std::rand() 不该再用，因其是C风格全局状态，不可重入、种子行为不可预测、低位周期短导致分布质量差，且无法与现代分布对象组合；应改用 std::random_device + 引擎（如 std::mt19937）+ 分布（如 std::uniform_int_distribution）三层结构。
为什么 std::rand() 不该再用了
因为它是 C 风格全局状态，不可重入、不可预测种子行为、分布质量差（尤其低位周期短），且无法和现代分布对象组合。C++11 引入的 std::random_device + 引擎 + 分布三层结构才是正确路径。
典型错误是只调用一次 std::srand(time(nullptr)) 就以为“随机了”——这在毫秒级重复运行时几乎必然产生相同序列；更糟的是，std::rand() % N 会严重破坏均匀性（模偏差）。
-
std::rand()没有引擎概念，不能保存/恢复状态，无法复现实验 - 它不区分“生成器”和“变换”，而
std::uniform_int_distribution等能严格保证数学分布 - 多线程下
std::rand()是未定义行为；现代引擎如std::mt19937可安全拷贝并在线程局部使用
如何选对引擎：从 std::mt19937 到 std::random_device
引擎决定随机数的底层生成逻辑和周期。日常开发优先用 std::mt19937（梅森旋转，周期 2¹⁹⁹³⁷−1），它快、质量高、内存小；若需密码学强度（如生成密钥、token），必须用 std::random_device，但它可能退化为伪随机（Linux 上 /dev/urandom 正常，Windows 上某些旧 MSVC 版本返回固定值）。
别直接用 std::random_device 生成大量整数——它慢，且多次调用可能耗尽熵源。正确做法是用它初始化引擎：
立即学习“C++免费学习笔记（深入）”；
Windows 桌面自动化技能，支持鼠标控制（移动/点击/拖拽/滚轮/截图）、键盘输入（文字输入/按键/组合键）、窗口管理（查找/聚焦/最大化/最小化/关闭/移动）、截图并发送文件。提供两种截图方式：Python pyautogui 截图（集成在自动化流程中）和 PowerShell + .NET 零依赖截图（支持区域截图和多显示器）。当用户需要自动化 Windows 桌面操作、控制鼠标键盘、管理窗口、执行 GUI 自动化任务、截图发送文件时使用。
std::random_device rd; std::mt19937 gen(rd()); // 单次取真随机种子 // 或更健壮地取 4 个字节： std::mt19937 gen(rd() ^ (rd() << 15) ^ (rd() << 30));
-
std::minstd_rand周期短（2³¹−2），仅用于教学或兼容旧需求 -
std::ranlux24/ranlux48质量极高但慢，适合蒙特卡洛精度敏感场景 - 避免
std::default_random_engine—— 标准未规定其实现，GCC 和 MSVC 默认不同，导致跨平台结果不一致
std::uniform_int_distribution 和 std::uniform_real_distribution 怎么配引擎用
分布对象不保存状态，只负责把引擎输出的整型位模式映射成指定范围/类型的值。它必须和引擎实例绑定调用，不能复用同一分布对象跨不同引擎（行为未定义）。
关键细节：分布构造参数是闭区间还是左闭右开？std::uniform_int_distribution<int>(a, b)</int> 生成 [a, b]（含端点），而 std::uniform_real_distribution<double>(a, b)</double> 生成 [a, b)（不含 b）。错写成 (0, 1) 想取 [0,1] 会永远得不到 1.0。
std::mt19937 gen(12345); // 固定种子便于调试 std::uniform_int_distribution<int> dice(1, 6); std::uniform_real_distribution<double> unit(0.0, 1.0); // 注意：是 [0.0, 1.0) int roll = dice(gen); // OK：传引擎实例 double x = unit(gen); // OK // int y = dice(std::mt19937(1)); // 错！临时引擎生命周期太短
- 分布对象可拷贝、可移动，但不要在循环内反复构造（有轻微开销）
- 整型分布对
unsigned long long支持有限，超范围时行为由实现定义；建议用long long或检查std::numeric_limits<t>::max()</t> - 若需正态、泊松等非均匀分布，用
std::normal_distribution等，但注意它们内部可能缓存中间值，线程不安全
多线程下怎么避免数据竞争和性能陷阱
引擎对象不是线程安全的——多个线程同时调用 gen() 会破坏内部状态。常见错误是全局共享一个 std::mt19937 实例。
最优解是每个线程拥有独立引擎实例（轻量，std::mt19937 仅占 2.5KB）。若必须共享，用 thread_local 缓存：
thread_local std::mt19937 gen([]{
std::random_device rd;
return rd();
}());
- 别用
std::mutex包裹引擎调用——随机数生成本应极快，加锁反而成瓶颈 -
std::random_device本身线程安全，但频繁调用仍慢；初始化阶段用一次就够了 - 如果线程池动态伸缩，避免在 worker 线程里每次都 new 引擎；改用对象池或
thread_local静态初始化
真正容易被忽略的是：调试时用固定种子（如 std::mt19937 gen(42)）能复现 bug，但上线后必须换成 std::random_device，否则所有实例都生成相同序列。这个切换点，很多人忘了改。
