Random 高并发下的缺点(美团面试题) 替代方案JUC下的 ThreadLocalRandom

Random 高并发下的缺点

• Random是线程安全的，但是并不是“高并发”的
• 大量CAS导致CPU飙高

 Random random = new Random();
 System.out.println(random.nextInt(100));

一、奇怪的命名

• random.nextInt() 奇怪的命名,获取值为什么不是通常的 “get”, “create”，“generate”等常见的命名.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”。
  
  二、源码解析

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
    int m = bound - 1;
    if ((bound & m) == 0)  // i.e., bound is a power of 2
        r = (int)((bound * (long)r) >> 31);
    else {
        for (int u = r;
             u - (r = u % bound) + m < 0;
             u = next(31))
            ;
    }
    return r;
}

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));
}

剖析 next(int bits)方法

1. 获取当前seed种子值 oldseed
2. 根据当前古老神秘算法计算下个种子值 nextseed
3. seed.compareAndSet(oldseed, nextseed): 比较当前seed和 oldseed 值是否相同(乐观锁,比较当前seed是否被修改).两者一致把nextseed赋值给当前seed
4. 最后一个神秘的算法，根据nextseed计算出随机数seed，并且返回

三、并发下

1. T1、T2同时拿到了seed值
2. 计算nextseed的公式是固定的,所以计算后的nextseed必然相同
3. 假设T1优先继续执行seed和oldseed 值相同,把nextseed赋值给当前seed
4. T2继续执行利用CAS算法，发现seed的值已经不为oldseed了，因为线程T1已经把seed的值替换成了nextseed了，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，.使用CAS操作更新seed，在大量线程竞争的场景下，这个CAS操作很可能失败，失败了就会重试，而这个重试又会消耗CPU运算，从而使得性能大大下降了。

解决方案 JUC包下的ThreadLocalRandom

ThreadLocalRandom current = ThreadLocalRandom.current();
int num = current.nextInt(10);

current()

// 1.静态方法每次返回的对象都是同一个
// 2.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。
public static ThreadLocalRandom current() {
    if (UNSAFE.getInt(Thread.currentThread(), PROBE) == 0)
        localInit();
    return instance;
}

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);
}

current.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;
}

nextSeed()

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

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;
}