Java8中的java.util.Random类

     在Java8中java.util.Random类的一个非常明显的变化就是新增了返回随机数流(random Stream of numbers)的一些方法。

     下面的代码是创建一个无穷大的double类型的数字流，这些数字在0（包括0）和1（不包含1）之间。

Random random = new Random();
DoubleStream doubleStream = random.doubles();

     下面的代码是创建一个无穷大的int类型的数字流，这些数字在0（包括0）和100（不包括100）之间。

Random random = new Random();
IntStream intStream = random.ints(0, 100);

     那么这些无穷大的数字流用来做什么呢？接下来，我通过一些案例来分析。记住，这些无穷大的数字流只能通过某种方式被截断（limited）。

     示例1：创建10个随机的整数流并打印出来：

intStream.limit(10).forEach(System.out::println);

     示例2：创建100个随机整数：

List<Integer> randomBetween0And99 = intStream
                                       .limit(100)
                                       .boxed()
                                       .collect(Collectors.toList());

     对于高斯伪随机数（ gaussian pseudo-random values ）来说，没有等价于 random.doubles() 方法所创建的流，然而，如果用java8所提供的功能是非常容易实现的。

Random random = new Random();
DoubleStream gaussianStream = Stream.generate(random::nextGaussian).mapToDouble(e -> e);

     这里，我使用了 Str eam.generate   api，并传入 Supplier   类的对象作为参数，这个对象是通过调用Random类中的方法  nextGaussian() 创建另一个高斯伪随机数。

     接下来，我们来对double类型的伪随机数流和double类型的高斯伪随机数流做一个更加有意思的事情，那就是获得两个流的随机数的分配情况。预期的结果是：double类型的伪随机数是均匀的分配的，而double类型的高斯伪随机数应该是正态分布的。

     通过下面的代码，我生成了一百万个伪随机数，这是通过java8提供的api实现的：

Random random = new Random();
DoubleStream doubleStream = random.doubles(-1.0, 1.0);
LinkedHashMap<Range, Integer> rangeCountMap = doubleStream.limit(1000000)
        .boxed()
        .map(Ranges::of)
        .collect(Ranges::emptyRangeCountMap, (m, e) -> m.put(e, m.get(e) + 1), Ranges::mergeRangeCountMaps);

rangeCountMap.forEach((k, v) -> System.out.println(k.from() + "\t" + v));

     代码的运行结果如下：

-1      49730
-0.9    49931
-0.8    50057
-0.7    50060
-0.6    49963
-0.5    50159
-0.4    49921
-0.3    49962
-0.2    50231
-0.1    49658
0       50177
0.1     49861
0.2     49947
0.3     50157
0.4     50414
0.5     50006
0.6     50038
0.7     49962
0.8     50071
0.9     49695

     为了类比，我们再生成一百万个高斯伪随机数：

Random random = new Random();
DoubleStream gaussianStream = Stream.generate(random::nextGaussian).mapToDouble(e -> e);
LinkedHashMap<Range, Integer> gaussianRangeCountMap =
        gaussianStream
                .filter(e -> (e >= -1.0 && e < 1.0))
                .limit(1000000)
                .boxed()
                .map(Ranges::of)
                .collect(Ranges::emptyRangeCountMap, (m, e) -> m.put(e, m.get(e) + 1), Ranges::mergeRangeCountMaps);

gaussianRangeCountMap.forEach((k, v) -> System.out.println(k.from() + "\t" + v));

     代码的结果如下：

-1      37252
-0.9    40715
-0.8    43781
-0.7    47587
-0.6    50844
-0.5    52734
-0.4    54704
-0.3    56536
-0.2    58195
-0.1    58493
0       58314
0.1     57346
0.2     56615
0.3     54456
0.4     53111
0.5     50212
0.6     47023
0.7     44338
0.8     40493
0.9     37251

     上面代码输出的结果恰恰与我们预期结果相吻合，即：double类型的伪随机数是均匀的分配的，而double类型的高斯伪随机数应该是正态分布的。

用伪随机数所得的结果：

用高斯伪随机数所得的结果：

完整代码可以在 这里下载 获取（只需要安装jdk8即可，如果需要jkd8安装文件，回复此文章联系我即可），也可通过如下地址下载 https://gist.github.com/bijukunjummen/8129250

原文链接：http://www.javacodegeeks.com/2014/01/java-util-random-in-java-8.html