std::sample抽不出N个元素，主因是输出容器未预留空间或未传随机数引擎；需用back_inserter、提前resize，且必须显式传入符合UniformRandomBitGenerator的引擎实例。
std::sample 为什么抽不出想要的 N 个元素？
直接调用 std::sample 却只得到 0 个或少于 N 个结果，大概率是目标输出迭代器没预留空间，或者传入了空范围。它不会自动扩容容器，也不会抛异常——抽不到就是默默不写。比如对 std::vector 用 back_inserter 是安全的，但用普通指针或未 resize 的 vector 迭代器就会越界或静默失败。
必须确保输出容器有足够容量，或使用能自动增长的插入器：
- 用
std::back_inserter(output_vec)（推荐，最不容易出错） - 提前调用
output_vec.resize(N)，再传output_vec.begin() - 若输出是固定大小数组，确认
N <= array_size，且传入arr而非&arr[0]（后者类型易推导失败）
std::sample 的随机数引擎必须显式传入
很多人漏掉第四个参数——随机数引擎，导致编译失败或行为未定义。它不是可选的，默认不绑定 std::default_random_engine。错误写法：std::sample(first, last, out_first, N)（缺引擎）；正确写法必须带引擎实例：
std::random_device rd; std::mt19937 g(rd()); std::sample(v.begin(), v.end(), std::back_inserter(res), N, g);
注意：std::sample 不接受 std::function 或 lambda 替代引擎；也不能传右值临时引擎（如 std::mt19937{rd()}），某些标准库实现会因移动后状态失效而抽样异常。
立即学习“C++免费学习笔记（深入）”；
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
输入范围为空或 N 大于源大小时的行为
std::sample 在 N > std::distance(first, last) 时，只抽取全部可用元素（即最多抽完源容器），不会报错或截断。这和 Python 的 random.sample 一致，但容易误以为“抽少了是 bug”。反过来，若源为空（first == last），输出容器保持不变，也不会填充任何东西。
常见误判场景：
- 从
std::map抽样时用了map.keys()（不存在！得用map | std::views::keys或先拷贝 key 到 vector） - 容器是
std::list，传入std::sample没问题，但性能是 O(n)，因为需要遍历计数 + 随机跳转 - 用
std::vector::data()当输入指针，但忘了长度参数要匹配实际 size，而非 capacity
和 std::shuffle + resize 对比：何时该换方案？
如果只是想随机取前 N 个，且允许修改原容器，std::shuffle + resize 更快（O(N) 时间摊还，无额外内存分配）。但 std::sample 优势在于：不修改源、支持任意 InputIterator（包括 istream_iterator）、真正无放回均匀抽样（数学上更严谨）。
性能敏感时注意：
- 对小容器（
size < 100），std::shuffle通常更快 - 对大容器抽少量样本（
N << size），std::sample内部可能用 reservoir sampling，空间 O(N)，时间 O(size) - 用
std::vector::reserve(N)配合back_inserter，避免多次 realloc
真正容易被忽略的是：所有标准库实现都要求随机数引擎满足 UniformRandomBitGenerator 概念，有些自定义引擎（比如只重载了 operator()() 但没提供 min/max）会导致编译失败，而不是运行时报错。
