如何高效生成仅包含奇数或偶数的随机数？

嘿，这个问题问到点子上了！其实你目前用的方法已经属于高效梯队的，但咱们可以拆解下不同思路的性能差异，看看有没有更顺手的替代方案。

首先得肯定你的思路：直接构造奇数，完全跳过了“生成随机数→判断奇偶→不符合就重生成”的筛选流程——后者看似简单，但如果要生成大量数据，额外的分支判断会拖慢速度，尤其是当奇偶概率各半时，分支预测很容易失效，导致性能损耗。你的方法直接从根源上避免了这个问题，逻辑也很清晰，已经很棒了。

那有没有其他高效的方法？当然有，性能和你的方法不相上下，但写法可能更简洁：

• 位运算构造：因为奇数的二进制最后一位必然是1，你可以先生成0到998之间的随机数（对应原范围的偶数基底），然后用位或运算把最后一位设为1，也就是rand_num | 1。这样得到的结果就是1,3,...,999，刚好符合你的需求。位运算属于CPU原生指令，速度和乘2加1几乎没有区别。
• 语言内置步长生成：很多编程语言的随机库都支持指定步长生成随机数，比如Python里的random.randrange(1, 1000, 2)，Java里的ThreadLocalRandom.current().nextInt(1, 1000, 2)。这类方法底层实现逻辑其实和你的思路一致，只是封装得更易用，代码可读性更高，性能也完全达标。

性能对比总结 #

• 你的原方法、位运算构造、语言内置步长生成，这三者的速度几乎没有差异，都是直接构造目标数，没有额外的判断开销；
• 绝对要避免“生成随机数后筛选奇偶”的方法，尤其是在需要生成大量数据时，这种方法的性能会明显落后于直接构造的思路。

内容的提问来源于stack exchange，提问作者Jacob G.