Random类生成随机数详解

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 setSeedthis.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 setSeedthis.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multiplierlong mask  =(1L << 48) - 1;//Random中的masklong 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