隨機數字生成是一個過程，通常通過隨機數生成器 (RNG)，生成無法比隨機機會更好地合理預測的數字或符號序列。 這意味著特定的結果序列將包含一些事后可察覺但遠見不可預測的模式。 真正的隨機數生成器可以是生成隨機數的硬件隨機數生成器 (HRNGS)，其中每一代都是物理環境屬性當前值的函數，該屬性以幾乎無法建模的方式不斷變化 . 這與由偽隨機數生成器 (PRNG) 完成的所謂隨機數生成形成對比，偽隨機數生成器生成的數字看起來只是隨機的，但實際上是預先確定的——這些生成可以通過了解 PRNG 的狀態來簡單地再現。

隨機性的各種應用導致了幾種不同的隨機數據生成方法的發展。 其中一些自古就有，其中有著名的經典例子，包括擲骰子、拋硬幣、洗撲克牌、易經中的亞草莖（用于xxx），以及 和無數其他技術一樣。 由于這些技術的機械性質，生成大量足夠隨機的數字（在統計學中很重要）需要大量的工作和時間。 因此，有時會以隨機數字表的形式收集和分發結果。

存在幾種用于生成偽隨機數的計算方法。 所有這些都達不到真正隨機性的目標，盡管它們可能會以不同程度的成功滿足一些旨在衡量其結果不可預測性（即其模式可辨別的程度）的隨機性統計測試。 這通常使它們無法用于密碼學等應用程序。 然而，精心設計的密碼安全偽隨機數生成器 (CSPRNGS) 也存在，具有專為密碼學設計的特殊功能。

隨機數生成器在賭博、統計抽樣、計算機模擬、密碼學、完全隨機化設計和其他需要產生不可預測結果的領域都有應用。 通常，在具有不可預測性作為最重要特征的應用程序中，例如在安全應用程序中，在可行的情況下，硬件生成器通常優于偽隨機算法。

偽隨機數生成器在開發 Monte Carlo 方法模擬時非常有用，因為通過從相同的隨機種子開始再次運行相同的隨機數序列的能力有助于調試。 它們也用于密碼學——只要種子是秘密的。 發送方和接收方可以自動生成相同的一組數字作為密鑰。

偽隨機數的生成是計算機編程中一項重要且常見的任務。 雖然密碼學和某些數值算法需要非常高的表觀隨機性，但許多其他操作只需要適度的不可預測性。 一些簡單的例子可能是向用戶呈現當天的隨機報價，或者確定計算機控制的對手可能在計算機游戲中的移動方向。 較弱形式的隨機性用于散列算法和創建分攤搜索和排序算法。

一些乍看起來適合隨機化的應用程序實際上并不那么簡單。 例如，一個為背景音樂系統隨機選擇音樂曲目的系統必須只是隨機出現，甚至可能有辦法控制音樂的選擇：一個真正的隨機系統不會限制同一項目出現兩次或三次 演替。

有兩種主要方法用于生成隨機數。 xxx種方法測量一些預期是隨機的物理現象，然后補償測量過程中可能存在的偏差。 示例來源包括測量大氣噪聲、熱噪聲和其他外部電磁和量子現象。 例如，在短時間尺度內測量的宇宙背景輻射或放射性衰變代表自然熵的來源。

從自然資源中獲取熵的速度取決于被測量的潛在物理現象。 因此，自然發生的真實熵的來源被稱為阻塞——它們是速率受限的，直到收集到足夠的熵來滿足需求。 在一些類 Unix 系統上，包括大多數 Linux 發行版，偽設備文件 /dev/random 將阻塞，直到從環境中收集到足夠的熵。