关于Oraclize随机数查询中字节数N及指定范围随机数的问询

我来帮你理清这个Oraclize随机数的问题，拆解一下你的疑问和代码里的关键点：

一、为什么N=4时会得到19位数字？ #

你可能没注意到，虽然你指定了N=4（要求Oraclize返回4字节的随机数据），但后续代码里你并没有直接用这个原始随机值——而是对返回的_result做了sha3哈希处理，再转成uint：

randomNumber = (uint(sha3(_result)) % maxRange) + 1

这里的核心是：sha3（也就是Keccak-256）会输出一个256位的哈希值，转成uint后是一个极大的数（最大值约为1.15×10^77）。而你的maxRange是totalEth - 1，如果totalEth接近10×10^18（也就是1e19），那maxRange就是约1e19-1。对这个数取模后，结果范围是0到1e19-2，加1后就是1到1e19-1，自然是19位数字——这和你设置的N=4其实没直接关系，因为你最终用的是哈希后的256位值，而非原始的4字节随机数。

补充下：N参数是指定Oraclize返回的随机字节数，4字节对应32位无符号整数，原始值范围是0到2^32-1（约4.29×10^9），是10位数字，你没直接用这个值，所以才得到19位的结果。

二、如何生成0到10×10^18（即1e19）之间的随机数？ #

要生成[0, 1e19]范围的随机数，你需要关注两个点：获取足够位数的随机源，以及避免取模带来的概率偏倚问题。

1. 调整N参数，获取足够的随机位 #

1e19对应的二进制位数大概是64位（因为2^{60≈1.15e18，2}64≈1.8e19），所以你至少需要8字节（64位）的随机数据，才能完全覆盖这个范围。建议把N设置为8，这样Oraclize返回的原始随机数就是64位无符号整数，范围是0到2^64-1（约1.8e19），完全能覆盖你的目标范围0到1e19。

2. 优化随机数转换逻辑，避免偏倚 #

你当前用的% maxRange方法存在概率偏倚：如果随机数的最大值不是maxRange+1的整数倍，那么某些数出现的概率会比其他数高。比如，假设随机数最大值是10，maxRange是7，那么0-2会出现2次，3-7只出现1次，概率不均。

在Oraclize场景下，重新请求随机数的成本较高，所以可以选择两种方案：

• 方案一：如果原始随机数超过目标最大值，就用取模截断（会有轻微偏倚，但在范围足够大时可以忽略）；
• 方案二：如果对随机性要求极高，可以触发重新查询，但会增加gas成本。

改进后的代码示例 #

发起查询的代码：

oraclize_setProof(proofType_Ledger); 
uint N = 8; // 8字节=64位，足够覆盖1e19的范围
uint delay = 0; 
uint callbackGas = 200000; 
bytes32 queryId = oraclize_newRandomDSQuery(delay, N, callbackGas);

回调函数的代码：

uint targetMax = 10 * 10**18; // 目标最大值1e19
bytes memory randomBytes = _result;

// 将Oraclize返回的8字节原始随机数据转成uint64
uint64 rawRandom = uint64(randomBytes[0]) | (uint64(randomBytes[1]) << 8) | 
                   (uint64(randomBytes[2]) << 16) | (uint64(randomBytes[3]) << 24) |
                   (uint64(randomBytes[4]) << 32) | (uint64(randomBytes[5]) << 40) |
                   (uint64(randomBytes[6]) << 48) | (uint64(randomBytes[7]) << 56);

// 生成[0, targetMax]范围的随机数
if (rawRandom > targetMax) {
    // 截断法：轻微偏倚，但在范围足够大时可忽略
    randomNumber = rawRandom % (targetMax + 1);
} else {
    randomNumber = rawRandom;
}

额外提醒：关于sha3的使用 #

你之前用sha3(_result)是完全多余的——Oraclize返回的_result已经是经过验证的安全随机数据，直接转换使用即可，哈希反而会浪费gas，而且不会增加随机性。

三、总结 #

• N=4得到19位数字是因为你用了哈希后的256位值取模，而非原始4字节随机数；
• 要生成0到1e19的随机数，设置N=8获取64位随机数据就足够；
• 优化转换逻辑，尽量避免取模偏倚，直接使用原始随机数更高效。

内容的提问来源于stack exchange，提问作者jasper