在Java8中 java.util.Random 類的一個非常明顯的變化就是新增了返回隨機數流(random Stream of numbers)的一些方法。
下面的程式碼是建立一個無窮盡的double型別的數字流，這些數字在0（包括0）和1（不包含1）之間。
Random random = new Random();
DoubleStream doubleStream = random.doubles();
複製程式碼下面的程式碼是建立一個無窮盡的int型別的數字流，這些數字在0（包括0）和100（不包括100）之間。
Random random = new Random();
IntStream intStream = random.ints(0, 100);
複製程式碼那麼這些無窮盡的數字流用來做什麼呢？接下來，我通過一些案例來分析。記住，這些無窮大的數字流只能通過某種方式被截斷（limited）。
示例1：建立10個隨機的整數流並列印出來：
intStream.limit(10).forEach(System.out::println);
複製程式碼示例2：建立100個隨機整數：
List<Integer> randomBetween0And99 = intStream
.limit(100)
.boxed()
.collect(Collectors.toList());
複製程式碼對於高斯偽隨機數（gaussian pseudo-random values）來說，random.doubles()方法所建立的流不能等價於高斯偽隨機數，然而，如果用java8所提供的功能是非常容易實現的。
Random random = new Random();
DoubleStream gaussianStream = Stream.generate(random::nextGaussian).mapToDouble(e -> e);
複製程式碼這裡，我使用了Stream.generate api，並傳入Supplier 類的物件作為引數，這個物件是通過呼叫Random類中的方法 nextGaussian()建立另一個高斯偽隨機數。
接下來，我們來對double型別的偽隨機數流和double型別的高斯偽隨機數流做一個更加有意思的事情，那就是獲得兩個流的隨機數的分配情況。預期的結果是：double型別的偽隨機數是均勻的分配的，而double型別的高斯偽隨機數應該是正態分佈的。
通過下面的程式碼，我生成了一百萬個偽隨機數，這是通過java8提供的api實現的：
Random random = new Random();
DoubleStream doubleStream = random.doubles(-1.0, 1.0);
LinkedHashMap<Range, Integer> rangeCountMap = doubleStream.limit(1000000)
.boxed()
.map(Ranges::of)
.collect(Ranges::emptyRangeCountMap, (m, e) -> m.put(e, m.get(e) + 1), Ranges::mergeRangeCountMaps);
rangeCountMap.forEach((k, v) -> System.out.println(k.from() + "\t" + v));
複製程式碼程式碼的執行結果如下：
-1 49730
-0.9 49931
-0.8 50057
-0.7 50060
-0.6 49963
-0.5 50159
-0.4 49921
-0.3 49962
-0.2 50231
-0.1 49658
0 50177
0.1 49861
0.2 49947
0.3 50157
0.4 50414
0.5 50006
0.6 50038
0.7 49962
0.8 50071
0.9 49695
複製程式碼為了類比，我們再生成一百萬個高斯偽隨機數：
Random random = new Random();
DoubleStream gaussianStream = Stream.generate(random::nextGaussian).mapToDouble(e -> e);
LinkedHashMap<Range, Integer> gaussianRangeCountMap =
gaussianStream
.filter(e -> (e >= -1.0 && e < 1.0))
.limit(1000000)
.boxed()
.map(Ranges::of)
.collect(Ranges::emptyRangeCountMap, (m, e) -> m.put(e, m.get(e) + 1), Ranges::mergeRangeCountMaps);
gaussianRangeCountMap.forEach((k, v) -> System.out.println(k.from() + "\t" + v));
複製程式碼上面程式碼輸出的結果恰恰與我們預期結果相吻合，即：double型別的偽隨機數是均勻的分配的，而double型別的高斯偽隨機數應該是正態分佈的。
用偽隨機數所得的結果：
用高斯偽隨機數所得的結果：
附：完整程式碼可點選這裡獲取
歡迎關注知乎專欄《跟上Java8》，分享優秀的Java8中文指南、教程，同時歡迎投稿高質量的文章。
原文連結： javacodegeeks
翻譯： ImportNew.com - 踏雁尋花
譯文連結： www.importnew.com/9672.html