JAVA中的Random详解
首先，在JDK自带的常用的random中有两个，这俩都是产生随机数的，不过一个是util下的random，另外一个是Math下的。我们分别介绍一下
util中的random
导包
import java.util.Random
创建Random类型的引用
Random ran = new Random();
使用功能
ran.nextInt() 产生int返回内的随机整数
ran.nextInt(整数n) 产生[0,n)范围内的int类型的随机整数
ran.nextDouble() 产生[0.0,1.0)范围内double随机小数
总结公式 : [min,max) 随机整数 ==> ran.nextInt(max-min)+min 分析公式 1)ran.nextInt(max-min) --> [0,max-min) 2)ran.nextInt(max-min)+min --> [0,max-min)+min--> [min,max) [min,max] 随机整数 ==> ran.nextInt(max-min+1)+min -->[0,max-min+1)+min -->[min,max+1) -->[min,max]常用的俩
1）[min,max) 随机整数 ==> ran.nextInt(max-min)+min
2）[min,max] 随机整数 ==> ran.nextInt(max-min+1)+min -->[0,max-min+1)+min -->[min,max+1) -->[min,max]
代码
public class Class002_Random { public static void main(String[] args) { // 1.导包 // 2.创建Random类型的引用 Random ran = new Random(); //3.使用功能 System.out.println(ran.nextInt()); //[0,5) System.out.println(ran.nextInt(5)); //[0,100] System.out.println(ran.nextInt(101)); System.out.println(ran.nextDouble()); //[1,13) 随机整数 System.out.println(ran.nextInt(13-1)+1); System.out.println(ran.nextInt(13-1)+1); System.out.println("-----------------------"); //[5,8] System.out.println(ran.nextInt(8-5+1)+5); System.out.println(ran.nextInt(8-5+1)+5); }Math.random
Math.random()是令系统随机选取大于等于 0.0 且小于 1.0的伪随机 double 值
使用方法
Math类的random()方法可以生成大于等于0.0、小于1.0的double型随机数。
Math.random()方法语句基础上处理可获得多种类型、或任意范围的随机数。
int num = (int)(Math.random()*2+1) //以上代码即设置一个随机1到3(取不到3)的变量num。公式
int num=(int)(Math.random()*n); //返回大于等于0小于n之间的随机数 int num0=m+(int)(Matn.randon()*n); //返回大于等于m小于m+n（不包括m+n）之间的随机数代码
//我们需要取2～22之间的偶数 public class MathRandomDemo{ public static int GetevenNum(double num1,double num2){ int s=(int)num1+(int)(Math.random()*(num2-num1)); if(s%2==0){ return s; } else retuen s+!; } public static void main(String[] args){ System.out.println("任意一个"+num1+"～"+num2+"之间的偶数："+GeteneNum(2,22)); } }Java开发的就业市场正在经历结构性调整，竞争日益激烈
传统纯业务开发岗位（如仅完成增删改查业务的后端工程师）的需求，特别是入门级岗位，正显著萎缩。随着企业技术需求升级，市场对Java人才的要求已从通用技能转向了更深入的领域经验（如云原生、微服务）或前沿的AI集成能力。这也导致岗位竞争加剧，在一、二线城市，求职者不仅面临技术内卷，还需应对学历与项目经验的高门槛。
大模型为核心的AI领域正展现出前所未有的就业热度与人才红利
2025年，AI相关新发岗位数量同比激增543%，单月增幅最高超过11倍，大模型算法工程师位居热门岗位前列。行业顶尖人才的供需严重失衡，议价能力极强，跳槽薪资涨幅可达30%-50%。值得注意的是，市场并非单纯青睐算法研究员，而是急需能将大模型能力落地于复杂业务系统的工程人才。这使得具备企业级架构思维和复杂系统整合经验的Java工程师，在向“Java+大模型”复合人才转型时拥有独特优势，成为企业竞相争夺的对象，其薪资天花板也远高于传统Java岗位。
说真的，这两年看着身边一个个搞Java、C++、前端、数据、架构的开始卷大模型，挺唏嘘的。大家最开始都是写接口、搞Spring Boot、连数据库、配Redis，稳稳当当过日子。
结果GPT、DeepSeek火了之后，整条线上的人都开始有点慌了，大家都在想：“我是不是要学大模型，不然这饭碗还能保多久？”
先给出最直接的答案：一定要把现有的技术和大模型结合起来，而不是抛弃你们现有技术！掌握AI能力的Java工程师比纯Java岗要吃香的多。
即使现在裁员、降薪、团队解散的比比皆是……但后续的趋势一定是AI应用落地！大模型方向才是实现职业升级、提升薪资待遇的绝佳机遇！
如何学习AGI大模型？
作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取
2025最新版CSDN大礼包：《AGI大模型学习资源包》免费分享**
一、2025最新大模型学习路线
一个明确的学习路线可以帮助新人了解从哪里开始，按照什么顺序学习，以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。
我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。
L1级别:AI大模型时代的华丽登场
L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理，关键技术，以及大模型应用场景；通过理论原理结合多个项目实战，从提示工程基础到提示工程进阶，掌握Prompt提示工程。
L2级别：AI大模型RAG应用开发工程
L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3级别：大模型Agent应用架构进阶实践
L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体；同时还可以学习到包括Coze、Dify在内的可视化工具的使用。
L4级别：大模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握；而L3 L4更多的是通过项目实战来掌握大模型的应用开发，针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。
二、大模型经典PDF书籍
书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）
三、大模型视频教程
对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。
四、大模型项目实战
学以致用，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。
五、大模型面试题
面试不仅是技术的较量，更需要充分的准备。
在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取
2025最新版CSDN大礼包：《AGI大模型学习资源包》免费分享
