Random可以說是每個(gè)開發(fā)都知道，而且都用的很6的類，如果你說，你沒有用過Random，也不知道Random是什么鬼，那么你也不會(huì)來到這個(gè)技術(shù)類型的社區(qū)，也看不到我的博客了。但并不是每個(gè)人都知道Random的原理，知道Random在高并發(fā)下的缺陷的人應(yīng)該更少。這篇，我就來分析下Random類在并發(fā)下的缺陷以及JUC對(duì)其的優(yōu)化。

Random的原理及缺陷

 public static void main(String[] args) {
  Random random = new Random();
  System.out.println(random.nextInt(100));
 }

在學(xué)習(xí)編程的時(shí)候，我一直對(duì)JDK開發(fā)人員很不解：為什么產(chǎn)生隨機(jī)數(shù)的方法名是：“”nextXXX”？雖然我英語只停留“點(diǎn)頭yes，搖頭no，來是come，去是go” 的水平，但是我知道next是“下一個(gè)”的意思，如果我來命名，會(huì)命名為“create”，“generate”，這樣不是更“貼切”嗎？為什么JDK開發(fā)人員會(huì)命名為“nextXXX”呢？難道是他們突然“詞窮”了，想不出什么單詞了，所以干脆隨便來一個(gè)？后來才知道，原來通過Random生成的隨機(jī)數(shù)，并不是真正的隨機(jī)，它有一個(gè)種子的概念，是根據(jù)種子值來計(jì)算【下一個(gè)】值的，如果種子值相同，那么它生成出來的隨機(jī)數(shù)也必定相等，也就是“確定的輸入產(chǎn)生確定的輸出”。

如果你不信的話，我們可以來做一個(gè)實(shí)驗(yàn)：

 public static void main(String[] args) {
  for (int i = 0; i < 10; i++) {
   Random random = new Random(15);
   System.out.println(random.nextInt(100));
  }
 }

Random類除了提供無參的構(gòu)造方法以外，還提供了有參的構(gòu)造方法，我們可以傳入int類型的參數(shù)，這個(gè)參數(shù)就被稱為“種子”，這樣“種子”就固定了，生成的隨機(jī)數(shù)也都是一樣了：

讓我們簡(jiǎn)單的看下nextInt的源碼把，源碼涉及到算法，當(dāng)然算法不是本篇博客討論的重點(diǎn)，我們可以把源碼簡(jiǎn)化成如下的樣子：

 public int nextInt(int bound) {
  if (bound <= 0)
   throw new IllegalArgumentException(BadBound);
  //1.根據(jù)老的種子生成新的種子
  int r = next(31);
  //2.根據(jù)新的種子計(jì)算隨機(jī)數(shù)
  ...
  return r;
 }

首先是根據(jù)老的種子生成新的種子，然后是根據(jù)新的種子計(jì)算出隨機(jī)數(shù)，nextXXX的核心代碼可以被簡(jiǎn)化這兩步。
 現(xiàn)在讓我們想一個(gè)問題，如果在高并發(fā)的情況下，有N個(gè)線程，同時(shí)執(zhí)行到第一步：根據(jù)老的種子生成新的種子，獲得的種子不就一樣了嗎？由于第二步是根據(jù)新的種子來計(jì)算隨機(jī)數(shù)，這個(gè)算法又是固定的，會(huì)產(chǎn)生什么情況？N個(gè)線程最終獲得的隨機(jī)數(shù)不都一樣了嗎？顯然這不是我們想要的，所以JDK開發(fā)人員想到了這點(diǎn)，讓我們看看next方法里面做了什么：

protected int next(int bits) {
  long oldseed, nextseed;//定義舊種子，下一個(gè)種子
  AtomicLong seed = this.seed;
  do {
   oldseed = seed.get();//獲得舊的種子值，賦值給oldseed 
   nextseed = (oldseed * multiplier + addend) & mask;//一個(gè)神秘的算法
  } while (!seed.compareAndSet(oldseed, nextseed));//CAS，如果seed的值還是為oldseed，就用nextseed替換掉，并且返回true，退出while循環(huán)，如果已經(jīng)不為oldseed了，就返回false，繼續(xù)循環(huán)
  return (int)(nextseed >>> (48 - bits));//一個(gè)神秘的算法
 }

1.定義了舊種子oldseed，下一個(gè)種子（新種子）nextseed。

2.獲得舊的種子的值，賦值給oldseed 。
3.一個(gè)神秘的算法，計(jì)算出下一個(gè)種子（新種子）賦值給nextseed。
4.使用CAS操作，如果seed的值還是oldseed，就用nextseed替換掉，并且返回true，！true為false，退出while循環(huán)；如果seed的值已經(jīng)不為oldseed了，就說明seed的值已經(jīng)被替換過了，返回false，！false為true，繼續(xù)下一次while循環(huán)。
5.一個(gè)神秘的算法，根據(jù)nextseed計(jì)算出隨機(jī)數(shù)，并且返回。

我們可以看到核心就在第四步，我再來更詳細(xì)的的描述下，首先要知道seed的類型：
 private final AtomicLong seed;

seed的類型是AtomicLong，是一個(gè)原子操作類，可以保證原子性，seed.get就是獲得seed具體的值，seed就是我們所謂的種子，也就是種子值保存在了原子變量里面。

 當(dāng)有兩個(gè)線程同時(shí)進(jìn)入到next方法，會(huì)發(fā)生如下的事情：

1.線程A，線程B同時(shí)拿到了seed的值，賦值給oldseed變量。

2.根據(jù)一個(gè)神秘的算法，計(jì)算出nextseed為XXX。注意，既然這個(gè)算法是固定的，那么生成出來的nextseed也必定是固定的。

3.進(jìn)入while循環(huán)：

3.1 線程A，利用CAS算法，發(fā)現(xiàn)seed的值還是為oldseed，說明seed的值沒有被替換過，就把seed的值替換成第二步生成出來的nextseed，替換成功，返回true，！true為false，退出while循環(huán)。
3.2 線程B，利用CAS算法，發(fā)現(xiàn)seed的值已經(jīng)不為oldseed了，因?yàn)榫€程A已經(jīng)把seed的值替換成了nextseed了啊，所以CAS失敗，只能再次循環(huán)。再次循環(huán)的時(shí)候， seed.get()就拿到了最新的種子值，再次根據(jù)一個(gè)神秘的算法獲得了nextSeed，CAS成功，退出循環(huán)。

看起來一切很美好，其實(shí)不然，如果并發(fā)很高，會(huì)發(fā)生什么？大量的線程都在進(jìn)行while循環(huán)，這是相當(dāng)占用CPU的，所以JUC推出了ThreadLocalRandom來解決這個(gè)問題。

ThreadLocalRandom

首先，讓我們來看看ThreadLocalRandom的使用方法：

public static void main(String[] args) {
  for (int i = 0; i < 10; i++) {
   ThreadLocalRandom threadLocalRandom = ThreadLocalRandom.current();
   System.out.println(threadLocalRandom.nextInt(100));
  }
 }

可以看到使用方式發(fā)生了些許的改變，我們來看看ThreadLocalRandom核心代碼的實(shí)現(xiàn)邏輯：

current

  public static ThreadLocalRandom current() {
    if (UNSAFE.getInt(Thread.currentThread(), PROBE) == 0)
      localInit();
    return instance;
  }

有一點(diǎn)需要注意，由于current是一個(gè)靜態(tài)的方法，所以多次調(diào)用此方法，返回的ThreadLocalRandom對(duì)象是同一個(gè)。

如果當(dāng)前線程的PROBE是0，說明是第一次調(diào)用current方法，那么需要調(diào)用localInit方法，否則直接返回已經(jīng)產(chǎn)生的實(shí)例。

localInit
  static final void localInit() {
    int p = probeGenerator.addAndGet(PROBE_INCREMENT);
    int probe = (p == 0) ? 1 : p; // skip 0
    long seed = mix64(seeder.getAndAdd(SEEDER_INCREMENT));
    Thread t = Thread.currentThread();
    UNSAFE.putLong(t, SEED, seed);
    UNSAFE.putInt(t, PROBE, probe);
  }

首先初始化probe和seed，隨后調(diào)用UNSAFE類的方法，把probe和seed設(shè)置到當(dāng)前的線程，這樣其他線程就拿不到了。

nextInt
  public int nextInt(int bound) {
    if (bound <= 0)
      throw new IllegalArgumentException(BadBound);
    int r = mix32(nextSeed());
    int m = bound - 1;
    if ((bound & m) == 0) // power of two
      r &= m;
    else { // reject over-represented candidates
      for (int u = r >>> 1;
         u + m - (r = u % bound) < 0;
         u = mix32(nextSeed()) >>> 1)
        ;
    }
    return r;
  }

和Random類下的nextXXX方法的原理一樣，也是根據(jù)舊的種子生成新的種子，然后根據(jù)新的種子來生成隨機(jī)數(shù)，我們來看下nextSeed方法做了什么：

nextSeed
  final long nextSeed() {
    Thread t; long r; // read and update per-thread seed
    UNSAFE.putLong(t = Thread.currentThread(), SEED,
            r = UNSAFE.getLong(t, SEED) + GAMMA);
    return r;
  }

首先使用UNSAFE.getLong(t, SEED) 來獲得當(dāng)前線程的SEED，隨后+上GAMMA來作為新的種子值，隨后將新的種子值放到當(dāng)前線程中。

總結(jié)

本文首先簡(jiǎn)單的分析了Random的實(shí)現(xiàn)原理，引出nextXXX方法在高并發(fā)下的缺陷：需要競(jìng)爭(zhēng)種子原子變量。接著介紹了ThreadLocalRandom的使用方法以及原理，從類的命名，就可以看出實(shí)現(xiàn)原理類似于ThreadLocal，seed種子是保存在每個(gè)線程中的，也是根據(jù)每個(gè)線程中的seed來計(jì)算新的種子的，這樣就避免了競(jìng)爭(zhēng)的問題。

最新評(píng)論