Go 更快地替代未同步的math/rand

我正在尝试优化我的遗传算法。这使用了大量的随机数选择（随机突变等）

我决定使用CPU探查器：

导入(
“运行时/pprof”
)
var cpuprofile=flag.String（“cpuprofile”，“将cpu配置文件写入文件”）
func main（）{
如果*cpuprofile！“”{
fmt.Println（*cpf文件）
f、 错误：=os.Create（*cpuprofile）
如果错误！=零{
log.Fatal（错误）
}
_=pprof.StartCPUProfile（f）
延迟pprof.stopcpurpofile（）
}
***应用程序逻辑***

我惊讶地发现，影响CPU使用率的最大因素之一是

sync.（*Mutex）.Unlock

，这主要是因为我在应用程序的任何时候都没有使用线程或goroutine

一些挖掘揭示了瓶颈是由math/rand中的默认源被同步引起的

对于我来说，有没有一种更快的方法可以使用未同步/阻塞的函数生成随机数

真正的随机性/准确的伪随机性对于这个应用程序来说并不重要，但是如果我没有连续多次获得完全相同的数字，那么我会更喜欢它。

正如您所发现的，默认的“随机性源”因为

math/rand

包是一个锁定的源代码，适合在并发goroutine中使用。您需要使用为每个goroutine创建一个新源代码，然后使用从中创建一个随机数生成器。此新生成器中的伪随机数的工作方式与（单个）相同锁定源，但如果从同一种子启动，每个生成器将生成其自己的相同生成数流

---

因此，您需要确保提供给

NewSource

的每个种子都是唯一的，因此每个流都是不同的。

您尝试过吗？我没有尝试过，我会尝试一下。谢谢！在几个地方创建一个新的兰德源代码将我的执行时间从1.29分钟减少到55秒，并消除了互斥和锁定源函数完全支持pprof跟踪。谢谢！感谢您提供此详细信息。出于好奇，使用NewSource后跟New会有很大的开销吗？这是我应该避免经常做的事情吗？这两个函数都会创建指向新值的指针，这意味着它们很可能会导致堆分配。您可以查看函数源代码通过单击文档页面上的函数名。@HymnsForDisco说了什么；我建议如果您要运行N个goroutines以利用N个并行生成，您可以从N个种子源创建N个随机数生成器。之后，您不需要进一步创建，因为只有N个并行例程在运行。您可以可以从任何地方获取种子，但对于实际的随机性，请使用

/dev/uradom

或加密随机或其他方法。感谢实用建议。很有意义。