Random类生成随机数详解

清疚 2023-10-08 08:26 47阅读 0赞

先看看Random的构造方法

public Random() {
        
            this(seedUniquifier() ^ System.nanoTime());
        }
    
        public Random(long seed) {
        
            if (getClass() == Random.class)
                this.seed = new AtomicLong(initialScramble(seed));
            else {
        
                // subclass might have overriden setSeed
                this.seed = new AtomicLong();
                setSeed(seed);
            }
        }

在Random类中，构造方法有2个:

*  一个带long型参数，
 *  一个不带参数；实际是调用带参的构造；如果不带参数，Random会设置一个默认参数seed；

#### 1.Random设置默认seed ####

首先研究下Random如何设置默认的seed；

public Random() {
        
            this(seedUniquifier() ^ System.nanoTime());
        }

分为2部分：

*  seedUniquifier()
 *  System.nanoTime()：获取系统时间（纳秒 1ns = 10\-6ms）

##### 1.1seedUniquifier源码： #####

private static long seedUniquifier() {
        
         
            for (;;) {
        
                long current = seedUniquifier.get();
                long next = current * 181783497276652981L;
                if (seedUniquifier.compareAndSet(current, next))
                    return next;
            }
        }
        private static final AtomicLong seedUniquifier
            = new AtomicLong(8682522807148012L);

代码过程：

*  获取一个Random固定的long值current ；
 *  利用current 计算出next
 *  利用CAS修改 seedUniquifier的值，修改成功就返回；因为利用了CAS所以这个seedUniquifier是线程安全的，可以在多线程中使用；

总结一下：利用random的一个固定属性值，通过乘一个数(固定值)，计算出了一个值 然后返回；可以看出这都是固定值；也就是说，只要初始状态确定，利用这个函数生成的一系列的数字顺序也就确定了；

##### 1.2生成seed #####

我们知道默认的seed：由方法：seedUniquifier() 生成数字与系统当前时间这2个数字通过 异或位运算 生成的；其中通过方法：seedUniquifier()生成的是一个固定数字序列；而产生变化的是获取的系统时间，通过这2个数做一个位运算生成一个新数字，作为起始的random的起始值seed；因此每次调用Random类的无参构造都能获取到一个不同seed看起来还是比较像随机了；

#### 2.Random初始化处理seed ####

在上面我们提到可以自定义seed或者系统自动生成；在random拿到参数seed之后其实还做了处理，并不是将传进来的seed直接保存；

public Random(long seed) {
        
            if (getClass() == Random.class)
                this.seed = new AtomicLong(initialScramble(seed));
            else {
        
                // subclass might have overriden setSeed
                this.seed = new AtomicLong();
                setSeed(seed);
            }
        }
    
        private static long initialScramble(long seed) {
        
            return (seed ^ multiplier) & mask;
        }
    
    private static final long multiplier = 0x5DEECE66DL;
    private static final long mask = (1L << 48) - 1;

在处理seed时候，首先判断了一下是不是Random的子类，如果是Random子类，那么处理seed的方法可能被重写，这个时候seed就会交给子类处理；如果子类没重写，那还是用的Random类的处理方法：initialScramble（）；

在initialScramble（）中处理seed： **(seed ^ multiplier) & mask** 生成的值作为Random的真正的初始值seed；

#### 3.next(int bit)生成随机数 ####

这个方法是random比较核心 的方法，不同类型值的获取随机数都是直接或间接利用了这个方法；

private final AtomicLong seed;
        private static final long multiplier = 0x5DEECE66DL;
        private static final long addend = 0xBL;
        private static final long mask = (1L << 48) - 1;
    
        protected int next(int bits) {
        
            long oldseed, nextseed;
            AtomicLong seed = this.seed;
            do {
        
                oldseed = seed.get();
                nextseed = (oldseed * multiplier + addend) & mask;
            } while (!seed.compareAndSet(oldseed, nextseed));
            return (int)(nextseed >>> (48 - bits));
        }

*  获取到旧值 ：oldseed
 *  利用旧值oldseed ，计算一个新值 nextseed ；**(oldseed \* multiplier + addend) & mask;**
 *  将nextseed 更新为新值，更新成功结束循环；返回 **(nextseed >>> (48 - bits))**

这个算法本身也不难，就是利用一个固定的算法： **(oldseed \* multiplier + addend) & mask;** 其中：**multiplier ，addend，mask都是固定值，而oldseed 也是在生成random对象之后就已经初始化了，在这些数字都确定之后，利用这个算法生成的所有数字序列也就确定了，因此random的这个算法被大家称伪随机；因为在初始值确定之后，每次得到的返回值都已经确定了，生成的都是可预测的数字；**

#### 4.Random生成随机数的测试 ####

### 测试1：传参指定相同的seed ###

我们经过上面的分析知道，当初始值seed相同时，生成的随机数序列是相同的；我们可以通过带参构造指定相同的seed；

*  测试代码：2个Random，都指定相同的seed：1；

long multiplier = 0x5DEECE66DL;//Random中的multiplier
            long mask  =(1L << 48) - 1;//Random中的mask
            long seed = (1 ^ multiplier) & mask;//初始化seed的算法
            System.out.println("由1生成的真正的初始seed:"+seed);
    
            System.out.println("**************************");
    
             Random r1 = new Random(1);
             Random r2 = new Random(1);
            for (int i = 0; i < 5; i++) {
        
                System.out.println("[r1]"+r1.nextInt());
                System.out.println("[r2]"+r2.nextInt());
                System.out.println("++++++++++++++++++++++++++++++++");
            }

*  测试结果

由1生成的真正的初始seed:25214903916
    **************************
    [r1]-1155869325
    [r2]-1155869325
    ++++++++++++++++++++++++++++++++
    [r1]431529176
    [r2]431529176
    ++++++++++++++++++++++++++++++++
    [r1]1761283695
    [r2]1761283695
    ++++++++++++++++++++++++++++++++
    [r1]1749940626
    [r2]1749940626
    ++++++++++++++++++++++++++++++++
    [r1]892128508
    [r2]892128508
    ++++++++++++++++++++++++++++++++

### 测试2：不传参由Random自动生成初始seed ###

由于调用Random对象构造方法的时间不同，就会导致获取到的系统时间不同；这种情况下初始的seed就会不同；生成的随机数序列也就不同；

*  测试代码（1）

Random r1 = new Random();
             Random r2 = new Random();
            for (int i = 0; i < 3; i++) {
        
                System.out.println("[r1]"+r1.nextInt());
                System.out.println("[r2]"+r2.nextInt());
                System.out.println("++++++++++++++++++++++++++++++++");
    
            }

*  测试结果（1）

[r1]1283182367
    [r2]-1068120877
    ++++++++++++++++++++++++++++++++
    [r1]-816566372
    [r2]735383144
    ++++++++++++++++++++++++++++++++
    [r1]-2110975477
    [r2]1838318920
    ++++++++++++++++++++++++++++++++

*  测试代码（2）  
    2个Random在多线程中使用

new Thread(() ->{
        
                Random r1 = new Random();
                    System.out.println("[r1:nanoTime]"+System.nanoTime());
                    for (int i = 0; i < 3; i++) {
        
                        System.out.println("[r1]"+r1.nextInt());
                    }
                }).start();
    
                new Thread(() ->{
        
                Random r2 = new Random();
                    System.out.println("[r2:nanoTime]"+System.nanoTime());
                    for (int i = 0; i < 3; i++) {
        
                        System.out.println("[r2]"+r2.nextInt());
                    }
    
                }).start();

*  测试结果  
    测试了好几次，2个Random对象都没能获取到相同的系统时间；因此结果也都不同；不过必须指出的是，在多线程的环境中使用2个或多个不同的Random对象生成的伪随机数字序列是可能相同的；如果想要确保在多线程环境下，各个线程生成的随机数序列相同，只要使用指定参数的构造方法，指定相同参数即可；

[r1:nanoTime]3745251056800
    [r1]2110737154
    [r1]-360918307
    [r1]-779547580
    [r2:nanoTime]3745251443500
    [r2]55610651
    [r2]503726359
    [r2]36689994