本文为个人原创文章，转载请注明出处，非法转载抄袭将追究其责任。如果使用不当会引发一系列问题。是一种伪随机数的实现，而不是真正的随机数。但是，在不同线程上并发使用相同的Random实例可能会导致争用，从而导致性能不佳。其原因是使用所谓的种子来生成随机数。种子是一个简单的数字，它为生成新的随机数提供了基础。ThreadLocalRandom扩展了Random并添加选项以限制其使用到相应的线程实例。
java随机数设置范围?我是 码农小胖哥天天有编程干货分享觉得写的不错点个赞，转发一下，关注一下本文为个人原创文章，转载请注明出处，非法转载抄袭将追究其责任，下面我们就来说一说关于java随机数设置范围?我们一起去了解并探讨一下这个问题吧!
java随机数设置范围
1.前言我是 码农小胖哥。天天有编程干货分享。觉得写的不错。点个赞，转发一下，关注一下。本文为个人原创文章，转载请注明出处，非法转载抄袭将追究其责任。
随机数我们应该不陌生，业务中我们用它来生成验证码，或者对重复性要求不高的id，甚至我们还用它在年会上搞抽奖。今天我们来探讨一下这个东西。如果使用不当会引发一系列问题。
2.java中的随机数我们需要在Java中随机生成一个数字。java开发中我们通常使用java.util.Random来搞，它提供了一种伪随机的生成机制。Jvm 通过传入的种子（seed）来确定生成随机数的区间，只要种子一样，获取的随机数的序列就是一致的。而且生成的结果都是可以预测的。是一种伪随机数的实现，而不是真正的随机数。来确定使用的但是有些用例直接使用可能会导致一些意想不到的问题。Random的一个普遍用法：
// Random 实例Random random = new Random();//调用 nextInt() 方法 此外还有nextDouble(), nextBoolean(), nextFloat(), ...random.nextInt();
或者，我们可以使用java中的数学计算类：
Math.random();
Math类只包含一个Random实例来生成随机数：
public static double random() { Random rnd = randomNumberGenerator; if (rnd == null) ｛ // 返回一个新的Random实例 rnd = initRNG(); ｝ return rnd.nextdouble(); }
java.util.Random的用法是线程安全的。但是，在不同线程上并发使用相同的Random实例可能会导致争用，从而导致性能不佳。其原因是使用所谓的种子来生成随机数。种子是一个简单的数字，它为生成新的随机数提供了基础。我们来看看Random中的next方法：
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));}
首先，旧种子和新种子存储在两个辅助变量上。在这一点上，创造新种子的原则并不重要。要保存新种子，使用compareAndSet()方法将旧种子替换为下一个新种子，但这仅仅在旧种子对应于当前设置的种子的条件下才会触发。如果此时的值由并发线程操纵，则该方法返回false，这意味着旧值与例外值不匹配。因为是循环内进行的操作，那么会发生自旋，直到变量与例外值匹配。这可能会导致性能不佳和线程竞争。
3.多线程下的随机数如果更多线程主动生成具有相同Random的实例的新随机数，则上述情况发生的概率越高。对于生成许多（非常多）随机数的程序，不建议使用这种方式。在这种情况下，您应该使用ThreadLocalRandom，它在1.7版本中添加到Java中。ThreadLocalRandom扩展了Random并添加选项以限制其使用到相应的线程实例。为此，ThreadLocalRandom的实例保存在相应线程的内部映射中，并通过调用current()来返回对应的Random。
4.安全的随机数通过对Random 的一些分析我们可以知道Random事实上是伪随机，是可以推导出规律的，而且依赖种子（seed）。如果我们搞抽奖或者其他一些对随机数敏感的场景时，用Random就不合适了，容易被人钻空子。JDK提供了SecureRandom来解决这个事情。
SecureRandom是强随机数生成器，它可以产生高强度的随机数，产生高强度的随机数依赖两个重要的因素：种子和算法。算法是可以有很多的，通常如何选择种子是非常关键的因素。如Random，它的种子是System.currentTimeMillis()，所以它的随机数都是可预测的， 是弱伪随机数。强伪随机数的生成思路：收集计算机的各种信息，键盘输入时间，内存使用状态，硬盘空闲空间，IO延时，进程数量，线程数量等信息，CPU时钟，来得到一个近似随机的种子，主要是达到不可预测性。说的更通俗就是，使用加密算法生成很长的一个随机种子，让你无法猜测出种子，也就无法推导出随机序列数。
5.总结今天我们探讨了业务中经常使用的随机数的一些机制和一些场景下的一些陷阱，希望你在使用随机数的时候能避免这种陷阱。
