rand()不能直接用，因其秒级种子导致重复序列、范围固定且低位周期短，%取模会引入偏差；应改用std::mt19937配random_device种子和uniform分布。
rand() 为什么不能直接用
因为 rand() 默认只靠 srand(time(nullptr)) 初始化，种子分辨率只有秒级，同一秒内多次运行程序会得到完全相同的随机数序列；而且它生成的整数范围固定为 [0, RAND_MAX]（通常为 32767），分布也不均匀，低位比特周期极短——比如对 2 取模时，奇偶性会呈现明显规律。
常见错误现象：rand() % 10 生成 0–9 时，偶数出现频率显著偏高；在循环中快速调用 rand() 却发现输出重复、卡在某个值上。
- 不要在循环里反复调用
srand(time(nullptr))—— 这会让所有后续rand()都返回同一个数 - 避免用
%截断范围，改用rand() / (RAND_MAX + 1.0) * range或直接换引擎 - 多线程环境下
rand()不是线程安全的，rand_r()才是替代方案（但依然不推荐）
std::mt19937 是什么，怎么初始化才靠谱
std::mt19937 是 C++11 引入的梅森旋转算法实现，周期长达 219937−1，且通过了严格的统计测试。但它本身不产生“随机”，只是个确定性引擎，关键在初始化器（seed）。
错误做法：std::mt19937 gen(time(nullptr)) —— 秒级种子仍不够；std::mt19937 gen(42) —— 每次都一样，仅适合调试。
立即学习“C++免费学习笔记（深入）”；
- 生产环境推荐用
std::random_device作为种子源：std::random_device rd; std::mt19937 gen(rd()) - 若需可复现结果（如单元测试），用固定种子但注明用途：
std::mt19937 gen(0x12345678) - 注意
std::random_device在某些平台（如 MinGW）可能退化为伪随机，可用rd.entropy() > 0判断是否真随机
如何生成指定范围的整数或浮点数
std::mt19937 本身只输出 uint32_t（或 uint64_t 对应 std::mt19937_64），要得到任意范围需配合分布类。硬编码计算容易出错，也破坏可读性。
典型错误：手写 (gen() % 100) + 1 或 static_cast<int>(gen() * 100.0 / gen.max())</int> —— 前者引入偏差，后者因整数除法精度丢失导致边界不均等。
- 整数范围
[a, b]（含端点）：用std::uniform_int_distribution<int> dist(a, b)</int>，然后dist(gen) - 浮点范围
[a, b)：用std::uniform_real_distribution<double> dist(a, b)</double> - 避免重复构造分布对象——它轻量，但频繁构造可能影响性能；建议按需定义一次，复用
gen
为什么 std::mt19937 比 rand() 快，但有时反而更慢
单次调用 std::mt19937::operator()() 确实比 rand() 快，因为它是纯函数式状态更新，无全局锁、无分支预测失败。但实际性能取决于你怎么用。
常见反模式：std::mt19937 gen(rd()); for(...) { std::uniform_int_distribution<int> d(1,6); auto r = d(gen); }</int> —— 每次循环都新建分布对象，构造开销远超引擎本身。
- 把分布对象提到循环外，让它复用内部预计算参数
- 如果只需要 0–1 浮点数，直接用
gen()转 double 更快：static_cast<double>(gen()) / gen.max()</double> - 嵌入式或资源受限场景慎用
std::mt19937（2.5KB 状态缓存），可考虑std::minstd_rand或xorshift变体
真正难的不是选哪个 API，而是理解“随机”背后的状态管理、种子质量与分布语义——漏掉任意一环，看似跑通的代码，上线后可能在某个时间点、某台机器上突然开始重复发优惠券，或者 AI 训练时数据打乱失效。
