Go语言文件行重排本质是“读入→乱序→写出”，小文件用rand.Perm最轻量，大文件需分桶乱序或蓄水池抽样，避免Seek定位和全量加载。
Go 语言本身不提供“直接对文件行进行原地重排”的系统调用，所以所谓“文件内容行重排”，本质是「读入 → 乱序 → 写出」三步。真正影响效率的不是乱序逻辑，而是内存占用和 I/O 模式。对大文件来说，全量加载到内存会 OOM；对小文件，用 rand.Perm 配合切片索引是最轻量、最可控的方式。
为什么不用 sort.Slice + rand.Float64() 打乱？
常见误区是用 sort.Slice(lines, func(i, j int) bool { return rand.Float64() —— 这不仅不随机（违反比较函数的传递性），还会导致 <code>sort 内部行为未定义，甚至 panic。Go 的 sort 要求比较函数满足严格弱序，而随机布尔值完全破坏该前提。
- 实际表现：可能漏行、重复行、panic 或永远卡在排序中
- 性能陷阱：即使侥幸跑通，
sort的时间复杂度是 O(n log n)，而真实乱序只需 O(n) - 正确替代：必须用 Fisher–Yates 原地交换，或更推荐的
rand.Perm索引映射
rand.Perm 是最安全的行重排起点
rand.Perm 不操作原始数据，只生成一个长度为 n 的随机索引切片，天然避免并发写冲突和内存拷贝。它适合所有能一次性读入内存的场景（比如 ≤10MB 的文本文件）。
- 必须先调用
rand.Seed(time.Now().UnixNano())，否则每次运行结果相同 - 若需可重现的乱序（如测试），改用固定种子：
rand.Seed(42) - 索引切片本身很小：100 万行仅占约 8MB 内存（
[]int64），远小于原始文本内存开销 - 示例关键片段：
indices := rand.Perm(len(lines))<br>shuffled := make([]string, len(lines))<br>for i, idx := range indices {<br> shuffled[i] = lines[idx]<br>}
超大文件（>100MB）不能全读入内存怎么办？
这时「行重排」必须降级为「近似随机采样」或「分块乱序+合并」。硬要全量重排，唯一可行路径是外排序式处理：按块读取 → 每块内乱序 → 写临时文件 → 多路归并时随机选行（但失去均匀性）。
立即学习“go语言免费学习笔记（深入）”；
- 实用妥协方案：用
bufio.Scanner流式读取，将每行哈希后 mod N 分桶（N=100），每个桶内用rand.Perm乱序，最后按桶随机顺序拼接 - 风险点：行数少于桶数时大量桶为空；行长差异大时内存分布不均
- 真正健壮的做法是放弃「完美重排」，改用 reservoir sampling 随机抽固定行数（适合展示前 20 条）
- 别碰
os.File.Seek做行定位重排——文本文件无固定行宽，Seek 后找 \n 的偏移成本高且易错
最常被忽略的是：乱序目的决定实现粒度。如果是给用户看的题库列表，rand.Perm 足够；如果是日志分析要求统计偏差可控，就得换 reservoir sampling 或带权重的 shuffle；而任何试图绕过内存限制去“原地重排文件”的尝试，最终都会回到磁盘 I/O 和临时空间管理的老问题上。
