在Java中，可通过以下方法避免随机数重复：，1. 使用
Collections.shuffle()打乱有序序列（如1-100），2. 使用Set集合存储并校验重复值，3. 使用ThreadLocalRandom或SecureRandom配合循环检测，4. 利用数据库自增ID或UUID保证唯一性，需根据场景选择合适方案，如抽奖推荐洗牌算法，ID生成推荐UUID。基于集合的洗牌算法（小范围高效）
原理：预生成所有可能值，随机打乱顺序后顺序取出
适用场景：有限且范围小的数据集（如1-100的抽奖）
List<Integer> numbers = new ArrayList<>();
for (int i = 1; i <= 100; i++) { // 预填充数据
numbers.add(i);
}
Collections.shuffle(numbers); // 随机打乱
// 按序取出不重复值
for (int num : numbers) {
System.out.println(num);
}
优点：O(n)时间复杂度，绝对不重复
缺点：内存占用高，不适用大范围（如10亿）
HashSet去重（动态生成）
原理：生成随机数后存入Set自动去重
Set<Integer> uniqueSet = new HashSet<>();
Random rand = new Random();
while (uniqueSet.size() < 50) { // 目标50个不重复数
int num = rand.nextInt(1000); // 范围[0,999]
uniqueSet.add(num);
}
注意：
- 集合大小接近范围上限时,性能急剧下降（碰撞概率高）
- 需设置最大循环次数避免死循环
线性同余生成器（LCG）定制
原理：通过数学公式控制随机序列不重复
// 自定义LCG参数 (a, c, m需符合Hull-Dobell定理)
class CustomLCG {
private long seed;
private final long a = 1664525, c = 1013904223, m = (long) Math.pow(2, 32);
public CustomLCG(long seed) {
this.seed = seed;
}
public int nextUnique() {
seed = (a * seed + c) % m; // 生成下一个数
return (int) (seed % 10000); // 限制范围
}
}
// 使用示例
CustomLCG generator = new CustomLCG(System.currentTimeMillis());
Set<Integer> results = new HashSet<>();
while (results.size() < 1000) {
results.add(generator.nextUnique());
}
适用场景：需要可预测序列的场景（如游戏关卡生成）
风险：参数选择不当会导致周期缩短
安全随机数（高安全性场景）
原理：用SecureRandom生成密码学强度的随机数
SecureRandom secureRandom = new SecureRandom();
Set<Integer> secureSet = new HashSet<>();
while (secureSet.size() < 10) {
int num = secureRandom.nextInt(100_000);
secureSet.add(num);
}
优势：抵御预测攻击，适用于令牌、密钥生成
代价：性能比Random低10倍以上
位图法（BitMap）超大范围优化
原理：用比特位标记已生成数字，节省内存
BitSet bitSet = new BitSet(1_000_000); // 100万范围
Random rand = new Random();
int count = 0;
while (count < 10_000) { // 目标1万个不重复数
int num = rand.nextInt(1_000_000);
if (!bitSet.get(num)) {
bitSet.set(num); // 标记已使用
count++;
}
}
优势：内存压缩至传统数组的1/32
适用：范围大但样本稀疏的场景（如百万中取1万）
关键注意事项
- 性能陷阱
HashSet去重在覆盖率>70%时碰撞率飙升，应改用洗牌或BitMap
- 随机性质量
- 普通
Random类周期为2⁴⁸，优先用ThreadLocalRandom（Java7+）
- 普通
- 并发场景
- 多线程下使用
SplittableRandom（Java8+）避免竞争
- 多线程下使用
- 分布式系统
需结合数据库唯一约束或Snowflake算法,单机随机无法保证全局唯一
方法选型建议
| 场景 | 推荐方法 |
|---|---|
| 小范围全量采样（<10⁶） | 洗牌算法(Collections.shuffle) |
| 大范围稀疏采样 | BitMap位图法 |
| 安全敏感场景 | SecureRandom + HashSet |
| 可预测序列需求 | 自定义LCG |
引用说明：
- LCG参数选择参考《计算机程序设计艺术》卷2（Donald Knuth）
- 安全随机数标准遵循NIST SP 800-90A Rev.1
- 并发随机数生成器设计基于Java官方文档
通过科学选择算法，可平衡性能、内存与安全性需求，实际开发中需严格测试边界条件（如范围溢出、线程竞争），避免业务逻辑漏洞。
原创文章，发布者：酷盾叔，转转请注明出处：https://www.kd.cn/ask/31831.html
