SecureRandom產生亂數采坑記錄

前言：最近上線時遇到一個很詭異的問題，這個問題在測驗環境和pr環境都沒問題，但是在生產環境必現，排查配置、代碼是否一致等原因后，最終通過cat生成的traceId和研讀代碼，花費了兩個小時，定位到問題是由于SecureRandom產生亂數系統熵池中數量不足，阻塞了當前執行緒，記錄一下這個踩坑經驗，希望大家規避掉類似的使用~

情境描述以及隨機演算法介紹

系統中經常有獲取亂數的場景，我們通常new一個Random物件，通過random.nextInt(size)來獲取一個亂數，通過jdk8中對Random類的解釋，我們知道:

1. Random 類使用線性同余法 linear congruential formula 來生成偽亂數，
2. 兩個 Random 實體，如果使用相同的種子 seed，那他們產生的亂數序列也是一樣的，
3. Random 是執行緒安全的，你的程式如果對性能要求比較高的話，推薦使用 ThreadLocalRandom，
4. Random 不是密碼學安全的，加密相關的推薦使用 SecureRandom，
   從下面的原始碼中可以看到，Random 的默認使用當前系統時鐘來生成種子 seed，

    private static final AtomicLong seedUniquifier = new AtomicLong(8682522807148012L);
    // 默認使用當前系統時鐘來生成種子seed
    public Random() {
        this(seedUniquifier() ^ System.nanoTime());
    }
	// 指定初始化種子seed
    public Random(long seed) {
        if (getClass() == Random.class)
            this.seed = new AtomicLong(initialScramble(seed));
        else {
            // 子類可能重寫了setSeed方法
            this.seed = new AtomicLong();
            setSeed(seed);
        }
    }
	// 線性同余演算法
    private static long seedUniquifier() {
        for (;;) {
            long current = seedUniquifier.get();
            long next = current * 181783497276652981L;
            if (seedUniquifier.compareAndSet(current, next))
                return next;
        }
    }

在上面介紹Random類時，該類的解釋加密相關的推薦使用 SecureRandom類，所以我們看下Random的子類SecureRandom類的解釋，主要有以下幾點：

1. 該類提供了能滿足加密要求的強亂數生成器，
2. 許多SecureRandom實作都是偽隨機的，數字發生器（PRNG），這意味著他們使用確定性演算法，從一個真正的隨機種子產生一個偽隨機序列，
3. 傳遞給 SecureRandom 種子必須是不可預測的，seed 使用不當引發的安全漏洞，比如： 位元幣電子錢包漏洞，

    // 超類建構式的呼叫將導致呼叫到SecureRandom類重寫的setSeed方法
    public SecureRandom() {
        super(0);
        getDefaultPRNG(false, null);
    }
    // 
    private void getDefaultPRNG(boolean setSeed, byte[] seed) {
        String prng = getPrngAlgorithm();
        if (prng == null) {
            // bummer, get the SUN implementation
            // SUN提供程式
            prng = "SHA1PRNG";
            this.secureRandomSpi = new sun.security.provider.SecureRandom();
            this.provider = Providers.getSunProvider();
            if (setSeed) {
                this.secureRandomSpi.engineSetSeed(seed);
            }
        } else {
        	// NativePRNG演算法，使用/dev/random或/dev/urandom獲取種子，啟動應用程式時可以通過引數 -Djava.security.egd=file:/dev/urandom 來指定seed源，使用/dev/random會阻塞執行緒直到足夠的熵可用
            try {
                SecureRandom random = SecureRandom.getInstance(prng);
                this.secureRandomSpi = random.getSecureRandomSpi();
                this.provider = random.getProvider();
                if (setSeed) {
                    this.secureRandomSpi.engineSetSeed(seed);
                }
            } catch (NoSuchAlgorithmException nsae) {
                throw new RuntimeException(nsae);
            }
        }
        if (getClass() == SecureRandom.class) {
            this.algorithm = prng;
        }
    }

由上面的分析，Random產生的亂數不夠隨機，并且為了提升性能和隨機性，Sonar建議定義一個 Random 單例來統一產生亂數, 建議使用 SecureRandom.getInstanceStrong() ，我們根據Sonar建議改掉之后，忽略了一個問題：使用/dev/ random會阻塞執行緒直到足夠的熵可用，
所以上線當天的現象是：同一份代碼配置相同其他環境都ok，但是生產環境總是介面執行超時，場景無法重現，

問題定位

由于該介面呼叫了很多三方介面，通過traceId分析日志，發現該介面呼叫日志和部分三方日志時間為00:32分，并且介面回應rt也無例外，但是另一些三方日志竟然在01:16分才列印出來，很顯然出現了執行緒阻塞問題，通過日志給出的線索，發現執行到 SecureRandom.getInstanceStrong() 方法后就阻塞了，

 private Random rand = SecureRandom.getInstanceStrong();
 this.rand.nextInt(hasNoRuleSalerId.size())

通過查詢資料發現SecureRandom.getInstanceStrong() 方法在 linux 環境下使用 /dev/random 生成種子，其實作原理是：作業系統收集了一些隨機事件，比如滑鼠點擊、鍵盤點擊、磁盤活動等，SecureRandom 使用這些隨機事件作為種子，當服務器缺乏”活動”時，就會等待種子，從而阻塞執行緒，

1. /dev/random 設備會回傳小于熵池噪聲總數的隨機位元組，/dev/random 可生成高隨機性的公鑰或一次性密碼本，若熵池空了，對/dev/random的讀操作將會被阻塞
2. /dev/random 的一個副本是 /dev/urandom （“unlocked”，非阻塞的亂數發生器），它會重復使用熵池中的資料以產生偽隨機資料，這表示對/dev/urandom的讀取操作不會產生阻塞，但其輸出的熵可能小于 /dev/random 的，它可以作為生成較低強度密碼的偽亂數生成器，不建議用于生成高強度長期密碼，

問題解決

1. 在不要求強隨機性和安全性的業務場景下，推薦使用new Random()來獲取亂數，
2. 如果需要強隨機性的業務場景，只需使用去空引數建構式new SecureRandom()，讓系統選擇最好的亂數生成器，但是一些要求非常高速的操作情況下，SecureRandom中的隨機演算法稍差些，
3. 取其精華去其糟粕，我們也可以使用Random時，手動寫工具類，在獲取亂數方法中增加隨機性因子來達到我們的要求，

	public synchronized long nextId() {
        Long id = Instant.now().toEpochMilli();
        int asInt = new Random().ints(0, (999 + 1)).findFirst().getAsInt();
        return id + asInt;
    }

參考檔案：https://www.cnblogs.com/xiekun/p/11938196.html