当我们抛硬币或掷骰子时，我们说我们看到了“真正”或“自然”的随机性在工作。尽管如此，还是有一些工具假装能够预测抛硬币、掷骰子或旋转轮盘的结果，特别是当满足某些上下文条件时。计算机可以使用算法通过所谓的随机数生成器来生成随机数。由于涉及算法，生成的数字被认为是伪随机的。这就是所谓的“伪”随机性。显然，伪随机数也是可预测的。为什么？
伪随机数生成器通过播种数据开始工作。这是生成器的秘密（种子），它代表用作生成伪随机数起点的数据片段。如果我们知道算法是如何工作的以及种子是什么，那么输出就是可预测的。在不知道种子的情况下，可预测性非常低。因此，为每个伪随机数生成器选择合适的种子是一个重要步骤。
在JDK 之前，Java用于生成伪随机数的API有点模糊。基本上，我们有一个包装在众所周知的java.util.Random类中的健壮API，以及Random的两个子类：SecureRandom（密码学伪随机数生成器）和ThreadLocalRandom（非线程安全伪随机数生成器）。从性能角度来看，这些伪随机数生成器之间的关系是：SecureRandom比Random慢，Random比ThreadLocalRandom慢。
除了这些类之外，我们还有SplittableRandom。这是一个非线程安全的伪生成器，能够在每次调用其split()方法时生成一个新的SplittableRandom。这样，每个线程（例如，在fork/join架构中）都可以使用自己的SplittableGenerator。
直到JDK ，伪随机数生成器的类层次结构如下图所示：
图 – JDK 之前的Java伪随机数生成器的类层次结构
如图所示，在伪随机数生成器之间切换或选择不同类型的算法确实非常繁琐。看看那个SplittableRandom——它迷失在无人区。
从JDK 开始，我们拥有了一个更灵活和强大的API来生成伪随机数。这是一个基于接口的API（随JEP 一起发布），围绕新的RandomGenerator接口展开。以下是JDK 的增强类层次结构：
图 – 从JDK 开始的Java伪随机数生成器的类层次结构
RandomGenerator接口代表了此API的顶峰。它代表了一个用于生成伪随机数的通用和统一协议。这个接口接管了Random API并添加了一些其他内容。
RandomGenerator接口通过5个子接口扩展，旨在为5种不同类型的伪随机数生成器提供特殊协议。
* StreamableGenerator 可以返回RandomGenerator对象的流
* SplitableGenerator 可以从这个生成器返回一个新的生成器（分裂自身）
* JumpableGenerator 可以跳过中等数量的抽取
* LeapableGenerator 可以跳过大量的抽取
*
ArbitrarilyJumpableGenerator 可以跳过任意数量的抽取
获取默认的RandomGenerator可以这样做（这是开始生成伪随机数的最简单方法，但你对选择什么没有控制权）：
RandomGenerator defaultGenerator
= RandomGenerator.getDefault();
// 开始生成伪随机数
defaultGenerator.nextInt/Float/...();
defaultGenerator.ints/doubles/...();除了这些接口之外，新API还附带了一个类（RandomGeneratorFactory），它是基于所选算法的伪随机数生成器的工厂。有三组新算法（很可能还会有更多），如下所示：
* LXM组
* Xoroshiro组
* Xoshiro组
突出显示的算法是默认算法（L32X64MixRandom）。根据伪随机数生成器的类型，我们可以选择所有/一些先前的算法。例如，L128X256MixRandom算法可以与SplittableGenerator一起使用，但不能与LeapableGenerator一起使用。所选算法与伪随机数生成器之间的不匹配会导致IllegalArgumentException。以下图表可以帮助您决定使用哪种算法。
图 – JDK 随机生成器的算法及其属性
此图表是通过以下代码生成的，旨在列出所有可用的算法及其属性（可流式处理、可跳跃、统计等）：
Stream> all
= RandomGeneratorFactory.all();
Object[][] data = all.sorted(Comparator.comparing(
RandomGeneratorFactory::group))
.map(f -> {
Object[] obj = new Object[]{
f.name(),
f.group(),
f.isArbitrarilyJumpable(),
f.isDeprecated(),
f.isHardware(),
f.isJumpable(),
f.isLeapable(),
f.isSplittable(),
f.isStatistical(),
f.isStochastic(),
f.isStreamable()
};
return obj;
}).toArray(Object[][]::new); 可以通过名称或属性轻松选择算法。
按名称选择算法
可以通过一组静态的of()方法按名称选择算法。RandomGenerator和RandomGeneratorFactory中都有一个of()方法，可用于为特定算法创建伪随机数生成器，如下所示：
RandomGenerator generator
= RandomGenerator.of("L128X256MixRandom");
RandomGenerator generator
= RandomGeneratorFactory.of("Xoroshiro128PlusPlus")
.create();接下来，我们可以通过调用众所周知的API（ints()、doubles()、nextInt()、nextFloat()等）来生成伪随机数。
如果我们需要特定的伪随机数生成器和算法，那么我们可以使用该生成器的of()方法，如下所示（这里，我们创建一个LeapableGenerator）：
LeapableGenerator leapableGenerator
= LeapableGenerator.of("Xoshiro256PlusPlus");
LeapableGenerator leapableGenerator = RandomGeneratorFactory
.of("Xoshiro256PlusPlus").create(); 在SplittableRandom的情况下，您也可以使用构造函数，但不能指定算法：
SplittableRandom splittableGenerator = new SplittableRandom();在附带的代码中，您可以看到更多示例。
按属性选择算法
正如您在图中看到的，算法具有一组属性（是否可跳跃、是否统计等）。让我们选择一个既是统计又是可跳跃的算法：
RandomGenerator generator = RandomGeneratorFactory.all()
.filter(RandomGeneratorFactory::isLeapable)
.filter(RandomGeneratorFactory::isStatistical)
.findFirst()
.map(RandomGeneratorFactory::create)
.orElseThrow(() -> new RuntimeException(
"Cannot find this kind of generator"));返回的算法可能是Xoshiro256PlusPlus。