前言

大家項(xiàng)目中如果有生成隨機(jī)數(shù)的需求，我想大多都會(huì)選擇使用Random來(lái)實(shí)現(xiàn)，它內(nèi)部使用了CAS來(lái)實(shí)現(xiàn)。 實(shí)際上，JDK1.7之后，提供了另外一個(gè)生成隨機(jī)數(shù)的類(lèi)ThreadLocalRandom，那么他們二者之間的性能是怎么樣的呢？

Random的使用

Random類(lèi)是JDK提供的生成隨機(jī)數(shù)的類(lèi)， 這個(gè)類(lèi)不是隨機(jī)的，而是偽隨機(jī)的。什么是偽隨機(jī)呢？ 偽隨機(jī)是指生成的隨機(jī)數(shù)是有一定規(guī)律的，這個(gè)規(guī)律出現(xiàn)的周期因偽隨機(jī)算法的優(yōu)劣而異。 一般來(lái)說(shuō)，周期比較長(zhǎng)，但可以預(yù)見(jiàn)。 我們可以通過(guò)以下代碼簡(jiǎn)單地使用 Random：

Random中有很多方法。 這里我們就分析比較常見(jiàn)的nextInt()和nextInt(int bound)方法。

• nextInt()會(huì)計(jì)算int范圍內(nèi)的隨機(jī)數(shù)，
• nextInt(int bound)會(huì)計(jì)算[0，bound) 之間的隨機(jī)數(shù)，左閉右開(kāi)。

實(shí)現(xiàn)原理

Random類(lèi)的構(gòu)造函數(shù)如下圖所示：

可以看到在構(gòu)造方法中，根據(jù)當(dāng)前時(shí)間seed生成了一個(gè)AtomicLong類(lèi)型的seed。

public int nextInt() {
    return next(32);
}

這里面直接調(diào)用了next()方法，傳入了32，這里的32是指Int的位數(shù)。

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));
}

這里會(huì)根據(jù)seed的當(dāng)前值，通過(guò)一定的規(guī)則（偽隨機(jī)）計(jì)算出下一個(gè)seed，然后進(jìn)行CAS。 如果CAS失敗，繼續(xù)循環(huán)上述操作。 最后根據(jù)我們需要的位數(shù)返回。

小結(jié)：

可以看出在next(int bits)方法中，對(duì)AtomicLong進(jìn)行了CAS操作，如果失敗則循環(huán)重試。 很多人一看到CAS，因?yàn)椴恍枰渔i，第一時(shí)間就想到了高性能、高并發(fā)。 但是在這里，卻成為了我們多線程并發(fā)性能的瓶頸。 可以想象，當(dāng)我們有多個(gè)線程執(zhí)行CAS時(shí)，只有一個(gè)線程一定會(huì)失敗，其他的會(huì)繼續(xù)循環(huán)執(zhí)行CAS操作。 當(dāng)并發(fā)線程較多時(shí)，性能就會(huì)下降。

ThreadLocalRandom的使用

JDK1.7之后，提供了一個(gè)新類(lèi)ThreadLocalRandom來(lái)替代Random。

實(shí)現(xiàn)原理

我們先來(lái)看下current()方法。

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

如果沒(méi)有初始化，先進(jìn)行初始化，這里我們的seed不再是全局變量了。 我們的線程中有三個(gè)變量：

/** The current seed for a ThreadLocalRandom */
@sun.misc.Contended("tlr")
long threadLocalRandomSeed;

/** Probe hash value; nonzero if threadLocalRandomSeed initialized */
@sun.misc.Contended("tlr")
int threadLocalRandomProbe;

/** Secondary seed isolated from public ThreadLocalRandom sequence */
@sun.misc.Contended("tlr")
int threadLocalRandomSecondarySeed;

• threadLocalRandomSeed：這是我們用來(lái)控制隨機(jī)數(shù)的種子。
• threadLocalRandomProbe：這個(gè)就是ThreadLocalRandom，用來(lái)控制初始化。
• threadLocalRandomSecondarySeed：這是二級(jí)種子。

關(guān)鍵代碼如下：

UNSAFE.putLong(t = Thread.currentThread(), SEED,r=UNSAFE.getLong(t, SEED) + GAMMA);

可以看出，由于每個(gè)線程都維護(hù)自己的seed，所以此時(shí)不需要CAS，直接進(jìn)行put。 這里通過(guò)線程間的隔離來(lái)減少并發(fā)沖突，所以ThreadLocalRandom的性能非常高。

性能對(duì)比

通過(guò)基準(zhǔn)工具JMH測(cè)試：

@BenchmarkMode({Mode.AverageTime})
@OutputTimeUnit(TimeUnit.NANOSECONDS)
@Warmup(iterations=3, time = 5, timeUnit = TimeUnit.SECONDS)
@Measurement(iterations=3,time = 5)
@Threads(4)
@Fork(1)
@State(Scope.Benchmark)
public class Myclass {
   Random random = new Random();
   ThreadLocalRandom threadLocalRandom = ThreadLocalRandom.current();

   @Benchmark
   public int measureRandom(){
       return random.nextInt();
   }
   @Benchmark
   public int threadLocalmeasureRandom(){
       return threadLocalRandom.nextInt();
   }
	
}

運(yùn)行結(jié)果如下圖所示，最左邊是并發(fā)線程的數(shù)量：

顯而易見(jiàn)，無(wú)論線程數(shù)量是多少，ThreadLocalRandom性能是遠(yuǎn)高于Random。

總結(jié)

本文講解了JDK中提供的兩種生成隨機(jī)數(shù)的方式，一個(gè)是JDK 1.0引入的Random類(lèi)，另外一個(gè)是JDK1.7引入的ThreadLocalRandom類(lèi)，由于底層的實(shí)現(xiàn)機(jī)制不同，ThreadLocalRandom的性能是遠(yuǎn)高于Random，建議后面大家在技術(shù)選型的時(shí)候優(yōu)先使用ThreadLocalRandom。

到此這篇關(guān)于Java生成隨機(jī)數(shù)之Random與ThreadLocalRandom性能比較詳解的文章就介紹到這了,更多相關(guān)Java Random ThreadLocalRandom內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論