高并发下本地磁盘IO瓶颈无法靠增加goroutine解决，必须解耦I/O与CPU工作：单goroutine顺序读+合理缓冲（如64KB）+按逻辑边界分块处理，避免多goroutine争抢同一文件导致寻道恶化。
高并发下本地磁盘 IO 瓶颈不会被 goroutine 数量“堆”掉，盲目并发读同一个文件反而拖慢整体吞吐——关键得把 I/O 和 CPU 工作解耦，让磁盘专心顺序读，让 CPU 并行处理。
别用多个 goroutine 并发读同一文件
硬盘（尤其是 HDD）的物理特性决定了它不擅长随机跳读。多个 goroutine 同时对同一 *os.File 发起 ReadAt 或 Seek + Read，会打乱内核预读逻辑，引发磁头频繁寻道（HDD）或 SSD 控制器调度冲突，实测吞吐可能下降 30%–70%。
- 正确做法：只用 1 个 goroutine 顺序读大文件，通过
bufio.NewReaderSize(f, 64*1024)控制缓冲大小，保持稳定流速 - 若必须分块（如哈希校验），按逻辑边界切分（如按行、按记录），而非按字节偏移硬切；用
io.CopyBuffer(dst, src, bufPool.Get().([]byte))配合sync.Pool复用缓冲区 - 避免
os.ReadFile—— 它会把整个文件 load 到内存，1GB 文件直接触发 GC 压力甚至 OOM
用 bufio.ReaderSize 控制缓冲，别信默认 4KB
默认 bufio.NewReader(f) 的 4KB 缓冲在千兆网或 NVMe 场景下太小：每读 4KB 就要一次系统调用，高频小 read 把 syscall 开销推到顶峰。64KB 是更普适的起点，尤其对日志、CSV、JSON 流等顺序读场景。
- 机械盘（HDD）上，64KB–128KB 更稳；NVMe 可试 256KB，但超过 1MB 易引发 cache miss 和 goroutine 阻塞
- 别对同一个
*os.File套多个bufio.Reader—— 底层文件偏移不同步，会导致跳字节或重复读 - 定长二进制记录（如协议头）不用
bufio，直接复用[]byte调f.Read(buf)，规避Read返回长度小于请求的不确定性
写入性能卡在 file.Sync()？先分清“可靠”和“快”
file.Sync() 是同步刷盘操作，SSD 上约 1–3ms，HDD 上可达 20ms+，等于把所有写串行化。不是每条日志都值得这个代价。
- 追加写日志：打开文件时加
os.O_APPEND标志，内核保证原子性，比手动Seek(0, io.SeekEnd)更快更稳 - 批量写后统一
Sync：攒够 1MB 数据或等待 1 秒再刷，吞吐可提升数十倍 - 高频但需一定可靠性：改用随机写（
f.WriteAt）+ 定期Sync，绕过bufio.Writer的缓冲管理开销 - 别在循环里反复
defer f.Close()—— 大量小文件场景下，close系统调用本身也有延迟累积
并发处理多个独立文件时，必须控并发数
同时打开几百个文件，OS 文件描述符会耗尽，内核 inode 缓存压力飙升，IO 调度器也容易过载。真实线上服务中，20–50 路并发通常是更安全的上限。
- 用 worker pool 模式：固定数量 goroutine 从 channel 拿任务，避免无节制创建
- 配合
context.WithTimeout给每个文件操作设超时，防止单个坏文件拖垮全局 - 优先复用
*os.File：读完不急着Close，放入sync.Pool复用句柄（注意多 goroutine 写同一文件仍需同步） - 大文件写入前可
output.Truncate(size)预分配空间，减少文件系统元数据更新和碎片
最易被忽略的一点：磁盘 IO 瓶颈从来不是“代码没写对”，而是“没想清楚哪部分该并发、哪部分必须串行”。顺序读交给磁盘，计算和解析交给 CPU，缓冲大小和 sync 策略则取决于你的 SLA —— 是要毫秒级日志落盘，还是能接受秒级延迟换吞吐？选错就全盘低效。
