Random可以说是每个开发都知道,而且都用的很6的类,如果你说,你没有用过Random,也不知道Random是什么鬼,那么你也不会来到这个技术类型的社区,也看不到我的博客了。但并不是每个人都知道Random的原理,知道Random在高并发下的缺陷的人应该更少。这篇博客,我就来分析下Random类在并发下的缺陷以及JUC对其的优化。
Random的原理及缺陷
public static void main(String[] args) { Random random = new Random();
System.out.println(random.nextInt(100)); }
在学习编程的时候,我一直对JDK开发人员很不解:为什么产生随机数的方法名是:“”nextXXX”?虽然我英语只停留“点头yes,摇头no,来是come,去是go”
的水平,但是我知道next是“下一个”的意思,如果我来命名,会命名为“create”,“generate”,这样不是更“贴切”吗?为什么JDK开发人员会命名为“nextXXX”呢?难道是他们突然“词穷”了,想不出什么单词了,所以干脆随便来一个?后来才知道,原来通过Random生成的随机数,并不是真正的随机,它有一个种子的概念,是根据种子值来计算【下一个】值的,如果种子值相同,那么它生成出来的随机数也必定相等,也就是“确定的输入产生确定的输出”。
如果你不信的话,我们可以来做一个实验:
public static void main(String[] args) { for (int i = 0; i < 10; i++) {
Random random = new Random(15); System.out.println(random.nextInt(100)); } }
Random类除了提供无参的构造方法以外,还提供了有参的构造方法,我们可以传入int类型的参数,这个参数就被称为“种子”,这样“种子”就固定了,生成的随机数也都是一样了:
41 41 41 41 41 41 41 41 41 41
让我们简单的看下nextInt的源码把,源码涉及到算法,当然算法不是本篇博客讨论的重点,我们可以把源码简化成如下的样子:
public int nextInt(int bound) { if (bound <= 0) throw new
IllegalArgumentException(BadBound); //1.根据老的种子生成新的种子 int r = next(31);
//2.根据新的种子计算随机数 ... return r; }
首先是根据老的种子生成新的种子,然后是根据新的种子计算出随机数,nextXXX的核心代码可以被简化这两步。
现在让我们想一个问题,如果在高并发的情况下,有N个线程,同时执行到第一步:根据老的种子生成新的种子,获得的种子不就一样了吗?由于第二步是根据新的种子来计算随机数,这个算法又是固定的,会产生什么情况?N个线程最终获得的随机数不都一样了吗?显然这不是我们想要的,所以JDK开发人员想到了这点,让我们看看next方法里面做了什么:
protected int next(int bits) { long oldseed, nextseed;//定义旧种子,下一个种子
AtomicLong seed = this.seed; do { oldseed = seed.get();//获得旧的种子值,赋值给oldseed
nextseed = (oldseed * multiplier + addend) & mask;//一个神秘的算法 } while
(!seed.compareAndSet(oldseed,
nextseed));//CAS,如果seed的值还是为oldseed,就用nextseed替换掉,并且返回true,退出while循环,如果已经不为oldseed了,就返回false,继续循环
return (int)(nextseed >>> (48 - bits));//一个神秘的算法 }
* 定义了旧种子oldseed,下一个种子(新种子)nextseed。
* 获得旧的种子的值,赋值给oldseed 。
* 一个神秘的算法,计算出下一个种子(新种子)赋值给nextseed。
*
使用CAS操作,如果seed的值还是oldseed,就用nextseed替换掉,并且返回true,!true为false,退出while循环;如果seed的值已经不为oldseed了,就说明seed的值已经被替换过了,返回false,!false为true,继续下一次while循环。
* 一个神秘的算法,根据nextseed计算出随机数,并且返回。
我们可以看到核心就在第四步,我再来更详细的的描述下,首先要知道seed的类型:
private final AtomicLong seed;
seed的类型是AtomicLong,是一个原子操作类,可以保证原子性,seed.get就是获得seed具体的值,seed就是我们所谓的种子,也就是种子值保存在了原子变量里面。
当有两个线程同时进入到next方法,会发生如下的事情:
* 线程A,线程B同时拿到了seed的值,赋值给oldseed变量。
* 根据一个神秘的算法,计算出nextseed为XXX。注意,既然这个算法是固定的,那么生成出来的nextseed也必定是固定的。
* 进入while循环:
3.1
线程A,利用CAS算法,发现seed的值还是为oldseed,说明seed的值没有被替换过,就把seed的值替换成第二步生成出来的nextseed,替换成功,返回true,!true为false,退出while循环。
3.2
线程B,利用CAS算法,发现seed的值已经不为oldseed了,因为线程A已经把seed的值替换成了nextseed了啊,所以CAS失败,只能再次循环。再次循环的时候,
seed.get()就拿到了最新的种子值,再次根据一个神秘的算法获得了nextSeed,CAS成功,退出循环。
看起来一切很美好,其实不然,如果并发很高,会发生什么?大量的线程都在进行while循环,这是相当占用CPU的,所以JUC推出了ThreadLocalRandom来解决这个问题。
ThreadLocalRandom
首先,让我们来看看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)); } }
可以看到使用方式发生了些许的改变,我们来看看ThreadLocalRandom核心代码的实现逻辑:
current
public static ThreadLocalRandom current() { if
(UNSAFE.getInt(Thread.currentThread(), PROBE) == 0) localInit(); return
instance; }
有一点需要注意,由于current是一个静态的方法,所以多次调用此方法,返回的ThreadLocalRandom对象是同一个。
如果当前线程的PROBE是0,说明是第一次调用current方法,那么需要调用localInit方法,否则直接返回已经产生的实例。
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); }
首先初始化probe和seed,随后调用UNSAFE类的方法,把probe和seed设置到当前的线程,这样其他线程就拿不到了。
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; }
和Random类下的nextXXX方法的原理一样,也是根据旧的种子生成新的种子,然后根据新的种子来生成随机数,我们来看下nextSeed方法做了什么:
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; }
首先使用UNSAFE.getLong(t, SEED) 来获得当前线程的SEED,随后+上GAMMA来作为新的种子值,随后将新的种子值放到当前线程中。
总结
本文首先简单的分析了Random的实现原理,引出nextXXX方法在高并发下的缺陷:需要竞争种子原子变量。接着介绍了ThreadLocalRandom的使用方法以及原理,从类的命名,就可以看出实现原理类似于ThreadLocal,seed种子是保存在每个线程中的,也是根据每个线程中的seed来计算新的种子的,这样就避免了竞争的问题。
热门工具 换一换