왜 rand() % N은 비추천인가요?

엔진 품질·분포가 약하고, 모듈로 연산은 균일하지 않을 수 있습니다. 의 엔진+분포 조합이 통계·보안 모두에 낫습니다.

난수 시드를 매번 time(0)만 써도 되나요?

재현이 필요한 테스트·시뮬레이션에는 고정 시드가 낫고, 암·토큰 용도는 OS random_device 등 강한 엔트로피를 써야 합니다. 용도별로 갈라야 합니다.

mt19937 한 번 만들어 두고 재사용해도 되나요?

스레드마다 엔진을 두거나 락으로 보호하지 않으면 경합·결과 왜곡이 날 수 있습니다. thread_local 엔진이 흔한 패턴입니다.

균일 분포와 정규 분포는 언제 고르나요?

구간에 고르게 뽑을 때는 uniform_int_distribution 등, 평균 주변의 값이 필요할 때는 normal_distribution 등을 씁니다. 요구 모델에 맞게 선택합니다.

C++ 난수 생성 | 'random' 라이브러리 가이드

2026년 3월 12일 · 11분 읽기 · 수정 2026년 4월 7일 초급 튜토리얼

이 글의 핵심

C++ 난수 생성 - "random" 라이브러리 가이드. C++ 난수 생성의 rand() 문제점, 현대적 난수 (C++11), 난수 엔진를 실전 코드와 함께 설명합니다.

rand() 문제점

C/C++ 예제 코드입니다.

// ❌ 구식 방법
srand(time(0));
int x = rand() % 100;  // 0-99

// 문제점:
// 1. 균등 분포 아님
// 2. 품질 낮음
// 3. 스레드 안전 아님

현대적 난수 (C++11)

#include <random>

int main() {
    // 시드
    random_device rd;
    
    // 난수 엔진
    mt19937 gen(rd());
    
    // 분포
    uniform_int_distribution<> dis(1, 100);
    
    // 난수 생성
    for (int i = 0; i < 10; i++) {
        cout << dis(gen) << " ";
    }
}

난수 엔진

C/C++ 예제 코드입니다.

// Mersenne Twister (권장)
mt19937 gen32;      // 32비트
mt19937_64 gen64;   // 64비트

// 선형 합동 생성기 (빠름, 품질 낮음)
minstd_rand gen;

// 빼기 합동 생성기
ranlux24 gen;

분포

균등 분포

C/C++ 예제 코드입니다.

// 정수
uniform_int_distribution<> intDis(1, 6);  // 주사위
int dice = intDis(gen);

// 실수
uniform_real_distribution<> realDis(0.0, 1.0);
double x = realDis(gen);

정규 분포

normal_distribution<> normalDis(100.0, 15.0);  // 평균 100, 표준편차 15
double iq = normalDis(gen);

기타 분포

C/C++ 예제 코드입니다.

// 베르누이 (참/거짓)
bernoulli_distribution coinFlip(0.5);  // 50%
bool result = coinFlip(gen);

// 이항 분포
binomial_distribution<> binDis(10, 0.5);
int heads = binDis(gen);

// 포아송 분포
poisson_distribution<> poisDis(4.0);
int events = poisDis(gen);

// 지수 분포
exponential_distribution<> expDis(1.0);
double time = expDis(gen);

실전 예시

예시 1: 주사위 시뮬레이션

#include <random>
#include <map>

int main() {
    random_device rd;
    mt19937 gen(rd());
    uniform_int_distribution<> dice(1, 6);
    
    map<int, int> histogram;
    
    // 10000번 굴리기
    for (int i = 0; i < 10000; i++) {
        int roll = dice(gen);
        histogram[roll]++;
    }
    
    // 결과 출력
    for (const auto& [value, count] : histogram) {
        cout << value << ": " << string(count / 100, '*') << endl;
    }
}

예시 2: 랜덤 문자열

string generateRandomString(size_t length) {
    static random_device rd;
    static mt19937 gen(rd());
    static uniform_int_distribution<> dis(0, 61);
    
    const string chars = 
        "0123456789"
        "ABCDEFGHIJKLMNOPQRSTUVWXYZ"
        "abcdefghijklmnopqrstuvwxyz";
    
    string result;
    for (size_t i = 0; i < length; i++) {
        result += chars[dis(gen)];
    }
    
    return result;
}

int main() {
    cout << generateRandomString(10) << endl;
    cout << generateRandomString(20) << endl;
}

예시 3: 셔플

#include <algorithm>

int main() {
    vector<int> v = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10};
    
    random_device rd;
    mt19937 gen(rd());
    
    shuffle(v.begin(), v.end(), gen);
    
    for (int x : v) {
        cout << x << " ";
    }
}

예시 4: 가중치 랜덤

#include <random>

int main() {
    random_device rd;
    mt19937 gen(rd());
    
    // 가중치: 10%, 30%, 60%
    discrete_distribution<> dis({10, 30, 60});
    
    map<int, int> histogram;
    
    for (int i = 0; i < 10000; i++) {
        int choice = dis(gen);
        histogram[choice]++;
    }
    
    for (const auto& [choice, count] : histogram) {
        cout << "선택 " << choice << ": " << count << "회" << endl;
    }
}

시드 설정

C/C++ 예제 코드입니다.

// 시간 기반 (재현 불가)
mt19937 gen1(time(0));

// random_device (권장)
random_device rd;
mt19937 gen2(rd());

// 고정 시드 (재현 가능)
mt19937 gen3(12345);

// 시드 시퀀스
seed_seq seq{1, 2, 3, 4, 5};
mt19937 gen4(seq);

자주 발생하는 문제

문제 1: 매번 엔진 생성

gen 함수의 구현 예제입니다.

// ❌ 비효율
int getRandom() {
    random_device rd;
    mt19937 gen(rd());  // 매번 생성 (느림)
    uniform_int_distribution<> dis(1, 100);
    return dis(gen);
}

// ✅ static 사용
int getRandom() {
    static random_device rd;
    static mt19937 gen(rd());
    static uniform_int_distribution<> dis(1, 100);
    return dis(gen);
}

문제 2: 시드 재사용

// ❌ 같은 시드
for (int i = 0; i < 10; i++) {
    mt19937 gen(12345);  // 항상 같은 시퀀스
    cout << gen() << endl;
}

// ✅ 엔진 재사용
mt19937 gen(12345);
for (int i = 0; i < 10; i++) {
    cout << gen() << endl;
}

문제 3: 범위 편향

C/C++ 예제 코드입니다.

// ❌ 편향됨
int x = rand() % 100;  // 균등하지 않음

// ✅ 균등 분포
uniform_int_distribution<> dis(0, 99);
int x = dis(gen);

성능 비교

#include <chrono>

int main() {
    const int N = 10000000;
    
    // rand()
    srand(time(0));
    auto start = chrono::high_resolution_clock::now();
    for (int i = 0; i < N; i++) {
        int x = rand();
    }
    auto end = chrono::high_resolution_clock::now();
    cout << "rand(): " << chrono::duration_cast<chrono::milliseconds>(end - start).count() << "ms" << endl;
    
    // mt19937
    random_device rd;
    mt19937 gen(rd());
    start = chrono::high_resolution_clock::now();
    for (int i = 0; i < N; i++) {
        int x = gen();
    }
    end = chrono::high_resolution_clock::now();
    cout << "mt19937: " << chrono::duration_cast<chrono::milliseconds>(end - start).count() << "ms" << endl;
}

FAQ

Q1: rand() vs random?

rand(): 구식, 품질 낮음
random: 현대적, 품질 높음, 유연함

Q2: random_device는 항상 사용해야 하나요?

A: 시드로만 사용하세요. 난수 생성은 엔진을 사용하세요.

Q3: 어떤 엔진을 사용하나요?

A: 대부분 mt19937이 적합합니다.

Q4: 재현 가능한 난수는?

A: 고정 시드를 사용하세요.

Q5: 스레드 안전한가요?

A: 엔진과 분포를 스레드별로 생성하세요.

Q6: Random 학습 리소스는?

cppreference.com
“The C++ Standard Library” (Nicolai Josuttis)
“Effective Modern C++“

같이 보면 좋은 글 (내부 링크)

이 주제와 연결되는 다른 글입니다.

심화 부록: 구현·운영 관점

이 부록은 앞선 본문에서 다룬 주제(「C++ 난수 생성 | ‘random’ 라이브러리 가이드」)를 구현·런타임·운영 관점에서 다시 압축합니다. 도메인별 세부 구현은 글마다 다르지만, 입력 검증 → 핵심 연산 → 부작용(I/O·네트워크·동시성) → 관측의 흐름으로 장애를 나누면 원인 추적이 빨라집니다.

내부 동작과 핵심 메커니즘

flowchart TD
  A[입력·요청·이벤트] --> B[파싱·검증·디코딩]
  B --> C[핵심 연산·상태 전이]
  C --> D[부작용: I/O·네트워크·동시성]
  D --> E[결과·관측·저장]

sequenceDiagram
  participant C as 클라이언트/호출자
  participant B as 경계(런타임·게이트웨이·프로세스)
  participant D as 의존성(API·DB·큐·파일)
  C->>B: 요청/이벤트
  B->>D: 조회·쓰기·RPC
  D-->>B: 지연·부분 실패·재시도 가능
  B-->>C: 응답 또는 오류(코드·상관 ID)

불변 조건(Invariant): 버퍼 경계, 프로토콜 상태, 트랜잭션 격리, FD 상한 등 단계별로 문장으로 적어 두면 디버깅 비용이 줄어듭니다.
결정성: 순수 층과 시간·네트워크·스케줄에 의존하는 층을 분리해야 테스트와 장애 분석이 쉬워집니다.
경계 비용: 직렬화, 인코딩, syscall 횟수, 락 경합, 할당·GC, 캐시 미스를 의심 목록에 둡니다.
백프레셔: 생산자가 소비자보다 빠를 때 버퍼·큐·스트림에서 속도를 줄이는 신호를 어디에 둘지 정의합니다.

프로덕션 운영 패턴

영역	운영 관점 질문
관측성	요청 단위 상관 ID, 에러율·지연 p95/p99, 의존성 타임아웃·재시도가 대시보드에 보이는가
안전성	입력 검증·권한·비밀·감사 로그가 코드 경로마다 일관적인가
신뢰성	재시도는 멱등 연산에만 적용되는가, 서킷 브레이커·백오프·DLQ가 있는가
성능	캐시·배치 크기·커넥션 풀·인덱스·백프레셔가 데이터 규모에 맞는가
배포	롤백 룬북, 카나리/블루그린, 마이그레이션·피처 플래그가 문서화되어 있는가
용량	피크 트래픽·디스크·FD·스레드 풀 상한을 주기적으로 검증하는가

스테이징은 데이터 양·네트워크 RTT·동시성을 프로덕션에 가깝게 맞출수록 재현율이 올라갑니다.

확장 예시: 엔드투엔드 미니 시나리오

앞선 본문 주제(「C++ 난수 생성 | ‘random’ 라이브러리 가이드」)를 배포·운영 흐름에 맞춰 옮긴 체크리스트입니다. 도메인에 맞게 단계 이름만 바꿔 적용할 수 있습니다.

입력 계약 고정: 스키마·버전·최대 페이로드·타임아웃·에러 코드를 경계에 둔다.
핵심 경로 계측: 요청 ID, 단계별 지연, 외부 호출 결과 코드를 로그·메트릭·트레이스에서 한 흐름으로 본다.
실패 주입: 의존성 타임아웃·5xx·부분 데이터·락 대기를 스테이징에서 재현한다.
호환·롤백: 설정/마이그레이션/클라이언트 버전을 되돌릴 수 있는지 확인한다.
부하 후 검증: 피크 대비 p95/p99, 에러율, 리소스 상한, 알림 임계값을 점검한다.

handle(request):
  ctx = newCorrelationId()
  validated = validateSchema(request)
  authorize(validated, ctx)
  result = domainCore(validated)
  persistOrEmit(result, idempotentKey)
  recordMetrics(ctx, latency, outcome)
  return result

문제 해결(Troubleshooting)

증상	가능 원인	조치
간헐적 실패	레이스, 타임아웃, 외부 의존성, DNS	최소 재현 스크립트, 분산 트레이스·로그 상관관계, 재시도·서킷 설정 점검
성능 저하	N+1, 동기 I/O, 락 경합, 과도한 직렬화, 캐시 미스	프로파일러·APM으로 핫스팟 확인 후 한 가지씩 제거
메모리 증가	캐시 무제한, 구독/리스너 누수, 대용량 버퍼, 커넥션 미반납	상한·TTL·힙/FD 스냅샷 비교
빌드·배포만 실패	환경 변수, 권한, 플랫폼 차이, lockfile	CI 로그와 로컬 diff, 런타임·이미지 버전 핀
설정 불일치	프로필·시크릿·기본값, 리전	스키마 검증된 설정 단일 소스와 배포 매트릭스 표준화
데이터 불일치	비멱등 재시도, 부분 쓰기, 캐시 무효화 누락	멱등 키·아웃박스·트랜잭션 경계 재검토

권장 순서: (1) 최소 재현 (2) 최근 변경 범위 축소 (3) 환경·의존성 차이 (4) 관측으로 가설 검증 (5) 수정 후 회귀·부하 테스트.

배포 전에는 git add → git commit → git push 후 npm run deploy 순서를 권장합니다.

이 글에서 다루는 키워드 (관련 검색어)

C++, random, 난수, C++11, 랜덤 등으로 검색하시면 이 글이 도움이 됩니다.

이 글이 도움이 되셨나요?

여러분의 피드백은 더 나은 콘텐츠를 만드는 데 도움이 됩니다

문제가 있거나 개선 제안이 있으시면 연락처로 알려주세요.

Keyboard Shortcuts

C++ 난수 생성 | 'random' 라이브러리 가이드

이 글의 핵심

rand() 문제점

현대적 난수 (C++11)

난수 엔진

분포

균등 분포

정규 분포

기타 분포

실전 예시

예시 1: 주사위 시뮬레이션

예시 2: 랜덤 문자열

예시 3: 셔플

예시 4: 가중치 랜덤

시드 설정

자주 발생하는 문제

문제 1: 매번 엔진 생성

문제 2: 시드 재사용

문제 3: 범위 편향

성능 비교

FAQ

Q1: rand() vs random?

Q2: random_device는 항상 사용해야 하나요?

Q3: 어떤 엔진을 사용하나요?

Q4: 재현 가능한 난수는?

Q5: 스레드 안전한가요?

Q6: Random 학습 리소스는?

같이 보면 좋은 글 (내부 링크)

관련 글

심화 부록: 구현·운영 관점

내부 동작과 핵심 메커니즘

프로덕션 운영 패턴

확장 예시: 엔드투엔드 미니 시나리오

문제 해결(Troubleshooting)

이 글에서 다루는 키워드 (관련 검색어)

이 글이 도움이 되셨나요?