Golangrand生成随机数全解析

本文深入解析了 Go 语言中 math/rand 包的正确使用方式，重点强调自 Go 1.20 起必须摒弃已弃用的 rand.Seed() 和不安全的全局随机函数，转而通过 rand.New(rand.NewSource(seed)) 创建独立、可复现、并发安全的 *rand.Rand 实例；同时清晰区分了其适用于游戏、测试等一般场景而非密码学的定位，并手把手演示了生成整数、浮点数、布尔值、切片随机取样与洗牌等高频操作，辅以种子选择（时间动态 or 固定值）、并发隔离和可重现性等关键实践提醒——掌握这些细节，你就能写出稳定、高效又不易踩坑的 Go 随机数逻辑。

Go 语言中 math/rand 包提供了生成伪随机数的能力，但要注意：它默认不加密、不安全，适合一般用途（如游戏、模拟、测试），**不适用于密码学场景**。关键点是——必须显式设置种子（rand.Seed()），否则每次运行都产生相同序列；Go 1.20+ 推荐直接使用 rand.New(rand.NewSource()) 方式避免全局状态干扰。

初始化随机数生成器（推荐方式）

Go 1.20 起，rand.Seed() 已被弃用，应使用独立的 *rand.Rand 实例：

• 用当前纳秒时间作为种子：rand.New(rand.NewSource(time.Now().UnixNano()))
• 若需可复现结果（如单元测试），可用固定数字：rand.New(rand.NewSource(42))
• 避免使用全局 rand.* 函数（如 rand.Intn()），它们共享同一个全局生成器，多 goroutine 并发调用可能有竞态

生成常见类型的随机数

调用实例方法比全局函数更安全、更可控：

• 随机整数（0 到 n-1）：r.Intn(100) → 0~99 的 int
• 随机整数范围（[min, max] 闭区间）：min + r.Intn(max-min+1)
• 随机浮点数 [0.0, 1.0)：r.Float64()；扩展为 [a, b)：a + r.Float64()*(b-a)
• 随机布尔值：r.Intn(2) == 0 或封装为 r.Int63()%2 == 0

从切片中随机取元素或打乱顺序

利用 rand.Shuffle() 安全高效地洗牌（原地修改）：

• 打乱切片：r.Shuffle(len(slice), func(i, j int) { slice[i], slice[j] = slice[j], slice[i] })
• 随机取一个：slice[r.Intn(len(slice))]
• 随机取多个不重复项：先 Shuffle，再取前 N 个（比多次 Intn + 去重更高效）

注意并发与可重现性

多个 goroutine 同时用同一个 *rand.Rand 实例是安全的（内部已加锁），但若追求极致性能，可为每个 goroutine 分配独立实例；若需完全可重现（比如压测、回放），务必固定种子且避免依赖系统时间。

基本上就这些。不复杂但容易忽略种子和实例隔离，写对了就能稳定又灵活地用起来。

理论要掌握，实操不能落！以上关于《Golangrand生成随机数全解析》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！