关于将long 提供给种子java.util.Random，如果我将对象实例化一次，似乎只要花时间作为种子，就可以满足程序的生命周期，这对我来说目的意味着对nextDouble() 的一系列调用的结果看起来是随机的。
假设为了代码简单，我实例化Random，多次使用，然后重新实例化，重复。如果种子以类似方式提供，则种子将相似并增加，因为它是基于时间的。如果它是自 1970 年 1 月 1 日以来的秒数，则与该值相比，增加的幅度很小。（编辑：这个问题是在 2011 年提出的。）
如果我链接nextDouble() 的输出，是否使用非随机基于时间的种子重新实例化Random 会导致在nextDouble() 的复合输出链中出现微妙的模式。表达这个问题的另一种方式是：我是否需要从long 集合中统一抽取一个种子。
【问题讨论】：
您可能会遇到这样的情况，即它们确实会被分配相同的种子，特别是如果它们是在同一毫秒内创建的。有些机器的分辨率低至 15 毫秒或更多，因此它成为一个更大的问题。
解决此问题的一种方法是使用Math.random()。它使用系统范围的随机实例，该实例仅在第一次使用时才被实例化。我不相信您可以访问底层实例，因此您不能使用它来获取 nextInt() 但您可以使用 Math.random() 进行双打，或者如果您真的想要自己的 Random 对象，请获取 double来自Math.random()，将其位转换为long，并将long用作新Random的种子。
可以在 here 找到随机的 Oracle 文档。
// create new random with seed from system random
Random r = new Random(Double.doubleToLongBits(Math.random()));
【讨论】：
System.currentTimeMillis()，我完全不知道它保留的内部种子。我想我可以看到以这样一种方式重构它的一些好处，即出于测试目的，您始终获得相同的种子，但这是一个延伸。我绝对承认这个答案是基于一个有缺陷的假设。但我们都是来学习的，对吧？ :-)
nanoTime 和计数器来实现这一点目的？所以人们不必为了获得好的随机生成器而做这种愚蠢的特技？
自动生成的随机种子使用 System.nanoTime 和一个计数器来确保其始终不同。恕我直言，没有必要玩种子来提高随机性
public Random() {
this(seedUniquifier() ^ System.nanoTime());
}
private static long seedUniquifier() {
// L'Ecuyer, "Tables of Linear Congruential Generators of
// Different Sizes and Good Lattice Structure", 1999
for (;;) {
long current = seedUniquifier.get();
long next = current * 181783497276652981L;
if (seedUniquifier.compareAndSet(current, next))
return next;
}
}
Random 使用 48 位种子并每 2^48 次调用重复一次，这意味着它无法生成所有可能的 long 或 double 值。
搞乱种子听起来有点像三重随机策略，实际上并没有帮助。 http://thedailywtf.com/Articles/Random-Char-and-TriplyRandom-Double.aspx
如果您想要更大的随机性，请使用 SecureRandom，即使您每次都给它一个种子 1，它也不会给出相同的随机序列。这可以产生所有可能的long 和double 值。
【讨论】：
这当然取决于生成器，但根据我的经验，对种子的微小更改会对生成的值产生很大影响。
通过一些工作很可能可以检测到它，但除非您正在进行高端统计工作或密码学，否则它不会产生任何影响。
在任何情况下，如果您在该类型的域中，您将生成基于硬件的随机数，很可能使用诸如 3 开尔文背景辐射之类的东西作为源 :-)
【讨论】：
Nine. Nine. Nine. Nine. Nine.的巨魔，这就是随机的问题，你永远无法分辨！
Random random = new Random(441287210); for(int i=0;i<10;i++) System.out.print(random.nextInt(10)+" "); } 打印1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 与 3 1 4 1 5 9 2 6 5 3 或 2 7 1 8 2 8 1 8 2 8 具有相同的概率。