最可靠方法是先构造完整候选集再打乱：用std::iota填充、std::shuffle打乱、resize截取；范围过大时改用std::unordered_set去重；生成前须校验count≤range_size。
用 std::shuffle 配合容器最可靠
直接用 rand() 或 std::rand() 循环检查重复，效率低、逻辑易错，还容易陷入死循环（尤其范围小、要求数量多时）。正确做法是先构造一个完整候选集，再打乱——这是唯一能保证“不重复 + 均匀分布 + 可控数量”的组合。
比如生成 5 个 1~10 之间不重复的随机数：
std::vector<int> nums(10);
std::iota(nums.begin(), nums.end(), 1); // 填充 1~10
std::shuffle(nums.begin(), nums.end(), std::mt19937{std::random_device{}()});
nums.resize(5); // 取前 5 个-
std::iota比手写循环更安全，避免 off-by-one 错误 - 必须用
std::mt19937+std::random_device初始化，std::shuffle不接受std::rand作为引擎 - 如果范围很大（如 1~1e9）但只要几十个数，别真建一亿大小的 vector——该换算法
小范围+少量数：用 std::set 或 std::unordered_set 去重
当候选空间远大于所需数量（比如从 1~1000 里取 10 个），建完整数组成本高，这时边生成边去重更省内存。
注意：用 std::set 会自动排序，若不需要顺序，优先选 std::unordered_set；插入失败说明重复，继续重试即可：
立即学习“C++免费学习笔记（深入）”；
std::unordered_set<int> seen;
std::mt19937 gen{std::random_device{}()};
std::uniform_int_distribution<int> dist(1, 1000);
while (seen.size() < 10) {
seen.insert(dist(gen));
}- 平均尝试次数 ≈ n × Hₙ（调和级数），10 个数在 1~1000 范围内几乎不会卡住
- 但若要 500 个数从 1~1000 里取，碰撞概率飙升，
while循环可能跑几百次才凑够，不如改用shuffle -
std::unordered_set插入均摊 O(1)，但最坏 O(n)，极端情况退化成链表——实际中很少见
为什么不用 rand() % N + 手动查重？
常见错误是写个 while 循环调 rand() % 10 + 1，再用 vector 查是否已存在。问题不止是慢：
-
rand()周期短、低位周期更短，%操作加剧分布偏差，尤其 N 不是 2 的幂时 -
std::vector::find是 O(n)，整体变成 O(k²)，k=100 就有上万次比较 - 没设种子或反复用
srand(time(nullptr))，在快速连续运行时可能得到相同序列 - 多线程下
rand()全局状态不安全，std::mt19937实例是线程私有的
边界情况：范围为空或要求数量超限
任何实现都得提前校验：count > max - min + 1 时根本不可能生成不重复序列，硬做只会死循环或崩溃。
- 生成前加断言或返回错误码，例如：
if (count > range_size) throw std::invalid_argument("count exceeds available numbers"); - 使用
std::uniform_int_distribution时，min和max必须满足min ，否则构造时抛异常 - 如果需求是“从某容器里随机抽样”，直接对原容器 shuffle 更安全，避免索引越界或拷贝丢失 const 正确性
真正麻烦的不是怎么写，而是想清楚“不重复”到底依赖什么：是数学意义上的集合无重复，还是业务上只要看起来不重复就行。前者必须用 shuffle 或 set，后者才可能妥协用简单方案。
