243，583，606，221，817，150，598，111，409 倍熵

我建议使用crypto.randomBytes。它不是，但出于id目的，它更快，就像“随机”一样。sha1

var id = crypto.randomBytes(20).toString('hex');
//=> f26d60305dae929ef8640a75e70dd78ab809cfe9

生成的字符串将是您生成的随机字节的两倍;编码为十六进制的每个字节为 2 个字符。20 个字节将是 40 个字符的十六进制。

使用20字节，我们有或1，461，501，637，330，902，918，203，684，832，716，283，019，655，932，542，976唯一输出值。这与SHA1的160位（20字节）可能输出相同。256^20

知道了这一点，这对我们的随机字节来说并不是真正有意义的。这就像掷骰子两次，但只接受第二次掷骰子;无论如何，你每个滚动有6个可能的结果，所以第一个滚动就足够了。shasum

为什么这样更好？

要理解为什么这更好，我们首先必须了解哈希函数的工作原理。如果给出相同的输入，散列函数（包括 SHA1）将始终生成相同的输出。

假设我们想要生成ID，但是我们的随机输入是由抛硬币生成的。我们有或"heads""tails"

% echo -n "heads" | shasum
c25dda249cdece9d908cc33adcd16aa05e20290f  -

% echo -n "tails" | shasum
71ac9eed6a76a285ae035fe84a251d56ae9485a4  -

如果再次出现，SHA1 输出将与第一次相同"heads"

% echo -n "heads" | shasum
c25dda249cdece9d908cc33adcd16aa05e20290f  -

好吧，所以掷硬币不是一个很好的随机ID生成器，因为我们只有2个可能的输出。

如果我们使用标准的6面芯片，我们有6个可能的输入。猜猜有多少个可能的SHA1输出？6!

input => (sha1) => output
1 => 356a192b7913b04c54574d18c28d46e6395428ab
2 => da4b9237bacccdf19c0760cab7aec4a8359010b0
3 => 77de68daecd823babbb58edb1c8e14d7106e83bb
4 => 1b6453892473a467d07372d45eb05abc2031647a
5 => ac3478d69a3c81fa62e60f5c3696165a4e5e6ac4
6 => c1dfd96eea8cc2b62785275bca38ac261256e278

我们很容易自欺欺人地认为，仅仅因为我们函数的输出看起来非常随机，它非常随机。

我们都同意，抛硬币或6面骰子会使随机ID生成器出错，因为我们可能的SHA1结果（我们用于ID的值）非常少。但是，如果我们使用具有更多输出的东西呢？像带有毫秒的时间戳？还是JavaScript的？甚至是这两者的结合？！Math.random

让我们计算一下我们将获得多少个唯一ID...

毫秒时间戳的唯一性

使用 时，您将获得一个 13 个字符的数字（例如，）。但是，由于这是一个按顺序更新的数字（每毫秒一次），因此输出几乎总是相同的。一起来看看(new Date()).valueOf().toString()1375369309741

for (var i=0; i<10; i++) {
  console.log((new Date()).valueOf().toString());
}
console.log("OMG so not random");

// 1375369431838
// 1375369431839
// 1375369431839
// 1375369431839
// 1375369431839
// 1375369431839
// 1375369431839
// 1375369431839
// 1375369431840
// 1375369431840
// OMG so not random

公平地说，为了进行比较，在给定的分钟（慷慨的操作执行时间）内，您将拥有或唯一。60*100060000

数学的独特性.随机

现在，在使用 时，由于 JavaScript 表示 64 位浮点数的方式，您将获得一个长度在 13 到 24 个字符之间的数字。更长的结果意味着更多的数字，这意味着更多的熵。首先，我们需要找出最可能的长度。Math.random

下面的脚本将确定最有可能的长度。我们通过生成100万个随机数并根据每个数字增加一个计数器来实现此目的。.length

// get distribution
var counts = [], rand, len;
for (var i=0; i<1000000; i++) {
  rand = Math.random();
  len  = String(rand).length;
  if (counts[len] === undefined) counts[len] = 0;
  counts[len] += 1;
}

// calculate % frequency
var freq = counts.map(function(n) { return n/1000000 *100 });

通过将每个计数器除以 100 万，我们得到从 返回的数字长度的概率。Math.random

len   frequency(%)
------------------
13    0.0004  
14    0.0066  
15    0.0654  
16    0.6768  
17    6.6703  
18    61.133  <- highest probability
19    28.089  <- second highest probability
20    3.0287  
21    0.2989  
22    0.0262
23    0.0040
24    0.0004

所以，即使这并不完全正确，让我们慷慨地说，你得到了一个19个字符长的随机输出; 。第一个字符将始终是 和 ，因此实际上我们只得到 17 个随机字符。这给我们留下了（对于可能的;请参阅下面的注释）或100，000，000，000，000，000，001个唯一值。0.12345678901234567890.10^17+10

那么我们可以生成多少随机输入呢？

好的，我们计算了毫秒时间戳的结果数量，并且Math.random

      100,000,000,000,000,001 (Math.random)
*                      60,000 (timestamp)
-----------------------------
6,000,000,000,000,000,060,000

这是一个6，000，000，000，000，000，000，060，000面骰子。或者，为了使这个数字更容易被人类消化，这个数字大致与

input                                            outputs
------------------------------------------------------------------------------
( 1×) 6,000,000,000,000,000,060,000-sided die    6,000,000,000,000,000,060,000
(28×) 6-sided die                                6,140,942,214,464,815,497,21
(72×) 2-sided coins                              4,722,366,482,869,645,213,696

听起来不错，对吧？好吧，让我们找出答案...

SHA1 生成一个 20 字节的值，可能具有 256^20 个结果。因此，我们真的没有使用SHA1来充分发挥其潜力。那么我们用了多少呢？

node> 6000000000000000060000 / Math.pow(256,20) * 100

毫秒时间戳和 Math.random 仅使用 SHA1 160 位电位的 4.11e-27%！

generator               sha1 potential used
-----------------------------------------------------------------------------
crypto.randomBytes(20)  100%
Date() + Math.random()    0.00000000000000000000000000411%
6-sided die               0.000000000000000000000000000000000000000000000411%
A coin                    0.000000000000000000000000000000000000000000000137%

神圣的猫，伙计！看看所有这些零。那么好多少呢？243，583，606，221，817，150，598，111，409倍。crypto.randomBytes(20)

关于 +1 和零频率的注意事项

如果您想知道 ，则可能会返回一个，这意味着我们必须考虑另外1个可能的唯一结果。+1Math.random0

根据下面发生的讨论，我对a出现的频率感到好奇。这里有一个小脚本，我做一些数据0random_zero.js

#!/usr/bin/env node
var count = 0;
while (Math.random() !== 0) count++;
console.log(count);

然后，我在4个线程中运行它（我有一个4核处理器），将输出附加到文件中

$ yes | xargs -n 1 -P 4 node random_zero.js >> zeroes.txt

所以事实证明，a并不难得到。记录 100 个值后，平均值为0

3，164，854，823 个随机数中有 1 个是 0

凉！需要更多的研究来了解这个数字是否与v8实现的均匀分布相当。Math.random

看看这里：如何使用node.js Crypto来创建HMAC-SHA1哈希？我会创建当前时间戳的哈希值+随机数以确保哈希唯一性：

var current_date = (new Date()).valueOf().toString();
var random = Math.random().toString();
crypto.createHash('sha1').update(current_date + random).digest('hex');