当前位置:首页 > 文章列表 > 文章 > java教程 > Java生成随机整数的几种方法

Java生成随机整数的几种方法

2025-12-06 19:06:56 0浏览 收藏

想要在Java中生成指定范围的随机整数吗?本文详解了Java生成[min, max]闭区间随机整数的最佳实践方法,强烈推荐使用`Random.nextInt(max - min + 1) + min`或`ThreadLocalRandom.current().nextInt(min, max + 1)`。前者通过`Random`类配合偏移计算,简单高效;后者则在多线程环境下更安全,避免资源竞争,性能更优。同时,文章对比了`Math.random()`的用法,并指出了其潜在的精度问题和线程安全问题,建议避免使用。更重要的是,文章强调了避免重复创建`Random`实例的重要性,推荐复用已有对象或使用`ThreadLocalRandom`,以确保随机数的质量和程序的性能。掌握这些技巧,让你的Java随机数生成更加精准高效!

Java中生成[min, max]闭区间随机整数最推荐用Random.nextInt(max - min + 1) + min或ThreadLocalRandom.current().nextInt(min, max + 1),避免重复创建Random实例。

java产生随机整数指定范围

Java中生成指定范围内的随机整数,最常用且推荐的方式是使用 Random 类的 nextInt(int bound) 方法,配合简单偏移计算。

用 Random 生成 [min, max] 闭区间随机整数

注意:nextInt(bound) 生成的是 [0, bound) 范围(左闭右开),所以要得到 [min, max],需写成:
random.nextInt(max - min + 1) + min

  • 确保 max ≥ min,否则结果不可预期
  • 该方式支持负数,比如 min = -10, max = 5 → 范围共 16 个整数
  • 示例代码:

Random r = new Random();
int num = r.nextInt(10 - 1 + 1) + 1; // [1, 10]

用 ThreadLocalRandom(多线程更安全)

在并发环境下,推荐用 ThreadLocalRandom.current() 替代共享 Random 实例,避免竞争和性能瓶颈:

  • 无需创建实例,直接调用静态方法
  • 支持直接生成区间:nextInt(min, max + 1),参数含义是 [min, max+1)
  • 示例:

int num = ThreadLocalRandom.current().nextInt(1, 11); // [1, 10]

用 Math.random()(兼容旧代码,但不推荐)

Math.random() 返回 double ∈ [0.0, 1.0),可通过缩放取整模拟整数随机,但易出错:

  • 常见错误写法:(int)(Math.random() * (max - min)) + min → 实际范围是 [min, max)
  • 正确闭区间写法:(int)(Math.random() * (max - min + 1)) + min
  • 缺点:类型转换可能丢失精度、不如 Random 灵活、线程安全但效率略低

小提醒:避免重复创建 Random 实例

在循环或高频调用中,不要每次 new Random() —— 它依赖系统时间种子,短时间多次创建可能导致相同随机数:

  • 应复用同一个 Random 对象(成员变量或静态常量)
  • 或直接用 ThreadLocalRandom(它自动处理线程局部性)

基本上就这些。选 Random 或 ThreadLocalRandom 都行,后者更适合现代多线程场景。

以上就是《Java生成随机整数的几种方法》的详细内容,更多关于的资料请关注golang学习网公众号!

Golang错误过多怎么优化?错误包装与结构体管理Golang错误过多怎么优化?错误包装与结构体管理
上一篇
Golang错误过多怎么优化?错误包装与结构体管理
ChatGPT客服话术模板,OpenAI全新发布
下一篇
ChatGPT客服话术模板,OpenAI全新发布
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    306次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    364次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    360次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    328次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    151次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码