链表遍历比列表慢主因是缓存失效，因节点内存离散导致CPU无法预取，而列表元素连续存储可利用硬件预取；且链表需逐次解引用指针，无空间局部性，难以优化。
链表遍历为什么比列表慢？缓存失效是主因
因为链表节点在内存中离散分布，CPU无法预取后续节点，每次访问都要等待内存加载；而列表元素连续存放，硬件预取器能提前把下几个元素载入缓存，访问延迟低得多。
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
for node in linked_list 本质是逐指针跳转，不是索引计算
链表遍历必须从头节点开始，靠 node.next 一步步走到下一个位置。这个过程：
- 每次都要解引用指针（一次内存读）
- 下一个节点地址完全不可预测（无空间局部性）
- 编译器和CPU都难以优化，无法向量化或流水线调度
- 对比 lst[i]：只是基地址加偏移，纯算术运算，通常在寄存器中完成
Python内置列表的C层实现进一步放大差距
CPython 的 list 是动态数组，底层用连续 C 数组存储对象指针，__getitem__ 直接做指针偏移；而手写链表（如 Node 类）每个节点都是独立 Python 对象，含 GC 头、引用计数、字典（若定义了 __dict__），内存开销大且布局随机。常见陷阱包括：
- 用 while current: 遍历时频繁属性查找（current.next）
- 节点类未使用 __slots__，导致每个节点多出一个 __dict__
- 在循环内反复调用方法（如 get_next()）而非直接访问属性
什么时候链表遍历慢得特别明显？
当数据量超过 L1/L2 缓存容量（通常几 MB）时，链表遍历的缓存未命中率会陡增，实测耗时可能达同等长度列表的 2–5 倍。尤其注意这些场景：
- 在循环中同时读取节点数据并修改指针（写操作加剧缓存行失效）
- 节点跨 NUMA 节点分配（多路 CPU 下更糟）
- 使用 reversed() 或倒序遍历链表——这根本没法做，只能先收集再反向，额外 O(n) 空间和时间
链表的优势从来不在遍历速度，而在插入/删除的常数时间代价。如果代码里出现大量「先遍历再删节点」或「边遍历边插」，那才是它该出场的地方；单纯为了遍历而用链表，基本等于主动放弃缓存红利。
