应使用std::uniform_int_distribution配合引擎生成均匀整数随机数；rand()%N存在分布偏差且不跨平台；浮点分布默认左闭右开，需用nextafter包含右端点；多线程须为每线程独立引擎。
用 std::uniform_int_distribution 生成指定范围整数随机数
直接用 rand() 取模会严重偏向小值，且不可控；C++11 起标准推荐用 std::uniform_int_distribution 配合引擎，才能真正均匀。
常见错误是只调用一次 std::random_device 初始化种子，却在循环里反复创建新分布对象——这不必要且可能影响性能。
- 必须先创建一个引擎（如
std::mt19937），再用std::random_device给它喂种子 - 分布对象（
std::uniform_int_distribution<int></int>）可复用，传入引擎即可生成新数 - 范围闭区间：构造时传
min和max，比如dist(1, 6)生成 1–6（含）
std::random_device rd; std::mt19937 gen(rd()); std::uniform_int_distribution<int> dist(1, 100); int x = dist(gen); // 每次调用都返回新随机数
为什么不能用 rand() % N + M
因为 rand() 返回值范围是 [0, RAND_MAX]，而 RAND_MAX 很少是 N 的整数倍。取模后低区间的数概率更高——比如 RAND_MAX == 32767，要生成 [0,9]，数字 0–7 出现概率略高于 8–9。
更糟的是：rand() 在很多旧 libc 实现中周期短、低位比特质量差，% 运算还放大了这个问题。
立即学习“C++免费学习笔记（深入）”；
- Windows MSVC 的
RAND_MAX是 32767，Linux glibc 通常是 2147483647，但行为不跨平台 -
srand(time(nullptr))在一秒内多次运行会得到相同种子，不适合快速重跑场景 - 即使加了
srand，也无法修复分布偏差
std::uniform_real_distribution 生成浮点随机数
和整数分布类似，但注意：浮点分布默认是左闭右开区间 [a, b)，不是闭区间。如果需要 [0.0, 1.0]，得写成 dist(0.0, 1.0000001) 或手动处理边界——更稳妥的做法是用 std::nextafter。
- 常用类型是
float或double，模板参数需显式指定 - 生成 [0.0, 1.0) 直接用
std::uniform_real_distribution<double>(0.0, 1.0)</double> - 若真要包含 1.0，可用
std::uniform_real_distribution<double>(0.0, std::nextafter(1.0, 2.0))</double>
std::uniform_real_distribution<double> d(0.0, 1.0); double r = d(gen); // r ∈ [0.0, 1.0)
多线程下别共享同一个 std::mt19937 引擎
std::mt19937 不是线程安全的：并发调用 operator() 可能破坏内部状态，导致重复序列或崩溃。这不是“大概率出错”，而是未定义行为。
- 每个线程应持有独立引擎实例（可同用一个
std::random_device种子，但建议用不同 seed，比如加线程 ID 哈希） - 不要把引擎放在全局或静态变量里供多线程轮着用
- 若必须集中管理，用
thread_local存储引擎，或改用无状态的随机函数（如 PCG）
容易被忽略的一点：即使你没显式开线程，用了 async / future / OpenMP，也可能触发并发访问。
