新的 arc4random_uniform 实现
原文中文，约5700字，阅读约需14分钟。
📝
内容提要
本月初，Robert Clausecker 替换了 FreeBSD 的 arc4random_uniform(3) 函数，改进了伪随机数生成算法，确保在指定范围内生成均匀分布的随机数，避免采样偏差并提高计算效率。新算法基于 Daniel Lemire 的研究，减少了除法运算，优化了性能。
🔎
延伸解读
新算法的优势
新实现的 arc4random_uniform 函数通过减少除法运算，提高了伪随机数生成的效率。这对于需要高性能计算的应用场景尤为重要，尤其是在大规模数据处理和实时系统中，能够显著降低 CPU 负担，提升整体性能。
采样偏差的解决
新算法有效避免了原算法中因直接取模导致的采样偏差问题。通过优化生成均匀分布的随机数，确保了在特定范围内每个数字出现的概率相对均等，这对于需要高随机性和公平性的应用（如游戏和模拟）至关重要。
对比原算法的局限性
原算法在处理非二的整数次方的除法时效率较低，可能导致性能瓶颈。新算法通过乘法替代除法，克服了这一局限，使得在多种情况下都能保持高效的随机数生成，适应性更强。
❓
Q&A
arc4random_uniform(3) 函数的主要改进是什么？
arc4random_uniform(3) 函数的主要改进是通过新的伪随机数生成算法，确保在指定范围内生成均匀分布的随机数，避免采样偏差并提高计算效率。
新算法是基于谁的研究？
新算法是基于 Daniel Lemire 的研究。
原算法存在什么问题？
原算法存在采样偏差，直接取模可能导致某些数字出现概率较高。
新算法如何优化性能？
新算法通过减少除法运算，使用乘法运算来生成均匀分布的伪随机数，从而优化了性能。
arc4random_uniform(3) 的应用场景有哪些？
arc4random_uniform(3) 可用于需要均匀分布随机数的应用场景，如模拟掷骰子等。
新算法如何避免采样偏差？
新算法通过生成均匀分布的伪随机数并进行乘法运算，避免了直接取模导致的采样偏差。
🏷️
