3 用户指南 on 编程那些事儿

3.1 入门

Sun, 23 Aug 2026 16:44:00 +0800

原文链接: https://rust-random.github.io/book/guide-start.html

如果尚未安装，请先安装 Rust。

接下来，创建一个新 crate 并将 rand 添加为依赖：

1
2
3


cargo new randomly
cd randomly
cargo add rand 

现在，将以下内容粘贴到 src/main.rs：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


use rand::prelude::*;

fn main() {
 let mut rng = rand::rng();

 println!("Random die roll: {}", rng.random_range(1..=6));
 println!("Random UUID: 0x{:X}", rng.random::<u128>());

 if rng.random() {
 println!("You got lucky!");
 }
}

运行起来：

3.2 随机数据

Sun, 23 Aug 2026 16:44:00 +0800

原文链接: https://rust-random.github.io/book/guide-data.html

1
2
3
4
5
6
7


# use rand::Rng;
# fn main() {
// 获取一些随机数据：
let mut data = [0u8; 8];
rand::rng().fill_bytes(&mut data);
println!("{:?}", data)
# }

什么是随机性？

随机是什么意思？日常用语中，这个词可以仅表示出乎意料或未知，但我们需要更精确一些。维基百科给出了更具体的定义：

3.3 生成器类型

Sun, 23 Aug 2026 16:44:00 +0800

原文链接: https://rust-random.github.io/book/guide-gen.html

上一节介绍了 RngCore，所有随机数据源都必须实现该 trait。但随机数据源究竟是什么？

本节讨论理论；另请参阅随机数生成器一章。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


use rand::{RngExt, SeedableRng};

# fn main() {
// 准备一个非确定性随机数生成器：
let mut rng = rand::rng();
println!("{}", rng.random::<i32>()); // 打印一个未知值

// 准备一个确定性生成器：
let mut rng = rand::rngs::ChaCha8Rng::seed_from_u64(123);
println!("{}", rng.random::<i32>()); // 打印 -416273517
# }

真随机数生成器

真随机数生成器（TRNG）通过观测某种自然过程来产生随机数，例如原子衰变或热噪声。（这些过程是否真正随机，抑或实际上是确定性的——例如宇宙本身是否是模拟——在此无关紧要。对我们的目的而言，只要它们与真随机性无法区分即可。）

3.4 我们的 RNG

Sun, 23 Aug 2026 16:44:00 +0800

原文链接: https://rust-random.github.io/book/guide-rngs.html

RNG 种类很多，各有权衡。Rand 在 [rngs 模块]中提供了一些便捷的生成器。通常可以直接使用 rand::rng，该函数会在线程局部内存中自动初始化 RNG 并返回其引用。它快速、质量高，且（据我们所知）密码学安全。

3.5 为 RNG 设置种子

Sun, 23 Aug 2026 16:44:00 +0800

原文链接: https://rust-random.github.io/book/guide-seeding.html

如前所述，伪随机数生成器（PRNG）的输出由其初始状态决定。

部分 PRNG 定义指定了如何从密钥生成初始状态，密码学生成器通常以字节序列为密钥，小型 PRNG 往往只需一个字。我们通过 SeedableRng trait 为所有生成器形式化这一过程。

3.6 并行 RNG

Sun, 23 Aug 2026 16:44:00 +0800

原文链接: https://rust-random.github.io/book/guide-parallel.html

理论：多个 RNG

若要在多个工作线程中同时使用随机生成器，则需要使用多个 RNG。几种建议做法：

在每个工作线程中使用 rng()。它会在每个使用它的线程上自动（惰性且唯一地）播种。
用 rng()（或另一个主 RNG）为每个工作线程上的自定义 RNG 播种。主要优势是对所用 RNG 更灵活。
每个工作单元使用一个自定义 RNG，而非每个工作线程。若这些 RNG 以确定性方式播种，则可得到确定性结果。遗憾的是，从主生成器为每个工作单元播种新 RNG 无法并行完成，因此可能较慢。
使用单一主种子。对每个工作单元，用主种子播种 RNG 并将 RNG 的流设置为工作单元编号。这可能比 (3) 更快且仍保持确定性，但并非所有 RNG 都支持。

注意：不要简单地为工作线程/单元克隆 RNG。克隆会产生与原始 RNG 相同的输出序列。但若随后为每个克隆设置唯一流，则可以使用克隆。

3.7 随机值

Sun, 23 Aug 2026 16:44:00 +0800

原文链接: https://rust-random.github.io/book/guide-values.html

既然有了产生随机数据的方法，如何将其转换为我们想要的值类型？

这是个「陷阱」式问题：我们需要同时知道想要的范围和值的分布类型（这正是下一节的内容）。

`Rng` trait

为方便起见，所有生成器自动实现 Rng trait，它提供了几种生成值的快捷方式。其中有若干产生均匀分布值的便捷函数：

3.8 随机分布

Sun, 23 Aug 2026 16:44:00 +0800

原文链接: https://rust-random.github.io/book/guide-dist.html

为在产生随机值时获得最大灵活性，我们定义 Distribution trait：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16


# use rand::Rng;
// 类型 T 的数据生产者：
pub trait Distribution<T> {
 // 核心函数：
 fn sample<R: Rng + ?Sized>(&self, rng: &mut R) -> T;

 // 基于 sample 定义的便捷函数：
 fn sample_iter<R>(self, rng: R) -> rand::distr::Iter<Self, R, T>
 where
 Self: Sized,
 R: Rng,
 {
 // [有默认实现]
 # todo!()
 }
}

Distribution 的实现是概率分布：将事件映射到概率（例如掷骰子 P(x = i) = ⅙，或均值为 μ=0 的正态分布 P(x > 0) = ½）。

3.9 随机过程

Sun, 23 Aug 2026 16:44:00 +0800

原文链接: https://rust-random.github.io/book/guide-process.html

你可能注意到 Distribution trait 不允许修改 self（没有 &mut self 方法）。这是有意为之：概率分布定义为将事件映射到概率。

相比之下，随机过程关心以随机方式变化的一族变量（或状态）。

我们不试图定义涵盖随机过程的通用 API，也不提供直接支持来建模它们。此处仅讨论其中一些。

3.10 序列

Sun, 23 Aug 2026 16:44:00 +0800

原文链接: https://rust-random.github.io/book/guide-seq.html

Rand 通过 IteratorRandom 和 SliceRandom trait 实现了序列上的几种常见随机操作。

生成索引

采样时：

在给定范围内采样单个索引，使用 Rng::random_range
从 0..length 采样多个不同索引，使用 index::sample
从带权重的 0..length 采样多个不同索引，使用 index::sample_weighted

洗牌

对切片洗牌：

3.11 错误处理

Sun, 23 Aug 2026 16:44:00 +0800

原文链接: https://rust-random.github.io/book/guide-err.html

Rand 中的错误处理是在简单性与必要性之间的折中。大多数 RNG 和采样函数永远不会产生错误，若让这些函数能处理错误会显著增加开销（至少在代码复杂度和使用人体工程学方面，具体方案也可能影响性能）。

3.12 测试随机化函数

Sun, 23 Aug 2026 16:44:00 +0800

原文链接: https://rust-random.github.io/book/guide-test-fn-rng.html

有时需要测试使用随机数生成器的函数。对需要用测试向量测试的函数，可改编以下方法：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36


use rand::{TryCryptoRng, rngs::SysRng};

pub struct CryptoOperations<R: TryCryptoRng = SysRng> {
 rng: R
}

impl<R: TryCryptoRng> CryptoOperations<R> {
 #[must_use]
 pub fn new(rng: R) -> Self {
 Self {
 rng
 }
 }

 pub fn xor_with_random_bytes(&mut self, secret: &mut [u8; 8]) -> [u8; 8] {
 let mut mask = [0u8; 8];
 self.rng.try_fill_bytes(&mut mask).unwrap();

 for (byte, mask_byte) in secret.iter_mut().zip(mask.iter()) {
 *byte ^= mask_byte;
 }

 mask
 }
}

fn main() {
 let rng = SysRng;
 let mut crypto_ops = <CryptoOperations>::new(rng);

 let mut secret: [u8; 8] = *b"\x00\x01\x02\x03\x04\x05\x06\x07";
 let mask = crypto_ops.xor_with_random_bytes(&mut secret);
 
 println!("Modified Secret (XORed): {:?}", secret);
 println!("Mask: {:?}", mask);
}

要测试此代码，可在测试模块中创建实现 TryRngCore 和 TryCryptoRng 的 MockCryptoRng。注意 MockCryptoRng 是私有的，且 #[cfg(test)] mod tests 仅在测试环境中编译，从而确保 MockCryptoRng 不会意外用于生产环境。

3 用户指南 on 编程那些事儿

3.1 入门

3.2 随机数据

什么是随机性？

3.3 生成器类型

真随机数生成器

3.4 我们的 RNG

3.5 为 RNG 设置种子

3.6 并行 RNG

理论：多个 RNG

3.7 随机值

Rng trait

3.8 随机分布

3.9 随机过程

3.10 序列

生成索引

洗牌

3.11 错误处理

3.12 测试随机化函数

`Rng` trait