Random非线程安全，多线程应优先用ThreadLocalRandom；nextInt(n)生成[0,n)，指定范围需用nextIn(upper-lower)+lower；nextDouble()均匀分布，nextGaussian()正态分布；固定seed可重现序列但生产环境禁用；均不可用于密码学。
Random类的实例化方式影响线程安全性
直接用 new Random() 创建的实例不是线程安全的，多线程环境下反复调用 nextInt() 可能导致重复值或状态错乱。生产环境推荐使用 ThreadLocalRandom.current() 替代，它为每个线程提供独立实例，无同步开销。
- 单线程或明确控制生命周期时，
new Random()完全可用 - 若必须用全局
Random实例，需手动加锁（如synchronized块包裹nextInt()） -
ThreadLocalRandom不支持自定义种子，不能用于需要可重现随机序列的场景（如单元测试）
生成指定范围整数的常见错误写法
很多人写 random.nextInt(10) 想要 1–10，结果得到的是 0–9；想取 [5, 15] 却写成 random.nextInt(15 - 5)，漏掉 +5 偏移。正确公式是：random.nextInt(upper - lower) + lower。
-
nextInt(n)返回的是[0, n)区间，左闭右开，n 必须 > 0 - 生成 [1, 6]（模拟骰子）应写为
random.nextInt(6) + 1 - 生成 [-10, 10] 应写为
random.nextInt(21) - 10（因为 21 = 10 - (-10) + 1）
nextDouble() 和 nextGaussian() 的分布特性差异
nextDouble() 返回均匀分布在 [0.0, 1.0) 的 double；而 nextGaussian() 返回标准正态分布（均值 0、标准差 1），值可能远超 [-1, 1] 范围，且集中在 0 附近。
- 做概率抽样、权重选择等需均匀性时，只用
nextDouble() -
nextGaussian()适合模拟自然现象（如误差、身高分布），但需自行截断或映射，否则可能产生不合理极值 - 二者都不可用于密码学场景——
Random是伪随机，种子可预测；安全用途必须用SecureRandom
Random random = new Random(); // 生成 3 个服从正态分布的数（可能为负、可能很大） double a = random.nextGaussian(); double b = random.nextGaussian(); double c = random.nextGaussian(); <p>// 生成 [0.0, 1.0) 均匀分布的 double double d = random.nextDouble();</p>
seed 参数决定随机序列是否可重现
传入相同 long 类型 seed（如 new Random(42L)），每次运行都会生成完全相同的随机数序列。这是调试和测试的关键机制，但也是隐患来源：硬编码 seed 会导致所有实例行为一致。
立即学习“Java免费学习笔记（深入）”；
- 测试中固定 seed 可验证算法稳定性，例如
new Random(12345L) - 生产环境避免使用固定 seed，否则集群中多个服务会生成相同“随机”ID 或 Token
- 如果需要可控又不僵化，可用时间戳 + 进程 ID 组合生成 seed，但依然不如
SecureRandom安全
真正容易被忽略的是：Random 的周期长度（约 2⁴⁸）在高并发、长周期业务中可能暴露重复模式；而多数人直到压测时发现订单号冲突，才回头查 seed 和实例复用问题。
