C++ 计算效率高且线程安全的随机函数答案

【问题标题】：C++ computationaly efficient and threadsafe random functionC++ 计算效率高且线程安全的随机函数
【发布时间】：2011-11-22 20:18:55
【问题描述】：

我最近了解到the hard way #<cstdlib> rand() 不是线程安全的，并且在 Linux 上使用互斥锁实现，当多个线程频繁调用 rand() 时会导致瓶颈。 rand_r 作为替代品，但有 concerns 关于随机数生成的质量。此外，这种情况让我质疑是否有更快的随机数生成器，因为显然我的代码花费了大量时间来生成随机数。上面的链接中列出了一些替代方案，但我不确定它们的速度以及可能存在哪些其他替代方案。

【问题讨论】：

标签： c++ multithreading random

【解决方案1】：

如果您不需要跨线程的任何统计控制，只需使用<random> 提供的工具：

#include <random>

typedef std:::mt19937 rng_type;
std::uniform_int_distribution<rng_type::result_type> udist(0, 200);

int main()  // this can be per thread!
{
  rng_type rng;

  // seed rng first:
  rng_type::result_type const seedval = get_seed();
  rng.seed(seedval);

  rng_type::result_type random_number = udist(rng);

  return random_number;
}

Mersenne twister PRNG 既快速又具有良好的统计特性。在每个线程中维护一个单独的（和单独播种的）引擎对象可以避免所有并发问题。

【讨论】：

@Kerrek <random> 使用梅森捻线机吗？它的速度与rand() 相比如何。另外这里如何获得新的随机数？我可以反复做= random_number，还是我必须每次都做random_number = udist(rng);？
@MattMunson：std::mt19937 是一个特殊的梅森扭曲者。 rand() 不确定，但通常是线性同余 rng。 LC 速度很快，但 MT 具有更好的统计特性并且速度也很快。无论如何，请浏览 <random> 的文档，您可以选择多种引擎。它还将向您展示如何使用它们；通常最好通过我的例子中的分布（尽管如果你愿意，你也可以调用裸引擎）。
@Matt: 你也可以auto f = std::bind(udist, rng) 得到一个函数，每次你调用它时都会产生一个新的随机数，就像f()一样。

【解决方案2】：

在 Linux 中，您可以以非阻塞方式读取 /dev/urandom。

【讨论】：

您永远不应该将系统的熵源用于大量的随机性。 urandom 非常适合播种，但不适用于持久随机数生成。据我所知，它甚至没有明确的分布。