当前位置:首页 > 文章列表 > 文章 > java教程 > JavaRandom类生成随机数全攻略

JavaRandom类生成随机数全攻略

2026-03-04 17:01:06 0浏览 收藏
本文深入解析了Java中生成随机数的三大核心工具——Random、ThreadLocalRandom和SecureRandom,明确指出它们各自的最佳适用场景:普通单线程业务应复用Random实例并正确使用nextInt(bound)等方法避免常见误区;高并发环境务必切换至无锁高效的ThreadLocalRandom;而涉及密码学安全的密钥、Token等敏感用途,才需启用基于系统熵源的SecureRandom。文章不仅厘清了各方法的取值范围(如nextInt()可返回负数、nextDouble()严格为[0.0, 1.0))、线程安全性差异和性能代价,更以实用代码示例和关键避坑提示(如禁用循环内新建Random、慎用SecureRandom的setSeed)帮助开发者真正用对、用好随机数——毕竟,看似简单的“随机”,背后全是决定系统可靠性与安全性的关键细节。

在Java里如何使用Random类生成随机数_Java随机工具类用法说明

Random类的基本实例化方式

Java中生成随机数最常用的是java.util.Random类,它不是线程安全的单例,每次需要独立实例。直接用new Random()即可,但要注意:如果在极短时间内(比如循环里)反复新建,可能因种子相同导致重复序列。

  • 推荐用无参构造——它内部调用System.nanoTime()作为种子,足够分散
  • 避免在高频循环中写new Random(),应复用同一个实例
  • 若需可重现的随机序列(如测试),才用带long参数的构造:new Random(12345L)

nextInt()、nextDouble()等常用方法的区别

不同nextXxx()方法返回值范围和用途差异明显,容易误用:

  • nextInt():返回任意int(包括负数),不是[0, Integer.MAX_VALUE)——这点常被误解
  • nextInt(int bound):返回[0, bound)之间的整数,bound必须大于0,否则抛IllegalArgumentException
  • nextDouble():返回[0.0, 1.0)的double,不是[0.0, 1.0]
  • nextBoolean()严格返回true或false,概率各50%
Random r = new Random();
int dice = r.nextInt(6) + 1; // 正确:生成1~6
int negative = r.nextInt(); // 可能是-123456789
double rate = r.nextDouble() * 100; // [0.0, 100.0)

ThreadLocalRandom更适合多线程场景

当在并发环境下使用(比如Web服务中每个请求生成随机ID),Random会因竞争导致性能下降,甚至出现“卡顿”现象。此时应改用ThreadLocalRandom——它为每个线程维护独立实例,无锁且更快。

  • 不能用new ThreadLocalRandom(),必须用静态方法获取:ThreadLocalRandom.current()
  • 支持同名方法:nextInt(1, 10)(注意:这是左闭右开区间,即[1,10),和Random.nextInt(int)语义不同)
  • 不支持设置自定义种子,也不提供setSeed()方法
int id = ThreadLocalRandom.current().nextInt(1000, 9999); // 生成4位随机数

SecureRandom适合密码学场景

如果随机数用于生成密钥、token、盐值等安全敏感用途,Random和ThreadLocalRandom都不够——它们是伪随机,可被预测。SecureRandom才是正确选择,它基于操作系统熵源(如/dev/random)。

  • 初始化较慢(尤其首次调用),但后续性能尚可
  • 建议显式指定算法和提供者,例如:new SecureRandom("SHA1PRNG", "SUN")
  • 避免用setSeed(long)手动设种子,这反而削弱安全性
  • 生成随机字节数组比数字更常用:secureRandom.nextBytes(byteArray)

真正关键的一点:别为了“看起来更随机”而滥用SecureRandom——它有系统调用开销,普通业务逻辑(比如抽奖、模拟数据)完全用不到它。

文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《JavaRandom类生成随机数全攻略》文章吧,也可关注golang学习网公众号了解相关技术文章。

CSS Bourbon混合宏使用技巧CSS Bourbon混合宏使用技巧
上一篇
CSS Bourbon混合宏使用技巧
CentOS7fdisk分区详细教程
下一篇
CentOS7fdisk分区详细教程
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。
    254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。
    298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。
    272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。
    251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。
    58次使用