归并排序处理大规模数据应优先使用标准库sort.ints等或流式归并，手写仅适用于算法题、教学或需自定义稳定合并逻辑的场景。
别手写归并排序处理大规模数据——sort.Ints、sort.Slice 或分治并发 + 流式归并才是正解。手写 mergeSort 仅在算法题、教学或需稳定+自定义合并逻辑（如日志按时间戳分段归并）时才值得碰。
sort.Slice 在百万级上变慢的根本原因
不是函数本身慢，是闭包比较逻辑触发了接口动态调度和 CPU 缓存不友好访问。尤其结构体字段多次取址（如 item.CreatedAt.Unix()）会放大开销。
- 改用
sort.Sort实现sort.Interface，把比较逻辑写进方法，避免闭包捕获和接口跳转 - 提前把比较字段拷贝到局部变量（如
ts := item.Timestamp），减少重复取址 - 纯数值排序直接用
sort.Ints/sort.Float64s，它们走汇编优化路径，无抽象开销 - 绝对不要在
sort.Slice的比较函数里做 I/O、加锁、调用非内联函数
1000 万以上数据该不该并发排序？
要看数据量和场景：≥ 10M 且单次耗时 > 200ms 才值得分治并发；10 万条以下并发反而慢 15%，调度开销盖过收益。
Go语言（Golang）1.26.0
下载
Go语言（Golang）1.26.0版本提供 Go 官方 Windows amd64 MSI 安装包下载入口，版本号 1.26.0，可用于旧项目维护、兼容性测试和指定版本开发环境配置。
- 拆分前必须
copy出子切片，禁止对同一底层数组并发写入，否则触发data race - 协程数设为
min(4, runtime.NumCPU())，别硬塞runtime.GOMAXPROCS(100) - 归并阶段不用并发——单线程归并更快；用
sync.Pool复用临时切片，避免高频分配 - 实测：1000 万
int64并发 4 路比单路快约 2.3 倍
两个超大有序文件怎么合并？别加载进内存
50GB CSV 文件不能全读进内存，要用流式归并——原理同 merge 函数，但换成逐行读取 + 比较 + 写出。
- 同时打开两个
*csv.Reader，维护各自当前行 - 每次比较两行的排序键（如时间戳、ID），把小的写入输出文件，对应 reader 读下一行
- 一个文件读完后，把另一个剩余所有行直接
io.Copy过去，不逐行判断 - 错误处理必须健壮：每行解析失败要记录偏移量，支持断点续传
- 关键不是“并发”，而是“不越界”——哪怕单 goroutine，只要不 malloc 几 GB，就能稳跑完
最容易被忽略的是 GC 对长时间排序的影响：一次 500ms+ 的排序可能横跨多个 GC 周期，若结构体含指针（如 []byte、map[string]int），GC 扫描开销会叠加进耗时。离线批处理可临时 debug.SetGCPercent(-1)，但记得恢复。
golang免费学习笔记（深入）：立即使用
在学习笔记中，你将探索golang的核心概念和高级技巧！
