Julia多线程循环内设置随机种子实现结果可复现的问题咨询

问题原因 #

Julia的默认随机数生成器为线程本地实例，你调用的Random.seed!(1234)仅会设置当前主线程的随机种子，其余工作线程的随机种子仍为随机生成状态，因此多线程场景下每次运行结果无法复现。此外如果使用动态调度的多线程策略，就算所有线程种子固定，任务分配到线程的顺序变化也会导致结果不一致。

解决方案 #

这里提供两种常用的可复现多线程随机数生成方案：

方案1：固定所有线程的随机种子

适合使用Threads.@threads默认静态调度、不需要跨线程数保持结果一致的场景：

using Random

# 为所有线程批量设置固定种子，种子取值保证每个线程唯一即可
Random.seed!.(1234 .+ 1:Threads.nthreads())

a = [Float64[] for _ in 1:Threads.nthreads()]

Threads.@threads for i = 1:10
    push!(a[Threads.threadid()], rand())
end

sum(reduce(vcat, a))

方案2：每个任务绑定独立随机数生成器（更推荐）

该方案不受线程数量、调度策略影响，就算调整运行时的线程数，也能得到完全一致的结果：

using Random

const N = 10
a = zeros(N)
# 提前为每个任务预生成唯一的固定种子，也可以直接预生成RNG实例列表
task_seeds = 1234 .+ 1:N

Threads.@threads for i in 1:N
    # Julia 1.7及以上版本推荐使用Xoshiro作为并行场景的RNG，性能和随机性表现更优
    rng = Xoshiro(task_seeds[i])
    a[i] = rand(rng)
end

sum(a)

如果需要在单任务内生成大量随机数，可提前在主线程预先生成所有任务对应的RNG实例列表，避免循环内重复创建开销。

内容的提问来源于stack exchange，提问作者Fabrizio Leone