如何用Golang使用math/rand生成随机数_Golang rand随机数生成实践

Go语言中math/rand包用于生成伪随机数,适用于游戏、模拟等场景;从Go 1.20起rand.Seed()被弃用,推荐使用rand.New(rand.NewSource(time.Now().UnixNano()))创建随机源,或依赖默认自动播种机制。

在Go语言中,math/rand 包提供了生成伪随机数的功能。虽然它不是加密安全的,但在大多数日常开发场景中(如游戏逻辑、模拟、测试数据生成等)非常实用。本文将介绍如何正确使用 math/rand 生成随机数,并避免常见误区。

初始化随机源(Seed)

如果不设置种子,rand.Intn() 等函数每次运行都会产生相同的序列。这是因为默认的全局源是确定性的。

正确的做法是在程序启动时调用 rand.Seed(),通常使用当前时间作为种子:

注意:从 Go 1.20 开始,rand.Seed() 已被弃用,推荐使用 rand.New(rand.NewSource(seed)) 或直接依赖默认的自动 seeding 行为。

现代 Go 版本(1.20+)中,global source 会自动 seed,所以可以直接使用 rand.Intn() 而无需手动 Seed。但为了兼容性和清晰性,建议显式创建自己的 Source:

示例代码:

package main

import (
    "fmt"
    "math/rand"
    "time"
)

func main() {
    // 创建一个基于当前时间的随机源
    src := rand.NewSource(time.Now().UnixNano())
    r := rand.New(src)

    // 生成 0 到 99 之间的随机整数
    n := r.Intn(100)
    fmt.Println("随机数:", n)
}

生成不同类型的随机数

通过 rand 实例可以生成多种类型的随机值:

  • Intn(n):生成 [0, n) 范围内的随机整数
  • Float64():生成 [0.0, 1.0) 范围内的浮点数
  • Int63n(n):生成更大的整数范围,适合大数需求

常用示例:

// 随机浮点数(0.0 <= f < 1.0)
f := r.Float64()

// 随机布尔值
b := r.Float64() < 0.5  // 50% 概率 true

// 指定范围的整数,比如 [10, 50]
num := r.Intn(41) + 10  // 41 = 50-10+1? 不,Intn(41) 是 0~40,加10变成10~50

并发安全与性能考虑

全局的 rand 函数(如 rand.Intn)使用共享的默认源,在高并发场景下可能成为瓶颈或导致竞争。

解决方案是为每个 goroutine 创建独立的 *rand.Rand 实例,或使用 sync.Pool 缓存实例。

并发安全示例:

var rngPool = sync.Pool{
    New: func() interface{} {
        return rand.New(rand.NewSource(time.Now().UnixNano()))
    },
}

func getRandom() int {
    r := rngPool.Get().(*rand.Rand)
    n := r.Intn(100)
    rngPool.Put(r)
    return n
}

生成随机字符串或切片元素

实际开发中常需要随机字符串或从数组中抽取元素。

随机选择切片元素:

items := []string{"apple", "banana", "cherry"}
choice := items[r.Intn(len(items))]
fmt.Println("选中:", choice)

生成随机字符串:

const letters = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ"
func randString(n int, r *rand.Rand) string {
    b := make([]byte, n)
    for i := range b {
        b[i] = letters[r.Intn(len(letters))]
    }
    return string(b)
}

基本上就这些。只要记得初始化随机源、避免并发问题、合理选择范围,就能在项目中高效使用 math/rand。对于加密场景,请改用 crypto/rand。不复杂但容易忽略细节。