问题

23. 为什么 Math.random() 不能用于高并发场景？

标准答案

Math.random() 不能用于高并发场景的主要原因是它使用了共享的 Random 实例，在多线程环境中会导致性能瓶颈。Math.random() 是通过 java.lang.Math 类中的一个 Random 对象（通常是 ThreadLocalRandom）生成随机数的。

然而，该共享实例可能成为多线程中的性能瓶颈，因为多个线程同时访问共享的 Random 实例会发生锁竞争，从而影响性能。

特别是在高并发场景下，频繁的上下文切换和锁竞争可能导致显著的性能下降。

答案解析

核心原理：

1. Math.random() 实现： Math.random() 是通过 java.util.Random 类生成随机数的，其底层实现使用了一个静态的共享实例。每次调用 Math.random() 都会调用这个实例的 nextDouble() 方法来返回一个介于 0 和 1 之间的伪随机数。Random 类本身是线程不安全的，且在多线程环境下，每个线程都可能同时访问这个共享实例。

2. 线程安全问题：

   • 锁竞争：多个线程同时访问同一个 Random 实例时，Random 类的 next() 方法通常是通过同步（synchronized）来实现的。这会导致多个线程需要争夺对该实例的锁，从而造成性能下降，尤其在高并发场景下，这种锁竞争会非常明显。
   • 性能瓶颈：由于高并发导致频繁的上下文切换和锁竞争，线程执行的效率会大大降低，导致整个应用的性能瓶颈。

3. 解决方案：

   • ThreadLocalRandom：Java 1.7 引入了 ThreadLocalRandom，它为每个线程维护一个独立的随机数生成器，从而避免了锁竞争。使用 ThreadLocalRandom 时，每个线程有自己的随机数生成器，线程之间不会争用同一个实例，因此可以显著提高高并发场景下的性能。
   • 避免共享 Random 实例：如果必须使用 Random，可以为每个线程单独创建一个 Random 实例，从而避免了锁竞争和共享实例的问题。

常见错误：

1. 误用 Math.random() 在多线程中：虽然 Math.random() 使用起来很简单，但在高并发场景中，由于底层实现会引发锁竞争，可能会导致系统性能的大幅下降。很多开发者忽视了这一点，直接在多线程场景下使用 Math.random()。

2. 过度依赖 ThreadLocalRandom：尽管 ThreadLocalRandom 是高并发场景下的优选，但在单线程场景下，它的性能优势并不明显。因此，在单线程应用中，ThreadLocalRandom 可能不是最佳选择。

最佳实践：

• 高并发推荐使用 ThreadLocalRandom：对于多线程环境，优先使用 ThreadLocalRandom，它在高并发环境中避免了锁竞争，提高了性能。
• 避免同步 Random 实例：不要在高并发场景中共享 Random 实例，尽量让每个线程使用独立的实例，或者使用 ThreadLocalRandom。

性能优化：

• 减少共享资源竞争：在多线程应用中，尽量避免共享资源。对于随机数生成器，可以考虑每个线程独立实例化 Random 或者使用 ThreadLocalRandom 来减少锁竞争。
• 定期性能测试：在高并发环境下，定期进行性能测试和优化，及时发现性能瓶颈并加以改进。

深入追问

🔹 在多线程环境中，除了 Math.random()，是否有其他需要避免的全局共享实例？ 🔹 如何进一步优化 ThreadLocalRandom 的性能，避免线程间的内存访问冲突？ 🔹 对于大量并发请求的系统，是否应该考虑使用其他更高效的随机数生成方案？

相关面试题

• ThreadLocal 的使用场景是什么？
• Java 中如何有效实现线程安全的随机数生成？
• 在高并发环境下，如何设计高效的随机数生成策略？