std::random_device仅用于播种，不可直接频繁取数；应单次调用初始化std::mt19937等引擎，分布对象需复用，多线程下必须每线程独立实例。
std::random_device 不能直接当随机数生成器用
很多人以为 std::random_device 返回的就是随机数，直接拿来调用 operator()() 就完事——这在多数平台（尤其是 Windows + MSVC 或某些旧版 libc++）上会退化成伪随机，甚至重复输出相同值。它本质是熵源，设计用途是为其他引擎“播种子”，不是用来频繁取数的。
-
std::random_device构造开销大，多次调用rd()可能阻塞或耗尽系统熵池 - Linux 上读
/dev/urandom一般没问题，但 Windows 的RtlGenRandom实现可能被绕过或缓存 - 正确做法：只调用一次或少量几次来初始化
std::mt19937等引擎
std::mt19937 是默认首选，但必须配合适的种子
使用 std::mt19937（Mersenne Twister）本身没问题，问题出在种子给得草率。用 time(nullptr) 或固定整数初始化，会导致每次运行序列完全一样，尤其在快速重启或单元测试中极易暴露。
std::random_device rd; std::mt19937 gen(rd()); // ✅ 推荐：单次取熵初始化 // std::mt19937 gen(42); // ❌ 危险：确定性种子，仅用于可复现调试
- 若需可复现（如测试），显式传入固定种子并注释清楚用途
- 生产环境避免
std::mt19937_64除非你明确需要 64 位输出且不关心初始化开销略高 - 嵌入式或无
/dev/urandom环境，考虑用硬件 RNG 或组合多个弱熵源（如时钟、内存地址、线程 ID）哈希后播种
分布对象（distribution）要复用，别每次都 new
像 std::uniform_int_distribution<int></int> 或 std::normal_distribution<double></double> 是无状态的轻量对象，构造开销极小，但频繁创建销毁仍会拖慢性能，尤其在 tight loop 中。
- 把分布对象声明为函数局部静态、类成员，或作用域内复用
- 不同范围的整数应使用不同分布实例，不要靠传参动态改——
std::uniform_int_distribution的a/b是构造时绑定的，不可变 - 注意
std::normal_distribution内部有缓存逻辑（Box-Muller），复用还能减少浮点运算次数
std::mt19937 gen{std::random_device{}()};
static std::uniform_int_distribution<int> dist1{1, 6}; // 掷骰子
static std::uniform_real_distribution<double> dist2{0.0, 1.0};
int roll = dist1(gen);
double x = dist2(gen);
多线程下别共享同一个 generator 实例
std::mt19937 和所有标准引擎都不是线程安全的——内部状态（如状态数组）被修改时无锁保护。多个线程共用一个 gen 对象，会导致生成序列错乱、重复，甚至未定义行为。
立即学习“C++免费学习笔记（深入）”；
- 每个线程持有一个独立的
std::mt19937实例（用 thread_local 或线程初始化） - 避免用全局变量或 static generator；若必须全局，用
thread_local static std::mt19937 gen{...} - 不要试图加 mutex 包裹
gen()调用——锁竞争反而比换引擎还慢，且破坏了随机性语义
thread_local static std::mt19937 gen{std::random_device{}()};
thread_local static std::uniform_int_distribution<int> dist{0, 100};
int val = dist(gen); // ✅ 每线程隔离，无竞争
生成高质量随机数的关键不在“选多酷的算法”，而在于熵源使用克制、引擎生命周期清晰、分布复用合理、线程边界明确——这几个点一旦松动，再好的算法也白搭。 
