切片扩容是非常影响性能的操作，当初始的cap设置的比较小，而实际的元素非常多的时候，性能损耗就更突出了。
很多时候，我们对这个功能点不够重视，经常也会写一些没有声明 cap 容量的变量声明，然后直接调用 append，逻辑上是没有问题的，但是当 append 的数量足够多的时候，性能问题就突出来了。
live := make([]BigObject, 0) // 缺少声明cap
live = append(live, BigObject{})
在初始化切片时设置了cap为2，但实际上元素有600个，这时切片容量的增长就称为了一个性能的损耗点。这种情况，底层会按照2倍的扩容方式，2、4、8、16…，总共会扩容9次，每次扩容过程，旧数据内存都会拷贝到新数据的空间。
这种2倍的增长模式，也不是固定的，具体的增长算法，依赖我们预期（这里我叫 eCap，expect capacity）的值，当达到阈值1024，会采用两种不同的增长策略。
引申一个想法
如果初始化切片设置的cap比较小，实际要存储的元素个数也比较小，我们如何评估影响呢？这让我联想到了时间复杂度，时间复杂度评估的就是耗时和数据量N的关系，关注的是一种变化，而非某个具体的N是多少。
所以，创建切片的时候，合理地预估容量非常重要。slice底层的切片扩容机制这里简单说明一下：
扩容的参考依据有两个，当前切片的容量，这里称为 oCap（old capacity）。满足当前切片需求的最小容量，这里称为 eCap。当 oCap 小于 1024时，按照 2 倍 oCap进行扩容，当容量大于 1024时，按照 1/4 oCap的容量增长，这里的 1/4 是具有叠加效应的。我们来实现一下伪代码，假设新的切片容量为 nCap：
if oCap < 1024 {nCap = 2 * oCap
} else {nCap = oCapfor oCap < eCap {nCap = 1/4 * nCap + nCap}
}
对比的看一下 go1.18 下的源代码：
对比一下上面我自己想的伪代码，有一些考虑不完善的地方。
- 缺少了 eCap 和2倍 oCap 容量的比较逻辑
- oCap值可能是负值，这回导致伪代码的 for 循环变成死循环
newcap := old.cap
doublecap := newcap + newcap
if cap > doublecap {newcap = cap
} else {const threshold = 256if old.cap < threshold {newcap = doublecap} else {// Check 0 < newcap to detect overflow// and prevent an infinite loop.for 0 < newcap && newcap < cap {// Transition from growing 2x for small slices// to growing 1.25x for large slices. This formula// gives a smooth-ish transition between the two.newcap += (newcap + 3*threshold) / 4}// Set newcap to the requested cap when// the newcap calculation overflowed.if newcap <= 0 {newcap = cap}}
}
切片的扩容逻辑比较简单，也没有什么高深的地方。留一个思考题，指定 slice 中的一个下标，将下标前的部分和下标后的部分颠倒？