1. 引言
随机数在软件开发中无处不在：模拟、游戏、加密、负载均衡、测试数据生成等。Java 提供了多种随机数生成工具，从最早的 java.util.Random 到专为并发优化的 ThreadLocalRandom，再到高安全性的 SecureRandom 和适用于并行流的 SplittableRandom。此外，第三方库如 Apache Commons Lang 也提供了增强功能。选择合适的随机数生成器对程序性能、安全性和正确性至关重要。
本文将深入剖析每种随机数生成器的特性、实现原理、优缺点及适用场景，并附有详细的性能对比和最佳实践建议。
2. 随机数的基本概念
- 真随机数：来源于物理现象（如热噪声、量子效应），不可预测，适用于加密、安全令牌。
- 伪随机数：由算法通过种子生成，看似随机但实际确定，可重现。适用于大多数非安全场景。
- 种子（Seed）：算法的初始状态，相同种子会产生相同随机序列。
- 周期：伪随机数序列重复之前的长度，长周期更优。
Java 中的随机数生成器都是伪随机的（除了部分 SecureRandom 实现可能使用真随机源），但 SecureRandom 保证了密码学意义上的不可预测性。
3. Java 内置随机数生成器概览
| 类名 | 引入版本 | 线程安全 | 随机性强度 | 性能 | 主要用途 |
|---|---|---|---|---|---|
java.util.Random | 1.0 | 是（但竞争激烈） | 中等 | 低并发下较好 | 通用，单线程或低并发 |
java.util.concurrent.ThreadLocalRandom | 1.7 | 是，每个线程独立 | 中等 | 并发极高 | 多线程并发随机数 |
java.security.SecureRandom | 1.1 | 是 | 高（密码级） | 较低 | 加密、安全令牌 |
java.util.SplittableRandom | 1.8 | 否（但专为 fork/join 设计） | 中等 | 极快 | 并行流、ForkJoinPool |
java.util.random.RandomGenerator 及其实现 | 17 | 各异 | 各异 | 各异 | 统一接口，多种新算法 |
3.1 java.util.Random
实现原理：使用 48 位种子，线性同余生成器（LCG），公式：seed = (seed * 0x5DEECE66DL + 0xBL) & ((1L << 48) - 1)，然后取高位输出。
- 特点：可指定种子，实例化后即可使用。线程安全（通过原子变量更新种子），但高并发下 CAS 竞争严重，性能下降。
- 方法：
nextInt(),nextLong(),nextDouble(),nextGaussian()（生成高斯分布）等。 - 示例：
Random rand = new Random(12345L); // 固定种子
int num = rand.nextInt(10); // 0-9
- 优点：简单易用，可重现。
- 缺点：并发性能差，随机性不足以用于加密。
3.2 java.util.concurrent.ThreadLocalRandom
实现原理：每个线程持有一个独立的 Random 实例，种子存储在线程本地（Thread 类中的 threadLocalRandomSeed 等字段），避免了共享种子带来的竞争。
- 特点：单例模式，通过
ThreadLocalRandom.current()获取当前线程的实例。自动设置种子（初始与线程有关），无需显式实例化。 - 方法：与
Random类似，但增加了nextInt(int bound)等直接方法。 - 示例：
int num = ThreadLocalRandom.current().nextInt(1, 100); // 1-99
- 优点：并发性能极高，适合多线程环境。
- 缺点：无法设置种子（不可重现），不适用于需要确定性序列的场景。
3.3 java.security.SecureRandom
实现原理：依赖底层操作系统提供的熵源（如 /dev/random、/dev/urandom）或硬件随机数生成器，结合密码学哈希算法（如 SHA1PRNG）生成随机数。
- 特点：提供强随机性，满足密码学要求（不可预测）。实现可插拔，通过
getInstance(String algorithm)指定算法。 - 方法：与
Random类似，但生成速度慢。 - 示例：
SecureRandom secureRandom = new SecureRandom(); // 默认算法
byte[] bytes = new byte[16];
secureRandom.nextBytes(bytes); // 生成 16 字节随机数
- 注意：在 Linux 上，默认使用
/dev/urandom，若需阻塞等待足够熵，可指定-Djava.security.egd=file:/dev/./urandom。 - 优点：安全，不可预测。
- 缺点：性能较低，可能阻塞。
3.4 java.util.SplittableRandom
实现原理：采用改良的 LCG（使用加法和异或），专为拆分成多个独立实例设计。它的 split() 方法返回一个新的 SplittableRandom 实例，该实例与当前实例独立，但共享相同的算法。
- 特点：非线程安全，但设计用于并行计算，每个线程/任务使用独立的
SplittableRandom实例。速度极快（比Random快 2-3 倍）。 - 方法：与
Random类似，但缺少nextGaussian()。 - 示例：
SplittableRandom random = new SplittableRandom();
long stream = random.longs(10, 0, 100); // 生成 10 个长整型随机数流
- 优点：极高性能，适合并行流和 ForkJoin 框架。
- 缺点：不可用于加密，非线程安全（但可通过 split 保证线程独立）。
3.5 Java 17+ 的 RandomGenerator 接口
Java 17 引入 java.util.random.RandomGenerator 接口，统一了随机数生成器的 API，并提供了多种新算法实现，如 "L32X64MixRandom"、"L64X128StarStarRandom" 等（基于 LXM 系列）。这些算法具有长周期、高状态、高性能的特点。
- 获取方式：通过
RandomGenerator.of(String name)或RandomGenerator.getDefault()。 - 常见实现：
Random、SecureRandom、SplittableRandom都实现了该接口。- 新增算法：
L32X64MixRandom、L64X128StarStarRandom、L128X256MixRandom等，适用于需要高质量随机数的科学计算。
- 特点：算法多样，可根据需要选择周期和状态大小。
- 示例：
RandomGenerator rng = RandomGenerator.of("L64X128MixRandom");
long val = rng.nextLong();
4. 第三方库随机数生成器
4.1 Apache Commons Lang - RandomUtils 和 RandomStringUtils
Apache Commons Lang 提供了易用的工具类，内部封装了 java.util.Random 实例。
RandomUtils：提供nextInt、nextLong等方法，但已废弃，推荐直接使用 JDK 类。RandomStringUtils：生成随机字符串，如字母数字组合。
String randomStr = RandomStringUtils.randomAlphanumeric(10);
- 注意：内部使用
Random，线程安全但性能一般，且不适用于加密。
4.2 Guava 的随机相关工具
Guava 提供了 com.google.common.hash.Hashing 中的 murmur3_128 等哈希函数，以及 com.google.common.primitives 工具，但没有独立的随机数生成器。对于随机字符串，可以使用 CharMatcher 自行构造。
4.3 其他高性能库
- FastRandom：某些第三方库（如
commons-math）提供更快的随机数生成器，用于科学计算。 - OpenJdk 的
jdk.random包：在 JDK 17 中已内置 LXM 系列，性能极高，无需第三方。
5. 核心对比维度
5.1 线程安全性
Random：线程安全，通过 CAS 更新种子，但高并发下性能差。ThreadLocalRandom：线程封闭，无竞争，最佳并发性能。SecureRandom：线程安全，通常使用同步，但性能开销大。SplittableRandom：非线程安全，需通过split()为每个线程创建新实例。
结论：并发场景首选 ThreadLocalRandom 或 SplittableRandom（并行流）。
5.2 随机质量与周期
Random：周期 2^48，线性同余，低比特位随机性较弱。ThreadLocalRandom：与Random算法相同，但种子维护在线程本地。SecureRandom：密码学安全，不可预测。SplittableRandom：周期 2^64，改良算法，分布均匀。- JDK 17 LXM 系列：周期可达 2^256 或更高，状态大，质量高。
结论：普通应用 Random 足够，加密用 SecureRandom，高质量科学计算用 LXM。
5.3 性能测试（JMH 简要参考）
以下为粗略性能对比（单位：ns/op，生成 10^7 次 int）：
| 实现 | 单线程 | 多线程（8 线程） |
|---|---|---|
Random | 20 ns | 严重下降，约 500 ns（竞争） |
ThreadLocalRandom | 15 ns | 15 ns（无竞争） |
SecureRandom | 2000 ns | 2000 ns（阻塞严重） |
SplittableRandom | 8 ns | 8 ns（每个线程独立实例） |
L64X128MixRandom (Java 17) | 7 ns | 7 ns（独立实例） |
注：实际值随硬件和 JDK 版本变化，但相对关系稳定。
5.4 可重复性（种子控制）
Random：支持构造时指定种子，方便重现。ThreadLocalRandom：不支持种子设定。SecureRandom：支持设置种子，但通常用于增加熵而非重现。SplittableRandom：支持种子设定，split()衍生实例基于当前种子。- LXM 算法：支持种子设定。
结论：需要确定性序列（如单元测试）时用 Random 或 SplittableRandom。
5.5 易用性
Random最简单，可直接new Random()。ThreadLocalRandom通过静态方法获取，但要注意作用域。SecureRandom可能抛出异常，需处理NoSuchAlgorithmException。SplittableRandom与Random类似，但缺少高斯分布方法。
6. 特殊随机数需求
6.1 生成随机字符串
常用场景：验证码、临时密码、ID 生成器。
- 简单实现：利用
Random或ThreadLocalRandom从字符数组中选取。 - 安全需求：使用
SecureRandom。 - 工具类：
RandomStringUtils（Commons Lang）或自写：
static String randomString(int length, Random random) {
String chars = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789";
StringBuilder sb = new StringBuilder(length);
for (int i = 0; i < length; i++) {
sb.append(chars.charAt(random.nextInt(chars.length())));
}
return sb.toString();
}
6.2 生成随机数流
Java 8+ 的 Random、ThreadLocalRandom、SplittableRandom 都支持直接生成流：
Random rand = new Random();
IntStream ints = rand.ints(10, 0, 100); // 10 个 0-99 的 int
对于并行流，使用 SplittableRandom 的 splits() 方法可以生成多个独立实例，每个处理一段。
6.3 生成指定分布的随机数
- 高斯分布：
Random.nextGaussian()生成均值为 0，标准差为 1 的正态分布值。 - 自定义分布：可使用逆变换法或接受 - 拒绝法，或借助第三方库如 Apache Commons Math。
6.4 生成 UUID
Java 内置 UUID.randomUUID() 使用 SecureRandom 生成版本 4 UUID（完全随机）。其性能可能较低，但安全性高。若不需要加密级别，可改用基于 Random 的实现。
7. 深入原理
7.1 线性同余生成器（LCG）
Random 采用 LCG：X_{n+1} = (a * X_n + c) mod m，其中 a=25214903917, c=11, m=2^48。输出时取高比特位（丢弃低 16 位）以改善随机性。LCG 周期短，低比特位周期更短，因此不建议用于蒙特卡洛模拟等需要高质量随机数的场景。
7.2 混合生成器（LXM）
Java 17 引入的 LXM 算法结合了线性同余（LC）和异或移位（XorShift）或混合函数（Mix）。它维护两个状态：一个 LC 状态产生周期性的数值，另一个是加法的 XorShift 状态。最终通过混合函数输出。这种设计具有长周期、高维均匀性，且速度快。
7.3 熵池与阻塞
SecureRandom 在 Linux 上默认读取 /dev/urandom（非阻塞，但初始可能阻塞直到熵池初始化）。若指定 /dev/random，则在熵不足时会阻塞等待。在服务器启动时，若需生成大量安全随机数，建议预先初始化 SecureRandom 或增大熵池（使用 rngd 服务）。
8. 最佳实践与选型建议
8.1 选择指南
- 普通应用（非并发）：
new Random()或指定种子的Random。 - 多线程并发（无加密需求）：
ThreadLocalRandom.current()。 - 并行流/大数据处理：
SplittableRandom配合split()或流 API。 - 加密、令牌、密码学：
SecureRandom（永远不要用Random做安全相关）。 - 需要高质量随机数（如模拟）且 JDK 17+：
RandomGenerator.of("L64X128MixRandom")。 - 单元测试需重现：
Random或SplittableRandom固定种子。
8.2 常见陷阱
- 不要重复实例化
Random：每次 new 会消耗熵（其实影响不大，但若循环内 new 会导致性能差且可能因种子相同产生重复序列）。 - 不要在并发中共享同一个
Random：应使用ThreadLocalRandom或每个线程独立实例。 - 不要用
Random生成安全令牌：可被预测。 SecureRandom可能缓慢：预热或异步初始化，避免在性能关键路径上首次调用。Math.random()内部使用Random：且每次调用都同步，并发性能差，应避免在多线程中使用。
8.3 代码示例：安全令牌生成
public class TokenGenerator {
private static final SecureRandom SECURE_RANDOM = new SecureRandom();
public static String generateToken(int byteLength) {
byte[] bytes = new byte[byteLength];
SECURE_RANDOM.nextBytes(bytes);
return Base64.getUrlEncoder().withoutPadding().encodeToString(bytes);
}
}
8.4 代码示例：并行流中使用 SplittableRandom
long count = new SplittableRandom()
.splits(1000) // 生成 1000 个独立实例
.parallel()
.mapToLong(rng -> rng.nextLong(1, 100))
.sum();
9. 未来展望
随着 Java 的发展，随机数生成器将继续演进。目前 RandomGenerator 接口为未来替换算法提供了灵活性。可能的方向包括：
- 支持硬件随机数指令（如 RDSEED）。
- 提供更多可插拔算法，适应不同需求。
- 在虚拟线程环境中，
ThreadLocalRandom仍然适用，因为虚拟线程也是Thread的子类，保留了 thread-local 机制。
10. 总结
| 需求 | 推荐方案 | 备注 |
|---|---|---|
| 单线程普通随机 | Random | 简单，可重现 |
| 多线程并发随机 | ThreadLocalRandom | 最高并发性能 |
| 并行流处理 | SplittableRandom | 快速且可拆分 |
| 安全加密 | SecureRandom | 不可预测，性能低 |
| 高质量随机（科学计算） | JDK 17+ LXM 算法 | 长周期，均匀性好 |
| 随机字符串 | RandomStringUtils 或基于 SecureRandom | 依场景定 |