Java 7 to 17 EnhancedPseudo-RandomNumberGenerators

一、前言

返回目錄

Java 7 至 Java 17 對於偽亂數生成器 (Pseudo-Random Number Generators, PRNGs) 進行了顯著的加強與改進。 早期版本的 Java 主要依賴於 java.util.Random 類，但其在某些應用場景中存在局限性，例如統計特性不足、效能瓶頸以及並行環境下的問題。 為了滿足日益增長的需求，特別是在科學計算、模擬、遊戲開發和密碼學等領域，Java 新版本引入了更多更先進的 PRNGs 演算法，並提供更靈活的配置選項。 本文旨在梳理 Java 7 至 17 期間關於加強的偽亂數生成器的新特性，分析其優缺點、應用場景，並提供範例程式碼。

目錄

• 一、前言
  • 目錄
• 二、Java 7： ThreadLocalRandom
• 三、Java 8： SplittableRandom 與 DoubleStream 、 IntStream 、 LongStream 整合
• 四、Java 17： RandomGenerator 介面與各種實作
• 五、架構與工具
• 六、選擇正確的亂數生成器
• 七、總結

二、Java 7： ThreadLocalRandom

返回目錄

Java 7 引入了 java.util.concurrent.ThreadLocalRandom 類。 這是 java.util.Random 的一種特殊版本，專為多執行緒環境設計，以減少並行執行緒之間的競爭。

• 特性：
  • 每個執行緒擁有自己的 Random 實例，避免了多個執行緒競爭同一個 Random 實例時的鎖定，從而提高了效能。
  • 使用了 ThreadLocal 變數來儲存每個執行緒的 Random 實例。
• 適用場景：
  • 需要高吞吐量的多執行緒亂數生成。
  • 並行模擬、多執行緒遊戲引擎等。
• 範例：

import java.util.concurrent.ThreadLocalRandom; public class ThreadLocalRandomExample { public static void main(String[] args) { // 產生 0 到 10 之間的隨機整數 int randomNumber = ThreadLocalRandom.current().nextInt(0, 11); System.out.println("Random number: " + randomNumber); } }

執行結果：

$ java ThreadLocalRandomExample.java Random number: 5

三、Java 8： SplittableRandom 與 DoubleStream 、 IntStream 、 LongStream 整合

返回目錄

Java 8 引入了 java.util.SplittableRandom 類，並將亂數生成器與 DoubleStream 、 IntStream 和 LongStream 整合，提供了更強大的資料流亂數生成能力。

• 特性：
  • SplittableRandom 可以被分割成多個獨立的 SplittableRandom 實例，適用於並行計算。 這意味著可以將亂數生成任務分配給不同的執行緒，而無需擔心它們之間的相互影響。
  • DoubleStream 、 IntStream 和 LongStream 提供了方便的 API，可以直接生成亂數串流，並進行各種操作，如過濾、映射和歸約。
• 適用場景：
  • 大規模並行模擬。
  • 需要生成大量亂數的數據分析應用。
  • 蒙地卡羅方法。
• 範例：

import java.util.SplittableRandom; import java.util.stream.IntStream; public class SplittableRandomExample { public static void main(String[] args) { SplittableRandom random = new SplittableRandom(); // 使用 SplittableRandom 生成 10 個隨機整數的 IntStream IntStream randomStream = random.ints(10); // 列印隨機整數 randomStream.forEach(System.out::println); // 分割 SplittableRandom SplittableRandom anotherRandom = random.split(); // 使用分割後的 SplittableRandom 生成另一個隨機數 int nextRandom = anotherRandom.nextInt(); System.out.println("Another random number: " + nextRandom); } }

執行結果：

$ java SplittableRandomExample.java 77355737 -255182305 1196009615 1847264514 -1428874864 -760261082 -186655814 102896163 -389811144 -132304366 Another random number: -1919502188

四、Java 17： RandomGenerator 介面與各種實作

返回目錄

Java 17 引入了 java.util.random.RandomGenerator 介面，旨在統一和擴展 Java 的亂數生成功能。 這個介面提供了一種標準化的方式來存取各種亂數生成器演算法，包括新的、更高效的演算法。

• 特性：

  • RandomGenerator 介面： 定義了亂數生成器的基本介面，包括生成 int 、 long 、 float 、 double 和 boolean 型別亂數的方法。
  • 多種實作： 提供了多種 RandomGenerator 的實作，包括基於線性同餘生成器 (LCG)、Xoroshiro、Xoshiro、PCG 等的演算法。 這些演算法在效能、統計特性和安全性方面各有優勢。
  • 更容易選擇和替換亂數生成器： 可以根據應用場景的需求選擇最合適的亂數生成器。
  • 支援流（Stream）和並行處理： 許多 RandomGenerator 實作支援高效的流式處理和並行亂數生成。
  • 狀態管理： RandomGenerator 允許存取和修改其內部狀態，這對於重現隨機序列或進行複雜的模擬非常有用。

• 主要實作類別：

  • L32X64MixRandom ： 基於 32 位元 LCG 和混合函數，快速且佔用記憶體小。
  • Xoshiro256PlusPlus 和 Xoshiro256StarStar ： Xoshiro 系列的演算法，具有良好的效能和統計特性。
  • Xoroshiro128PlusPlus 和 Xoroshiro128StarStar ： Xoroshiro 系列的演算法，比 Xoshiro 系列更快，但統計特性略遜。
  • PCG64 ： 基於 Permuted Congruential Generator 的演算法，具有良好的效能和統計特性。
  • RandomGeneratorFactory ： 用於建立 RandomGenerator 實例的工廠類別。 可以根據名稱或演算法類型建立不同的 RandomGenerator 實例。

• 適用場景：

  • 需要高度可配置的亂數生成。
  • 科學計算、機器學習、金融建模等對亂數品質要求較高的應用。
  • 需要在不同演算法之間進行選擇和比較的場景。

• 範例：

import java.util.random.RandomGenerator; import java.util.random.RandomGeneratorFactory; public class RandomGeneratorExample { public static void main(String[] args) { // 使用 RandomGeneratorFactory 建立 Xoshiro256PlusPlus 實例 RandomGenerator generator = RandomGeneratorFactory.of("Xoshiro256PlusPlus").create(); // 產生 10 個隨機整數 for (int i = 0; i < 10; i++) { int randomNumber = generator.nextInt(); System.out.println("Random number: " + randomNumber); } // 使用 L32X64MixRandom RandomGenerator lcg = RandomGeneratorFactory.of("L32X64MixRandom").create(); System.out.println("LCG Random: " + lcg.nextDouble()); // 檢查演算法是否存在 boolean supportsAlgorithm; try { RandomGeneratorFactory.of("Xoroshiro256PlusPlus"); // 嘗試取得工廠 supportsAlgorithm = true; // 如果沒有例外，則支援演算法 } catch (IllegalArgumentException e) { supportsAlgorithm = false; // 如果有例外，則不支援演算法 } System.out.println("Xoroshiro256PlusPlus supported? " + supportsAlgorithm); } }

執行結果：

$ java RandomGeneratorExample.java Random number: -1673566526 Random number: 588169772 Random number: 1908657925 Random number: 65392698 Random number: 1176091787 Random number: -1654683288 Random number: 1009475788 Random number: 1415302009 Random number: -1542302904 Random number: -1970651358 LCG Random: 0.6198540546011884 Xoroshiro256PlusPlus supported? false

五、架構與工具

返回目錄

• 架構：

java.util.Random (Java 1.0) ├── java.util.concurrent.ThreadLocalRandom (Java 7) (Thread-safe, per-thread) ├── java.util.SplittableRandom (Java 8) (Splittable, Stream support) └── java.util.random.RandomGenerator (Java 17) (Interface, Multiple Algorithms) ├── L32X64MixRandom (Java 17) ├── Xoshiro256PlusPlus, Xoshiro256StarStar (Java 17) ├── Xoroshiro128PlusPlus, Xoroshiro128StarStar (Java 17) ├── PCG64 (Java 17) └── RandomGeneratorFactory (Java 17) (Factory for creating instances)

• 工具：
  • IDE (Integrated Development Environment)： IntelliJ IDEA, Eclipse 等，提供程式碼編輯、除錯、建構等功能。
  • Maven/Gradle： 專案依賴管理工具，用於引入相關的 Java 函式庫。
  • JMH (Java Microbenchmark Harness)： 用於評估不同亂數生成器演算法的效能。
  • 統計分析工具： R, Python (NumPy, SciPy) 等，用於分析亂數的統計特性。

六、選擇正確的亂數生成器

返回目錄

選擇適合特定應用場景的亂數生成器至關重要。 以下是一些考慮因素：

• 效能： 對於效能敏感的應用，選擇快速的演算法，例如 LCG 或 Xoroshiro。
• 統計特性： 對於需要高品質亂數的應用，選擇具有良好統計特性的演算法，例如 PCG 或 Xoshiro。
• 並行性： 對於並行應用，選擇支援分割或具有執行緒安全性的亂數生成器，例如 SplittableRandom 或 ThreadLocalRandom 。
• 安全性： java.security.SecureRandom 適用於密碼學應用，但效能較低。

七、總結

返回目錄

Java 在亂數生成方面經歷了持續的改進，從早期的 java.util.Random 到 Java 17 的 RandomGenerator 介面，提供了越來越多樣化和高效的選擇。 ThreadLocalRandom 解決了多執行緒下的競爭問題， SplittableRandom 為並行計算提供了便利，而 RandomGenerator 則為使用者提供了更多演算法選擇和控制權。 開發者可以根據應用場景的需求，選擇最適合的亂數生成器，以達到最佳的效能、統計特性和安全性。 理解這些特性對於開發高效能、可靠的 Java 應用至關重要。