sync.Map仅适合读多写少（读占比＞90%）、键生命周期长（如配置缓存、服务发现）场景；高频写时性能反差大，应优先选用sync.RWMutex+map或分片优化。
别直接套 sync.Map，它不是万能并发 map；高频写场景下，加锁的普通 map + sync.RWMutex 往往更稳、更快。
sync.Map 适合什么场景？
只在读操作占比 >90%、key 生命周期差异大（比如配置项预热后几乎不更新，session token 创建后长期只读）时才值得考虑。它不是为「每秒几百次写」设计的。
- 常见错误现象：
fatal error: concurrent map writes出现后立刻换sync.Map，结果压测 QPS 下降 20%+ -
LoadOrStore不延迟求值：传heavyCalc()就一定会执行，哪怕 key 已存在 - 没有
Len()方法，想统计大小得用Range全量遍历——O(n) 且结果只是快照 - Go 1.12+ 才支持
Range；旧版本遍历必须手动加锁 + 复制到临时map
读写均衡或写多场景，用 map + sync.RWMutex 更靠谱
自己封装一个带读写锁的 map，控制粒度比 sync.Map 更灵活，也更容易预测性能。
- 读多时用
RUnlock，写时才独占锁，避免写阻塞读 - 可按 key 哈希分片（比如 64 个子 map），进一步降低锁竞争
- 示例关键逻辑：
func (kvs *KVStore) Get(key string) (string, bool) { kvs.mu.RLock() defer kvs.mu.RUnlock() v, ok := kvs.data[key] return v, ok } - 注意：
map本身不能并发写，但读+读、读+写都必须显式同步；RWMutex 的开销远低于sync.Map的原子操作链
需要持久化？别硬啃 WAL 和快照，先看需求边界
如果只是临时缓存或会话状态，内存就够了；真要落盘，优先评估是否必须用自研方案。
立即学习“go语言免费学习笔记（深入）”；
- 日志/配置类小数据：直接用
os.WriteFile或encoding/json序列化到文件，简单可靠 - 有序 + 持久 + 高频查询：考虑
go-moss——它专为有序 Key-Val 设计，支持 WAL 和快照，但 API 极简，没 Redis 那么重 - 分布式共享状态：跳过自研，直连
etcd或redis，用成熟 client（如go-redis/redis） - 误判风险：以为“需要持久化”就立刻上 LSM Tree 或 WAL 实现，结果发现 95% 请求只查最近 5 分钟数据，纯内存 + 定期 dump 更合适
插件化扩展？go-plugin 不是拿来即用的银弹
它解决的是「运行时热加载存储后端」这种特定问题，比如让同一服务既能对接本地 go-moss，也能切到远程 etcd，而不用重启。
- 代价明显：每个插件是独立进程，通信走 RPC，序列化开销、启动延迟、调试难度都上升
- 仅当业务明确要求「策略可插拔」「不同环境用不同存储」时才引入
- 别为了“架构好看”提前加上
go-plugin，多数 KV 场景根本不需要跨进程隔离 - 替代思路：用 interface + factory 函数，编译期注入后端实现，零 runtime 成本
真正卡性能的往往不是选哪个库，而是 key 设计是否散列均匀、value 是否过大导致 GC 压力、以及有没有在循环里反复调用 LoadOrStore 却没意识到它不延迟求值——这些细节比框架选型影响更大。
