1. 重復(fù)的隨機數(shù)

廢話不多說，首先我們來看使用seed的一個很神奇的現(xiàn)象。

func main() {
  for i := 0; i  5; i++ {
  rand.Seed(time.Now().Unix())
    fmt.Println(rand.Intn(100))
  }
}

// 結(jié)果如下
// 90
// 90
// 90
// 90
// 90

可能不熟悉seed用法的看到這里會很疑惑，我不是都用了seed嗎？為何我隨機出來的數(shù)字都是一樣的？不應(yīng)該每次都不一樣嗎？

可能會有人說是你數(shù)據(jù)的樣本空間太小了，OK，我們加大樣本空間到10w再試試。

func main() {
  for i := 0; i  5; i++ {
  rand.Seed(time.Now().Unix())
    fmt.Println(rand.Intn(100000))
  }
}

// 結(jié)果如下
// 84077
// 84077
// 84077
// 84077
// 84077

你會發(fā)現(xiàn)結(jié)果仍然是一樣的。簡單的推理一下我們就能知道，在上面那種情況，每次都取到相同的隨機數(shù)跟我們所取的樣本空間大小是無關(guān)的。那么唯一有關(guān)的就是seed。我們首先得明確seed的用途。

2. seed的用途

在這里就不賣關(guān)子了，先給出結(jié)論。

上面每次得到相同隨機數(shù)是因為在上面的循環(huán)中，每次操作的間隔都在毫秒級下，所以每次通過time.Now().Unix()取出來的時間戳都是同一個值，換句話說就是使用了同一個seed。

這個其實很好驗證。只需要在每次循環(huán)的時候?qū)⑸傻臅r間戳打印出來，你就會發(fā)現(xiàn)每次打印出來的時間戳都是一樣的。

每次rand都會使用相同的seed來生成隨機隊列，這樣一來在循環(huán)中使用相同seed得到的隨機隊列都是相同的，而生成隨機數(shù)時每次都會去取同一個位置的數(shù)，所以每次取到的隨機數(shù)都是相同的。

seed 只用于決定一個確定的隨機序列。不管seed多大多小，只要隨機序列一確定，本身就不會再重復(fù)。除非是樣本空間太小。解決方案有兩種：

在全局初始化調(diào)用一次seed即可
每次使用納秒級別的種子（強烈不推薦這種）

3. 不用每次調(diào)用

上面的解決方案建議各位不要使用第二種，給出是因為在某種情況下的確可以解決問題。比如在你的服務(wù)中使用這個seed的地方是串行的，那么每次得到的隨機序列的確會不一樣。

但是如果在高并發(fā)下呢？你能夠保證每次取到的還是不一樣的嗎？事實證明，在高并發(fā)下，即使使用UnixNano作為解決方案，同樣會得到相同的時間戳，Go官方也不建議在服務(wù)中同時調(diào)用。

Seed should not be called concurrently with any other Rand method.

接下來會帶大家了解一下代碼的細(xì)節(jié)。想了解源碼的可以繼續(xù)讀下去。

4. 源碼解析-seed

4.1 seed

首先來看一下seed做了什么。

func (rng *rngSource) Seed(seed int64) {
  rng.tap = 0
  rng.feed = rngLen - rngTap

  seed = seed % int32max
  if seed  0 { // 如果是負(fù)數(shù)，則強行轉(zhuǎn)換為一個int32的整數(shù)
    seed += int32max
  }
  if seed == 0 { // 如果seed沒有被賦值，則默認(rèn)給一個值
    seed = 89482311
  }

  x := int32(seed)
  for i := -20; i  rngLen; i++ {
    x = seedrand(x)
    if i >= 0 {
      var u int64
      u = int64(x)  40
      x = seedrand(x)
      u ^= int64(x)  20
      x = seedrand(x)
      u ^= int64(x)
      u ^= rngCooked[i]
      rng.vec[i] = u
    }
  }
}

首先，seed賦值了兩個定義好的變量，rng.tap和rng.feed。rngLen和rngTap是兩個常量。我們來看一下相關(guān)的常量定義。

const (
  rngLen  = 607
  rngTap  = 273
  rngMax  = 1  63
  rngMask = rngMax - 1
  int32max = (1  31) - 1
)

由此可見，無論seed是否相同，這兩個變量的值都不會受seed的影響。同時，seed的值會最終決定x的值，只要seed相同，則得到的x就相同。而且無論seed是否被賦值，只要檢測到是零值，都會默認(rèn)的賦值為89482311。

接下來我們再看seedrand。

4.2 seedrand

// seed rng x[n+1] = 48271 * x[n] mod (2**31 - 1)
func seedrand(x int32) int32 {
  const (
    A = 48271
    Q = 44488
    R = 3399
  )

  hi := x / Q    // 取除數(shù)
  lo := x % Q    // 取余數(shù)
  x = A*lo - R*hi // 通過公式重新給x賦值
  if x  0 {
    x += int32max // 如果x是負(fù)數(shù)，則強行轉(zhuǎn)換為一個int32的正整數(shù)
  }
  return x
}

可以看出，只要傳入的x相同，則最后輸出的x一定相同。進而最后得到的隨機序列rng.vec就相同。

到此我們驗證我們最開始給出的結(jié)論，即只要每次傳入的seed相同，則生成的隨機序列就相同。驗證了這個之后我們再繼續(xù)驗證為什么每次取到的隨機序列的值都是相同的。

5. 源碼解析-Intn

首先舉個例子，來直觀的描述上面提到的問題。

func printRandom() {
 for i := 0; i  2; i++ {
  fmt.Println(rand.Intn(100))
 }
}

// 結(jié)果
// 81
// 87
// 81
// 87

假設(shè)printRandom是一個單獨的Go文件，那么你無論run多少次，每次打印出來的隨機序列都是一樣的。通過閱讀seed的源碼我們知道，這是因為生成了相同的隨機序列。那么為什么會每次都取到同樣的值呢？不說廢話，我們一層一層來看。

5.1 Intn

func (r *Rand) Intn(n int) int {
  if n = 0 {
    panic("invalid argument to Intn")
  }
  if n = 131-1 {
    return int(r.Int31n(int32(n)))
  }
  return int(r.Int63n(int64(n)))
}

可以看到，如果n小于等于0，就會直接panic。其次，會根據(jù)傳入的數(shù)據(jù)類型，返回對應(yīng)的類型。

雖然說這里調(diào)用分成了Int31n和Int63n，但是往下看的你會發(fā)現(xiàn)，其實都是調(diào)用的r.Int63()，只不過在返回64位的時候做了一個右移的操作。

// r.Int31n的調(diào)用
func (r *Rand) Int31() int32 { return int32(r.Int63() >> 32) }

// r.Int63n的調(diào)用
func (r *Rand) Int63() int64 { return r.src.Int63() }

5.2 Int63

先給出這個函數(shù)的相關(guān)代碼。

// 返回一個非負(fù)的int64偽隨機數(shù).
func (rng *rngSource) Int63() int64 {
  return int64(rng.Uint64()  rngMask)
}

func (rng *rngSource) Uint64() uint64 {
  rng.tap--
  if rng.tap  0 {
    rng.tap += rngLen
  }

  rng.feed--
  if rng.feed  0 {
    rng.feed += rngLen
  }

  x := rng.vec[rng.feed] + rng.vec[rng.tap]
  rng.vec[rng.feed] = x
  return uint64(x)
}

可以看到，無論是int31還是int63，最終都會進入Uint64這個函數(shù)中。而在這兩個函數(shù)中，這兩個變量的值顯得尤為關(guān)鍵。因為直接決定了最后得到的隨機數(shù)，這兩個變量的賦值如下。

rng.tap = 0
rng.feed = rngLen - rngTap

tap的值是常量0，而feed的值決定于rngLen和rngTap，而這兩個變量的值也是一個常量。如此，每次從隨機隊列中取到的值都是確定的兩個值的和。

到這，我們也驗證了只要傳入的seed相同，并且每次都調(diào)用seed方法，那么每次隨機出來的值一定是相同的。

6. 結(jié)論

首先評估是否需要使用seed，其次，使用seed只需要在全局調(diào)用一次即可，如果多次調(diào)用則有可能取到相同隨機數(shù)。

總結(jié)

以上所述是小編給大家介紹的解決Go中使用seed得到相同隨機數(shù)的問題,希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！
如果你覺得本文對你有幫助，歡迎轉(zhuǎn)載，煩請注明出處，謝謝！