多线程场景必须用ThreadLocalRandom，单线程可用Random；前者线程隔离避免CAS竞争，吞吐量高3–5倍，但不支持setSeed和nextGaussian，且须用current()获取实例而非静态缓存。
Java里用Random还是ThreadLocalRandom，取决于你是不是在多线程环境里生成随机数——单线程用Random足够，高并发场景必须换ThreadLocalRandom，否则会因竞争导致性能明显下降。
什么时候该用 ThreadLocalRandom 而不是 Random
ThreadLocalRandom专为多线程设计，每个线程持有独立实例，避免了Random内部AtomicLong的CAS争用。实际压测中，100+线程并发调用nextInt()时，ThreadLocalRandom吞吐量通常是Random的3–5倍。
- Web服务中每个请求生成订单号、验证码、采样ID等，用
ThreadLocalRandom.current() - 定时任务批量处理数据时需要随机打散顺序，且任务本身被多个线程触发
- 使用
ForkJoinPool或CompletableFuture并行流时，不要在lambda里共享同一个Random实例 - 注意：
ThreadLocalRandom不能通过new构造，必须调用current()获取当前线程专属实例
Random 和 ThreadLocalRandom 的常用方法差异
两者API高度兼容，但ThreadLocalRandom不支持设置种子（setSeed(long)），也没有无参构造函数；它也不提供nextGaussian()这类非均匀分布方法。
javascript-typescript-typescript-scaffold
下载
你是 TypeScript 项目架构专家，专注于脚手架搭建生产就绪的 Node.js 和前端应用。生成包含现代工具链（pnpm、Vite、Next.js）、类型
- 共同可用：
nextInt()、nextInt(int bound)、nextLong()、nextDouble()、nextBoolean() -
Random特有：setSeed(long)（用于可重现随机序列）、nextBytes(byte[])、nextGaussian() -
ThreadLocalRandom特有：current()（唯一入口）、nextInt(int origin, int bound)（带范围上下界） - 生成[1, 100]之间的随机整数：
ThreadLocalRandom.current().nextInt(1, 101)，注意右边界是开区间
常见错误：混用或误初始化
最常踩的坑是把ThreadLocalRandom当普通工具类缓存成静态字段，或者在非线程安全上下文中复用Random实例。
立即学习“Java免费学习笔记（深入）”；
- ❌ 错误写法：
private static final ThreadLocalRandom RANDOM = ThreadLocalRandom.current();—— 这会绑定到类加载时的线程，后续其他线程调用会出错 - ❌ 错误写法：
private static final Random RANDOM = new Random();在Spring Bean里被多个HTTP线程共用 - ✅ 正确写法：每次需要时调用
ThreadLocalRandom.current().nextInt(100)，无需缓存 - ✅ 如果确实需要可重现的随机序列（如单元测试），才用
new Random(12345L)，并确保实例不跨线程共享
public class RandomUsageExample {
// ✅ 正确：每次调用都获取当前线程专属实例
public int generateId() {
return ThreadLocalRandom.current().nextInt(1_000_000, 9_999_999);
}
// ✅ 正确：单线程/低并发场景下用 Random 也完全OK
private final Random legacyRandom = new Random(System.nanoTime());
public double legacySample() {
return legacyRandom.nextDouble();
}
}
真正容易被忽略的是：ThreadLocalRandom的current()方法在未初始化的线程（比如刚创建还没执行过任何ThreadLocalRandom操作的线程）中首次调用会有微小开销，但这远小于锁竞争成本；另外，它不支持自定义随机算法，所有分布都基于LHS（Linear Congruential Generator）变种，对密码学安全场景完全不适用——那种情况得用SecureRandom。
