난수 엔진을 매 호출마다 random_device로 시드하면 안 되나요?

random_device는 **느리거나 엔트로피가 부족**할 수 있습니다. 프로그램 시작 시 한 번 시드하거나, 시뮬레이션 재현을 위해 고정 시드를 씁니다.

mt19937를 전역 하나로 썏도 되나요?

멀티스레드에서는 **동시 접근이 레이스**입니다. 스레드별 엔진이나 mutex로 보호하세요.

분포 객체는 매번 만들면 되나요?

가벼우면 괜찮지만, 파라미터가 같다면 재사용해도 됩니다. 엔진 상태가 바뀌므로 **시드**만 공유하지 않도록 주의합니다.

암호학적으로 안전한 난수가 필요하면?

표준 만으로는 부족할 수 있습니다. OS CSPRNG나 OpenSSL 등 **보안 라이브러리**를 사용하세요.

C++ Random | '난수 생성' 가이드 | 핵심 개념과 실전 활용

2026년 3월 12일 · 10분 읽기 · 수정 2026년 4월 7일 중급 튜토리얼

이 글의 핵심

C++ Random의 C++, Random, "난수, Random이란?를 실전 예제와 함께 상세히 설명합니다.

Random이란?

C++11 <random> 라이브러리는 고품질 난수 생성을 위한 표준 라이브러리입니다. C 스타일 rand()보다 더 강력하고 유연합니다.

C/C++ 예제 코드입니다.

#include <random>

std::random_device rd;
std::mt19937 gen{rd()};
std::uniform_int_distribution<> dist{1, 6};

int dice = dist(gen);  // 1~6

왜 필요한가?:

품질: 균등 분포 보장
유연성: 다양한 분포 지원
재현성: 시드로 결과 재현
타입 안전: 템플릿 기반

C/C++ 예제 코드입니다.

// ❌ rand(): 비균등, 예측 가능
int r = rand() % 100;  // 0~99 (비균등)

// ✅ C++11 random: 균등, 고품질
std::mt19937 gen{std::random_device{}()};
std::uniform_int_distribution<> dist{0, 99};
int r = dist(gen);  // 0~99 (균등)

Random 구조:

flowchart LR
    A[random_device] -->|시드| B[엔진 mt19937]
    B -->|난수| C[분포 uniform_int_distribution]
    C -->|최종 난수| D[결과]

3단계 구조:

단계	역할	예시
1. 시드	초기값 생성	`std::random_device rd;`
2. 엔진	난수 생성	`std::mt19937 gen{rd()};`
3. 분포	범위 조정	`std::uniform_int_distribution<> dist{0, 99};`

C/C++ 예제 코드입니다.

// 1. 시드: 하드웨어 엔트로피
std::random_device rd;

// 2. 엔진: 메르센 트위스터
std::mt19937 gen{rd()};

// 3. 분포: 0~99 균등 분포
std::uniform_int_distribution<> dist{0, 99};

// 4. 생성
int random = dist(gen);

기본 구조

#include <random>

// 1. 시드
std::random_device rd;

// 2. 엔진
std::mt19937 gen{rd()};

// 3. 분포
std::uniform_int_distribution<> dist{0, 99};

// 4. 생성
int random = dist(gen);

실전 예시

예시 1: 주사위

#include <random>

class Dice {
    std::mt19937 gen;
    std::uniform_int_distribution<> dist;
    
public:
    Dice() : gen{std::random_device{}()}, dist{1, 6} {}
    
    int roll() {
        return dist(gen);
    }
};

int main() {
    Dice dice;
    
    for (int i = 0; i < 10; ++i) {
        std::cout << dice.roll() << " ";
    }
}

예시 2: 범위 난수

#include <random>

int randomInt(int min, int max) {
    static std::random_device rd;
    static std::mt19937 gen{rd()};
    std::uniform_int_distribution<> dist{min, max};
    
    return dist(gen);
}

double randomDouble(double min, double max) {
    static std::random_device rd;
    static std::mt19937 gen{rd()};
    std::uniform_real_distribution<> dist{min, max};
    
    return dist(gen);
}

int main() {
    std::cout << randomInt(1, 100) << std::endl;
    std::cout << randomDouble(0.0, 1.0) << std::endl;
}

예시 3: 셔플

#include <random>
#include <algorithm>
#include <vector>

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

예시 4: 가중치 선택

#include <random>
#include <vector>

int main() {
    std::vector<int> items = {1, 2, 3, 4, 5};
    std::vector<double> weights = {0.1, 0.2, 0.3, 0.2, 0.2};
    
    std::random_device rd;
    std::mt19937 gen{rd()};
    std::discrete_distribution<> dist{weights.begin(), weights.end()};
    
    // 가중치에 따라 선택
    for (int i = 0; i < 10; ++i) {
        int index = dist(gen);
        std::cout << items[index] << " ";
    }
}

난수 엔진

C/C++ 예제 코드입니다.

// mt19937: 메르센 트위스터 (권장)
std::mt19937 gen;

// mt19937_64: 64비트
std::mt19937_64 gen64;

// default_random_engine
std::default_random_engine gen_default;

// minstd_rand: 선형 합동
std::minstd_rand gen_lcg;

자주 발생하는 문제

문제 1: 시드

C/C++ 예제 코드입니다.

// ❌ 고정 시드
std::mt19937 gen{42};  // 항상 같은 난수

// ✅ random_device
std::random_device rd;
std::mt19937 gen{rd()};

// ✅ 시간 기반 (비권장)
std::mt19937 gen{static_cast<unsigned>(std::time(nullptr))};

문제 2: 전역 상태

random 함수의 구현 예제입니다.

// ❌ 매번 생성
int random() {
    std::random_device rd;
    std::mt19937 gen{rd()};  // 느림
    std::uniform_int_distribution<> dist{0, 99};
    return dist(gen);
}

// ✅ static
int random() {
    static std::random_device rd;
    static std::mt19937 gen{rd()};
    static std::uniform_int_distribution<> dist{0, 99};
    return dist(gen);
}

문제 3: 분포 재사용

std::mt19937 gen{std::random_device{}()};

// ❌ 분포 재생성
for (int i = 0; i < 100; ++i) {
    std::uniform_int_distribution<> dist{0, 99};
    int r = dist(gen);
}

// ✅ 분포 재사용
std::uniform_int_distribution<> dist{0, 99};
for (int i = 0; i < 100; ++i) {
    int r = dist(gen);
}

문제 4: rand() 사용

C/C++ 예제 코드입니다.

// ❌ rand() (C 스타일, 비권장)
int r = rand() % 100;  // 균등하지 않음

// ✅ C++11 random
std::mt19937 gen{std::random_device{}()};
std::uniform_int_distribution<> dist{0, 99};
int r = dist(gen);

분포 종류

C/C++ 예제 코드입니다.

// 정수
std::uniform_int_distribution<> uniform{0, 99};
std::binomial_distribution<> binomial{10, 0.5};
std::poisson_distribution<> poisson{4.0};

// 실수
std::uniform_real_distribution<> uniformReal{0.0, 1.0};
std::normal_distribution<> normal{0.0, 1.0};
std::exponential_distribution<> exponential{1.0};

// 불리언
std::bernoulli_distribution bernoulli{0.7};

실무 패턴

패턴 1: 게임 난수

class GameRandom {
    std::mt19937 gen_;
    
public:
    GameRandom() : gen_{std::random_device{}()} {}
    
    // 주사위
    int rollDice(int sides = 6) {
        std::uniform_int_distribution<> dist{1, sides};
        return dist(gen_);
    }
    
    // 확률 (0.0 ~ 1.0)
    double chance() {
        std::uniform_real_distribution<> dist{0.0, 1.0};
        return dist(gen_);
    }
    
    // 크리티컬 히트 (20% 확률)
    bool criticalHit() {
        std::bernoulli_distribution dist{0.2};
        return dist(gen_);
    }
};

// 사용
GameRandom rng;
int damage = rng.rollDice(20);  // 1d20
if (rng.criticalHit()) {
    damage *= 2;
}

패턴 2: 샘플링

#include <random>
#include <vector>
#include <algorithm>

template<typename T>
std::vector<T> randomSample(const std::vector<T>& data, size_t n) {
    if (n >= data.size()) {
        return data;
    }
    
    std::vector<T> result = data;
    
    std::random_device rd;
    std::mt19937 gen{rd()};
    
    std::shuffle(result.begin(), result.end(), gen);
    result.resize(n);
    
    return result;
}

// 사용
std::vector<int> data = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10};
auto sample = randomSample(data, 3);  // 3개 무작위 선택

패턴 3: 시뮬레이션

#include <random>

class Simulation {
    std::mt19937 gen_;
    std::normal_distribution<> normal_;
    std::exponential_distribution<> exponential_;
    
public:
    Simulation(unsigned seed = std::random_device{}())
        : gen_{seed},
          normal_{0.0, 1.0},      // 평균 0, 표준편차 1
          exponential_{1.0} {}    // 람다 1
    
    // 정규 분포 (키, 몸무게 등)
    double normalValue() {
        return normal_(gen_);
    }
    
    // 지수 분포 (대기 시간 등)
    double exponentialValue() {
        return exponential_(gen_);
    }
};

// 사용
Simulation sim;
double height = 170.0 + sim.normalValue() * 10.0;  // 평균 170cm
double waitTime = sim.exponentialValue();          // 평균 1초

FAQ

Q1: Random은 무엇인가요?

A: C++11 난수 생성 라이브러리입니다. 고품질 난수를 생성하며, 다양한 분포를 지원합니다.

#include <random>

std::mt19937 gen{std::random_device{}()};
std::uniform_int_distribution<> dist{0, 99};
int r = dist(gen);

Q2: 구조는?

A: 시드 + 엔진 + 분포 3단계 구조입니다.

std::random_device rd;                  // 1. 시드
std::mt19937 gen{rd()};                 // 2. 엔진
std::uniform_int_distribution<> dist;   // 3. 분포
int r = dist(gen);                      // 4. 생성

Q3: 어떤 엔진을 사용해야 하나요?

A: std::mt19937 (메르센 트위스터) 를 권장합니다.

std::mt19937 gen{std::random_device{}()};  // 32비트
std::mt19937_64 gen64{std::random_device{}()};  // 64비트

Q4: rand()를 사용하면 안되나요?

A: 비권장합니다. rand()는 비균등 분포, 낮은 품질, 전역 상태 문제가 있습니다.

C/C++ 예제 코드입니다.

// ❌ rand(): 비균등
int r = rand() % 100;

// ✅ C++11 random: 균등
std::uniform_int_distribution<> dist{0, 99};
int r = dist(gen);

Q5: 시드는 어떻게 설정하나요?

A: std::random_device 를 권장합니다.

C/C++ 예제 코드입니다.

// ✅ random_device: 하드웨어 엔트로피
std::random_device rd;
std::mt19937 gen{rd()};

// ❌ 시간 기반: 예측 가능
std::mt19937 gen{static_cast<unsigned>(std::time(nullptr))};

Q6: 재현 가능한 난수를 생성하려면?

A: 고정 시드를 사용합니다.

testRandom 함수의 구현 예제입니다.

// 재현 가능
std::mt19937 gen{42};  // 항상 같은 난수

// 테스트에 유용
void testRandom() {
    std::mt19937 gen{12345};
    // 항상 같은 결과
}

Q7: 스레드 안전한가요?

A: 스레드 안전하지 않습니다. 각 스레드마다 별도의 엔진을 사용해야 합니다.

threadFunc 함수의 구현 예제입니다.

// ❌ 전역 엔진: 경쟁 조건
std::mt19937 globalGen;

void threadFunc() {
    int r = std::uniform_int_distribution<>{0, 99}(globalGen);  // 위험
}

// ✅ thread_local
thread_local std::mt19937 gen{std::random_device{}()};

void threadFunc() {
    int r = std::uniform_int_distribution<>{0, 99}(gen);  // 안전
}

Q8: Random 학습 리소스는?

“C++ Primer” by Stanley Lippman
“Effective Modern C++” by Scott Meyers
cppreference.com - Random

관련 글: random_device, mt19937, distribution.

한 줄 요약: C++11 random은 고품질 난수 생성을 위한 표준 라이브러리입니다.

같이 보면 좋은 글 (내부 링크)

이 주제와 연결되는 다른 글입니다.

심화 부록: 구현·운영 관점

이 부록은 앞선 본문에서 다룬 주제(「C++ Random | ‘난수 생성’ 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++ Random | ‘난수 생성’ 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, generator, distribution, C++11 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

이 글의 핵심

Random이란?

기본 구조

실전 예시

예시 1: 주사위

예시 2: 범위 난수

예시 3: 셔플

예시 4: 가중치 선택

난수 엔진

자주 발생하는 문제

문제 1: 시드

문제 2: 전역 상태

문제 3: 분포 재사용

문제 4: rand() 사용

분포 종류

실무 패턴

패턴 1: 게임 난수

패턴 2: 샘플링

패턴 3: 시뮬레이션

FAQ

Q1: Random은 무엇인가요?

Q2: 구조는?

Q3: 어떤 엔진을 사용해야 하나요?

Q4: rand()를 사용하면 안되나요?

Q5: 시드는 어떻게 설정하나요?

Q6: 재현 가능한 난수를 생성하려면?

Q7: 스레드 안전한가요?

Q8: 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?