这段随机数生成代码为什么这么写？

[jaredyam]

Random random = new Random();
random.setSeed(new SecureRandom().nextInt());
random.nextInt();

是乱写的，还是有什么考虑？请大神指点一二。

[CEBBCAT]

@kkhaike #20 单论 Golang 来说，crypto/rand 的速度没有非常慢，大概是 math/rand 的一半。同样是读取 4KB 随机字节，crypto 花费 7.5us ，math 花费 3.3us 。

goos: darwin
goarch: arm64
BenchmarkRandRead4KB-8 356580 3335 ns/op
BenchmarkCryptoRead4KB-8 158610 7540 ns/op

https://gist.github.com/Zhang-Siyang/cb10162e8f98e87041201d15aea89088

[Avn]

seed 相同的 Random 产生的序列也是相同的

```java
public static void main(String[] args) {
Random random1 = new Random();
random1.setSeed(1L);
Random random2 = new Random();
random2.setSeed(1L);
for (int i = 0; i < 3; i++) {
System.out.println("random 1 - " + random1.nextInt());
System.out.println("random 2 - " + random2.nextInt());
}
}
```

```shell
random 1 - -1155869325
random 2 - -1155869325

random 1 - 431529176
random 2 - 431529176

random 1 - 1761283695
random 2 - 1761283695
```

把 seed 改成随机数可以避免这个现象

[wangyu17455]

这实际上就是 /dev/urandom 的随机数生成方式，用 securerandom 做种子，然后跑纯靠计算的随机数算法

[h0099]

#23 @wangyu17455 https://www.2uo.de/myths-about-urandom/ 早已指出（机翻）：

/dev/urandom 是一个伪随机数生成器，一个 PRNG ，而 /dev/random 是一个“真”随机数生成器。

事实： /dev/urandom 和 /dev/random 都使用完全相同的 CSPRNG （一种加密安全的伪随机数生成器）。它们仅在极少数方面有所不同，与“真正的”随机性无关。

/dev/random 无疑是密码学的更好选择。即使 /dev/urandom 相对安全，也没有理由选择后者。

---
因此，要明确一件事：/dev/random 和 /dev/urandom 都由同一个 CSPRNG 提供。根据一些估计，只有当它们各自的池耗尽熵时的行为不同：/dev/random 阻塞，而 /dev/urandom 没有。

从 Linux 4.8 开始
在 Linux 4.8 中，/dev/urandom 和 /dev/random 之间的等效性被放弃了。现在 /dev/urandom 输出不是来自熵池，而是直接来自 CSPRNG 。

[h0099]

/dev/random 无疑是密码学的更好选择。即使 /dev/urandom 相对安全，也没有理由选择后者。

事实： /dev/random 有一个非常讨厌的问题：它会阻塞。

但这很好！/dev/random 给出的随机性与其池中的熵一样多。/dev/urandom 会给你不安全的随机数，即使它早已耗尽熵。

事实：不。即使不考虑可用性和随后的用户操纵等问题，熵“耗尽”的问题也是一个稻草人。大约 256 位的熵足以在很长很长一段时间内获得计算上安全的数字。

[kkhaike]

我说的是 真随机 的获取非常慢，因为涉及到操作系统要主动将熵值填入熵池，这个是很缓慢的。

golang 的 crypt/rand 在某些系统下并不是纯正的真随机（纯真随机应该类似于 /dev/random 一样会在熵池被掏空时阻塞），golang 在不同的操作系统下的实现
// On Linux, FreeBSD, Dragonfly and Solaris, Reader uses getrandom(2) if
// available, /dev/urandom otherwise.
// On OpenBSD and macOS, Reader uses getentropy(2).
// On other Unix-like systems, Reader reads from /dev/urandom.
// On Windows systems, Reader uses the RtlGenRandom API.

1. getrandom(flags==0), 相当于 /dev/random ，https://github.com/torvalds/linux/blob/d9fc1511728c15df49ff18e49a494d00f78b7cd4/drivers/char/random.c#L1343-L1350 ，默认会阻塞等待熵值
2. getentropy ，https://support.apple.com/zh-cn/guide/security/seca0c73a75b/web ， 使用 Fortuna 算法，安全度很高的伪随机并使用熵源初始化，无阻塞
3. RtlGenRandom ，https://learn.microsoft.com/en-us/windows/win32/api/ntsecapi/nf-ntsecapi-rtlgenrandom ， 文档上就说是伪随机
4. /dev/urandom ，不会阻塞，会在熵值耗尽使用 crng_fast_key_erasure 获得伪随机结果（ chacha 加密结果的一部分） https://github.com/torvalds/linux/blob/d9fc1511728c15df49ff18e49a494d00f78b7cd4/drivers/char/random.c#L336-L341

[kkhaike]

另外真随机是完全无规律的随机，所以只适合用作密码学相关以及设置伪随机的种子，在业务场景下，希望获得 均匀分布、正态分布 等特性的随机数需要对应的伪随机配合，所以 业务场景 真随机种子 + 伪随机算法 就是最优解没有之一

[kkhaike]

@CEBBCAT 上面忘了 at 。。。不好意思