go随机数

math/rand

math/rand实现了伪随机数算法,和其它的编程语言类似,操作逻辑都是先设置随机数种子,然后再获取随机数序列。这样每次生成的随机数序列都是不一样的。

package main

import (
	"fmt"
	"math/rand"
	"time"
)

func main() {
	rand.Seed(time.Now().UnixNano())
	for i := 0; i < 10; i++ {
		// 生成0~99的随机数
		fmt.Println(rand.Intn(100))
	}
}

并且go还保证了上述的代码生成随机数是线程安全的,因为里面的操作加锁了,但可能有很少的场景强调效率,也可以自己创建一个伪随机源,这样就不会加锁了。

package main

import (
	"fmt"
	"math/rand"
	"time"
)

func main() {
	r := rand.New(rand.NewSource(time.Now().UnixNano()))
	for i := 0; i < 10; i++ {
		// 生成0~99的随机数
		fmt.Println(r.Intn(100))
	}
}

crypto/rand

上面math/rand包生成的随机数是伪随机的,可以根据上一个随机数的值计算出下一个,只是在总体的分布上是均匀的,来模拟随机。
但有些场景需要密码学安全的随机数,也就是无法预测的随机数,所以go语言提供了crypto/rand包,里面提供了真随机数产生接口,满足密码学安全的需求。

package main

import (
	"crypto/rand"
	"fmt"
)

func main() {
	b := make([]byte, 10)
    // Reader is a global, shared instance of a cryptographically
    // secure random number generator.
    //
    // On Linux and FreeBSD, Reader uses getrandom(2) if available, /dev/urandom otherwise.
    // On OpenBSD, Reader uses getentropy(2).
    // On other Unix-like systems, Reader reads from /dev/urandom.
    // On Windows systems, Reader uses the CryptGenRandom API.
    // On Wasm, Reader uses the Web Crypto API.
	rand.Read(b)
	fmt.Println(b)
}

linux真随机数

为了获得真正意义上的随机数,需要一个外部的噪声源。Linux内核找到了一个完美的噪声源产生者--就是使用计算机的人。
内核根据非确定性的设备事件维护着一个熵池,池中的数据是完全随机的。当有新的设备事件到来,内核会估计新加入的数据的随机性,当我们从熵池中取出数据时,内核会减少熵的估计值。
/dev/random/dev/urandom这两个特殊设备都是字符型设备。我们可以在用户空间通过read系统调用读这两个设备文件以此获取随机数。这两个设备文件的区别在于:如果内核熵池的估计值为0时,/dev/random将被阻塞,而/dev/urandom不会有这个限制。

参考资料

posted @ 2022-02-27 12:04  HachikoT  阅读(3387)  评论(0编辑  收藏  举报