好问题!

未定义并不意味着它是随机的。考虑一下，在全局未初始化变量中获得的值是由系统或您的/其他应用程序运行时遗留在那里的。根据您的系统对不再使用的内存的处理和/或系统和应用程序生成的值类型，您可能会得到:

总是一样的。 成为一小部分价值观中的一员。 获取一个或多个小范围内的值。 在16/32/64位系统的指针上看到许多可以被2/4/8整除的值 .．.

您将得到的值完全取决于系统和/或应用程序留下的非随机值。因此，确实会有一些噪音(除非您的系统删除不再使用的内存)，但您将从中提取的值池绝不是随机的。

对于局部变量，情况会变得更糟，因为它们直接来自您自己程序的堆栈。在执行其他代码期间，您的程序很有可能实际编写这些堆栈位置。我估计在这种情况下运气的机会非常低，而你所做的“随机”代码更改将尝试这种运气。

阅读随机性。正如你所看到的，随机性是一种非常特殊且难以获得的属性。一个常见的错误是，如果你只是采取一些难以跟踪的东西(比如你的建议)，你会得到一个随机的值。

不，太糟糕了。

使用未初始化变量的行为在C和c++中都是未定义的，而且这样的方案不太可能具有理想的统计属性。

如果你想要一个“快速而肮脏”的随机数生成器，那么rand()是你最好的选择。在它的实现中，它所做的只是一个乘法、一个加法和一个模数。

我所知道的最快的生成器需要你使用uint32_t作为伪随机变量I的类型，并使用

I = 1664525 * I + 1013904223

生成连续的值。你可以选择任何你喜欢的I的初始值(称为种子)。显然你可以内联编码。无符号类型的标准保证包装充当模数。(数字常数是由杰出的科学程序员Donald Knuth精心挑选的。)

如果操作得当，使用未初始化的数据来获得随机性并不一定是件坏事。事实上，OpenSSL正是这样做的，以播种它的PRNG。

显然，这种用法并没有很好地记录下来，因为有人注意到Valgrind抱怨使用未初始化的数据，并“修复”了它，导致了PRNG中的一个错误。

所以你可以这样做，但你需要知道你在做什么，并确保任何阅读你的代码的人都理解这一点。

正如其他人所说，这将是快速的，但不是随机的。

大多数编译器对局部变量所做的是在堆栈上为它们抓取一些空间，而不是费心将其设置为任何东西(标准说它们不需要这样做，所以为什么要减慢生成的代码呢?)

在这种情况下，你将得到的值将取决于之前在堆栈上的内容——如果你在这个函数之前调用一个有100个局部char变量设置为'Q'的函数，然后在该函数返回后调用你的函数，那么你可能会发现你的“随机”值表现得就像你已经将memset()它们全部设置为'Q'。

重要的是，你的例子函数尝试使用这个，这些值不会改变每次你读取他们，他们将是相同的每一次。所以你会得到100颗星星都设置成相同的颜色和能见度。

而且，没有什么说编译器不应该初始化这些值——所以将来的编译器可能会这样做。

总的来说:坏主意，不要做。 (就像很多“聪明的”代码级优化一样……)

好问题!

未定义并不意味着它是随机的。考虑一下，在全局未初始化变量中获得的值是由系统或您的/其他应用程序运行时遗留在那里的。根据您的系统对不再使用的内存的处理和/或系统和应用程序生成的值类型，您可能会得到:

总是一样的。 成为一小部分价值观中的一员。 获取一个或多个小范围内的值。 在16/32/64位系统的指针上看到许多可以被2/4/8整除的值 .．.

您将得到的值完全取决于系统和/或应用程序留下的非随机值。因此，确实会有一些噪音(除非您的系统删除不再使用的内存)，但您将从中提取的值池绝不是随机的。

对于局部变量，情况会变得更糟，因为它们直接来自您自己程序的堆栈。在执行其他代码期间，您的程序很有可能实际编写这些堆栈位置。我估计在这种情况下运气的机会非常低，而你所做的“随机”代码更改将尝试这种运气。

阅读随机性。正如你所看到的，随机性是一种非常特殊且难以获得的属性。一个常见的错误是，如果你只是采取一些难以跟踪的东西(比如你的建议)，你会得到一个随机的值。

有很多很好的答案，但请允许我补充另一个并强调一点，在确定性计算机中，没有什么是随机的。对于伪rng生成的数字和堆栈上为C/ c++局部变量保留的内存区域中发现的看似“随机”的数字都是如此。

但是…这里有一个关键的区别。

由优秀的伪随机生成器生成的数字具有统计上与真正的随机抽取相似的属性。例如，分布是均匀的。循环长度很长:在循环重复之前，你可以得到数百万个随机数。序列不是自相关的:例如，如果你取第2个、第3个或第27个数字，或者查看生成的数字中的特定数字，你不会开始看到奇怪的模式出现。

相比之下，留在堆栈上的“随机”数字没有任何这些属性。它们的值和明显的随机性完全取决于程序的构造方式、编译方式以及编译器对程序的优化方式。举例来说，这是你的想法的一个变体，作为一个自包含的程序:

#include <stdio.h>

notrandom()
{
        int r, g, b;

        printf("R=%d, G=%d, B=%d", r&255, g&255, b&255);
}

int main(int argc, char *argv[])
{
        int i;
        for (i = 0; i < 10; i++)
        {
                notrandom();
                printf("\n");
        }

        return 0;
}

当我在Linux机器上用GCC编译这段代码并运行它时，结果是相当不愉快的确定性:

R=0, G=19, B=0
R=130, G=16, B=255
R=130, G=16, B=255
R=130, G=16, B=255
R=130, G=16, B=255
R=130, G=16, B=255
R=130, G=16, B=255
R=130, G=16, B=255
R=130, G=16, B=255
R=130, G=16, B=255

If you looked at the compiled code with a disassembler, you could reconstruct what was going on, in detail. The first call to notrandom() used an area of the stack that was not used by this program previously; who knows what was in there. But after that call to notrandom(), there is a call to printf() (which the GCC compiler actually optimizes to a call to putchar(), but never mind) and that overwrites the stack. So the next and subsequent times, when notrandom() is called, the stack will contain stale data from the execution of putchar(), and since putchar() is always called with the same arguments, this stale data will always be the same, too.

因此，这种行为绝对不是随机的，通过这种方式获得的数字也不具有编写良好的伪随机数生成器的任何理想属性。事实上，在大多数现实场景中，它们的值是重复的并且高度相关的。

事实上，和其他人一样，我也会认真考虑解雇那些试图把这个想法当作“高性能RNG”的人。