漫話：如何給女友解釋滅霸的指響並非真隨機"消滅"半數宇宙人口的？

時間 2019-11-06

標籤漫話如何解釋並非隨機消滅半數宇宙人口欄目悠閒生活简体版

原文原文鏈接

週末，陪女友去電影院看了《復仇者聯盟4：終局之戰》，做爲一個漫威粉三個小時看的是意猶未盡。出來以後，準備和女友聊一聊漫威這十年。html

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

而且，滅霸還說，這個抹除過程是：隨機性的、不夾私情、絕對公平、不管貴賤。算法

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、絕對公平以及不管貴賤的嗎？數據庫

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。
緩存

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普遍，最爲熟知的即是在通訊安全和現代密碼學等領域中的應用。安全

隨機數分爲真隨機數和僞隨機數，咱們程序中使用的基本都是僞隨機數。bash

真隨機數，經過物理實驗得出，好比擲錢幣、骰子、轉輪、使用電子元件的噪音、核裂變等。須要知足隨機性、不可預測性、不可重現性。多線程
僞隨機數，經過必定算法和種子得出。軟件實現的是僞隨機數。併發

只要這個隨機數是由肯定算法生成的，那就是僞隨機。只能經過不斷算法優化，使你的隨機數更接近隨機。框架

有限狀態機不能產生真正的隨機數的。因此，現代計算機中，沒法經過一個純算法來生成真正的隨機數。不管是哪一種語言，單純的算法生成的數字都是僞隨機數，都是由可肯定的函數經過一個種子，產生的僞隨機數。

爲啥滅霸並不公平？

前面咱們提到過，真隨機數要知足隨機性、不可預測性、不可重現性。

咱們按照這三個性質逐一分析下，看看滅霸究竟是不是公平的。

隨機性

隨機性，指的是不存在統計學誤差，是徹底雜亂的數列。

復聯3中，滅霸打了指響以後，復仇者聯盟中存活和死亡的名單其實並非隨機的。其中不少對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。

並且，還有一點就是，若是真的是隨機性的話，那麼滅霸本身也是有必定的機率會被抹除的，可是，他早就知道本身不會被抹除，而且已經制定好了退休計劃。

而且，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，說明滅霸實際上是選擇性的進行抹除的。

可見，滅霸的指響抹除過程並非隨機的。

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，預測了將來，並看到了14000605種可能。

可見，滅霸的指響抹除過程並非不可預測的。

不可重現性

不可重現性，除非將數列自己保存下來，不然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，他看到的那惟一一種勝利的可能要復現了。

可見，滅霸的指響抹除過程並非不可復現的。

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。因此，滅霸的指響抹除過程並非真正的隨機的。

經過現象來看，滅霸的抹除操做極可能只是經過簡單的分層抽樣實現的。簡單操做過程以下：

一、把須要特殊處理，不作抹除的人的DNA單獨從全部物種的DNA庫中識別出來，並保存到緩存中。
二、根據不一樣的條件把DNA庫中的全部生命體劃分紅若干區塊，如地球人、阿斯加德人等。把他們的DNA信息保存到不一樣的數據庫中。在遍歷的過程當中，若是遇到緩存中已有的數據，則跳過。
三、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數據分別劃分到不一樣的表中，保證每一張分表中都包含了完整的物種多樣性。
四、遍歷全部數據庫，按順序的刪除每一個數據庫中一半的分表。如地球人的數據庫中共有1024張表，只保留512張便可。
五、再把緩存中的數據同步到數據庫中。

這樣，在後面須要復活這些人的時候，只須要找到數據庫的Binlog，把數據從新寫入數據庫就好了。

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序產生的。生成隨機數的設備咱們稱之爲真隨機數生成器。

這樣的設備一般是基於一些能生成低等級、統計學隨機的「噪聲」信號的微觀現象，如熱力學噪聲、光電效應和量子現象。

從某種程度上來講，基於經典熱噪聲的隨機數芯片讀取當前物理環境中的噪聲，並據此得到隨機數。這類裝置相對於基於軟件算法的實現，因爲環境中的變量更多，所以更難預測。

然而在牛頓力學的框架下，即便影響隨機數產生的變量很是多，但在每一個變量的初始狀態肯定後，整個系統的運行狀態及輸出在原理上是能夠預測的，所以這一類裝置也是基於肯定性的過程，只是某種更難預測的僞隨機數。

可是，量子力學的發現從根本上改變了這一局面，由於其基本物理過程具備經典物理中所不具備的內稟隨機性，從而能夠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）官網消息，該機構研究人員在2018年4月出版的《天然》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。新技術超越了此前得到隨機數字的全部方法，獲得了「真正的隨機數字」，有助加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狀況彷佛是隨機的，但若是能看到硬幣確切的下落路徑，最終結果也是能夠預測的。所以，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，由於對處於‘疊加’狀態的量子粒子進行測量，獲得的結果基本上是不可預測的。」

在復聯4中，也有不少和量子物理有關的知識，甚至最終能夠扭轉乾坤也是依靠的量子領域。漫威電影的宗旨能夠高度歸納成如下四句話：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中生成隨機數仍是比較簡單的，Java提供了不少種API能夠供開發者使用。

經過時間獲取

在Java中，能夠經過System.currentTimeMillis()來獲取當前時間毫秒數：

final long l = System.currentTimeMillis();
複製代碼

若要獲取指定範圍的數字，只須要對數字進行取模就好了，以下方法能夠得到0-99的隨機數：

final long l = System.currentTimeMillis();
final int i = (int)( l % 100 );
複製代碼

Math.random()

經過Math.random()能夠返回0(包含)到1(不包含)之間的double值。使用方法以下：

final double d = Math.random();
複製代碼

若要獲取int類型的整數，只須要將上面的結果轉行成int類型便可。好比，獲取[0, 100)之間的int整數。方法以下：

final double d = Math.random();
final int i = (int)(d*100);
複製代碼

Random類

Java提供的僞隨機數發生器有java.util.Random類和java.util.concurrent.ThreadLocalRandom類。

Random類採用AtomicLong實現，保證多線程的線程安全性，但正如該類註釋上說明的，多線程併發獲取隨機數時性能較差。

多線程環境中可使用ThreadLocalRandom做爲隨機數發生器，ThreadLocalRandom採用了線程局部變量來改善性能，這樣就可使用long而不是AtomicLong，此外，ThreadLocalRandom還進行了字節填充，以免僞共享。

如使用Random獲取[0, 100)之間的int整數，方法以下：

Random random = new Random();
int i2 = random.nextInt(100);
複製代碼

強隨機數發生器

強隨機數發生器依賴於操做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，並且因爲須要必定的熵累積才能生成足夠強度的隨機數，因此可能會形成阻塞。熵累積一般來源於多個隨機事件源，如敲擊鍵盤的時間間隔，移動鼠標的距離與間隔，特定中斷的時間間隔等。因此，只有在須要生成加密性強的隨機數據的時候才用它。

Java提供的強隨機數發生器是java.security.SecureRandom類，該類也是一個線程安全類，使用synchronize方法保證線程安全，但jdk並無作出承諾在未來改變SecureRandom的線程安全性。所以，同Random同樣，在高併發的多線程環境中可能會有性能問題。