java随机数,JAVA随机数的方法 收藏 0

Java中生成随机数的4种方式

在 Java 中，生成随机数的场景有很多，所以本文我们就来盘点一下 4 种生成随机数的方式，以及它们之间的区别和每种生成方式所对应的场景。

Random 类诞生于 JDK 1.0，它产生的随机数是伪随机数，也就是有规则的随机数。Random 使用的随机算法为 linear congruential pseudorandom number generator (LGC) 线性同余法伪随机数。在随机数生成时，随机算法的起源数字称为种子数（seed），在种子数的基础上进行一定的变换，从而产生需要的随机数字。

Random 对象在种子数相同的情况下，相同次数生成的随机数是相同的。比如两个种子数相同的 Random 对象，第一次生成的随机数字完全相同，第二次生成的随机数字也完全相同。默认情况下 new Random() 使用的是当前纳秒时间作为种子数的。

使用 Random 生成一个从 0 到 10 的随机数（不包含 10），实现代码如下：

以上程序的执行结果为：

Random 使用 LGC 算法生成伪随机数的优点是执行效率比较高，生成的速度比较快。

它的缺点是如果 Random 的随机种子一样的话，每次生成的随机数都是可预测的（都是一样的）。如下代码所示，当我们给两个线程设置相同的种子数的时候，会发现每次产生的随机数也是相同的：

以上程序的执行结果为：

当我们要使用一个类时，我们首先关心的第一个问题是：它是否为线程安全？对于 Random 来说，Random 是线程安全的。

PS：线程安全指的是在多线程的场景下，程序的执行结果和预期的结果一致，就叫线程安全的，否则则为非线程安全的（也叫线程安全问题）。比如有两个线程，第一个线程执行 10 万次 ++ 操作，第二个线程执行 10 万次 — 操作，那么最终的结果应该是没加也没减，如果程序最终的结果和预期不符，则为非线程安全的。

我们来看 Random 的实现源码：

PS：本文所有源码来自于 JDK 1.8.0_211。

从以上源码可以看出，Random 底层使用的是 CAS（Compare and Swap，比较并替换）来解决线程安全问题的，因此对于绝大数随机数生成的场景，使用 Random 不乏为一种很好的选择。

PS：Java 并发机制实现原子操作有两种：一种是锁，一种是 CAS。

CAS 是 Compare And Swap（比较并替换）的缩写，java.util.concurrent.atomic 中的很多类，如（AtomicInteger AtomicBoolean AtomicLong等）都使用了 CAS 机制来实现。

ThreadLocalRandom 是 JDK 1.7 新提供的类，它属于 JUC（java.util.concurrent）下的一员，为什么有了 Random 之后还会再创建一个 ThreadLocalRandom？

原因很简单，通过上面 Random 的源码我们可以看出，Random 在生成随机数时使用的 CAS 来解决线程安全问题的，然而 CAS 在线程竞争比较激烈的场景中效率是非常低的，原因是 CAS 对比时老有其他的线程在修改原来的值，所以导致 CAS 对比失败，所以它要一直循环来尝试进行 CAS 操作。所以在多线程竞争比较激烈的场景可以使用 ThreadLocalRandom 来解决 Random 执行效率比较低的问题。

当我们第一眼看到 ThreadLocalRandom 的时候，一定会联想到一次类 ThreadLocal，确实如此。ThreadLocalRandom 的实现原理与 ThreadLocal 类似，它相当于给每个线程一个自己的本地种子，从而就可以避免因多个线程竞争一个种子，而带来的额外性能开销了。

接下来我们使用 ThreadLocalRandom 来生成一个 0 到 10 的随机数（不包含 10），实现代码如下：

以上程序的执行结果为：

ThreadLocalRandom 的实现原理和 ThreadLocal 类似，它是让每个线程持有自己的本地种子，该种子在生成随机数时候才会被初始化，实现源码如下：

ThreadLocalRandom 结合了 Random 和 ThreadLocal 类，并被隔离在当前线程中。因此它通过避免竞争操作种子数，从而在多线程运行的环境中实现了更好的性能，而且也保证了它的线程安全。

另外，不同于 Random， ThreadLocalRandom 明确不支持设置随机种子。它重写了 Random 的

setSeed(long seed) 方法并直接抛出了 UnsupportedOperationException 异常，因此降低了多个线程出现随机数重复的可能性。

源码如下：

只要程序中调用了 setSeed() 方法就会抛出 UnsupportedOperationException 异常，如下图所示：

虽然 ThreadLocalRandom 不支持手动设置随机种子的方法，但并不代表 ThreadLocalRandom 就是完美的，当我们查看 ThreadLocalRandom 初始化随机种子的方法 initialSeed() 源码时发现，默认情况下它的随机种子也是以当前时间有关，源码如下：

从上述源码可以看出，当我们设置了启动参数“-Djava.util.secureRandomSeed=true”时，ThreadLocalRandom 会产生一个随机种子，一定程度上能缓解随机种子相同所带来随机数可预测的问题，然而默认情况下如果不设置此参数，那么在多线程中就可以因为启动时间相同，而导致多个线程在每一步操作中都会生成相同的随机数。

SecureRandom 继承自 Random，该类提供加密强随机数生成器。SecureRandom 不同于 Random，它收集了一些随机事件，比如鼠标点击，键盘点击等，SecureRandom 使用这些随机事件作为种子。这意味着，种子是不可预测的，而不像 Random 默认使用系统当前时间的毫秒数作为种子，从而避免了生成相同随机数的可能性。

以上程序的执行结果为：

SecureRandom 默认支持两种加密算法：

1. SHA1PRNG 算法，提供者 sun.security.provider.SecureRandom；
2. NativePRNG 算法，提供者 sun.security.provider.NativePRNG。

当然除了上述的操作方式之外，你还可以选择使用 new SecureRandom() 来创建 SecureRandom 对象，实现代码如下：

通过 new 初始化 SecureRandom，默认会使用 NativePRNG 算法来生成随机数，但是也可以配置 JVM 启动参数“-Djava.security”参数来修改生成随机数的算法，或选择使用 getInstance(\”算法名称\”) 的方式来指定生成随机数的算法。

Math 类诞生于 JDK 1.0，它里面包含了用于执行基本数学运算的属性和方法，如初等指数、对数、平方根和三角函数，当然它里面也包含了生成随机数的静态方法 Math.random() ，此方法会产生一个 0 到 1 的 double 值，如下代码所示。

以上程序的执行结果为：

当然如果你想用它来生成一个一定范围的 int 值也是可以的，你可以这样写：

以上程序的执行结果为：

通过分析 Math 的源码我们可以得知：当第一次调用 Math.random() 方法时，自动创建了一个伪随机数生成器，实际上用的是 new java.util.Random()，当下一次继续调用 Math.random() 方法时，就会使用这个新的伪随机数生成器。

源码如下：

本文我们介绍了 4 种生成随机数的方法，其中 Math 是对 Random 的封装，所以二者比较类似。Random 生成的是伪随机数，是以当前纳秒时间作为种子数的，并且在多线程竞争比较激烈的情况下因为要进行 CAS 操作，所以存在一定的性能问题，但对于绝大数应用场景来说，使用 Random 已经足够了。当在竞争比较激烈的场景下可以使用 ThreadLocalRandom 来替代 Random，但如果对安全性要求比较高的情况下，可以使用 SecureRandom 来生成随机数，因为 SecureRandom 会收集一些随机事件来作为随机种子，所以 SecureRandom 可以看作是生成真正随机数的一个工具类。

www.cnblogs.com/weink1215/p/4433790.html

blog.csdn.net/lycyingO/article/details/95276195

java随机数random怎么用

java随机数random怎么用在Java中，可以使用`java.util.Random`类生成随机数。`Random`类提供了一系列方法，用于生成不同分布的随机数，如`nextInt()`、`nextDouble()`、`nextGaussian()`等。

以下是一个示例代码，演示如何使用`Random`类生成随机数：

“`java

import java.util.Random;

public class RandomExample {

public static void main(String[] args) {

// 创建一个随机数生成器对象

Random random = new Random();

// 生成一个0到99的随机整数

int randomInt = random.nextInt(100);

System.out.println(\”随机整数: \” + randomInt);

// 生成一个0到1的随机浮点数

double randomDouble = random.nextDouble();

System.out.println(\”随机浮点数: \” + randomDouble);

// 生成一个标准正态分布的随机数，即均值为0，标准差为1的随机数

double randomGaussian = random.nextGaussian();

System.out.println(\”随机正态分布数: \” + randomGaussian);

}

}

“`

在上面的示例中，我们首先创建了一个`Random`对象，然后使用该对象的`nextInt()`方法生成一个0到99的随机整数。接下来，我们使用`nextDouble()`方法生成一个0到1的随机浮点数。最后，我们使用`nextGaussian()`方法生成一个标准正态分布的随机数。

Java生成随机数（random()和Random类）

在 Java 中要生成一个指定范围之内的随机数字有两种方法：一种是调用 Math 类的 random() 方法，一种是使用 Random 类。

Random 类提供了丰富的随机数生成方法，可以产生 boolean、int、long、float、byte 数组以及 double 类型的随机数，这是它与 random() 方法最大的不同之处。random() 方法只能产生 double 类型的 0~1 的随机数。

Random 类位于 java.util 包中，该类常用的有如下两个构造方法。

• Random()：该构造方法使用一个和当前系统时间对应的数字作为种子数，然后使用这个种子数构造 Random 对象。
• Random(long seed)：使用单个 long 类型的参数创建一个新的随机数生成器。

Random 类提供的所有方法生成的随机数字都是均匀分布的，也就是说区间内部的数字生成的概率是均等的，在表 1 中列出了 Random 类中常用的方法。

表 1 Random 类的常用方法

下面编写一个 Java 程序，演示如何使用 Random 类提供的方法来生成随机数。具体代码如下:本实例每次运行时结果都不相同，这就实现了随机产生数据的功能。该程序的运行结果如下：

生成的[0,1.0]区间的小数是：0.8773165855918825

生成的[0,7.0]区间的小数是：6.407083074782282

生成的[0,10]区间的整数是：5

生成的[-3,15]区间的整数是：4

生成一个随机长整型值：-8462847591661221914

生成一个随机布尔型值：false

生成一个随机浮点型值：0.6397003

下期七星彩号码预测：0227168

Math 类的 random() 方法没有参数，它默认会返回大于等于 0.0、小于 1.0 的 double 类型随机数，即 0<=随机数<1.0。对 random() 方法返回的数字稍加处理，即可实现产生任意范围随机数的功能。

下面使用 random() 方法实现随机生成一个 2~100 偶数的功能。具体代码如下：由于 m+(int)(Math.random()*n) 语句可以获取 m~m+n 的随机数，所以 2+(int)(Math. random()*(102-2)) 表达式可以求出 2~100 的随机数。在产生这个区间的随机数后还需要判断是否为偶数，这里使用了对 2 取余数，如果余数不是零，说明随机数是奇数，此时将随机数加 1 后再输出。

该程序的运行结果如下：

随机数是：20

需要源码数据库的评论区“888”领取。

本文作者及来源:Renderbus瑞云渲染农场https://www.renderbus.com