-
使用t.Run可实现测试分组，如TestUserService中按CreateUser、DeleteUser、Auth等子测试组织，支持层级结构与独立运行；结合目录结构划分模块测试，如./auth/...；通过buildtags区分集成或性能测试，实现灵活分组执行。
-
必须显式配置database/sql连接池：SetMaxOpenConns限制硬上限（建议设为数据库max_connections的70%～80%），SetMaxIdleConns控制空闲连接数，配合SetConnMaxLifetime和SetConnMaxIdleTime防老化连接滞留。
-
Go单元测试简洁高效，只需_test.go文件、Test开头函数和*testing.T参数；支持table-driven批量测试、错误/panic验证及接口mock，强调快速建立代码信心。
-
Go语言JSON序列化性能优化的关键是减少反射开销、避免内存分配、合理使用结构体标签，并按需选用预编译方案；json-iterator通过类型缓存提升2–5倍性能，easyjson生成专用方法提速10倍以上，同时可复用sync.Pool缓冲区、替换为msgpack或Protobuf等更高效格式。
-
结构体解析JSON比map[string]interface{}快3–8倍、GC减少90%以上，因避免反射慢路径；字段已知时必须用结构体，优先time.Time配string标签，慎用*string，json.RawMessage用于多态字段，自定义UnmarshalJSON需防panic与错误传播。
-
该用time.Ticker而非time.AfterFunc实现周期性限流调度，因其准时且可复用；需全局复用并手动Stop()防泄漏；令牌桶优于漏桶，推荐atomic.Int64无锁实现；限流判断须毫秒级完成，拒绝即返，不阻塞；context.WithTimeout在限流中间件中无意义。
-
Go字符串不可变，底层为只读结构体{ptr*byte,lenint}，禁止索引赋值；修改需转[]byte或[]rune操作后重建，拼接推荐strings.Builder。
-
直接用tikv.RawClient会连不上集群，因其不自动读取PD地址、不做服务发现，仅依赖硬编码的PDendpoints；若地址错误或未配TLS/网络不通，连接将超时而非报明确错误。
-
CreateInBatches是GORM唯一推荐的批量插入方式，但需传入切片、batchSize>1，返回*gorm.DB而非error，错误须通过result.Error检查，空切片安全；FindInBatches需显式排序防漏数据，handler中应单条更新；批次大小需实测调优，钩子不逐条触发，ID和时间戳不自动回填。
-
CNI插件必须实现ADD和DEL命令，因为kubelet仅在Pod创建/销毁时通过stdin传入JSON配置，并依赖exitcode和stdout响应：ADD需返回含ip4字段的标准JSON并退出0，DEL也须退出0，否则Pod卡在ContainerCreating；未清理会导致veth、IP、iptables残留。
-
OpenTelemetry在Go中必须首行注册TracerProvider和TraceContext传播器，否则span为nil、链路静默断裂；需用otelhttp.NewHandler/NewTransport自动透传traceparent，禁用手动header；资源属性、采样器、OTLP导出配置缺一不可。
-
Go语言项目通过CI/CD实现自动测试，核心是将gotest与GitHubActions等工具结合，涵盖构建、测试、覆盖率、竞态检测及多种测试类型自动化，提升代码质量与开发效率。
-
首先检查Go安装路径与环境变量一致性，使用goenv和whichgo命令对比GOROOT、GOPATH及PATH设置；若存在多文件重复配置，需通过grep搜索~/.zshrc、~/.zprofile等文件清理冗余导出；统一将exportGOROOT、GOPATH和PATH写入~/.zprofile确保加载顺序；若用Homebrew安装可省略GOROOT；多版本管理推荐使用g工具自动切换，避免手动修改路径；最终通过source~/.zprofile生效并验证goversion与goenv输出正常。
-
Go任务监控需用Prometheus+Grafana，核心是正确使用prometheus.ClientGolang定义CounterVec、HistogramVec、Gauge指标并全局唯一注册；耗时直方图设合理Buckets；运行中任务数用Gauge配合defer增减；/metrics须独立暴露且无中间件；expvar可用于快速验证计数类指标。
-
Golang通过异步化、批量化和限流控制实现高并发日志处理。1.使用带缓冲的channel作为中间队列，接收端仅负责入队，多个worker异步消费，缓解流量高峰压力；2.采用批量写入策略，结合数量与时间触发机制，减少IO压力，提升性能；3.选择高性能写入组件如Kafka或本地落盘异步上传，设置降级策略保障可靠性；4.控制worker数量，避免资源耗尽，配合反压机制防止系统过载。
