Go语言固定随机数种子设置方法

在Go语言测试中，随机逻辑导致结果不可重现是常见痛点，而真正可靠的解法并非纠结于“如何设种子”，而是将随机性显式抽象为可注入的依赖——从Go 1.20起，必须摒弃已弃用且线程不安全的`rand.Seed()`和全局`rand`包调用，转而使用`rand.New(rand.NewSource(42))`创建确定性PRNG实例，并通过函数参数或接口将`*rand.Rand`传入业务逻辑，从而让测试完全可控、可重复、无竞态，既避免mock的复杂性，又消除时间种子、并发panic和隐式依赖等典型陷阱。

Go 测试里随机结果不一致，怎么让它每次都一样

测试带 rand 的代码失败，不是因为逻辑错，而是每次跑结果都变——根本没法断言。核心解法是控制随机源：用固定种子初始化 rand.Rand 实例，而不是依赖全局 rand 包。

• 别直接调 rand.Intn() 或 rand.Shuffle()，它们用的是全局伪随机数生成器（PRNG），默认用当前时间做种子
• 在测试中显式创建 rand.New() 实例，并传入 rand.NewSource(42) 这类固定种子源
• 把该实例作为参数注入到被测函数中（或通过接口抽象），避免硬依赖全局状态
• 如果函数内部必须用全局 rand，测试前用 rand.Seed(42)（仅限 Go 1.20 之前）；但 Go 1.20+ 已弃用该函数，强制要求用独立实例

Go 1.20+ 怎么安全地固定 rand 种子

Go 1.20 起 rand.Seed() 被标记为 deprecated，且并发调用会 panic。现在唯一可靠方式是完全绕过全局 rand，自己管种子和实例。

• 用 rand.New(rand.NewSource(42)) 创建确定性 PRNG 实例
• 把 *rand.Rand 当作依赖传入函数，例如：func Shuffle(items []string, r *rand.Rand) { r.Shuffle(len(items), ...) }
• 测试时传入固定种子的实例，生产代码传 rand.New(rand.NewSource(time.Now().UnixNano())) 或其他真随机源
• 注意：不能把 rand.NewSource(42) 多次传给不同 rand.New()——每个 rand.NewSource 实例只能被一个 rand.Rand 使用，否则行为未定义

mock rand 不如直接换实例，为什么

有人想 mock rand.Intn，但 Go 标准库函数无法直接 monkey patch，且接口抽象成本高。实际没必要：替换 PRNG 实例更轻、更可控、无反射风险。

• 定义一个接口如 type RNG interface { Intn(n int) int; Shuffle(n int, swap func(i, j int)) } 是过度设计
• *rand.Rand 本身已实现所有常用方法，直接传指针即可，零额外抽象
• 测试中若需验证“是否用了随机”，可包装一层带计数器的 *rand.Rand 子类（用结构体嵌入），而非 mock 函数调用
• 第三方库如 github.com/leanovate/gopter 适合 property-based testing，但对简单确定性测试属于杀鸡用牛刀

常见错误：时间种子、并发 panic、没传参

这些坑会导致测试偶尔失败，或者在 CI 上表现不一。

• 写 rand.NewSource(time.Now().Unix()) —— 即使在测试里也还是非确定性的，哪怕只差 1 纳秒，种子就不同
• 多个 goroutine 同时调 rand.Seed()（Go 1.20+）→ 直接 panic: "invalid use of Seed"
• 函数签名没暴露 *rand.Rand 参数，测试只能碰运气等它“刚好”产出预期值，本质是把测试写成概率游戏
• 用 math/rand 却忘了 import，编译不过；或误用 crypto/rand（它是真随机，没法固定）

真正麻烦的从来不是“怎么设种子”，而是让随机逻辑可插拔——只要函数签名里明确吃一个 *rand.Rand，测试就稳了。其余都是围绕这个点的细节取舍。

今天关于《Go语言固定随机数种子设置方法》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！