public static void main(string args)public static void main(string args)
}
讓我們簡單的看下nextint的原始碼把，原始碼涉及到演算法，當然演算法不是本篇部落格討論的重點，我們可以把原始碼簡化成如下的樣子：
public int nextint(int bound)protected int next(int bits) while (!seed.compareandset(oldseed, nextseed));//cas，如果seed的值還是為oldseed，就用nextseed替換掉，並且返回true，退出while迴圈，如果已經不為oldseed了，就返回false，繼續迴圈
return (int)(nextseed >>> (48 - bits));//乙個神秘的演算法
}
獲得舊的種子的值，賦值給oldseed 。
乙個神秘的演算法，計算出下乙個種子（新種子）賦值給nextseed。
使用cas操作，如果seed的值還是oldseed，就用nextseed替換掉，並且返回true，！true為false，退出while迴圈；如果seed的值已經不為oldseed了，就說明seed的值已經被替換過了，返回false，！false為true，繼續下一次while迴圈。
乙個神秘的演算法，根據nextseed計算出隨機數，並且返回。
我們可以看到核心就在第四步，我再來更詳細的的描述下，首先要知道seed的型別：
private final atomiclong seed;執行緒a，執行緒b同時拿到了seed的值，賦值給oldseed變數。
根據乙個神秘的演算法，計算出nextseed為***。注意，既然這個演算法是固定的，那麼生成出來的nextseed也必定是固定的。
進入while迴圈：3.1 執行緒a，利用cas演算法，發現seed的值還是為oldseed，說明seed的值沒有被替換過，就把seed的值替換成第二步生成出來的nextseed，替換成功，返回true，！true為false，退出while迴圈。3.2 執行緒b，利用cas演算法，發現seed的值已經不為oldseed了，因為執行緒a已經把seed的值替換成了nextseed了啊，所以cas失敗，只能再次迴圈。再次迴圈的時候， seed.get()就拿到了最新的種子值，再次根據乙個神秘的演算法獲得了nextseed，cas成功，退出迴圈。
看起來一切很美好，其實不然，如果併發很高，會發生什麼？大量的執行緒都在進行while迴圈，這是相當占用cpu的，所以juc推出了threadlocalrandom來解決這個問題。
首先，讓我們來看看threadlocalrandom的使用方法：
public static void main(string args)
}
current
public static threadlocalrandom current()如果當前執行緒的probe是0，說明是第一次呼叫current方法，那麼需要呼叫localinit方法，否則直接返回已經產生的例項。
localinit
static final void localinit()nextint
public int nextint(int bound)
return r;
}
nextseed
final long nextseed()本文首先簡單的分析了random的實現原理，引出next***方法在高併發下的缺陷：需要競爭種子原子變數。接著介紹了threadlocalrandom的使用方法以及原理，從類的命名，就可以看出實現原理類似於threadlocal，seed種子是儲存在每個執行緒中的，也是根據每個執行緒中的seed來計算新的種子的，這樣就避免了競爭的問題。
高併發下的HashMap
1.hashmap在插入元素過多的時候需要進行resize，resize的條件是 hashmap.size capacity loadfactor。2.hashmap的resize包含擴容和rehash兩個步驟，rehash在併發的情況下可能會形成鍊錶環 hashmap進行儲存時，假設size超過當...
高併發下的MySQL
對於遊戲來說，db存在大量的insert update 可謂玩家的很多動作都會與db溝通。本文暫時忽略os 中的 io利用率，網絡卡流量，cpu變化情況，介紹如何檢視mysql部分引數 檢視每秒事務數 show global status like com commit show global st...
Redis在高併發下存在的問題
描述 在某些特定環境下，無論是先更新redis還是更新資料庫，兩者的資料都有可能不一致。解決方案1 雙寫模式 解決方案2 失效模式 最終解決方案 無論是雙寫模式還是失效模式，都會導致快取的不一致問題。即多個例項同時更新會出事，怎麼辦？如果是使用者緯度資料 訂單資料 使用者資料 這種併發機率非常小，不...