竟然被awk生成的随机数给整蒙了，也谈随机数生成种子-linux运维-PHP中文网

竟然被awk生成的随机数给整蒙了，也谈随机数生成种子

絕刀狂花

发布： 2025-07-10 12:58:01

原创

1041人浏览过

我们公司主要业务是为科研单位提供数据库构建服务，目前我们已经成功帮助客户发表了三篇关于数据库的文章在《nucleic acids research》（nar）上。你可以在我们的数据中找到这三篇文章的详细信息。

最近，一位老师急需我们构建一个数据库，但由于时间紧迫，数据尚未准备好。我们的解决方案是先用随机生成的数据作为测试，搭建数据库架构，等到真实数据准备好后，再替换这些测试数据，进行最后的测试和完善。

起初，我们使用以下代码来生成随机数字，效果看起来不错，每次运行都能生成不同的随机数，符合我们的预期。

awk 'BEGIN{OFS=FS="\t";}{ $2=100 * rand(); print $0;}' 00232503-7e34-479a-b6fb-0b52e78b554e.txt | cut -f 1-3 | head
Rnu7-186P    99.4034    ACC-3
Rnu2-41P    24.6362    ACC-3

登录后复制

awk 'BEGIN{OFS=FS="\t";}{ $2=100 * rand(); print $0;}' 00232503-7e34-479a-b6fb-0b52e78b554e.txt | cut -f 1-3 | head
Rnu7-186P    24.3382    ACC-3
Rnu2-41P    87.6752    ACC-3

登录后复制

然而，当我们将这段代码放入一个for循环中时，问题出现了。每次循环生成的随机数都是相同的：

for i in *.txt; do awk 'BEGIN{OFS=FS="\t";}{ $2=100 * rand(); print $0;}' $i | cut -f 1-3 | head -n 2; echo "------------"; done
Rnu7-186P    99.0514    ACC-3
Rnu2-41P    82.4637    ACC-3
------------
Rnu7-186P    99.0514    ACC-3
Rnu2-41P    82.4637    ACC-3
------------
Rnu7-186P    99.0514    ACC-3
Rnu2-41P    82.4637    ACC-3
------------

登录后复制

我们猜测这是因为每次循环中随机数生成器的种子都是相同的，导致每次生成的随机数也相同。为了解决这个问题，我们需要在每次循环中为随机数生成器设置一个不同的种子：

for i in `seq 1 3`; do awk -v seed=$RANDOM 'BEGIN{OFS=FS="\t";srand(seed);}{ $2=100 * rand(); print $0;}' 00232503-7e34-479a-b6fb-0b52e78b554e.txt | cut -f 1-3 | head -n 2; echo "------------"; done
Rnu7-186P    38.0502    ACC-3
Rnu2-41P    76.7106    ACC-3
------------
Rnu7-186P    99.1498    ACC-3
Rnu2-41P    65.7196    ACC-3
------------
Rnu7-186P    92.9258    ACC-3
Rnu2-41P    24.0214    ACC-3
------------

登录后复制

这确实是awk的一个陷阱。

随机数生成器的种子不仅在测试时使用，在许多其他情况下，如进行Kmeans聚类、WGCNA分析和随机森林分析时，也会涉及到随机过程。每次运行结果可能不同。为了保证结果的可重复性，我们可以设置一个随机数种子。设置种子的原则是：一旦种子确定，每次运行的结果就不会改变。

通常，种子是一个整数，任何整数都可以。在课程中，我通常建议大家选择自己的幸运数字作为种子。在R语言中，我们可以通过set.seed函数来设置种子：

壁纸样机神器

免费壁纸样机生成

查看详情

如果我们不手动设置种子，大多数编程语言会使用当前的时间戳作为随机数种子。由于每次操作的时间不同，时间戳也不同，生成的随机数序列也会不同。

下面是一个R语言的示例，可以看到在未设置种子时，运行rnorm(5)两次得到的结果不同。而在设置种子为10后，两次运行rnorm(5)的结果完全一致。当然，这种设置只对最近的命令有效，之后再运行rnorm(5)，又会基于时间戳生成不同的数据。

# 不设置种子
rnorm(5)
# [1]  1.1017795  0.7557815 -0.2382336  0.9874447  0.7413901
rnorm(5)
# [1]  0.08934727 -0.95494386 -0.19515038  0.92552126  0.48297852
<p>set.seed(10)
rnorm(5)</p><h1>[1]  0.01874617 -0.18425254 -1.37133055 -0.59916772  0.29454513</h1><p>set.seed(10)
rnorm(5)</p><h1>[1]  0.01874617 -0.18425254 -1.37133055 -0.59916772  0.29454513</h1><p>rnorm(5)</p><h1>[1]  0.3897943 -1.2080762 -0.3636760 -1.6266727 -0.2564784

登录后复制

关于随机数种子，虽然看起来简单，但在每次课程中，总有许多老师会问到这个问题，最常见的问题是“为什么你选择10作为随机数种子？有什么依据？我该如何选择？”实际上，只需记住两点：