随机数生成器测试全攻略
在探讨随机数生成器的测试之前，我们先从美的定义说起。经典美学认为，美既要有复杂性又要有统一性。就像绘画，一块黑色画布只有统一性而无复杂性；随意泼洒颜料的画布有复杂性却缺乏统一性；而米开朗基罗绘制的西斯廷教堂天花板壁画，既有丰富细节，又有秩序与平衡，兼具复杂性与统一性，堪称美之典范。有些美的事物易于欣赏，因其复杂性和统一性显而易见，如西斯廷教堂壁画；而有些则需要更多知识储备才能体会，比如现代爵士乐，其复杂性明显，但统一性对于未经训练的耳朵来说可能并不明显。随机数生成器的测试或许更像现代爵士乐，复杂性易见，统一性却需深入了解才能体会。
随机数生成器测试为何微妙？
软件随机数生成器实际上是伪随机数生成器，因为确定性程序的输出并非真正随机。虽然其输出并非真正随机，但有些随机数生成器（RNG）能生成在很多情况下可视为真正随机的数列。然而，如何判断 RNG 的输出是否足够接近真正随机源的输出呢？
一个好的 RNG 会让我们在只看输出且不重启序列时，认为输出是随机的。这也暗示了 RNG 测试的微妙之处：RNG 的要求存在矛盾，从某个角度看输出应不可预测，但从另一个角度看又完全可预测。测试必须从用户应用的角度验证生成器是否具备正确属性，同时不被无关属性干扰。
一个好的 RNG 的定义取决于其应用场景。例如，一个生成器在模拟场景中可能被认为是高质量的，但在密码学中可能就不被接受。这里我们主要关注统计质量测试，不涉及密码学安全测试。
假设要生成 3 到 4 之间的随机值，若程序总是返回 3，显然不符合随机序列的要求，因为随机值应具有不可预测性。若程序生成 3、3.1、3.2……4、3、3.1、3.2……这样循环的序列，虽然值在变动，但可
