JAVA中生成随机数Random VS ThreadLocalRandom性能比较

你的名字 2023-10-03 22:09 9阅读 0赞

### 前言 ###

大家项目中如果有生成随机数的需求，我想大多都会选择使用Random来实现，它内部使用了CAS来实现。 实际上，JDK1.7之后，提供了另外一个生成随机数的类ThreadLocalRandom，那么他们二者之间的性能是怎么样的呢？

### Random的使用 ###

Random类是JDK提供的生成随机数的类， 这个类不是随机的，而是伪随机的。什么是伪随机呢？ 伪随机是指生成的随机数是有一定规律的，这个规律出现的周期因伪随机算法的优劣而异。 一般来说，周期比较长，但可以预见。 我们可以通过以下代码简单地使用 Random：

![format_png][]

Random中有很多方法。 这里我们就分析比较常见的`nextInt()`和`nextInt(int bound)`方法。

*  `nextInt()`会计算int范围内的随机数，
 *  `nextInt(int bound)`会计算\[0，bound) 之间的随机数，左闭右开。

#### 实现原理 ####

Random类的构造函数如下图所示：

![format_png 1][]

*  可以看到在构造方法中，根据当前时间`seed`生成了一个`AtomicLong`类型的`seed`。

public int nextInt() {
        return next(32);
    }
    复制代码

*  这里面直接调用了`next()`方法，传入了32，这里的32是指Int的位数。

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));
    }
    复制代码

*  这里会根据`seed`的当前值，通过一定的规则（伪随机）计算出下一个`seed`，然后进行CAS。 如果CAS失败，继续循环上述操作。 最后根据我们需要的位数返回。

小结：可以看出在`next(int bits)`方法中，对`AtomicLong`进行了CAS操作，如果失败则循环重试。 很多人一看到CAS，因为不需要加锁，第一时间就想到了高性能、高并发。 但是在这里，却成为了我们多线程**并发性能的瓶颈**。 可以想象，当我们有多个线程执行CAS时，只有一个线程一定会失败，其他的会继续循环执行CAS操作。 当并发线程较多时，性能就会下降。

### ThreadLocalRandom的使用 ###

JDK1.7之后，提供了一个新类`ThreadLocalRandom`来替代`Random`。

![format_png 2][]

#### 实现原理 ####

我们先来看下`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);
    }
    复制代码

*  如果没有初始化，先进行初始化，这里我们的`seed`不再是全局变量了。 我们的线程中有三个变量：

/** 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;
    复制代码

*  `threadLocalRandomSeed`：这是我们用来控制随机数的种子。
 *  `threadLocalRandomProbe`：这个就是ThreadLocalRandom，用来控制初始化。
 *  `threadLocalRandomSecondarySeed`：这是二级种子。

关键代码如下：

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

可以看出，由于每个线程都维护自己的`seed`，所以此时不需要`CAS`，直接进行put。 这里通过线程间的隔离来减少并发冲突，所以`ThreadLocalRandom`的性能非常高。

### 性能对比 ###

通过基准工具JMH测试：

@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();
       }
    	
    }
    复制代码

运行结果如下图所示，最左边是并发线程的数量：

![format_png 3][]

![format_png 4][]

显而易见，无论线程数量是多少，`ThreadLocalRandom`性能是远高于`Random`。

### 总结 ###

本文讲解了JDK中提供的两种生成随机数的方式，一个是JDK 1.0引入的`Random`类，另外一个是JDK1.7引入的`ThreadLocalRandom`类，由于底层的实现机制不同，`ThreadLocalRandom`的性能是远高于`Random`，建议后面大家在技术选型的时候优先使用`ThreadLocalRandom`。

[format_png]: https://img-blog.csdnimg.cn/img_convert/3c234eaca8379ccafd6db5f0774b0dde.webp?x-oss-process=image/format,png
[format_png 1]: https://img-blog.csdnimg.cn/img_convert/c995011b689f6869d73e41c5add5ae81.webp?x-oss-process=image/format,png
[format_png 2]: https://img-blog.csdnimg.cn/img_convert/b57500b65f07aa60a9534219c0902f90.webp?x-oss-process=image/format,png
[format_png 3]: https://img-blog.csdnimg.cn/img_convert/761eaae63b98d60dd5ea8d27bb1d5e4e.webp?x-oss-process=image/format,png
[format_png 4]: https://img-blog.csdnimg.cn/img_convert/557e6c7c891f0f7425f021061ab7539b.webp?x-oss-process=image/format,png