1.前言

在Java中一提到随机数，很多人就会想到Ramdom类，如果有生成随机数的需求的时候，大多数时候都会选择使用Random来进行随机数生成,虽然其内部使用CAS来实现，但是在多线程并发的情况下的时候它的表现并不是很好。在JDK1.7之后，JDK提供了提供了更好的解决方案，接下来让我们一起学习下到底为什么Ramdom会慢？又是怎么解决的呢？

2.Random

Random这个类是JDK提供的用来生成随机数的一个类，这个类并不是真正的随机，而是伪随机，伪随机的意思是生成的随机数其实是有一定规律的，而这个规律出现的周期随着伪随机算法的优劣而不同，一般来说周期比较长，但是可以预测。通过下面的代码我们可以对Random进行简单的使用:

2.1Random原理

Random中的方法比较多，这里就针对比较常见的nextInt()和nextInt(int bound)方法进行分析，前者会计算出int范围内随机数,后者如果我们传入10，那么他会求出[0,10)之间的int类型的随机数，左闭右开。在具体分析之前我们先看一下Random()的构造方法:

可以看见在构造方法当中根据当前时间的种子生成了一个AtomicLong类型的seed，这也是我们后续的关键所在。

2.1.1 nextInt()

在nextInt()中代码如下:

这个里面直接调用的是next()方法，传入的32，这里的32指的是Int的位数。

这里会根据seed当前的值，通过一定的规则(伪随机)算出下一个seed，然后进行cas，如果cas失败继续循环上面的操作。最后根据我们需要的bit位数来进行返回。

2.1.2 nextInt(int bound)

在nextInt(int bound)中代码如下:

这个流程比nextInt()多了几步，具体步骤如下:

1. 首先获取31位的随机数，注意这里是31位，和上面32位不同，因为在nextInt()方法中可以获取到负数的随机数，而nextInt(int bound)规定只能获取到[0,bound)之前的随机数，也就是必须是正数，而int的第一位是符号位所以只获取了31位。
2. 然后进行取bound操作。
3. 如果bound是2的幂，那么直接将第一步获取的数据乘以bound然后右移31位，解释一下:如果bound是4那么,如果乘以4其实就是左移2位，那么其实就是变成了33位，那么再右移31位的话，就又会变成2位，那么2位的int的大小范围其实就是[0,4)了。
4. 如果不是2的幂，通过取余的操作进行处理。

2.1.3 并发瓶颈

CAS: 可以看见在next(int bits)方法中，对AtomicLong进行CAS操作，如果失败则会对其进行循环重试。很多人一看见CAS，因为其不需要加锁，所以马上就想到高性能，高并发。但是在这里，他却成为了我们多线程并发性能的瓶颈，可以想象当我们多个线程都进行CAS的时候必定只有一个失败其他的继续会循环做CAS操作，当并发线程越多的时候，其性能肯定越低。

伪共享:有关于伪共享和缓存行的描述可以看我的你应该知道的高性能无锁队列Disruptor，对于AtomicLong中的value并没有处理缓存行

3.ThreadLocalRandom

在JDK1.7之后提供了新的类ThreadLocalRandom用来代替Random。使用方法比较简单:

在current方法中有:

可以看见如果没有初始化会对其进行初始化，而这里我们的seed不再是一个全局变量，在我们的Thread中有三个变量:

• threadLocalRandomSeed：这个是我们用来控制随机数的种子。
• threadLocalRandomProbe：这个是ThreadLocalRandom用来控制初始化。
• threadLocalRandomSecondarySeed：这个是二级种子。

可以看见所有的变量都加了@sun.misc.Contended这个注解，这个是用来处理伪共享的问题。

在nextInt()方法当中代码如下:

我们的关键代码如下:

UNSAFE.putLong(t = Thread.currentThread(), SEED,r=UNSAFE.getLong(t, SEED) + GAMMA);

可以看见由于我们每个线程各自都维护了种子，这个时候并不需要CAS，直接进行put，在这里利用线程之间隔离，减少了并发冲突，所以ThreadLocalRandom性能很高。

4.性能数据

使用JMH进行基准测试:

@BenchmarkMode({Mode.AverageTime})
@OutputTimeUnit(TimeUnit.NANOSECONDS)
@Warmup(iterations=3, time = 5, timeUnit = TimeUnit.SECONDS)
@Measurement(iterations=3,time = 5)
@Threads(4)
@Fork(1)
@State(Scope.Benchmark)
public class Myclass {
   Random random = new Random();
   ThreadLocalRandom threadLocalRandom = ThreadLocalRandom.current();


   @Benchmark
   public int measureRandom(){
       return random.nextInt();
   }
   @Benchmark
   public int threadLocalmeasureRandom(){
       return threadLocalRandom.nextInt();
   }
}

可以看见ThreadLocalRandom 基本上是完虐Random，并发程度越高差距越大。

最后

相信读完这篇文章以后，未来如果在实际应用中使用随机数你肯定会有新的选择。

最后这篇文章被我收录于JGrowing，一个全面，优秀，由社区一起共建的Java学习路线，如果您想参与开源项目的维护，可以一起共建，github地址为:github.com/javagrowing… 麻烦给个小星星哟。

如果你觉得这篇文章对你有文章，可以关注我的技术公众号，最近作者收集了很多最新的学习资料视频以及面试资料，关注之后即可领取，你的关注和转发是对我最大的支持，O(∩_∩)O