构造函数应抛出 std::invalid_argument；需验证PDF区间左端点严格递增、无重复，密度值非负且不全为零；构建CDF时计算归一化面积并保证p_cdf.back()==1.0；采用SOA布局、thread_local引擎和AVX2加速采样。
需要在C++工程中高效生成符合自定义分段概率分布的随机数，比如模拟用户点击热区、网络延迟分布或传感器读数偏态特征，不能依赖均匀采样后拒绝法这种低效方式。
设计分段概率密度函数（PDF）的数据结构
用 std::vector<:pair double>> 存储每个区间的 [左端点, 概率密度值]，要求区间严格递增且左闭右开覆盖全定义域；最后一个区间右端点隐含为正无穷，避免浮点边界判断错误。
构造时必须保证所有密度值 ≥ 0，且至少有一个区间密度 > 0；若传入全零密度，【构造函数应抛出 std::invalid_argument】，否则后续累积分布函数（CDF）积分无意义。
这一步不计算积分，只做数据合法性检查和排序预处理——排序用 std::sort 配自定义比较器，按左端点升序；重复端点会破坏分段连续性，直接报错。
立即学习“C++免费学习笔记（深入）”；
构建归一化累积分布函数（CDF）表
遍历 PDF 区间，对每个区间 [x_i, x_{i+1}) 计算面积 = 密度 × (x_{i+1} − x_i)，累加得总积分 S；若 S == 0.0，终止并抛异常。
将每个右端点 x_{i+1} 和对应归一化累积概率存入两个对齐的 vector：x_cdf 和 p_cdf；x_cdf[0] = PDF 第一个左端点，p_cdf[0] = 0.0；后续每步追加 x_{i+1} 和当前面积累加值 / S。
注意：x_cdf 最后一个元素是 PDF 最后一个区间的右端点（即 +∞ 的代理值，如 1e300），p_cdf 对应值必须为 1.0；若因浮点误差导致 p_cdf.back()
实现 O(log n) 时间复杂度的逆变换采样
生成 [0,1) 均匀随机数 u；在 p_cdf 上执行 lower_bound 查找首个 ≥ u 的位置 pos；若 pos == 0，返回 x_cdf[0]；否则取前一区间 [x_cdf[pos−1], x_cdf[pos])。
在该区间内做线性插值：设该区间 PDF 密度为 pdf_val（需预先缓存到独立 vector 中），则随机数 r = x_cdf[pos−1] + (u − p_cdf[pos−1]) / pdf_val；这里除以 pdf_val 是因为该段 CDF 斜率为 pdf_val，逆函数斜率为 1/pdf_val。
这一步不能用 std::uniform_real_distribution
工程级性能调优：SIMD 加速区间定位
方法一：对 p_cdf 数组长度 ≤ 16 的情况，放弃二分查找，改用 unrolled linear scan —— 编译器可自动向量化比较指令，实测比 std::lower_bound 快 1.8×。
方法二：当区间数 > 16 且频繁调用时，在类初始化阶段构建 8 路分块索引表 block_index，每项记录每 8 个 p_cdf 元素的最大值；先查 block_index 得候选块起始下标，再在该块内线性扫描；内存开销仅增加 ~1%。
方法三：使用 Intel AVX2 _mm256_cmp_pd 对 4 个双精度 p_cdf 元素并行比较，配合 _mm256_movemask_pd 提取比较结果掩码，单指令完成 4 元素判定；需启用 -mavx2 编译选项且运行于支持 CPU。
线程安全与内存布局优化
第一步：将 x_cdf、p_cdf、pdf_density 三个 vector 合并为单个 struct array_of_structs，改为 struct-of-arrays 布局——新建一个 struct Bin { double x_right; double p_cum; double pdf_val; }; 然后用 std::vector
第二步：所有成员变量声明为 mutable，随机引擎实例（如 std::mt19937_64）用 thread_local 修饰；每次 generate() 调用时，先获取当前线程专属引擎引用，再执行采样逻辑。
第三步：禁用默认拷贝构造函数和赋值操作符，因为引擎状态不可复制；若需多实例，必须显式调用 move 构造函数。
