本文介绍一种基于“全量序列+随机打乱”的高性能方案，替代低效的重复随机采样，在 2–3 秒内生成 1000 万个带 "83" 前缀的唯一数字字符串，并直接写入文件。
本文介绍一种基于“全量序列+随机打乱”的高性能方案，替代低效的重复随机采样，在 2–3 秒内生成 1000 万个带 `"83"` 前缀的唯一数字字符串，并直接写入文件。
传统方法（如原始代码中使用 while 循环 + List.contains() 判重）存在严重性能瓶颈：随着集合增大，contains() 时间复杂度趋近 O(n)，且每次生成都依赖随机碰撞，导致 100 万条耗时 5 小时——本质是用概率换确定性，却牺牲了可预测性与效率。
真正高效的解法在于转变思路：不“随机生成再判重”，而是先构造确定范围内的全部候选值，再整体随机打乱。题目中要求生成 1000 万个唯一数字，且 makeNumber() 实际产出范围为 "83" + [10_000_000, 20_000_000)，即共恰好 1000 万个连续整数。这恰好构成一个完美、无冲突、可枚举的全集。
✅ 推荐方案：序列生成 → 字符串映射 → 随机打乱 → 批量写入
以下是 Java 标准语法实现（Groovy 可无缝调用，下文提供 Groovy 简化版）：
你接手一个需求时，是不是经常这样："改一个小字段 → 结果把不相关的代码也改了"、"需求说得很模糊 → 做着做着发现跑偏了"、"数据库加个字段 → 上线才发现漏了数据兼容"、"做了个新功能 → 一个月后自己都忘了当时怎么设计的"、"写到一半被中断 → 再回来不知道从哪继续"；这个 Skill 就是专门解决这些问题的。 它会自动探测你的项目环境（JDK、Spring Boot、ORM、数据库、前端框架），记在
import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.security.SecureRandom;
import java.util.*;
import java.util.stream.Collectors;
import java.util.stream.IntStream;
public class UniqueNumberGenerator {
public static void main(String[] args) throws IOException {
// Step 1: 生成 10_000_000 ~ 20_000_000 的整数流（共 1000 万个）
List<String> numbers = IntStream.range(10_000_000, 20_000_000)
.mapToObj(i -> "83" + i) // 添加前缀 "83"
.collect(Collectors.toCollection(ArrayList::new));
// Step 2: 使用强随机源打乱顺序（推荐 SecureRandom 提升安全性）
Collections.shuffle(numbers, new SecureRandom());
// Step 3: 一次性写入文件（自动换行，UTF-8 编码）
Files.write(Paths.get("out.txt"), numbers);
System.out.println("✅ 已生成 " + numbers.size() + " 个唯一数字，保存至 out.txt");
}
}✅ 执行耗时：在主流笔记本（如 M1 Pro / i7）上稳定在 2–3 秒；内存占用约 250 MB（1000 万
String对象 + JVM 开销），远低于磁盘 I/O 成本。立即学习“Java免费学习笔记（深入）”；
? Groovy 优化版（更简洁，保留 Java 性能）
import java.security.SecureRandom
import java.nio.file.Files
import java.nio.file.Paths
def numbers = (10_000_000..<20_000_000)
.collect { "83${it}" } // Groovy 风格 map + string interpolation
.tap { Collections.shuffle(it, new SecureRandom()) }
Files.write(Paths.get("out.txt"), numbers)
println "✅ ${numbers.size()} unique numbers written."⚠️ 关键注意事项
-
不要用
Random.nextInt()+contains()循环：时间复杂度爆炸（O(n²)），1000 万条实际可能需数天。 -
避免
SecureRandom.ints().distinct().limit()链式调用：虽然语义清晰，但distinct()底层依赖哈希去重，且流式处理无法预分配内存，实测比“先建全集再 shuffle”慢 2×（3.5–4.5 秒），且 GC 压力更大。 -
Collections.shuffle()是最优解：基于 Fisher-Yates 算法，O(n) 时间、原地置换，配合SecureRandom即可满足密码学强度需求（如需合规场景，可指定"DRBG"算法：SecureRandom.getInstance("DRBG")）。 -
文件写入务必批量操作：逐行
file.append()是 I/O 灾难；Files.write(Path, Iterable)内部使用缓冲与 NIO，效率提升百倍。 - 内存权衡提示：该方案需将全部数据加载进堆内存。若环境内存受限（MappedByteBuffer）或外部排序工具，但会增加工程复杂度——对绝大多数服务端场景，250 MB 是完全可接受的。
? 总结
生成大规模唯一随机数的核心原则是：用确定性代替概率，用空间换时间，用批量代替逐条。当你已知结果集大小与值域边界时，“生成全集 → 打乱 → 输出”是最优路径。它兼具正确性（100% 唯一）、速度（秒级）、可读性（逻辑直白）和可维护性（无状态、无锁、无并发风险）。原始 Groovy 脚本的 5 小时，终被 3 秒优雅终结。
