阿里標籤識別教程（阿里開發手冊為什麼不建議使用Random）

2023-04-23 18:49:22 1

Random random = new Random; for (int i=0;i<10;i ){ System.out.println(random.nextInt(10)); }

那麼Random有什麼缺點呢？我們先看nextInt的源碼？

protected int next(int bits) { long oldseed, nextseed; AtomicLong seed = this.seed; do { //獲取當前原子變量種子的值 //(6) oldseed = seed.get; //根據當前種子值計算新的種子 //(7) nextseed = (oldseed * multiplier addend) & mask; //(8) //使用CAS 操作，它使用新的種子去更新老的種子，在多線程環境下 可能多個線程都同時 } while (!seed.compareAndSet(oldseed, nextseed)); //(9) return (int)(nextseed >>> (48 - bits)); }

(6) 獲取當前的原子變量種子的值

(7) 根據當前的種子值計算新的種子值

(8) 使用CAS 操作去更新舊的種子，在多線程的環境下可能會有多個線程同時執行(6)代碼，就有可能多線程拿到的是同一個值，然後多個線程再同時執行(7)，又得到同一個最新的種子，但是步驟(8)的CAS操作會保證只有一個線程可以更新老的種子為新的，那麼失敗的線程怎麼辦呢？失敗的線程會通過循環獲取更新後的種子作為當前的 種子去計算新的種子，這就保證了隨機數的隨機性。

代碼(9) 使用固定算法根據新的種子計算隨機數。

總結：

在每個Random實例裡面都有一個原子性的變量用來記錄當前 的種子性，當要生成新的隨機數 時需要根據當前種子計算新的種子並更新回原子變量。在多線程下使用單個Random實例生成隨機數時，當多個線程同時計算隨機數來計算新的種子時，多個線程會競爭同一個原子變量的更新操作，由於原子變量的更新是CAS操作，同時只有一個線程會成功，所以會造成大量線程進行自旋重試，這回降低並發性能，所以ThreadLocalRandom應運而生。

Random的缺點是多個線程會使用同一個原子性種子變量，從而導致原子變量更新的競爭。

如果每個線程都維護一個種子變量，那麼每個線程生成隨機數時都是根據自己老的種子計算新的種子，再根據新的種子計算隨機數，那麼就不會存在競爭問題了，這會大大提高並發性能。ThreadLocalRandom原理如下圖：

怎麼使用呢？只需要使用下面代碼就可以了

ThreadLocalRandom.current.nextX(...)}

ThreadLocalRandom.current 代碼含義是 返回當前實例，並初始化此線程的種子。

ThreadLocalRandom是單例的。

public static ThreadLocalRandom current { if (UNSAFE.getInt(Thread.currentThread, PROBE) == 0) localInit; return instance; }

/** The common ThreadLocalRandom */static final ThreadLocalRandom instance = new ThreadLocalRandom;

我們看下localInit方法的實現：

static final void localInit { int p = probeGenerator.addAndGet(PROBE_INCREMENT); int probe = (p == 0) ? 1 : p; // skip 0 long seed = mix64(seeder.getAndAdd(SEEDER_INCREMENT)); Thread t = Thread.currentThread; UNSAFE.putLong(t, SEED, seed); UNSAFE.putInt(t, PROBE, probe);}

上面代碼是給每個線程分配一個種子；

我們繼續看next方法

public int nextInt(int bound) { if (bound <= 0) throw new IllegalArgumentException(BadBound); int r = mix32(nextSeed); int m = bound - 1; if ((bound & m) == 0) // power of two r &= m; else { // reject over-represented candidates for (int u = r >>> 1; u m - (r = u % bound) >> 1) ; } return r; }

如上代碼中，首先使用 ` r = UNSAFE.getLong(t, SEED) GAMMA` 獲取當前線程中的

threadLocalRandomSeed變量的值，然後在種子的基礎上累加GAMMA值作為新種子，而後使用UNSAFE的putLong方法把新種子放入當前線程的threadLocalRandomSeed變量中。

總結：

`ThreadLocalRandom` 使用ThreadLocal的原理，讓每個線程都持有一個本地的種子變量，該種子變量只有在使用隨機數時才會被初始化。在多線程計算新種子時是根據自己線程內維護的種子變量進行更新，從而避免了競爭。

最後建議：

在 JDK7 之後，可以直接使用 API ThreadLocalRandom，而在 JDK7 之前，需要編碼保證每個線程持有一個單獨的 Random 實例