週末，陪女朋友去電影院看了《復仇者聯盟4：終局之戰》，作為一個漫威粉三個小時看的是意猶未盡。出來之後，準備和女朋友聊一聊漫威這十年。

在《復仇者聯盟》電影中，滅霸畢生都有一個目標，那就是通過抹除一半的生命來維持宇宙的平衡。

並且，滅霸還說，這個抹除過程是：隨機性的、不夾私情、絕對公平、無論貴賤。

那麼，到底什麼是隨機？他所謂的隨機真的如他所說是不夾私情、絕對公平以及無論貴賤的嗎？

隨機性

隨機性這個詞是用來表達目的、動機、規則或一些非科學用法的可預測性的缺失。一個隨機的過程是一個不定因子不斷產生的重複過程。

提到隨機性，不得不提的就是隨機數，隨機數在計算機應用中使用的比較廣泛，最為熟知的便是在通訊安全和現代密碼學等領域中的應用。

隨機數分為真隨機數和偽隨機數，我們程式中使用的基本都是偽隨機數。

• 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，通過一定演算法和種子得出。軟體實現的是偽隨機數。

只要這個隨機數是由確定演算法生成的，那就是偽隨機。只能通過不斷演算法優化，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，無法通過一個純演算法來生成真正的隨機數。無論是哪種語言，單純的演算法生成的數字都是偽隨機數，都是由可確定的函式通過一個種子，產生的偽隨機數。

為啥滅霸並不公平？

前面我們提到過，真隨機數要滿足隨機性、不可預測性、不可重現性。

我們按照這三個性質逐一分析下，看看滅霸到底是不是公平的。

隨機性

隨機性，指的是不存在統計學偏差，是完全雜亂的數列。

復聯3中，滅霸打了指響之後，復仇者聯盟中存活和死亡的名單其實並不是隨機的。其中很多對CP都是殺1留1的。如鋼鐵俠——蜘蛛俠、美隊——冬兵、火箭浣熊——格魯特、蟻人——黃蜂女等。

而且，還有一點就是，如果真的是隨機性的話，那麼滅霸自己也是有一定的概率會被抹除的，但是，他早就知道自己不會被抹除，並且已經制定好了退休計劃。

並且，在復聯3中，奇異博士用時間寶石和滅霸換了鋼鐵俠的生命，說明滅霸其實是選擇性的進行抹除的。

可見，滅霸的指響抹除過程並不是隨機的。

不可預測性

不可預測性，指的是不能從過去的數列推測出下一個出現的數。

這一點了解電影的朋友應該都知道，奇異博士曾經利用時間寶石穿越了時空，預測了未來，並看到了14000605種可能。

可見，滅霸的指響抹除過程並不是不可預測的。

不可重現性

不可重現性，除非將數列本身儲存下來，否則不能重現相同的數列。

在復聯3中，鋼鐵俠問奇異博士，14000605種可能中，勝利的有多少種。奇異博士回答：1種。

在復聯4中，最後奇異博士對鋼鐵俠比了下面這樣一個手勢。說明，他看到的那唯一一種勝利的可能要復現了。

可見，滅霸的指響抹除過程並不是不可復現的。

綜上，滅霸的指響抹除過程不符合隨機性、不可預測性以及不可復現性。所以，滅霸的指響抹除過程並不是真正的隨機的。

通過現象來看，滅霸的抹除操作很可能只是通過簡單的分層抽樣實現的。簡單操作過程如下：

• 1、把需要特殊處理，不做抹除的人的DNA單獨從所有物種的DNA庫中識別出來，並儲存到快取中。

• 2、根據不同的條件把DNA庫中的所有生命體劃分成若干區塊，如地球人、阿斯加德人等。把他們的DNA資訊儲存到不同的資料庫中。在遍歷的過程中，如果遇到快取中已有的資料，則跳過。

• 3、再根據物種多樣性，如性別、年齡段、職業等把同一個分庫中的資料分別劃分到不同的表中，保證每一張分表中都包含了完整的物種多樣性。

• 4、遍歷所有資料庫，按順序的刪除每個資料庫中一半的分表。如地球人的資料庫中共有1024張表，只保留512張即可。

• 5、再把快取中的資料同步到資料庫中。

這樣，在後面需要復活這些人的時候，只需要找到資料庫的Binlog，把資料重新寫入資料庫就行了。

真隨機數生成器

真正的隨機數是使用物理現象產生而不是計算機程式產生的。生成隨機數的裝置我們稱之為真隨機數生成器。

這樣的裝置通常是基於一些能生成低等級、統計學隨機的“噪聲”訊號的微觀現象，如熱力學噪聲、光電效應和量子現象。

從某種程度上來說，基於經典熱噪聲的隨機數晶片讀取當前物理環境中的噪聲，並據此獲得隨機數。這類裝置相對於基於軟體演算法的實現，由於環境中的變數更多，因此更難預測。

然而在牛頓力學的框架下，即使影響隨機數產生的變數非常多，但在每個變數的初始狀態確定後，整個系統的執行狀態及輸出在原理上是可以預測的，因此這一類裝置也是基於確定性的過程，只是某種更難預測的偽隨機數。

但是，量子力學的發現從根本上改變了這一局面，因為其基本物理過程具有經典物理中所不具有的內稟隨機性，從而可以製造出真正的隨機數產生器。

據美國國家標準與技術研究院（NIST）官網訊息，該機構研究人員在2018年4月出版的《自然》雜誌上撰文指出，他們開發出一種新方法，可生成由量子力學保證的隨機數字。新技術超越了此前獲得隨機數字的所有方法，得到了“真正的隨機數字”，有助增強密碼系統的安全性。（原文地址：https://www.nature.com/articles/s41586-018-0019-0.epdf ）

NIST數學家彼特·比爾霍斯特進一步解釋說：“諸如翻轉硬幣之類的情況似乎是隨機的，但如果能看到硬幣確切的下落路徑，最終結果也是可以預測的。因此，很難保證給定經典來源真正不可預測。量子力學在產生隨機性方面表現更好，量子隨機是真正的隨機，因為對處於‘疊加’狀態的量子粒子進行測量，得到的結果基本上是不可預測的。”

在復聯4中，也有很多和量子物理有關的知識，甚至最終可以扭轉乾坤也是依靠的量子領域。漫威電影的宗旨可以高度概括成以下四句話：遇事不決，量子力學。 解釋不通，穿越時空。 篇幅不夠，平行宇宙。 定律不足，高維人族。

Java中的隨機數生成器

Java中生成隨機數還是比較簡單的，Java提供了很多種API可以供開發者使用。

通過時間獲取

在Java中，可以通過System.currentTimeMillis()來獲取當前時間毫秒數：

final long l = System.currentTimeMillis();
複製程式碼

若要獲取指定範圍的數字，只需要對數字進行取模就行了，如下方法可以獲得0-99的隨機數：

final long l = System.currentTimeMillis();
final int i = (int)( l % 100 );
複製程式碼

Math.random()

通過Math.random()可以返回0(包含)到1(不包含)之間的double值。使用方法如下：

final double d = Math.random();
複製程式碼

若要獲取int型別的整數，只需要將上面的結果轉行成int型別即可。比如，獲取[0, 100)之間的int整數。方法如下：

final double d = Math.random();
final int i = (int)(d*100);
複製程式碼

Random類

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，保證多執行緒的執行緒安全性，但正如該類註釋上說明的，多執行緒併發獲取隨機數時效能較差。

多執行緒環境中可以使用ThreadLocalRandom作為隨機數發生器，ThreadLocalRandom採用了執行緒區域性變數來改善效能，這樣就可以使用long而不是AtomicLong，此外，ThreadLocalRandom還進行了位元組填充，以避免偽共享。

如使用Random獲取[0, 100)之間的int整數，方法如下：

Random random = new Random();
int i2 = random.nextInt(100);
複製程式碼

強隨機數發生器

強隨機數發生器依賴於作業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，移動滑鼠的距離與間隔，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資料的時候才用它。

Java提供的強隨機數發生器是java.security.SecureRandom類，該類也是一個執行緒安全類，使用synchronize方法保證執行緒安全，但jdk並沒有做出承諾在將來改變SecureRandom的執行緒安全性。因此，同Random一樣，在高併發的多執行緒環境中可能會有效能問題。

這個鍋，研發人員不背！！！

根據我的猜想。對於無限手套這個產品，產品經理最初的需求可能只是滿足使用者的一個願望而已，而幾顆寶石就像是七龍珠一樣，集齊之後打個指響就可以實現願望。

開發者只是提供了一個可以滿足願望的API介面，引數是一個Callback，具體做什麼事情，完全是使用者傳進來的想法而已。就像滅霸要抹除一半的生命、綠巨人想要把被抹掉的人救回來、而鋼鐵俠只是想把壞人抹掉而已。

最後，Tony, Love You 3000 Times.

 

參考資料：

https://www.cnblogs.com/skywang12345/p/3341423.html

https://www.zhihu.com/question/277121161 http://www.nsfc.gov.cn/csc/20340/20343/30636/index.html

http://sh.people.com.cn/n2/2018/0413/c134768-31460133.html

相關推薦