Go算法优化核心是选对数据结构并避免排序瓶颈：小数据量用切片优于map，切片优先于链表，排序用sort包而非手写，大数据量优先考虑Top-K等替代方案。
在 Go 中优化算法性能，核心在于匹配场景选对数据结构，并避免排序成为瓶颈。Go 标准库已提供高质量实现，关键不是“造轮子”，而是理解每种结构的时空特性与适用边界。
用 map 替代线性查找，但注意小数据量反而更慢
当需要频繁判断元素是否存在、或按键查值时，map 的平均 O(1) 查找远优于切片遍历的 O(n)。但若元素少于 10 个，直接用切片配合简单循环可能更快——因为 map 有哈希计算、桶查找、内存间接访问等开销。
- 适合用 map 的情况：用户 ID 查用户信息、配置项 key 查 value、去重统计
- 慎用 map 的情况：固定几个枚举值做判断（用 switch 或预建数组更直接）
- 初始化 map 时预估容量：
make(map[string]int, 100)减少扩容重哈希
切片比链表更常用，但别盲目 pre-allocate 过大
Go 的 []T 是连续内存+动态扩容，随机访问 O(1)，追加均摊 O(1)，比 list.List（双向链表）更省内存、缓存友好。除非需高频中间插入/删除且无法接受移动成本，否则优先用切片。
- 读多写少、需索引访问、范围遍历 —— 用切片
-
append 前若知道最终长度，用
make([]int, 0, n)避免多次扩容 - 但不要为“可能很大”而分配 GB 级底层数组，会触发 GC 压力和内存碎片
排序优先用 sort.Slice 和 sort.SliceStable，按需定制比较逻辑
Go 的 sort 包底层是优化过的 pdqsort（混合快排/堆排/插入排序），对多数数据分布表现稳定。无需自己实现快排或归并；重点是写好 Less 函数，避免在比较中做耗时操作（如字符串重复截取、函数调用）。
立即学习“go语言免费学习笔记（深入）”；
- 普通排序：
sort.Slice(data, func(i, j int) bool { return data[i].Score > data[j].Score }) - 需稳定排序（相等元素相对顺序不变）：
sort.SliceStable - 若排序字段可预计算（如把 time.Time 转为 Unix 时间戳），先提取成辅助切片再排序，减少重复计算
大数据量排序前考虑是否真要全量排序
很多场景其实只需要 Top-K、分页第 N 页、或判断是否有序——这时全量 sort.Sort 是浪费。
- 取前 K 小/大：用
heap包构建大小为 K 的堆，O(n log K)，比 O(n log n) 更优 - 只检查是否升序：
for i := 1; i ，O(n) - 分页查询大量数据：数据库 limit+offset 或游标分页，而非在 Go 层 load 全量再切片
不复杂但容易忽略：性能优化永远从 profile 开始。先用 go test -cpuprofile 或 pprof 抓热点，再对照数据结构与排序逻辑做针对性调整。盲目替换容器或重写排序，常得不偿失。
