Zufallszahlengenerator
Generieren Sie Zufallszahlen, Ganzzahlen, Floats, Listen, UUIDs und sichere Passwörter. Legen Sie Min/Max-Bereiche und Zahl fest — vollständig clientseitig.
So verwenden Sie Zufallszahlengenerator
- 1Wählen Sie den Typ der Zufallszahl (Ganzzahl, Float, Liste usw.).
- 2Legen Sie die Mindest- und Maximalwerte fest.
- 3Wählen Sie, wie viele Zahlen generiert werden sollen.
- 4Klicken Sie auf "Generate" und kopieren Sie die Ergebnisse.
ZenovayAnalytics
Machen Sie aus Besuchern Kunden.
- Besucher-Tracking in Echtzeit
- Datenschutz zuerst, kein Cookie-Banner
- In zwei Minuten eingerichtet
Verwandte Tools
CSS Gradient Generator
Erstellen Sie schöne CSS-Gradienten mit einem visuellen Editor. Lineare, radiale und konische Gradienten.CSS Box Shadow Generator
Entwerfen Sie CSS Box Shadows mit visuellen Steuerelementen. Passen Sie Offset, Unschärfe, Ausbreitung und Farbe an.CSS Border Radius Generator
Erstellen Sie benutzerdefinierte Border-Radius-Werte mit visuellen Steuerelementen. Verknüpfen oder trennen Sie Ecken für schnelle Anpassungen.CSS Flexbox Playground
Erlernen und generieren Sie CSS Flexbox Layouts visuell. Passen Sie Richtung, Ausrichtung, Umbruch und Lücke in Echtzeit an.Häufig gestellte Fragen
Was ist der Unterschied zwischen Math.random() und crypto.getRandomValues()?▾
Math.random() ist ein Pseudozufallszahlengenerator (PRNG), der mit dem Systemzustand initialisiert wird. Er ist schnell und geeignet für Simulationen, Spiele und Mischoperationen – aber NICHT für Sicherheitszwecke wie Passwörter, Tokens oder Schlüssel, da er bei bekanntem Seed vorhersehbar ist. crypto.getRandomValues() ist ein kryptographisch sicherer PRNG (CSPRNG), der von der OS-Entropiequelle unterstützt wird. Verwenden Sie ihn immer für sicherheitsrelevante Zwecke.
Wie generiere ich eine Zufallsganzzahl in einem Bereich in JavaScript?▾
Für eine Zufallsganzzahl zwischen min und max (einschließlich): Math.floor(Math.random() * (max - min + 1)) + min. Für kryptographisch sichere Ganzzahlen: const arr = new Uint32Array(1); crypto.getRandomValues(arr); const result = (arr[0] % (max - min + 1)) + min. Beachten Sie die Modulo-Verzerrung für große Bereiche – für verzerrungsfreie Ergebnisse verwerfen Sie Werte, die außerhalb eines geraden Vielfachen des Bereichs liegen, und wiederholen Sie.
Was sind häufige Anwendungsfälle für die Zufallszahlengenerierung?▾
Häufige Anwendungsfälle: Würfelwürfe und Spiele, statistische Stichproben, A/B-Test-Gruppenaufteilung, zufällige Reihenfolge und Mischen, Generierung von Testdaten und Fixtures, Erstellen eindeutiger IDs und Nonces, Auswählen zufälliger Elemente aus einer Liste, Monte-Carlo-Simulationen und kryptographische Schlüsselgenerierung. Die geeignete Zufallsqualität hängt vom Anwendungsfall ab – Spiele brauchen Geschwindigkeit, Sicherheit braucht Unvorhersehbarkeit.
Wie generiere ich eine eindeutige zufällige Liste ohne Duplikate?▾
Um N eindeutige Zufallszahlen aus einem Bereich zu generieren: Beginnen Sie mit allen möglichen Werten, mischen Sie sie mit dem Fisher-Yates-Algorithmus und nehmen Sie die ersten N. Fisher-Yates: für i von n-1 bis 1, tausche array[i] mit array[randomInt(0, i)]. Dies ist O(Bereich) statt O(n), funktioniert also nur, wenn der Bereich überschaubar ist. Bei großen Bereichen verwenden Sie ein Set und generieren wiederholt, bis Sie genug eindeutige Werte haben.
Was ist eine Normalverteilung und wann sollte ich sie verwenden?▾
Eine Normalverteilung (Gaußsche Verteilung) generiert Werte, die um einen Mittelwert gruppiert sind, wobei die meisten Werte innerhalb einer Standardabweichung liegen (68 %) und fast alle innerhalb von drei (99,7 %). Verwenden Sie sie bei der Simulation realer Phänomene, die um einen Durchschnitt gruppiert sind – Körpergröße, Testergebnisse, Messfehler. Generieren Sie Normalvariablen mit der Box-Muller-Transformation: z = sqrt(-2 * ln(u1)) * cos(2 * pi * u2), wobei u1 und u2 gleichmäßige Zufallszahlen sind.