使用Java 2 SDK基礎類庫產生隨機數的方法很多。但是如果你跟不上這些類庫的更新腳步，你有可能正在使用的是一種低效的隨機數生成機制，更糟糕的是：你有可能得到的不是均勻分布的隨機數。本文將向你展示一種較為可靠的隨機數生成方法，同時與其他方法進行比較。
自從JDK最初版本發布起，我們就可以使用java.util.Random類產生隨機數了。在JDK1.2中，Random類有了一個名為nextInt()的方法：public int nextInt(int n)給定一個參數n，nextInt(n)將返回一個大於等於0小於n的隨機數，即：0 <= nextInt(n) < n。你所要做的就是先聲明一個Random的對象，在調用其nextInt(n)函數以返回隨機值。這裏有個示例，下面的代碼段將生成很多隨機數並輸出它們的平均值：
以下是引用片段：
int count = 1000000;
int range = Integer.MAX_VALUE / 3 * 2;
double sum = 0;
Random rand = new Random();
for (int i=0; i<count; i++) {
sum += rand.nextInt(range);
}
System.out.println(sum/count);
執行了1000000次循環之後，得到的平均值基本上就處於隨機數範圍的中點（midpoint）。
到目前為止，事情還並不復雜，但是我們會問為什麽要使用nextInt(n)？考慮一下的隨機數生成方法：
(1)使用老的方法nextInt()，沒有制定數值範圍
(2)用Math.abs()靜態函數得到(1)中產生值的絕對值
(3)對(2)的結果進行取模運算(%)，得到期望範圍類的值
我們說nextInt(n)要比上述方法更好，為什麽呢？參考以下的代碼段：
以下是引用片段：
sum = 0;
for (int i=0; i<count; i++) {
sum += Math.abs(rand.nextInt()) % range;
}
System.out.println(sum/count);
不難發現，每次循環都多出了幾步運算。事實上，這種隨機數生成的方法存在著以下三個問題：
首先，nextInt()返回的值是趨於均勻分布在Integer.MIN_VALUE 和 Integer.MAX_VALUE之間的。如果你取Integer.MIN_VALUE的絕對值，得到的仍然不是一個正數。事實上，Math.abs(Integer.MIN_VALUE)等於Integer.MIN_VALUE。因此，存在著這樣一種情況（雖然很少見）：rand.nextInt()=Integer.MIN_VALUE，經過取絕對值Math.abs(rand.nextInt())之後，得到是一個負數。這種幾率為 1/(2^31)，在我們的測試中不太可能發生——循環次數只有1000000次。
其次，當你對nextInt()取模時，你使結果的隨機性大打折扣。隨機數中較小的值出現的幾率更大一些。這就是眾所周知的偽隨機數生成，因此我們不是用取模的方法。
最後，也可能是最糟糕的：隨機數不是均勻分布。如果你執行了上述的兩段代碼，第一段代碼的結果將會大於715,000,000，考慮到數值範圍的中點（midpoint)715,827,882，所以這是一個可以接受的結果。然而，你會吃驚的發現第二段代碼得到的平均值肯定不會超過600,000,000。
為何第二段代碼的結果會如此的偏差？糾其本質，問題出在數值分布的不均勻。當你進行取模運算時，你將過大的數轉換成了較小的。這使得較小的數更容易產生。
使用nextInt(range)將會解決上述的三個問題。還有一種隨機數生成方法——使用Math.random()。這個方法的效果如何？
以下是引用片段：
sum = 0;
for (int i=0; i<count; i++) {
sum += (int)(Math.random() * range);
}
System.out.println(sum/count);
很好，使用random()不會碰到nextInt()的麻煩。你不會得到負數返回值，沒有使用取模運算，值分布也是均勻的。還有什麽問題嗎？你有沒有考慮到Math.random()使用了浮點運算，而nextInt()和nextInt(range)只有整數操作？Math.random()可能會慢上四倍。再加上從浮點到整數的類型轉換，整個運算將會更慢。好了，經過一番比較，我們發現使用nextInt(range)生成隨機數更為有效，因為它避免了其他方法的種種弊端。最後再給出一段代碼，通過測試可以比較本文提到的幾種隨機數生成方法。