网站建设服装项目设计书开发一个电商网站
场景
Java中使用JMH(Java Microbenchmark Harness 微基准测试框架)进行性能测试和优化：
Java中使用JMH(Java Microbenchmark Harness 微基准测试框架)进行性能测试和优化_java热点函数-CSDN博客
参考以上性能测试工具的使用。
Java开发手册中有这样一条：
【推荐】避免 Random 实例被多线程使用，虽然共享该实例是线程安全的，但会因竞争同一 seed导致的性能下降。
说明：Random 实例包括 java.util.Random 的实例或者 Math.random()的方式。
正例：在 JDK7 之后，可以直接使用 API ThreadLocalRandom，而在 JDK7 之前，
需要编码保证每个线程持有一个单独的 Random 实例。
Math.random() 底层确实是使用 Random 类来实现的。
Math.random()在底层调用了java.util.Random类的nextDouble()方法。
Random类的核心在于其内部维护了一个种子(seed),这个种子是随机数生成算法的起点。
相同的种子会生成相同的随机数序列。在创建Random对象时，如果不提供种子，则默认使用
系统时间作为种子，因此每次创建新的Random对象时，由于系统时间的不同，生成的随机数序列
也会不同。
而Random 在多线程下会因为竞争种⼦（seed）而导致性能下降，而ThreadLocalRandom 则不会出现这种情况，
因此在多线程环境下 ThreadLocalRandom 的性能会比Random 好很多。
注：
博客：
霸道流氓气质-CSDN博客
实现
接下来我们来测试⼀下 ThreadLocalRandom 和 Random 性能差异，测试代码如下：
import org.openjdk.jmh.annotations.*;
import org.openjdk.jmh.runner.Runner;
import org.openjdk.jmh.runner.RunnerException;
import org.openjdk.jmh.runner.options.Options;
import org.openjdk.jmh.runner.options.OptionsBuilder;
import java.util.Random;
import java.util.concurrent.ThreadLocalRandom;
import java.util.concurrent.TimeUnit;//测试完成时间
@BenchmarkMode(Mode.AverageTime)
//设置统计结果的时间单位
@OutputTimeUnit(TimeUnit.NANOSECONDS)
@Warmup(iterations = 2,time = 1,timeUnit = TimeUnit.SECONDS)
//测试次数和时间，参数同上
@Measurement(iterations = 5,time = 1,timeUnit = TimeUnit.SECONDS)
//fork一个线程,进行 fork 的次数，可用于类或者方法上。如果 fork 数是 2 的话，则 JMH 会 fork 出两个进程来进行测试。
@Fork(1)
//通过 State 可以指定一个对象的作用范围，JMH 根据 scope 来进行实例化和共享操作。@State 可以被继承使用，
//Scope.Thread：默认的 State，每个测试线程分配一个实例
@State(Scope.Thread)
public class ThreadLocalRandomTest {public static void main(String[] args) throws RunnerException {//启动基准测试Options options = new OptionsBuilder().include(ThreadLocalRandomTest.class.getSimpleName())//要导入的测试类.build();new Runner(options).run();//执行测试}@Benchmarkpublic void randomTest(){int count = 0;Random random = new Random();for (int i = 0; i < 1000; i++) {count += random.nextInt(10);}}@Benchmarkpublic void threadLocalRandomTest(){int count = 0;ThreadLocalRandom localRandom = ThreadLocalRandom.current();for (int i = 0; i < 1000; i++) {count += localRandom.nextInt(10);}}
}测试结果：
//Benchmark Mode Cnt Score Error Units
//ThreadLocalRandomTest.randomTest avgt 5 10221.461 ± 1329.015 ns/op
//ThreadLocalRandomTest.threadLocalRandomTest avgt 5 2887.904 ± 472.645 ns/op从上述结果可以看出ThreadLocalRandom的性能⽐Random的性能⼤约⾼ 3.5倍，
因此在多线程情况下要尽量使⽤ ThreadLocalRandom。