JavaRandom.nextInt(范围)生成随机数全解析
Java中Random.nextInt(bound)实际生成的是[0, bound)左闭右开区间的随机整数,而非直观理解的[0, bound],因此想获取0到N(含N)需调用nextInt(N+1),而获取1到N(含)则用nextInt(N)+1;多线程环境下应优先使用ThreadLocalRandom避免种子冲突和性能瓶颈,大数值范围下存在轻微分布偏差,密码学等高敏感场景必须改用SecureRandom;理解边界规则、线程安全模型与随机质量三者缺一不可,否则看似随机的结果可能在关键时刻“似曾相识”。

Random.nextInt(bound) 生成的是 [0, bound) 区间,不是 [0, bound]
很多人写 new Random().nextInt(10) 想要“0 到 10 之间的随机数”,结果发现永远得不到 10。这是因为 nextInt(bound) 的定义就是返回一个 **大于等于 0、小于 bound 的 int** —— 数学上叫左闭右开区间 [0, bound)。
常见错误现象:
- 用 nextInt(10) 后 +1 得到 1~10,但没考虑 bound=0 时抛 IllegalArgumentException
- 在需要包含上界(比如数组索引取 length)时直接传入 array.length,结果下标越界
- 如果要生成 [0, N](含 N),得用
nextInt(N + 1) - 如果要生成 [1, N](含 1 和 N),用
nextInt(N) + 1 - bound 必须 > 0,否则运行时抛
IllegalArgumentException: bound must be positive
多线程环境下 new Random() 不是最佳选择
每次调用 new Random() 都会基于当前时间戳初始化种子,高并发下容易产生重复序列 —— 尤其在毫秒级内大量创建实例时。这不是 bug,是设计使然。
使用场景:
- 单次工具脚本、单元测试里临时用一下,没问题
- Web 请求中每个请求都 new Random(),可能撞种子,导致不同请求拿到相同随机数
- 推荐复用一个
Random实例,比如声明为static final Random RANDOM = new Random(); - Java 7+ 更推荐用
ThreadLocalRandom.current().nextInt(bound),它专为多线程优化,无竞争、无同步开销 ThreadLocalRandom不能指定种子,也不支持setSeed(),所以需要可重现序列的场景(如游戏存档)仍得用Random
nextInt(bound) 的 bound 接近 Integer.MAX_VALUE 时有偏差
当 bound 很大(比如 > 2^30),nextInt(bound) 内部用的是拒绝采样法:先生成完整 int 范围的随机值,再模 bound。但由于 2^32 不能被所有 bound 整除,某些余数出现概率略高 —— 理论上存在轻微分布偏差。
性能 / 兼容性影响:
- 对绝大多数业务逻辑(抽奖、ID 偏移、测试数据)完全可忽略
- 密码学、蒙特卡洛模拟等对均匀性敏感的场景,不能用 Random,应换 SecureRandom
- 若真需大范围且均匀,可用
ThreadLocalRandom.current().nextInt(0, bound)(Java 8+),它内部做了优化,比老式nextInt(bound)更公平 SecureRandom.nextInt(bound)也能用,但性能差一个数量级,别滥用
替代方案:为什么现在更常看到 ThreadLocalRandom 或 Random.ints()
Random.ints() 是 Java 8 引入的流式接口,适合批量生成;ThreadLocalRandom 是为并发而生。它们不是“取代”,而是各司其职。
参数差异:
- Random.nextInt(bound) 返回单个 int
- ThreadLocalRandom.current().nextInt(bound) 行为一致,但线程安全
- new Random().ints(100, 0, 10).toArray() 生成 100 个 [0,10) 的 int 流
- 不要为了“新”而改,已有
Random实例且线程安全可控,没必要动 - Spring Boot 项目里,直接注入
@Bean Random random() { return new Random(); }是常见且合理的做法 - 注意
Random.ints()默认是无限流,必须用limit(n)或指定范围参数,否则终端不终止
事情说清了就结束。边界判断、线程模型、分布质量这三点,漏掉任何一个都可能让“随机”变成“似曾相识”。
今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~
DjangoRedis缓存权限管理与用户角色控制
- 上一篇
- DjangoRedis缓存权限管理与用户角色控制
- 下一篇
- em与i标签区别及使用技巧解析
-
- 文章 · java教程 | 10小时前 |
- Java 虚拟线程连接池改造的资源边界
- 236浏览 收藏
-
- 文章 · java教程 | 15小时前 | Java · 虚拟线程 · java UncaughtExceptionHandler 虚拟线程 Thread.Builder.OfVirtual
- Java Thread.Builder.OfVirtual 设置线程异常处理器
- 139浏览 收藏
-
- 文章 · java教程 | 17小时前 | 数据处理 · Java教程 · java windowFixed Stream Gatherer 事件窗口
- Java Stream Gatherer 组合短窗口事件的实现步骤
- 495浏览 收藏
-
- 文章 · java教程 | 1天前 | 并发 · Java · 随机数 · RandomGeneratorFactory Java随机算法 随机数并发
- Java RandomGeneratorFactory 怎么按能力选择随机算法
- 244浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java HexFormat 怎么在字节数组和十六进制文本间转换
- 361浏览 收藏
-
- 文章 · java教程 | 1天前 | 文件处理 · nio · Java教程 · java 文件比较 Files.mismatch 字节偏移
- Java Files.mismatch 怎么定位两个文件首个差异
- 342浏览 收藏
-
- 文章 · java教程 | 1天前 | Java ·
- Java Base64 流式编码怎么避免一次加载大文件
- 182浏览 收藏
-
- 文章 · java教程 | 1天前 | Java · 可观测性 ·
- Java JFR EventStream 怎么实时消费运行事件
- 145浏览 收藏
-
- 文章 · java教程 | 1天前 | Java ·
- Java Class-File API 怎么读取类文件结构
- 419浏览 收藏
-
- 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
- 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
- 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
- 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
- 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
-
- 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。
- 261次使用
-
- 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。
- 307次使用
-
- 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。
- 289次使用
-
- 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。
- 265次使用
-
- 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。
- 76次使用
-
- Java try-with-resources 多个资源关闭顺序是什么
- 2026-09-10 501浏览
-
- 矩阵主副对角线快速定位技巧
- 2026-05-31 501浏览
-
- Java多态优化流程代码与行为分发改进
- 2026-05-26 501浏览
-
- JVM 类元数据双亲委派链表深度解析
- 2026-05-21 501浏览
-
- 反射异常处理:InvocationTargetException解析与应用
- 2026-05-16 501浏览
