在Java编程中,随机数的生成是常见需求，但如何确保生成的随机数不重复，则需要结合具体场景选择合适的策略，无论是简单的唯一标识生成，还是复杂的抽样算法，Java提供了多种机制来保证随机数的唯一性，本文将从基础方法到高级应用，系统探讨Java中实现随机数不重复的多种技术路径。
基于数据结构的实时去重机制
对于小规模随机数生成场景,最直接的方式是通过数据结构实时记录已生成的随机数，并在生成新数时进行重复校验，Java中的HashSet和HashMap是理想选择，因为它们基于哈希表实现，插入和查询操作的时间复杂度接近O(1)，可以通过以下代码实现简单的不重复随机数生成：
Set<Integer> generatedNumbers = new HashSet<>();
Random random = new Random();
int maxNumber = 100;
while (generatedNumbers.size() < maxNumber) {
int randomNumber = random.nextInt(maxNumber);
if (generatedNumbers.add(randomNumber)) {
System.out.println("生成随机数: " + randomNumber);
}
}
这种方法的核心优势是实现简单,适用于生成数量不超过数据结构容量限制的场景，但当需要生成大量随机数时，随着集合中元素增多，碰撞概率增加，效率会逐渐下降，此时可以考虑使用BitSet来优化存储空间，BitSet仅用1 bit表示一个数字是否存在，能显著减少内存占用。
洗牌算法的确定性唯一性
当需要生成不重复的随机序列时,Fisher-Yates洗牌算法（又称Knuth洗牌算法）是更高效的选择，该算法通过打乱有序序列来保证每个元素仅出现一次，时间复杂度为O(n)，适用于需要生成大量不重复随机数的场景，其核心思想是从末尾开始，随机选取一个未交换的位置进行交换：
int[] array = new int[100];
for (int i = 0; i < array.length; i++) {
array[i] = i;
}
Random random = new Random();
for (int i = array.length - 1; i > 0; i--) {
int j = random.nextInt(i + 1);
int temp = array[i];
array[i] = array[j];
array[j] = temp;
}
洗牌算法的优势在于生成的随机序列完全覆盖整个范围,且每个数字的出现概率均等，特别适合需要一次性获取多个不重复随机数的场景，如抽奖系统、随机抽样等，但需要注意的是，该算法需要预先知道随机数的范围，且需要足够的内存存储整个序列。
基于范围的随机数唯一性控制
在已知随机数范围的情况下,可以通过数学方法保证唯一性，当需要生成1到N的不重复随机数时，可以将范围划分为多个子区间，每个区间生成固定数量的随机数，Java 8引入的ThreadLocalRandom提供了更高效的随机数生成方式，特别适合多线程环境：
int range = 1000;
List<Integer> uniqueNumbers = IntStream.range(0, range)
.parallel()
.map(i -> ThreadLocalRandom.current().nextInt(range))
.distinct()
.limit(range)
.boxed()
.collect(Collectors.toList());
这种方法结合了并行流和去重操作,能够高效处理大规模随机数生成，但需要注意，当需要生成的随机数数量接近范围上限时，性能会急剧下降，此时应考虑其他算法优化。
唯一标识符的生成策略
对于需要全局唯一标识的场景,Java提供了多种专用类。UUID类是生成128位唯一标识符的标准方式，其基于时间戳、MAC地址等信息生成，重复概率极低：
String uniqueId = UUID.randomUUID().toString();
另一种选择是SecureRandom，它提供密码学安全的随机数生成，适用于需要高安全性的场景，如会话令牌生成：
SecureRandom secureRandom = new SecureRandom(); byte[] token = new byte[16]; secureRandom.nextBytes(token); String uniqueToken = Base64.getEncoder().encodeToString(token);
这些方法无需额外去重机制,因为其设计本身就保证了唯一性，特别适合分布式系统或需要高可靠性的应用场景。
自定义随机数生成器的实现
对于特殊需求,可以自定义随机数生成器，结合线性同余生成器（LCG）和校验机制，实现可控范围的不重复随机数生成：
public class UniqueRandomGenerator {
private final Set<Integer> generated;
private final Random random;
private final int bound;
public UniqueRandomGenerator(int bound) {
this.bound = bound;
this.generated = new HashSet<>();
this.random = new Random();
}
public int nextUniqueInt() {
if (generated.size() == bound) {
throw new IllegalStateException("已生成所有可能的随机数");
}
int number;
do {
number = random.nextInt(bound);
} while (generated.contains(number));
generated.add(number);
return number;
}
}
这种方法通过封装随机数生成逻辑,确保了外部调用的便捷性和内部实现的一致性，适合有特殊业务规则的随机数生成场景。
性能优化与最佳实践
在实际应用中,选择随机数生成策略时需综合考虑性能、内存占用和业务需求，对于小规模数据，HashSet去重简单有效；对于大规模序列，洗牌算法更优；对于全局唯一标识，UUID或SecureRandom是首选，应注意避免在循环中频繁创建随机数生成器实例，建议将其声明为静态或成员变量以提升性能。
在多线程环境下,应使用ThreadLocalRandom或同步的Random实例，确保线程安全，对于性能敏感的场景，可以通过预生成随机数池、批量处理等方式减少重复计算，从而提升整体效率。
Java保证随机数不重复的方法多种多样,开发者应根据具体场景选择合适的策略，在保证唯一性的同时兼顾系统性能和资源消耗，通过合理运用数据结构、算法和专用类，可以有效解决各类随机数生成的唯一性问题。
