Python random模块非线程安全，推荐为每线程创建独立Random实例并用threading.local()管理；加密场景应改用secrets模块；多进程下全局random安全但建议显式设种子。
Python 的 random 模块默认使用全局随机数生成器（random._inst），它不是线程安全的——多个线程同时调用 random.random() 等函数，可能破坏内部状态，导致重复序列、崩溃或静默错误。但你不需要加锁，因为有更轻量、更安全的替代方案。
为每个线程创建独立的 Random 实例
最推荐的做法：在每个线程中初始化自己的 random.Random 对象。它不共享状态，完全线程隔离，零开销锁。
- 用
threading.local()管理线程本地实例，避免重复创建 - 种子可基于线程 ID + 时间等组合，确保不同线程序列不相关
- 示例：
import random import threading import time_local = threading.local()
def get_thread_local_random(): if not hasattr(_local, 'rng'):
用 thread id 和纳秒时间混合种子，增强独立性
seed = hash((threading.get_ident(), time.time_ns())) _local.rng = random.Random(seed) return _local.rngdef worker(): rng = get_thread_local_random() print(f"Thread {threading.current_thread().name}: {rng.random():.4f}")
threads = [threading.Thread(target=worker, name=f"T-{i}") for i in range(3)] for t in threads: t.start() for t in threads: t.join()
使用 secrets 模块（适合密码学场景）
如果需求是生成加密安全的随机数（如 token、密钥），不要用 random，改用 secrets 模块。它基于操作系统熵源，本身无状态、无共享、天然线程安全。
立即学习“Python免费学习笔记（深入）”；
-
secrets.randbelow()、secrets.choice()、secrets.token_hex()都可直接多线程调用 - 性能略低于
random，但对安全敏感场景是唯一正确选择
避免误用 global random（常见陷阱）
以下写法看似简洁，实则危险：
# ❌ 危险：所有线程共用同一个全局 random 实例
import random
def bad_worker():
return random.random() # 可能引发状态竞争
即使只读操作（如 random.random()）也涉及内部状态更新（self.getrandbits() 调用会修改 self._state），CPython 中虽有 GIL，但 random 的 C 实现部分绕过 GIL，仍存在竞态风险。
补充：multiprocessing 场景怎么办？
如果是多进程（非多线程），每个进程天然隔离，直接用全局 random 是安全的。但若需可重现结果，建议显式设置种子：random.seed(os.getpid() + time.time())，避免子进程初始状态雷同。
