本文详解 go 语言中使用 `math/rand` 包安全、可重现地生成随机数的正确方法，涵盖种子初始化、常见随机类型（整数、浮点数、范围限定）及典型错误规避。
在 Go 中生成随机数，
不能直接调用未初始化的 rand 函数
（如原代码中的 Rand），也不能忽略种子（seed）设置——否则每次运行将产生完全相同的序列，失去“随机性”意义。math/rand 是
标准库
中专用于伪随机数生成的包，其设计强调
显式状态管理
：你必须创建一个独立的 *rand.Rand 实例，并传入一个 rand.Source（通常由 rand.NewSource(seed) 构造）。
✅ 正确做法：初始化带时间种子的随机数生成器
? 关键说明： r.Float64() 返回 [0.0, 1.0) 均匀分布浮点数； r.Intn(n) 是最常用的整数范围函数，返回 [0, n) 的 int； r.Int63() 和 r.Int31() 提供更大范围的整数，适合高性能场景； 所有方法均作用于你创建的 r 实例，不干扰全局状态（推荐方式）。
⚠️ 常见错误与修复
错误示例问题原因正确写法rand.Float64()（未初始化）math/rand 不提供全局函数；需先 rand.New(...)r := rand.New(rand.NewSource(seed)); r.Float64()import "math/rand" 但未使用导入后未调用任何 rand 相关函数删除导入 或 补充调用（如 r.Intn(10)）seed = 42（固定种子）每次运行结果完全相同，不利于调试外的场景改用 time.Now().UnixNano()（生产环境）或保留固定 seed（单元测试）
? 进阶提示：可复现性与并发安全
测试友好
：若需稳定输出（如单元测试），可固定 seed：
并发安全
：每个 goroutine 应使用独立的 *rand.Rand 实例。全局共享 r 可能引发竞态（rand.Rand 非并发安全）。如需全局实例，可用 sync.Pool 管理或加锁。
✅ 总结
Go 的随机数生成强调
显式、可控、可测试
：
1️⃣ 必须通过 rand.New(rand.NewSource(seed)) 创建实例；
2️⃣ 推荐用 time.Now().UnixNano() 初始化 seed；
3️⃣ 使用 Intn(n) 快速获取 [0,n) 整数，Float64() 获取单位浮点；
4️⃣ 避免未使用导入、未初始化调用、固定 seed（除非有意为之）。
掌握这套模式，你就能在 Go 项目中稳健、高效地引入随机逻辑。
Python3.6标准库参考手册（PDF版）
Python3.6标准库参考手册（PDF版）
下载
package main
import (
"fmt"
"math/rand"
"time"
)
func main() {
// 使用当前纳秒时间作为种子，确保每次运行结果不同
seed := time.Now().UnixNano()
r := rand.New(rand.NewSource(seed))
// 生成 [0.0, 1.0) 区间的 float64
fmt.Printf("Float64: %.4f\n", r.Float64())
// 生成 int64（最大值约为 9.2e18）
fmt.Printf("Int64: %d\n", r.Int63())
// 生成 [0, 100) 的 int（常用：指定范围）
n := r.Intn(100)
fmt.Printf("Intn(100): %d\n")
// 生成 [5, 15) 的随机整数（自定义范围）
custom := 5 + r.Intn(10)
fmt.Printf("5 + Intn(10): %d\n")
}r := rand.New(rand.NewSource(12345)) // 每次运行结果一致