random java8_Java 8 中的 Random 类

在Java8中 java.util.Random类的一个非常明显的变化就是新增了返回随机数流(random Stream of numbers)的一些方法。

下面的代码是创建一个无穷尽的double类型的数字流，这些数字在0(包括0)和1(不包含1)之间。

Random random = new Random();

DoubleStream doubleStream = random.doubles();

复制代码

下面的代码是创建一个无穷尽的int类型的数字流，这些数字在0(包括0)和100(不包括100)之间。

Random random = new Random();

IntStream intStream = random.ints(0, 100);

复制代码

那么这些无穷尽的数字流用来做什么呢？接下来，我通过一些案例来分析。记住，这些无穷大的数字流只能通过某种方式被截断(limited)。

示例1：创建10个随机的整数流并打印出来：

intStream.limit(10).forEach(System.out::println);

复制代码

示例2：创建100个随机整数：

List randomBetween0And99 = intStream

.limit(100)

.boxed()

.collect(Collectors.toList());

复制代码

对于高斯伪随机数(gaussian pseudo-random values)来说，random.doubles()方法所创建的流不能等价于高斯伪随机数，然而，如果用java8所提供的功能是非常容易实现的。

Random random = new Random();

DoubleStream gaussianStream = Stream.generate(random::nextGaussian).mapToDouble(e -> e);

复制代码

这里，我使用了Stream.generate api，并传入Supplier 类的对象作为参数，这个对象是通过调用Random类中的方法 nextGaussian()创建另一个高斯伪随机数。

接下来，我们来对double类型的伪随机数流和double类型的高斯伪随机数流做一个更加有意思的事情，那就是获得两个流的随机数的分配情况。预期的结果是：double类型的伪随机数是均匀的分配的，而double类型的高斯伪随机数应该是正态分布的。

通过下面的代码，我生成了一百万个伪随机数，这是通过java8提供的api实现的：

Random random = new Random();

DoubleStream doubleStream = random.doubles(-1.0, 1.0);

LinkedHashMap rangeCountMap = doubleStream.limit(1000000)

.boxed()

.map(Ranges::of)

.collect(Ranges::emptyRangeCountMap, (m, e) -> m.put(e, m.get(e) + 1), Ranges::mergeRangeCountMaps);

rangeCountMap.forEach((k, v) -> System.out.println(k.from() + "\t" + v));

复制代码

代码的运行结果如下：

-1 49730

-0.9 49931

-0.8 50057

-0.7 50060

-0.6 49963

-0.5 50159

-0.4 49921

-0.3 49962

-0.2 50231

-0.1 49658

0 50177

0.1 49861

0.2 49947

0.3 50157

0.4 50414

0.5 50006

0.6 50038

0.7 49962

0.8 50071

0.9 49695

复制代码

为了类比，我们再生成一百万个高斯伪随机数：

Random random = new Random();

DoubleStream gaussianStream = Stream.generate(random::nextGaussian).mapToDouble(e -> e);

LinkedHashMap gaussianRangeCountMap =

gaussianStream

.filter(e -> (e >= -1.0 && e < 1.0))

.limit(1000000)

.boxed()

.map(Ranges::of)

.collect(Ranges::emptyRangeCountMap, (m, e) -> m.put(e, m.get(e) + 1), Ranges::mergeRangeCountMaps);

gaussianRangeCountMap.forEach((k, v) -> System.out.println(k.from() + "\t" + v));

复制代码

上面代码输出的结果恰恰与我们预期结果相吻合，即：double类型的伪随机数是均匀的分配的，而double类型的高斯伪随机数应该是正态分布的。

用伪随机数所得的结果：

用高斯伪随机数所得的结果：

附：完整代码可点击这里获取

欢迎关注知乎专栏《跟上Java8》，分享优秀的Java8中文指南、教程，同时欢迎投稿高质量的文章。