默认构造的std::mt19937使用固定种子5489，每次运行生成完全相同的确定性序列，不可用于实际场景；必须显式提供高熵种子，推荐用std::random_device单次取种并复用引擎。
为什么不能直接用 std::mt19937() 默认构造？
默认构造的 std::mt19937 用的是固定种子（通常是 5489），每次运行程序都生成完全相同的序列，对测试、模拟或加密相关场景极其危险。这不是“质量低”，而是根本不可用——你拿到的不是随机数，是确定性重放。
必须显式提供种子，且种子本身要有足够熵。常见错误包括：
- 硬编码数字如
std::mt19937 gen(123);—— 完全可预测 - 用
time(nullptr)当种子 —— 秒级精度，在快速重启或并发初始化时极易重复 - 用
std::random_device但没检查是否真正随机（某些平台回退为伪随机）
怎么安全地初始化 std::mt19937？
推荐组合：用 std::random_device 生成种子，再喂给 std::mt19937。但注意，std::random_device::entropy() 返回值小于 0 表示可能不真随机，Linux 下通常没问题，Windows MinGW 可能回退到 deterministic 模式。
实操建议：
- 优先用
std::random_device{}()单次取一个unsigned int种子 —— 简单够用，多数场景已足够 - 需要更高熵？用
std::seed_seq批量喂多个值，比如从std::random_device读 4 个整数 - 绝对不能跳过
std::random_device直接用clock()或 PID——熵太低
示例：
std::random_device rd;
std::mt19937 gen(rd()); // ✅ 推荐：简洁、跨平台、实际有效
// 或更保守一点：
std::seed_seq seed{rd(), rd(), rd(), rd()};
std::mt19937 gen2(seed); // ✅ 多种子，抗弱实现
生成指定范围整数时，std::uniform_int_distribution 怎么设参数？
边界容易错：C++ 的 std::uniform_int_distribution<int></int> 是闭区间 [a, b]，不是左闭右开。写成 dist(1, 6) 得到的是 1–6（含），不是 Python 风格的 1–5。
常见误用：
-
dist(0, n-1)本意是索引，但若n == 0会触发未定义行为（构造时 a > b） - 用浮点分布
std::uniform_real_distribution强转整数 —— 引入偏斜，且多余 - 重复构造分布对象（如循环里 new 一个
uniform_int_distribution）—— 不必要开销，分布对象是轻量且可复用的
正确姿势：
std::mt19937 gen(rd()); std::uniform_int_distribution<int> dice(1, 6); int roll = dice(gen); // ✅ 一次构造，多次调用</int>
性能和线程安全要注意什么？
std::mt19937 本身无锁，但 gen() 调用会修改内部状态，所以不能多线程共用同一个实例。常见错误是全局单例 static std::mt19937 gen 被多个线程并发调用。
解决方案取决于场景：
- 每个线程自己初始化一个
std::mt19937（用不同种子，比如加入线程 ID 哈希）—— 最简单，无竞争 - 用
thread_local static std::mt19937 gen([]{...}());延迟初始化 —— C++17 起支持带初始化器的thread_local - 真要共享？加
std::mutex锁住gen()调用 —— 但吞吐会掉，仅当 seed 极难生成时才考虑
另外：std::mt19937_64 比 std::mt19937 略慢但周期更长（2^19937−1 vs 2^64−1），一般应用用 32 位足够；只有模拟超大状态空间时才需升级。
最常被忽略的一点：种子一旦确定，整个序列就完全确定。调试时如果发现“随机数不随机”，第一反应不该是换算法，而是检查种子来源是否真的变化、分布对象是否被意外复位、或者线程间状态污染了生成器。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
