使用go test -bench可对比算法性能，需编写规范的Benchmark函数，以Benchmark开头并接收*testing.B参数，在循环中执行被测代码。函数命名应体现算法差异，如BenchmarkSearchLinear与BenchmarkSearchBinary。初始化操作应放在b.ResetTimer()前或用b.StopTimer()/b.StartTimer()控制计时范围，避免干扰结果。调用b.ReportAllocs()以获取内存分配数据。为确保公平，所有测试应使用相同预生成数据、相同环境和编译条件，可通过全局变量或init()初始化。运行时设置GOGC=off减少GC影响，固定CPU频率提升稳定性。建议多次运行（-count=5）取中位数，并结合-benchmem查看内存表现。输出中ns/op表示每次操作耗时，B/op为分配字节数，allocs/op为分配次数，均越低越好。后缀数字代表GOMAXPROCS值，影响并发性能。进阶用法包括生成CPU和内存profile进行热点分析，使用benchstat工具对比测试结果显著性，以及通过b.Run划分不同输入规模，观察性能随数据量变化趋势。关键细节在于控制变量，否则可能误测setup代码而非算法本身。
直接用 go test -bench 就能对比不同算法的性能，关键在于写好 Benchmark 函数、控制变量、看懂 ns/op 和内存分配数据。
Benchmark 函数必须以 Benchmark 开头，参数是 *testing.B，且必须在循环中调用待测代码（b.N 次）。Go 会自动调整 b.N 让测试时间稳定在约 1 秒。
在于控制变量，否则可能误测setup代码而非算法本身。BenchmarkSearchLinear 和 BenchmarkSearchBinary
b.ResetTimer() 前；若必须初始化，用 b.StopTimer() / b.StartTimer() 控制计时范围b.ReportAllocs()，它会显示每次操作的内存分配次数和字节数相同输入、相同环境、相同编译条件，才能看出算法本身差异。
init() 初始化），避免每次生成带来额外开销GOGC=off（如 GOGC=off go test -bench=.），尤其当算法涉及大量短生命周期对象时cpupower frequency-set -g performance），避免动态调频影响结果稳定性-count=5 多次运行取中位数，再配合 -benchmem 查看内存表现执行 go test -bench=. -benchmem 后，输出类似：
BenchmarkSearchLinear-8 10000000 124 ns/op 0 B/op 0 allocs/op BenchmarkSearchBinary-8 20000000 62.1 ns/op 0 B/op 0 allocs/op
124 ns/op：每次操作平均耗时 124 纳秒，数值越小越快0 B/op：每次操作分配 0 字节内存，越少越好；高分配常意味着频繁 GC 压力0 allocs/op：每次操作零次内存分配，比字节数更反映逃逸和堆分配行为-8 表示 GOMAXPROCS=8，多核并行能力也会影响结果，必要时用 GOMAXPROCS=1 测试单核表现单纯看 ns/op 不够，需结合工具深挖原因。
go test -bench=. -cpuprofile=cpu.out 生成 CPU profile，再用 go tool pprof cpu.out 分析热点函数-memprofile=mem.out -memprofilerate=1 抓内存分配栈
benchstat（go install golang.org/x/perf/cmd/benchstat@latest）对比多次测试结果，自动判断性能提升是否显著（如 benchstat old.txt new.txt）Benchmark 时可嵌套子测试（b.Run），按输入规模分组（如 1e3, 1e5, 1e6），观察算法随数据量增长的变化趋势基本上就这些。不复杂但容易忽略细节，尤其是初始化位置和 GC 干扰——一不留神，测的就不是算法，而是你的 setup 代码了。