Chance.js 自定义随机数生成函数（function 模式）：用任意生成器替换 Mersenne Twister

• 测试

本文介绍 Chance.js 中一种高级初始化方式：向new Chance()传入一个自定义函数，用它替换库内置的 Mersenne Twister 随机数生成器。读完本文，你将理解这一模式的底层实现原理、函数的取值约束，并掌握它在性能优化、确定性测试等场景中的实际用法。

为什么需要替换随机数生成器

Chance.js 默认构建在 Mersenne Twister。

但种子并不是唯一的初始化途径。Chance.js 允许你不提供种子，而是直接传入一个函数，让这个函数成为整个库生成一切数据时的随机数来源。也就是说，从chance.address()到chance.integer()，所有生成器的底层随机值都来自你传入的这个函数。

核心用法：传入一个随机函数

官方 function 文档 给出的最简示例是直接用 JavaScript 内置的Math.random()替换 Mersenne Twister：

// Use Math.random() instead of our Mersenne Twister var chance = new Chance(Math.random); chance.address() => '131 Asmun Pike' chance.address() => '261 Pawnaf Highway'

同样的address()调用，Chance 表面上工作方式与默认完全一致，但底层随机生成器已经不同——这正是该模式的精髓：换芯不换壳。

源码级原理：构造函数如何识别并接管函数

Chance.js 的构造函数（见 chance.js 构造函数）在初始化时对传入参数做了明确分支：

function Chance (seed) { if (!(this instanceof Chance)) { if (!seed) { seed = null; } return seed === null ? new Chance() : new Chance(seed); } // if user has provided a function, use that as the generator if (typeof seed === 'function') { this.random = seed; return this; } // ... 其余分支处理数值/字符串种子，构建 Mersenne Twister 实例 }

关键逻辑在于typeof seed === 'function'这一判断：一旦检测到传入的是函数，就直接把this.random指向该函数并立即返回，完全绕过种子的散列计算与 Mersenne Twister 实例化。

这解释了“库其余部分都会使用这个函数”的原因：Chance.js 内部几乎所有生成器都通过this.random()取得基础随机值。从源码结构可以看到大量这样的调用，例如：

• bool 生成器 用this.random() * 100 < options.likelihood判断真假；
• integer 生成器 用Math.floor(this.random() * (options.max - options.min + 1) + options.min)计算整数；
• weighted 加权选择 用this.random() * sum定位加权区间。

因此，只要替换了this.random，上述所有生成逻辑都会自动切换到底层随机源，无需任何额外改动。

作为对照，默认路径下 Chance 会基于种子构造 MT19937 实例（实现见 chance.js 中的 MersenneTwister），其random()方法返回[0, 1)区间内的实数。当不传任何参数时，MT 会用Math.floor(Math.random() * Math.pow(10, 13))自动生成一个随机种子（见 chance.js#L11295-L11298）。

函数的取值约束

文档明确指出：传入的函数必须返回 0 到 1 之间的任意数字（This function should return any number between 0 and 1）。

这一约束与 Mersenne Twister 默认random()的输出区间保持一致——它返回[0, 1)区间内的实数。库内各个生成器都会基于这个基础值做缩放、取整、区间映射等运算，如果函数返回超出该区间的值，后续生成的整数、地址、坐标等数据的分布范围就会偏离预期。因此在自定义生成器时，请务必保证返回值落在[0, 1)内。

实战场景一：确定性测试与结果精确控制

自定义函数并不一定要是“真随机”的。测试用例 test/test.basic.js#L138-L144 展示了传入一个恒定返回值函数的用法：

test('Chance() will take an arbitrary function for the seed and use it', t => { let chance = new Chance(() => 123) _.times(1000, () => { t.is(chance.random(), 123) }) })

这里new Chance(() => 123)让chance.random()恒等于123，测试连续调用 1000 次都返回相同值。这说明该模式可用于：

• 构造完全确定的随机序列，便于单元测试中断言具体的生成结果；
• 通过注入固定返回值的函数，直接验证某个生成器在特定基础值下的输出是否符合预期；
• 在不需要统计随机性的场合消除 MT 的初始化与状态维护开销。

实战场景二：性能优化的基准测试

在 test/test.helpers.js 的weighted()测试中，官方代码就大量使用new Chance(Math.random)来加速测试，其注释明确指出原因：

Use Math.random as the random function rather than our Mersenne twister just to speed things up here because this test takes awhile to gather enough data to have a large enough sample size to adequately test. This increases speed by a few orders of magnitude at the cost of repeatability (which we aren't using here)

即在需要海量采样（如 50000 次加权抽样，见 test/test.helpers.js#L283-L302）来验证分布比例时，用原生Math.random()代替 Mersenne Twister 可以提升数个数量级的执行速度，代价是失去可复现性。类似的用法还出现在该文件的加权分布验证与小数权重测试中（test/test.helpers.js#L337-L361、test/test.helpers.js#L363-L379）。

这为业务侧提供了清晰参考：当不关心可复现性、但追求吞吐量时，传入Math.random是官方认可的优化手段。

与种子模式的取舍

两种初始化方式各有用武之地，可对照 seed 文档 理解：

一句话概括：种子模式追求“同因同果”，函数模式追求“自由换芯”。无论选择哪种，Chance.js 对外暴露的数十个生成器 API 都不受影响——这正是其在初始化阶段做“随机源抽象”的价值所在。

• 测试