当前位置:首页 > 文章列表 > Golang > Go教程 > Golang随机数生成与rand包详解

Golang随机数生成与rand包详解

2026-01-18 08:42:37 0浏览 收藏

在IT行业这个发展更新速度很快的行业,只有不停止的学习,才不会被行业所淘汰。如果你是Golang学习者,那么本文《Golang随机数生成方法及rand使用详解》就很适合你!本篇内容主要包括##content_title##,希望对大家的知识积累有所帮助,助力实战开发!

Go中math/rand默认用固定种子1,故每次运行生成相同序列;需用time.Now().UnixNano()设种子,Go 1.20+推荐rand.New(rand.NewSource())避免全局污染,且goroutine中应使用独立实例;rand.Intn(n)生成[0,n)随机数,n为0会panic。

Golang如何进行随机数生成_math rand使用方法

Go 中 math/rand 为什么总生成相同数字?

默认不设置种子时,rand.Intn() 每次运行都返回完全相同的序列。这不是 bug,而是设计行为:未调用 rand.Seed() 时,底层使用固定种子 1。

  • 必须在程序启动早期(如 main() 开头)调用 rand.Seed(time.Now().UnixNano())
  • Go 1.20+ 推荐改用 rand.New(rand.NewSource(time.Now().UnixNano())) 实例,避免全局状态污染
  • 若在 goroutine 中高频调用全局 rand.* 函数,可能因竞态导致重复或 panic —— 此时务必用独立的 *rand.Rand 实例

如何安全生成 [0, n) 区间的随机整数?

rand.Intn(n) 是最常用方法,但要注意它只接受非负整数,且 n == 0 会 panic。

  • 生成 1~6 的骰子点数:rand.Intn(6) + 1
  • 生成指定范围 [min, max] 的整数:min + rand.Intn(max-min+1)(需确保 max >= min)
  • 若 n 来自用户输入,务必先校验:if n

生成随机字符串或字节切片的常见写法

标准库不直接提供随机字符串生成,需组合 rand.Intn() 和字符集。

var letters = []rune("abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789")
func RandString(n int) string {
    b := make([]rune, n)
    for i := range b {
        b[i] = letters[rand.Intn(len(letters))]
    }
    return string(b)
}
  • 不要用 rand.Read() 直接填充字符串 —— 它写入的是字节,不是 UTF-8 安全的 rune 序列
  • 若需密码级随机性(如 token),必须用 crypto/rand 替代 math/rand,后者是伪随机,不适用于安全场景
  • 字符集应显式定义,避免依赖 unicode 包动态判断 —— 性能差且逻辑易出错

Go 1.20+ 推荐的无竞态初始化方式

全局 rand.* 函数共享一个锁,高并发下成瓶颈;且无法单独控制不同模块的随机行为。

var globalRand = rand.New(rand.NewSource(time.Now().UnixNano()))

// 在需要的地方直接用
n := globalRand.Intn(100)

// 或为特定逻辑创建隔离实例
taskRand := rand.New(rand.NewSource(time.Now().UnixNano()))
  • 每个 goroutine 或业务逻辑块应持有自己的 *rand.Rand 实例,而非反复调用全局函数
  • 若需可重现的随机序列(如测试、游戏存档),传入固定 int64 种子,例如 rand.NewSource(12345)
  • 注意 time.Now().UnixNano() 在容器或虚拟机中可能不够随机 —— 生产环境关键服务建议结合 /dev/urandom 或外部熵源
实际用的时候,最容易被忽略的是:**安全场景误用 math/rand,以及并发下没隔离实例导致结果可预测或性能陡降**。

终于介绍完啦!小伙伴们,这篇关于《Golang随机数生成与rand包详解》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布Golang相关知识,快来关注吧!

Excel多条件筛选技巧详解Excel多条件筛选技巧详解
上一篇
Excel多条件筛选技巧详解
微信注销后还能恢复吗?怎么找回注销账号
下一篇
微信注销后还能恢复吗?怎么找回注销账号
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    367次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    425次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    439次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    390次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    215次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码