在Josh提供的例子中，展示了一种存在缺陷的随机方法，该方法可生成一个给定上限n的正随机数。我不理解他所谈到的两种缺陷。
书中的方法如下：
private static final Random rnd = new Random();
//Common but deeply flawed
static int random(int n) {
return Math.abs(rnd.nextInt()) % n;
}
Random.nextInt() 的文档说明为“从该随机数生成器的序列中返回下一个伪随机、均匀分布的 int 值”。那么如果 n 是一个小整数，序列不应该重复吗？为什么只适用于 2 的幂次方？Random.nextInt() 生成的整数是均匀分布的，为什么会出现这种情况？（他提供了一个代码片段，清楚地证明了这一点，但我不明白为什么会这样，以及这与 n 是 2 的幂次方有什么关系）。问题1： 如果n是2的小幂次方，则生成的随机数序列将在短时间内重复自身。
这不是Josh所说的任何必然结果，而是线性同余生成器的一个已知属性。维基百科如下所述：
LCG的另一个问题是，如果m设置为2的幂，则生成的序列的低阶位期限远远短于整个序列。一般来说，在输出序列的基b表示中，其中b k = m（其中k是某个整数）的第n个最低有效数字最多重复b n 次。
这也在Javadoc中有所提及：
像该类实现的那样，线性同余伪随机数生成器被称为其低位值序列的短期周期。
函数的另一个版本Random.nextInt(int)通过在这种情况下使用不同的位来解决这个问题（我强调）：
该算法会特别处理n是2的幂的情况：它从基础伪随机数生成器返回正确数量的高位位数。
这是偏好于使用Random.nextInt(int)而不是使用Random.nextInt()并进行自己的范围转换的一个很好的理由。
问题2： 接下来，他说如果n不是2的幂，则某些数字将平均更频繁地返回。
nextInt()可以返回2的32次方个不同的数字。如果您使用% n将它们放入n个桶中，并且n不是2的幂，则一些桶将具有比其他桶更多的数字。这意味着尽管原始分布是均匀的，但有些结果会更频繁地发生。
让我们使用小数字来看一下这种情况。假设nextInt()返回四个等概率的结果0、1、2和3。让我们看看如果我们对它们应用% 3会发生什么：
0 maps to 0
1 maps to 1
2 maps to 2
3 maps to 0
正如您所看到的，该算法返回0的频率是返回1和2的频率的两倍。
当n是2的幂时，这种情况不会发生，因为两个幂次方中一个被另一个整除。考虑 n=2：
0 maps to 0
1 maps to 1
2 maps to 0
3 maps to 1
这里，0和1以相同的频率出现。
附加资源
以下是一些额外的-虽然只是间接相关-LCG相关的资源:
3 * (Integer.MAX_VALUE / 4)个bin分配，平均约有1/3的bin最终会有两倍的条目数。 - Ironcache1) 当n是2的幂时，rnd % n等同于选择原始数字的几个低位。由Java使用的生成器类型生成的数字的低位比高位“不那么随机”。这只是用于生成数字的公式的属性。
2) 想象一下，random()返回的最大可能值为10，n = 7。现在执行n % 7将数字7、8、9和10映射到0、1、2、3。因此，如果原始数字均匀分布，则结果会严重偏向较低的数字，因为它们将比4、5和6出现两次。在这种情况下，无论n是否是2的幂，都会发生这种情况，但是，如果我们选择15（即2 ^ 4-1）而不是10，则任何是2的幂的n都会导致均匀分布，因为在范围末尾不会留下“多余”的数字来引起偏差，因为可能的总值数量可以被可能的余数数量完全整除。
n，差异并不太明显。但是如果n是像2 * Integer.MAX_INT / 3这样的数字，你会发现范围内较低的数字出现的频率是其他数字的两倍。 - Dima
rnd.nextInt(n)- Elliott FrischMath.abs的文档说明：“请注意，如果参数等于Integer.MIN_VALUE，即可表示的最小负整数值，则结果是相同的值，即为负数。” http://docs.oracle.com/javase/7/docs/api/java/lang/Math.html#abs(int) （我还确认了rnd.nextInt()确实可以返回Integer.MIN_VALUE）。负值对正数n取模的结果是负值。 - Mooing Duck