最安全的方法是用 C++17 的 std::sample 实现无放回随机抽样，需预先分配输出容器空间；有放回抽样则复用 uniform_int_distribution 和随机引擎；老标准可用 Fisher-Yates 截断版并注意保护边界条件。
用 std::sample 最安全，C++17 起原生支持
标准库从 C++17 开始提供 std::sample，专为“无放回随机抽样”设计，自动处理迭代器范围、随机数引擎和样本去重逻辑。它比手写 std::shuffle + 截断更可靠，尤其当 N 远小于数组长度时，性能也更好。
常见错误是传错输出迭代器容量（比如用 std::vector::begin() 但没预留空间），导致未定义行为：
#include <algorithm>
#include <random>
#include <vector>
<p>std::vector<int> arr = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10};
std::vector<int> samples(3); // ✅ 必须预先分配 N 个元素空间</p><p>std::random_device rd;
std::mt19937 g(rd());
std::sample(arr.begin(), arr.end(),
samples.begin(), 3,
g);
// samples 现在包含 3 个不重复的随机元素
-
std::sample要求输出容器已分配足够空间（samples.size() >= N），不能传空vector的begin() - 第三个参数是输出起始迭代器，不是插入迭代器（别用
std::back_inserter） - 若需有放回抽样（允许重复），
std::sample不适用，得换方案
有放回抽样：用 std::uniform_int_distribution 索引
当允许重复（比如蒙特卡洛模拟），直接随机生成 [0, size) 区间内的索引最直观。关键点在于分布对象必须复用，不能在循环里反复构造——否则可能因种子相同导致重复序列。
std::vector<int> arr = {10, 20, 30, 40};
std::vector<int> samples(5);
std::random_device rd;
std::mt19937 gen(rd());
std::uniform_int_distribution<size_t> dist(0, arr.size() - 1);
<p>for (auto& s : samples) {
s = arr[dist(gen)]; // ✅ 复用 dist 和 gen
}
- 分布类型必须匹配索引类型（
size_t或int），否则dist(gen)可能截断或触发编译警告 - 如果
arr为空，arr.size()-1会溢出为极大正数，务必提前检查 - 不要把
std::uniform_int_distribution声明在循环内——它不保存状态，但频繁构造可能影响性能且不利于测试复现
兼容 C++11/14：手写 Fisher-Yates 截断版
老项目没 C++17？可以用 std::shuffle 配合部分打乱（Knuth shuffle 变种），只 shuffle 前 N 个位置，避免全量排序开销。
立即学习“C++免费学习笔记（深入）”；
std::vector<int> arr = {1,2,3,4,5,6,7,8,9,10};
std::vector<int> samples(arr.begin(), arr.begin() + 3); // 先拷贝前 N 个
<p>std::random_device rd;
std::mt19937 g(rd());
for (size_t i = 0; i < samples.size() && i < arr.size(); ++i) {
std::uniform_int_distribution<size_t> dist(i, arr.size() - 1);
size_t j = dist(g);
std::swap(samples[i], arr[j]); // 注意：这里修改了原 arr
}
- 上面代码会破坏原数组；如需保留，应先拷贝整个
arr再 shuffle，但内存开销翻倍 - 更稳妥的做法是复制索引向量：
std::vector<size_t> indices(arr.size()); std::iota(...)，再 shuffle indices，最后取前 N 个映射回原数组 - 当 N 接近数组长度时，这个方法和全量
std::shuffle差异不大；但 N 很小时，它比全 shuffle 快一个数量级
抽样逻辑本身简单，但边界条件（空容器、N 超出范围、有/无放回语义）和随机数引擎生命周期管理，才是线上出问题最多的地方。别省那几行保护判断。
