伪随机（preundorandom）：通过算法产生的随机数都是伪随机！！

只有通过真实的随机事件产生的随机数才是真随机！！比如，通过机器的硬件噪声产生随机数、通过大气噪声产生随机数

Random生成的随机数都是伪随机数！！！

是由可确定的函数（常用线性同余），通过一个种子（常用时钟），产生的伪随机数。这意味着：如果知道了种子，或者已经产生的随机数，都可能获得接下来随机数序列的信息（可预测性） 

Random类拥有两个构造方法，用于实现随机数生成器：

一、无参构造方法（不设置种子）

虽然表面上看我们未设置种子，但Random构造方法里有一套自己的种子生成机制，源码如下：

 1 /**
 2      * Creates a new random number generator. This constructor sets
 3      * the seed of the random number generator to a value very likely
 4      * to be distinct from any other invocation of this constructor.
 5      */
 6     public Random() {
 7         this(seedUniquifier() ^ System.nanoTime());
 8     }
 9 
10     private static long seedUniquifier() {
11         // L'Ecuyer, "Tables of Linear Congruential Generators of
12         // Different Sizes and Good Lattice Structure", 1999
13         for (;;) {
14             long current = seedUniquifier.get();
15             long next = current * 181783497276652981L;
16             if (seedUniquifier.compareAndSet(current, next))
17                 return next;
18         }
19     }
20 
21     private static final AtomicLong seedUniquifier
22         = new AtomicLong(8682522807148012L);

生成种子过程：（参考解密随机数生成器（二）——从java源码看线性同余算法）

1、获得一个长整形数作为“初始种子”（系统默认的是8682522807148012L）

2、不断与一个变态的数——181783497276652981L相乘（天知道这些数是不是工程师随便滚键盘滚出来的-.-）得到一个不能预测的值，直到 能把这个不能事先预期的值 赋给Random对象的静态常量seedUniquifier 。因为多线程环境下赋值操作可能失败，就for(;;)来保证一定要赋值成功

3、与系统随机出来的nanotime值作异或运算，得到最终的种子

nanotime算是一个随机性比较强的参数，用于描述代码的执行时间。源码中关于nanotime的描述（部分）：

/**
     * Returns the current value of the running Java Virtual Machine's
     * high-resolution time source, in nanoseconds.
     *
     * <p>This method can only be used to measure elapsed time and is
     * not related to any other notion of system or wall-clock time.

二、有参构造方法（设置种子）

语法：Random ran = Random(long seed)

有参构造方法的源码如下：

 1 /**
 2      * Creates a new random number generator using a single {@code long} seed.
 3      * The seed is the initial value of the internal state of the pseudorandom
 4      * number generator which is maintained by method {@link #next}.
 5      *
 6      * <p>The invocation {@code new Random(seed)} is equivalent to:
 7      *  <pre> {@code
 8      * Random rnd = new Random();
 9      * rnd.setSeed(seed);}</pre>
10      *
11      * @param seed the initial seed
12      * @see   #setSeed(long)
13      */
14     public Random(long seed) {
15         if (getClass() == Random.class)
16             this.seed = new AtomicLong(initialScramble(seed));
17         else {
18             // subclass might have overriden setSeed
19             this.seed = new AtomicLong();
20             setSeed(seed);
21         }
22     }
23 
24     private static long initialScramble(long seed) {
25         return (seed ^ multiplier) & mask;
26     }

其中的multiplier和mask都是定值：

1  private static final long multiplier = 0x5DEECE66DL;
2 
3  private static final long mask = (1L << 48) - 1;

三、代码测试

分别采用有参和无参两种方法，生成[0, 100)内的随机整数，各生成五组，每组十个随机数：

 1 import java.util.Random;
 2 
 3 public class RandomTest {
 4     public static void main(String[] args) {
 5         RandomTest rt = new RandomTest();
 6         rt.testRandom();
 7     }
 8 
 9     public void testRandom(){
10         System.out.println("Random不设置种子：");
11         for (int i = 0; i < 5; i++) {
12             Random random = new Random();
13             for (int j = 0; j < 10; j++) {
14                 System.out.print(" " + random.nextInt(100) + ", ");
15             }
16             System.out.println("");
17         }
18 
19         System.out.println("");
20 
21         System.out.println("Random设置种子：");
22         for (int i = 0; i < 5; i++) {
23             Random random = new Random();
24             random.setSeed(100);
25             for (int j = 0; j < 10; j++) {
26                 System.out.print(" " + random.nextInt(100) + ", ");
27             }
28             System.out.println("");
29         }
30     }
31 }

运行结果如下：

结论：

虽然二者都是伪随机，但是，无参数构造方法（不设置种子）具有更强的随机性，能够满足一般统计上的随机数要求。使用有参的构造方法（设置种子）无论你生成多少次，每次生成的随机序列都相同，名副其实的伪随机！！