數，是無法用任何一個純算法實現的。都需要藉助外部物理現象。

啊？這也太難了吧，想要生成個隨機數，竟然還要懂物理學。

是的。確定性的算法生成的隨機數，至少都有可重現性。那就不是真隨機數了。

那你們平時工作重要使用隨機數怎麼辦啊？

這就要看場景了，一般使用偽隨機數就可以解決問題了。

Java中的隨機數生成器

Java語言提供了幾種隨機數生成器，如前面提到的Random類，還有SecureRandom類。

偽隨機數生成器

偽隨機數發生器採用特定的算法，將隨機數種子seed轉換成一系列的偽隨機數。偽隨機數依賴於seed的值，給定相同的seed值總是生成相同的隨機數。偽隨機數的生成過程只依賴CPU，不依賴任何外部設備，生成速度快，不會阻塞。

Java提供的偽隨機數發生器有java.util.Random類和

java.util.concurrent.ThreadLocalRandom類。

Random類採用AtomicLong實現，保證多線程的線程安全性，但正如該類註釋上說明的，多線程併發獲取隨機數時性能較差。

多線程環境中可以使用ThreadLocalRandom作為隨機數發生器，ThreadLocalRandom採用了線程局部變量來改善性能，這樣就可以使用long而不是AtomicLong，此外，ThreadLocalRandom還進行了字節填充，以避免偽共享。

強隨機數發生器

強隨機數發生器依賴於操作系統底層提供的隨機事件。強隨機數生成器的初始化速度和生成速度都較慢，而且由於需要一定的熵累積才能生成足夠強度的隨機數，所以可能會造成阻塞。熵累積通常來源於多個隨機事件源，如敲擊鍵盤的時間間隔，移動鼠標的距離與間隔，特定中斷的時間間隔等。所以，只有在需要生成加密性強的隨機數據的時候才用它。

Java提供的強隨機數發生器是java.security.SecureRandom類，該類也是一個線程安全類，使用synchronize方法保證線程安全，但jdk並沒有做出承諾在將來改變SecureRandom的線程安全性。因此，同Random一樣，在高併發的多線程環境中可能會有性能問題。

在linux的實現中，可以使用/dev/random和/dev/urandom作為隨機事件源。由於/dev/random是堵塞的，在讀取隨機數的時候，當熵池值為空的時候會堵塞影響性能，尤其是系統大併發的生成隨機數的時候。

真隨機數發生器

在Linux系統中，SecureRandom的實現藉助了/dev/random和/dev/urandom，可以使用硬件噪音生成隨機數；

http://random.org/，從1998年開始提供在線真隨機數服務了，它用大氣噪音生成真隨機數。他也提供了Java工具類，可以拿來使用。地址：https://sourceforge.net/projects/randomjapi/