当前位置:首页 > 文章列表 > Golang > Go问答 > 在时间种子之后按顺序生成相同的随机数? (在我的机器上运行)

在时间种子之后按顺序生成相同的随机数? (在我的机器上运行)

来源:stackoverflow 2024-03-31 08:30:35 0浏览 收藏

积累知识,胜过积蓄金银!毕竟在Golang开发的过程中,会遇到各种各样的问题,往往都是一些细节知识点还没有掌握好而导致的,因此基础知识点的积累是很重要的。下面本文《在时间种子之后按顺序生成相同的随机数? (在我的机器上运行)》,就带大家讲解一下知识点,若是你对本文感兴趣,或者是想搞懂其中某个知识点,就请你继续往下看吧~

问题内容

我试图准确理解为什么当从外部函数调用时,我的时间种子随机数生成器返回相同数字的序列。

问题的最小工作示例:

package main

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

//generates random int as function of range
func getrand(range int) int {
    s1 := rand.newsource(time.now().unixnano())
    r1 := rand.new(s1)
    return r1.intn(range)
}

//print 100 random ints between 0 and 100
func main() {
    for i := 0; i < 100; i++ {
        fmt.print(getrand(100), ", ")
    }
}

这个的输出是

Out[1]: 40, 40, 40, 40, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 34,
34, 34, 34, 34, 34, 34, 34, 34, 34, 34, 34, 34, 34, 34, 34, 34, 34, 34, 47, 
47, 47, 47, 47, 47, 47, 47, 47, 47, 47, 47, 47, 47, 47, 47, 47, 47, 47, 47, 
47,47, 47, 47, 47, 47, 47, 47, 47, 47, 47, 47, 99, 99, 99, 99, 99, 99, 99, 
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99,

我想知道为什么我自己的教育会发生这种情况。我也愿意接受解决方案的建议。

详细信息:我需要在代码的许多外部函数中调用随机数,但是,像这个 mwe 一样,当在 main 之外的函数中播种时,它们会重复返回相同的数字。此外,我需要动态更新范围,因此不能选择先生成列表。我宁愿不必在 main() 中生成数字并将它们传递到每个函数中 - 范围是在这些函数内部计算的,这会使事情变得复杂


解决方案


这是因为 time.Time 的粒度(1 纳秒)就像您的系统时钟(甚至可能是多毫秒 - 取决于很多因素),并且如果您在这些粒度中的较大粒度内多次调用 time.Now(),则有机会返回的 time.time 是否相同,这意味着它的 Time.UnixNano() 方法将返回相同的纳秒(相同的数字)。

如果您使用相同的数字作为种子,随机数生成器应该返回相同的数字。

您只需在应用程序启动时为 rng 播种一次,而不是在每次使用之前。您可以使用包 init() 函数来实现此目的,或者在变量声明中使用:

var r = rand.New(rand.NewSource(time.Now().UnixNano()))

//Generates random int as function of range
func getRand(Range int) int {
    return r.Intn(Range)
}

//Print 100 random ints between 0 and 100
func main() {
    for i := 0; i < 100; i++ {
        fmt.Print(getRand(100), ", ")
    }
}

示例输出(在 Go Playground 上尝试):

0、28、27、62、63、89、24、27、88、84、82、55、49、35、2、32、84、58、78、28、26、58、30、28 , 74, 6, 39, 24, 40, 47, 49, 39, 61, 62, 67, 7, 94, 87, 37, 99, 90, 80, 93, 83, 27, 69, 25, 45, 99 , 12, 44, 39, 34, 86, 18, 42, 76, 40, 44, 12, 70, 3, 70, 99, 57, 43, 90, 65, 97, 64, 68, 60, 65, 56 , 3, 81, 54, 56, 43, 57, 92, 93, 54, 92, 9, 86, 16, 72, 29, 12, 97, 87, 55, 42, 87, 41, 94, 53, 23 , 64,

这里需要注意一件事:rand.NewSource() 返回一个对于并发使用不安全的源。如果需要从多个goroutine调用getrand(),则需要同步对r的访问,或者在每个goroutine中使用单独的rand.Rand。

我不是go专家,但我认为问题是一个通用的编程问题。这与您为每个调用设置种子这一事实有关。种子基于时间函数。因此,发生的情况是,在很短的时间内,您有多次调用,而时间尚未更改,因此您会得到相同的值,因为您一次又一次地设置相同的种子。

尝试在 for 调用循环之外设置一次种子。

理论要掌握,实操不能落!以上关于《在时间种子之后按顺序生成相同的随机数? (在我的机器上运行)》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!

版本声明
本文转载于:stackoverflow 如有侵犯,请联系study_golang@163.com删除
PHP filter_var()函数:过滤和验证用户输入PHP filter_var()函数:过滤和验证用户输入
上一篇
PHP filter_var()函数:过滤和验证用户输入
PHP和Google Cloud Storage Nearline集成实现数据备份和存储
下一篇
PHP和Google Cloud Storage Nearline集成实现数据备份和存储
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    375次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    446次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    454次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    399次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    226次使用