对单一大文本做多 pattern 并行检索时，goroutine 是性能陷阱；应采用 Aho-Corasick 自动机单次扫描，或按字节边界分片后用 strings.Index 批量调度。
直接上结论：对单一大文本做多 pattern 并行检索，goroutine 不是加速手段，而是性能陷阱；真正高效的方式是用 Aho-Corasick 自动机单次扫描，或按字节边界分片 + strings.Index 批量调度。
为什么 goroutine 包裹 strings.Index 会变慢
常见错误写法：for _, p := range patterns { go func() { pos := strings.Index(text, p) }() }，表面看并发了，实际踩三个坑：
- 闭包变量复用：所有
goroutine共享同一个p，最终匹配的全是最后一个 pattern - 内存爆炸：每个
strings.Index内部虽已优化为 KMP（Go 1.19+），但每次调用仍需构建局部状态，make([]int, len(p))在高频下触发大量小对象分配 - 调度开销反超计算：pattern 平均长度 strings.Index 耗时常低于 100ns，而
goroutine启动+调度成本可达数百 ns，纯 CPU 计算场景下越并发越慢
多 pattern 场景该用 Aho-Corasick 而非 goroutine
适用条件：5 个以上 pattern、同一 text 上批量检测（如日志敏感词、HTTP method 列表匹配）。
-
regexp.MustCompile("(?i)GET|POST|PUT|DELETE")：标准库对简单 alternation 自动编译为 Aho-Corasick，无需额外依赖，匹配速度比循环调用strings.Index快 3–10 倍 - 第三方库
github.com/BurntSushi/ahocorasick：支持预构建、复用实例、返回 pattern ID，适合规则引擎类长期运行服务 - 自己实现？仅当需定制失败跳转逻辑（如忽略空格、混合大小写策略）才值得投入，否则纯属重复造轮子
超长 text（>1MB）分片匹配必须按字节切，不能按行
场景：单条数据库慢查询日志达 10MB，需快速定位关键词位置。
立即学习“go语言免费学习笔记（深入）”；
- 错误做法：用
strings.Split(text, "\n")分行 → 行边界不等于字节边界，UTF-8 多字节字符可能被截断，strings.Index结果错位 - 正确做法：按固定字节数切片（如每 64KB），确保每个分片起止都在 UTF-8 字符边界上；可用
utf8.RuneCountInString或第三方库golang.org/x/text/unicode/norm校验边界 - 并发控制：分片数 ≤
runtime.GOMAXPROCS(0)，避免线程争抢；用sync.WaitGroup等待全部完成，而非无缓冲chan阻塞调度
真正需要 goroutine 的地方其实是 I/O-bound 场景
别在纯字符串计算上硬套并发模型。goroutine 的价值体现在：
- 同时读多个文件：每个
os.Open+io.ReadAll放独立goroutine，I/O 等待期间释放 M 线程 - 混合操作：一边从网络流接收日志，一边用 Aho-Corasick 实时匹配，二者天然解耦
- 结果聚合耗时明显：比如匹配后要发 HTTP 请求上报，这部分可并发，但匹配本身不该并发
最易被忽略的一点：strings.Index 是零分配、无锁、CPU-bound 的极致优化函数，强行并发只会暴露调度器短板，而不是你的代码不够“高并发”。
