当前位置:首页 > 文章列表 > 文章 > java教程 > Random与ThreadLocalRandom性能对比详解

Random与ThreadLocalRandom性能对比详解

2026-05-28 12:09:50 0浏览 收藏
在高并发场景下,ThreadLocalRandom凭借为每个线程维护独立种子、彻底消除CAS竞争与伪共享,性能显著优于依赖AtomicLong+CAS更新共享种子的Random;但选择并非绝对——需根据是否需要可重现性(选Random)、单线程复用效率、安全性要求(应选SecureRandom)等具体场景权衡,同时警惕将Random声明为全局Bean或在循环中频繁新建等常见误用陷阱。

Random与ThreadLocalRandom随机数生成性能对比

多线程环境下,ThreadLocalRandom 明显快于 Random,核心原因在于它彻底消除了线程间对共享种子的竞争。Random 虽线程安全,但靠 AtomicLong + CAS 更新种子,在高并发时大量线程自旋重试,性能急剧下降;而 ThreadLocalRandom 为每个线程维护独立种子和状态,无锁、无争用。

为什么 Random 在多线程下变慢

Random 的 next() 方法内部使用 CAS 循环更新种子:

  • 多个线程同时调用时,只有一个能成功更新 seed,其余必须重试
  • CPU 缓存行频繁失效(伪共享),尤其在多核机器上更明显
  • 实测显示:200 线程共享一个 Random 实例,吞吐量可能比单线程还低
  • Spring 或 Tomcat 中若将 new Random() 声明为 Bean 字段,等同于全局共享,立刻触发锁竞争

ThreadLocalRandom 快在哪

它不依赖共享变量,而是复用 Thread 对象内置的三个字段:

  • threadLocalRandomSeed:线程专属种子
  • threadLocalRandomProbe:探针值,用于哈希定位
  • threadLocalRandomSecondarySeed:辅助种子,增强随机性
  • 三者均加了 @Contended("tlr") 注解,避免伪共享,提升缓存效率
  • 调用 current() 仅做一次线程局部查找,开销极小

怎么选才合适

不能简单说“ThreadLocalRandom 更好”,要按场景判断:

  • 高并发服务(如 Web 请求、ForkJoinTask、CompletableFuture)→ 用 ThreadLocalRandom.current()
  • 需要可重现结果(单元测试、游戏存档、确定性分片)→ 只能用 Random,因它支持 setSeed()
  • 单线程反复调用 → 复用一个 Random 实例比频繁调用 current() 更快
  • 安全性要求高(如生成令牌、密钥)→ 应用 SecureRandom,而非两者任一

常见误用与纠正

这些写法看似合理,实则埋雷:

  • ❌ new Random() 放在循环或 Runnable 内部 → 高并发下易得相同种子,输出重复序列
  • ❌ Spring Bean 中 private final Random random = new Random(); → 全局单例,退化为竞争热点
  • ✅ 正确做法:字段声明改为每次调用 ThreadLocalRandom.current().nextInt(100)
  • ✅ 或初始化时用 SecureRandom 生成强熵种子: new Random(secureRandom.nextLong())

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~

腾讯元宝品牌文案创作全解析腾讯元宝品牌文案创作全解析
上一篇
腾讯元宝品牌文案创作全解析
手机淘宝与天猫区别详解
下一篇
手机淘宝与天猫区别详解
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。
    471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。
    531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。
    551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。
    501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。
    318次使用