随机数是测试、模拟、抽奖、游戏等场景中的基础能力。Go 标准库的 math/rand 包提供了轻量级伪随机数生成器,使用起来不复杂,但边界计算、种子设置和并发处理几个细节经常被忽略。本文从基础函数开始,逐步说明如何生成指定范围整数、浮点数,以及并发安全与密码学安全的边界。

一、math/rand 基础函数与生成方法
math/rand 包的核心函数是 Intn,它接收一个正整数 n,返回 [0,n) 范围内的伪随机整数。也就是说,调用 rand.Intn(100) 可能得到 0 到 99 的任意值,不会返回 100。这个左闭右开约定在 Go 标准库中很常见,和切片下标类似。rand.Int() 则返回一个非负的伪随机 int,范围与平台有关,通常不需要直接使用。
除了整数,rand.Float64 返回 [0.0,1.0) 区间的浮点数。rand.Perm(n) 返回 0 到 n-1 的随机排列,适合洗牌或生成测试数据。以下示例打印 5 个 0 到 99 的随机整数:
package main
import (
"fmt"
"math/rand"
)
func main() {
for i := 0; i < 5; i++ {
fmt.Println(rand.Intn(100))
}
}
在 Go 1.20 及以后的版本中,全局随机源已经会自动随机播种,因此直接运行这段代码通常会得到不同结果。但在更早的版本或某些受控环境下,如果从未设置种子,全局函数的输出序列是固定的。因此理解种子机制仍然重要,尤其是需要可重复测试的时候。
二、种子与独立随机源:rand.Seed 和 rand.NewSource
伪随机数生成器并不是凭空产生随机数,而是根据初始种子计算出一个看起来随机的序列。只要种子相同,整个序列就会完全一致。这个特性在单元测试中很有用:锁定种子可以复现测试失败,排查与随机数据相关的 bug。反过来,如果希望每次运行都得到不同结果,就需要给生成器一个变化的种子。
过去常见的做法是在程序启动时调用 rand.Seed(time.Now().UnixNano()),用当前纳秒时间戳作为种子。Go 1.20 起全局 rand.Seed 已被标记为 deprecated,官方更推荐创建独立的随机源:
package main
import (
"fmt"
"math/rand"
"time"
)
func main() {
r := rand.New(rand.NewSource(time.Now().UnixNano()))
fmt.Println(r.Intn(100))
}
使用 rand.New 的好处是多个生成器彼此隔离。例如在同一个测试文件中,可以给不同用例传入不同种子,既保证随机性又保证可重复性。而直接使用全局函数会共享同一个随机源,一个包里的调用可能影响另一个包的结果。对于库代码来说,更推荐自己创建 Rand 实例,减少隐式状态。
另一个需要注意的是,rand.NewSource 的种子是 int64 类型。如果传入固定值,比如 rand.NewSource(1),每次运行都会得到完全一致的序列。这种可复现性在生成测试数据、随机抽样算法验证时非常关键。
三、生成指定范围整数与浮点数
Intn 只能从 0 开始,实际业务往往需要任意区间,比如 5 到 10。由于 Go 没有直接提供 IntBetween,通常采用 min + rand.Intn(max-min+1) 的公式。这里加 1 是因为 Intn 的右边界是开区间:max-min+1 能让 max 本身也成为可能结果。例如生成 [5,10] 的整数:
package main
import (
"fmt"
"math/rand"
"time"
)
func intBetween(r *rand.Rand, min, max int) int {
if max <= min {
return min
}
return min + r.Intn(max-min+1)
}
func main() {
r := rand.New(rand.NewSource(time.Now().UnixNano()))
for i := 0; i < 5; i++ {
fmt.Println(intBetween(r, 5, 10))
}
}
如果区间较大,可以使用 rand.Int63n 或 rand.Int31n,它们分别返回 int64 和 int32 类型的结果,适合大范围随机数或与外部系统对接。rand.Uint64 则可生成 64 位无符号整数,在生成唯一 ID 时更常用。
浮点数的区间换算也类似。rand.Float64 生成 [0.0,1.0),要得到 [a,b) 的浮点数,可以用 a + (b-a)*r.Float64()。注意当 b 等于 a 时结果是 a,当 b 小于 a 时结果会超出预期,所以在封装函数时最好做参数校验。对于需要随机选择切片元素的情况,先取索引 r.Intn(len(items)) 再取元素即可,简单直接。
四、并发安全与 crypto/rand 的选择
math/rand 的顶层函数如 rand.Intn、rand.Float64 在 Go 1.20 以后是并发安全的,多个 goroutine 可以同时调用。但如果通过 rand.New 创建了自己的 Rand 实例,这个实例本身不是并发安全的。多个 goroutine 同时调用同一个实例的方法可能发生数据竞争。解决方法有两种:为每个 goroutine 创建独立的 Rand 实例,或者使用 sync.Mutex 保护共享实例。
以下示例使用互斥锁保护一个共享随机源:
package main
import (
"fmt"
"math/rand"
"sync"
"time"
)
type SafeRand struct {
mu sync.Mutex
r *rand.Rand
}
func NewSafeRand(seed int64) *SafeRand {
return &SafeRand{r: rand.New(rand.NewSource(seed))}
}
func (s *SafeRand) Intn(n int) int {
s.mu.Lock()
defer s.mu.Unlock()
return s.r.Intn(n)
}
func main() {
sr := NewSafeRand(time.Now().UnixNano())
fmt.Println(sr.Intn(100))
}
需要特别注意,math/rand 生成的序列虽然具有良好的统计随机性,但并不能抵抗攻击者预测。它不适合用来生成密码重置令牌、验证码、API 密钥或加密盐值。这些安全敏感场景应使用 crypto/rand。该包读取操作系统提供的密码学安全随机源,速度比 math/rand 慢,但随机性不可预测。
例如生成一个 0 到 99 的安全随机整数,可以借助 crypto/rand.Int:
package main
import (
"crypto/rand"
"fmt"
"math/big"
)
func main() {
n, err := rand.Int(rand.Reader, big.NewInt(100))
if err != nil {
panic(err)
}
fmt.Println(n)
}
最后做一个小结:一般模拟、测试、游戏逻辑用 math/rand 足够,但要注意左闭右开和范围换算;安全相关场景一律使用 crypto/rand。将生成器实例化、种子管理与并发策略想清楚,可以少踩很多随机数相关的坑。