threadlocalrandom性能优于random，因其为每线程分配独立实例，避免cas竞争；random因共享seed导致多线程下自旋重试、吞吐非线性下降。

在高并发场景下，ThreadLocalRandom 的性能显著优于 Random，主要因为它避免了多线程竞争同一随机数生成器的状态，无需同步开销。

为什么 Random 在并发下性能差？

Random 内部维护一个共享的原子状态（seed），每次生成随机数都要通过 CAS 更新该状态。在多线程频繁调用时，大量线程会因 CAS 失败而自旋重试，造成显著的 CPU 浪费和吞吐下降。

• 所有线程共用同一个 seed 变量
• next()、nextInt() 等方法内部调用 UNSAFE.compareAndSwapLong 保证原子性
• 线程越多，CAS 冲突越频繁，性能呈非线性下降

ThreadLocalRandom 如何解决这个问题？

它为每个线程分配独立的随机数生成器实例，初始化时基于当前线程的 probe 值和系统纳秒时间生成专属 seed，后续操作完全无共享、无同步。

• 首次调用 current() 时才懒加载本线程专属实例
• 不继承 Random 类，但 API 兼容（如 nextInt()、nextDouble()）
• 没有全局状态争用，吞吐量随线程数近似线性增长

实际压测表现差异（参考 JMH 结果）

在 16 线程并发调用 nextInt(100) 的典型测试中：

• Random 吞吐量约为 80–120 Mops/s（百万次/秒），且线程数增加后明显下降
• ThreadLocalRandom 吞吐量可达 350–450 Mops/s，扩展性良好
• GC 压力也更低，因为不频繁创建临时对象或触发锁膨胀

使用建议

只要在多线程环境生成随机数，应优先使用 ThreadLocalRandom：

• 替换 new Random() → 改用 ThreadLocalRandom.current()
• 避免在单线程中反复调用 current()，可复用返回的实例（它是线程安全且线程绑定的）
• 不需要自己管理种子或初始化逻辑，框架已处理好隔离与初始化时机
• 注意：它不能用于需要可重现序列的场景（如测试固定 seed），此时仍需 Random 或 SecureRandom