Random在高併發下的缺陷以及JUC對其的優化

Random能夠說是每一個開發都知道，並且都用的很6的類，若是你說，你沒有用過Random，也不知道Random是什麼鬼，那麼你也不會來到這個技術類型的社區，也看不到個人博客了。但並非每一個人都知道Random的原理，知道Random在高併發下的缺陷的人應該更少。這篇博客，我就來分析下Random類在併發下的缺陷以及JUC對其的優化。

Random的原理及缺陷

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

在學習編程的時候，我一直對JDK開發人員很不解：爲何產生隨機數的方法名是：「」nextXXX」？雖然我英語只停留「點頭yes，搖頭no，來是come，去是go」 的水平，可是我知道next是「下一個」的意思，若是我來命名，會命名爲「create」，「generate」，這樣不是更「貼切」嗎？爲何JDK開發人員會命名爲「nextXXX」呢？難道是他們忽然「詞窮」了，想不出什麼單詞了，因此乾脆隨便來一個？後來才知道，原來經過Random生成的隨機數，並非真正的隨機，它有一個種子的概念，是根據種子值來計算【下一個】值的，若是種子值相同，那麼它生成出來的隨機數也一定相等，也就是「肯定的輸入產生肯定的輸出」。

若是你不信的話，咱們能夠來作一個實驗：

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

Random類除了提供無參的構造方法之外，還提供了有參的構造方法，咱們能夠傳入int類型的參數，這個參數就被稱爲「種子」，這樣「種子」就固定了，生成的隨機數也都是同樣了：

41
41
41
41
41
41
41
41
41
41
複製代碼

讓咱們簡單的看下nextInt的源碼把，源碼涉及到算法，固然算法不是本篇博客討論的重點，咱們能夠把源碼簡化成以下的樣子：

public int nextInt(int bound) {
        if (bound <= 0)
            throw new IllegalArgumentException(BadBound);
        //1.根據老的種子生成新的種子
        int r = next(31);
        //2.根據新的種子計算隨機數
        ...
        return r;
    }
複製代碼

首先是根據老的種子生成新的種子，而後是根據新的種子計算出隨機數，nextXXX的核心代碼能夠被簡化這兩步。 如今讓咱們想一個問題，若是在高併發的狀況下，有N個線程，同時執行到第一步：根據老的種子生成新的種子，得到的種子不就同樣了嗎？因爲第二步是根據新的種子來計算隨機數，這個算法又是固定的，會產生什麼狀況？N個線程最終得到的隨機數不都同樣了嗎？顯然這不是咱們想要的，因此JDK開發人員想到了這點，讓咱們看看next方法裏面作了什麼：

protected int next(int bits) {
        long oldseed, nextseed;//定義舊種子，下一個種子
        AtomicLong seed = this.seed;
        do {
            oldseed = seed.get();//得到舊的種子值，賦值給oldseed 
            nextseed = (oldseed * multiplier + addend) & mask;//一個神祕的算法
        } while (!seed.compareAndSet(oldseed, nextseed));//CAS，若是seed的值仍是爲oldseed，就用nextseed替換掉，而且返回true，退出while循環，若是已經不爲oldseed了，就返回false，繼續循環
        return (int)(nextseed >>> (48 - bits));//一個神祕的算法
    }
複製代碼

1. 定義了舊種子oldseed，下一個種子（新種子）nextseed。
2. 得到舊的種子的值，賦值給oldseed 。
3. 一個神祕的算法，計算出下一個種子（新種子）賦值給nextseed。
4. 使用CAS操做，若是seed的值仍是oldseed，就用nextseed替換掉，而且返回true，！true爲false，退出while循環；若是seed的值已經不爲oldseed了，就說明seed的值已經被替換過了，返回false，！false爲true，繼續下一次while循環。
5. 一個神祕的算法，根據nextseed計算出隨機數，而且返回。

咱們能夠看到核心就在第四步，我再來更詳細的的描述下，首先要知道seed的類型：

private final AtomicLong seed;
複製代碼

seed的類型是AtomicLong，是一個原子操做類，能夠保證原子性，seed.get就是得到seed具體的值，seed就是咱們所謂的種子，也就是種子值保存在了原子變量裏面。 當有兩個線程同時進入到next方法，會發生以下的事情：

1. 線程A，線程B同時拿到了seed的值，賦值給oldseed變量。
2. 根據一個神祕的算法，計算出nextseed爲XXX。注意，既然這個算法是固定的，那麼生成出來的nextseed也一定是固定的。
3. 進入while循環： 3.1 線程A，利用CAS算法，發現seed的值仍是爲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爲false，退出while循環。 3.2 線程B，利用CAS算法，發現seed的值已經不爲oldseed了，由於線程A已經把seed的值替換成了nextseed了啊，因此CAS失敗，只能再次循環。再次循環的時候， seed.get()就拿到了最新的種子值，再次根據一個神祕的算法得到了nextSeed，CAS成功，退出循環。

看起來一切很美好，其實否則，若是併發很高，會發生什麼？大量的線程都在進行while循環，這是至關佔用CPU的，因此JUC推出了ThreadLocalRandom來解決這個問題。

ThreadLocalRandom

首先，讓咱們來看看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));
        }
    }
複製代碼

能夠看到使用方式發生了些許的改變，咱們來看看ThreadLocalRandom核心代碼的實現邏輯：

current

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

有一點須要注意，因爲current是一個靜態的方法，因此屢次調用此方法，返回的ThreadLocalRandom對象是同一個。

若是當前線程的PROBE是0，說明是第一次調用current方法，那麼須要調用localInit方法，不然直接返回已經產生的實例。

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);
    }
複製代碼

首先初始化probe和seed，隨後調用UNSAFE類的方法，把probe和seed設置到當前的線程，這樣其餘線程就拿不到了。

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;
    }
複製代碼

和Random類下的nextXXX方法的原理同樣，也是根據舊的種子生成新的種子，而後根據新的種子來生成隨機數，咱們來看下nextSeed方法作了什麼：

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;
    }
複製代碼

首先使用UNSAFE.getLong(t, SEED) 來得到當前線程的SEED，隨後+上GAMMA來做爲新的種子值，隨後將新的種子值放到當前線程中。

總結

本文首先簡單的分析了Random的實現原理，引出nextXXX方法在高併發下的缺陷：須要競爭種子原子變量。接着介紹了ThreadLocalRandom的使用方法以及原理，從類的命名，就能夠看出實現原理相似於ThreadLocal，seed種子是保存在每一個線程中的，也是根據每一個線程中的seed來計算新的種子的，這樣就避免了競爭的問題。