Lua+随机种子：随机数种子的确定性本质

【语法算法】

随机种子的确定性本质就这一行：

math.randomseed(42)

固定种子意味着随机数序列完全确定——同样的种子产生同样的序列——随机种子的全部机制就这一行。可这一行的前后各有一个场景：前面是"测试需要可重现的随机序列"，后面是"线上环境绝不能用固定种子"。今天拆开。

一、种子、序列、确定性三段

随机种子的三段。种子：math.randomseed(42) 设置种子为 42——种子相同则后续的随机数序列完全一致——这是伪随机数的本质：看起来随机但完全确定。序列：种子设置后的第一次 math.random() 就已经确定了——第二个、第三个……全都是确定的——整个随机序列从种子那一刻就锁定了。确定性：确定性在测试中是优势——测试需要可重现的随机序列来验证逻辑——但在线上环境中确定性是灾难——所有玩家看到同一个"随机"序列。三段连起来：随机种子玩的是"随机性和确定性的平衡"——测试要确定性，线上要随机性——两者的分界线就是种子的设置方式。

graph TD
    A["randomseed(42)"] --> B["固定序列"]
    B --> C["r1 = 确定"]
    B --> D["r2 = 确定"]
    B --> E["r3 = 确定"]
    A --> F["randomseed(os.time())"]
    F --> G["不可预测序列"]

二、种子的正确写法

-- 测试: 固定种子确保可重现
math.randomseed(42)
local r1 = math.random(100)
local r2 = math.random(100)
print(r1, r2)  -- 每次运行结果相同

-- 线上: 用时间做种子
math.randomseed(os.time())
local r3 = math.random(100)
print(r3)  -- 每次运行结果不同

-- 线上最佳实践: 组合多个熵源
math.randomseed(os.time() + os.clock() * 1000000)

os.clock() 的微秒精度作为额外熵源——同一秒内多次运行也会产生不同的序列——os.time() 只有秒级精度，同一秒内多次运行种子相同。

三、测试的确定性和线上的随机性

测试需要确定性：固定种子让随机逻辑可重现——bug 可以用同样的种子精确复现——修复后用同样的种子验证修复是否生效。线上需要随机性：固定种子会让所有玩家看到相同的"随机"事件——掉落、暴击、随机传送全部变成了定时炸弹——线上的种子必须不可预测。两者的分界线就是环境：测试用固定种子保证可重现，线上用时间做种子保证不可预测。最后一条纪律：Lua 5.4 的 math.random 可以不设种子自动使用随机熵——5.3 及以前必须手动设种子——版本差异决定了是否需要手动 randomseed——升级 Lua 版本前检查 random 的默认行为。