php大数据高并发高性能 php大数据处理

现在开发网站，好像都是流行用php，那java web一般用在哪里呢？它们之间的区别和优劣势在哪里呢？

1. php即写即用的。

也就是说每次只有一改动完成，用户立马看到效果，而java则慢多了，代码改动完成后，要重新编译，然后重启jvm，中间耗费的时间可是不少啊，而且重启jvm过程可是会造成用户响应中断的哦。

2. php写东西快。

php可以说是非常敏捷的，一个需求给到，只要不考虑后期的性能和用户量问题，那是相当快速的，甚至你都可以不用框架，直接写也会非常快的，写一个增删改查功能，可能也就30-50行代码就搞定了。而java就慢多了，首先要想一下用什么框架，目前基本上就是spring了，然后就是配置各种数据库，过滤器，servlet，决定是用mybatis还是hibernate，然后考虑代码之间的传递，然后考虑事务。。。 然后不停调试，一改代码可能就是几分钟的等待时间，可想而知。

3. php的表面思路更清晰。

什么是表面思路，就是你看到的东西就是真正做出来的东西，比如echo "hello world"，就是输出hello world，而java则不同，你可能是写response中，可能是写在modelattribute中，也可能就是return了该字符串，然后不知道怎么的，它就显示到页面上了。

4. php占用内存少。

php是进程式处理问题的，占用内存相当少，可以说，你在一台机器部署50个项目没有任何问题，只要访问量不上来，搞得定。而java就不行了，java每启动一个项目，本身就得耗尽许多内存，比如在一台8g内存的机器上，一般跑上2个项目就差不多了。

说了这php的好处，难道java就没有好处吗？那是不可能的。

1. java组件多。

我个人觉得单是这一点就盖过其他所有优点了，因为组件多，意味着用的人多，群众的眼睛是雪亮的。所以，java一定是好的，它已经积淀了太多的东西，不是一门新型语言能够随便替代的。你想要做什么，好好搜索java组件，可能都有你需要的功能，特别对于当下最流行的大数据产业，java更是占据一方。而php在这种场景就有点无能为力了。

2. java线程池，连接池，异步化方便。

其实这一点和第一点也很相似，也是因为组件多，所以要使用线程池连接池都很方便，这对于高并发高性能的场景来说，是绝对必要的。因为java的运行原因就是多线程的，所以不用每次都去初始化很多基本的东西，这省去了太多的时间，也因此大家可以忍受服务器启动的缓慢过程，因为只有一次。而php则是多进程的，每次都需要重新加载所有需要的代码，也因此无法将一些常用数据保存在内存，连接池也不大好做，异步操作更是一个大短板。

3.java是真正意义上的逻辑清晰。

因为，java中，你可以从一个进入可以借助IDE工具分析到最深层次的逻辑操作，对于每个字段，都可以清晰明了，这其实是接口和完全对象的一个使用优点。而php则做不了或者说很少有人费那劲去做这种事情，php可以说是半面向对象半面向过程开发，所以，在调用过程中插入几个自定义的函数调用是很正常的，那么你再想通过简单的IDE去分析调用链就不那么容易了。比如，对于第三方提供的接口，php就很难清楚的看出接口返回了什么，除非你把它打印出来，但是打印出来也不一定对，因为有些返回值的数据不一定有体现。这对于理解代码来说，增加了一个大大的门坎。

4. 虽说java编译比较烦，但是可以为你提前发现错误。

java的编译的确比较耗时，但是如果有明显的错误，编译是不会通过的，这就给你一个重新检查代码的机会。而php则不会，不管你写得多烂，都不会给你提示什么，而许多时候，往往就因为少写了个；分号，导致你排查数小时。

5. java远程调用方便，rmi，hessian，dubbo。

不管怎么样，远程和本地调用都很方便的知道相关的信息，而且java的同语言调用不是采用纯粹的http调用，而且维护一定的连接，从而大大提高性能。而php也有远程调用，但是相对来说就弱许多了。

其实没有问题是没有绝对的好坏的，存在即合理。只是应用场景不一样罢了。

相关问答

Q1: php 大数据 高并发一定要用thinkphp吗

不一定，tp只是国内比较知名php大数据高并发高性能的框架而已，其实还有很多好用php大数据高并发高性能的框架，还是看公司习惯和个人习惯

Q2: 如何处理大量数据并发操作

处理大量数据并发操作可以采用如下几种方法:

1.使用缓存：使用程序直接保存到内存中。或者使用缓存框架: 用一个特定的类型值来保存，以区别空数据和未缓存的两种状态。

2.数据库优化：表结构优化;SQL语句优化，语法优化和处理逻辑优化;分区;分表;索引优化;使用存储过程代替直接操作。

3.分离活跃数据:可以分为活跃用户和不活跃用户。

4.批量读取和延迟修改: 高并发情况可以将多个查询请求合并到一个。高并发且频繁修改的可以暂存缓存中。

5.读写分离: 数据库服务器配置多个，配置主从数据库。写用主数据库，读用从数据库。

6.分布式数据库: 将不同的表存放到不同的数据库中，然后再放到不同的服务器中。

7.NoSql和Hadoop: NoSql，not only SQL。没有关系型数据库那么多限制，比较灵活高效。Hadoop，将一个表中的数据分层多块，保存到多个节点（分布式）。每一块数据都有多个节点保存（集群）。集群可以并行处理相同的数据，还可以保证数据的完整性。

拓展资料:

大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。

参考资料:网页链接

Q3: PHP如何解决网站的大数据大流量与高并发

使用缓存，比如memcache,redis,因为它们是在内存中运行，所以处理数据，返回数据非常快，所以可以应对高并发。

2.增加带宽和机器性能，1M的带宽同时处理的流量肯定有限，所以在资源允许的情况下，大带宽，多核cpu,高内存是一个解决方案。

3.分布式，让多个访问分到不同的机器上去处理，每个机器处理的请求就相对减少了。

简单说些常用技术，负载均衡，限流，加速器等

Q4: PHP新手如何成为PHP大牛？

不知道你的php技术怎么样，如果是完全零基础的新手，建议你最需要做的就是快速入门。

很多人在学习编程的时候，通常都是从入门到放弃。而主要原因就是在入门的时候学的时间太长，想要把所有的基础都学会了，再正式去做项目，这样是很不划算也非常不科学的。最好的做法是用一到两天的时间快速入门，最多不要超过一周，因为基础就那么点，了解了那些基础其实就可以做一些简单的上手项目了。而如果你已经有了一定的php基础，那么这时候就不要再继续深究基础知识，而是直接去做项目。

就我个人的经验，不管是哪种编程语言，想要成为其真正的高手必须要不断的练习，不断的做项目。因为计算机语言的语法结构就那么几种，其实没啥好学的，但是真正到实际应用中却会遇到各种各样的问题，而在解决各种各样问题的过程中，你会收获非常非常多。

经常是因为解决这个问题，而必须要学某个知识点。但是在学习的过程中却无形中掌握了其他的重要技能。我个人的真实体验就是，经常在这个过程中获得意外惊喜。比如为了解决手头的问题而必须去查找资料，研究别人的代码，偶然接触到的其他方案却瞬间解决了长久以来自己悬而未决的困难。每当遇到这种情形，都非常的开心。总之，做的多了，你就离高手越来越近了。

最后，要想成为高手，必须不断反思，不断精进。稍微有点编程基础的朋友都知道，要实现一项功能可以有非常多的编写方案。然而在众多方案中，永远都存在着更精简，更巧妙的算法。所以当我们练习很多项目之后，必须要给自己提出更高的目标，力求用更精简的代码来实现同样的功能。而且在这个过程中还要，要不断的反思，将编程进行理论化。总结自己的成功经验，从而形成独特的编程风格。

编程其实就是一门手艺活，这和其他行业的道理是一样的。现在的社会都讲求匠人精神，但我们的传统文化其实一直不缺匠人精神，还记得曾经学过的那篇叫卖油翁的文章吗？卖油翁说的一句话就道出了精髓，无他唯手熟而，说的直白点就是练的多了。编程这种东西其实也一样，你练的多了自然就能悟出其中的道理，别人看上去非常神奇，但在你看来简直轻而易举。

当达到这种境界的时候，你也就是真正的高手了。而成为高手后，只要举一反三，其他编程语言也是同样的道理。

Q5: php 处理上百万条的数据库如何提高处理查询速度

1.对查询进行优化php大数据高并发高性能，应尽量避免全表扫描php大数据高并发高性能，首先应考虑在 where 及 order by 涉及的列上建立索引。

2.应尽量避免在 where 子句中对字段进行 null 值判断，否则将导致引擎放弃使用索引而进行全表扫描，如：

select id from t where num is null

可以在num上设置默认值0，确保表中num列没有null值，然后这样查询：

select id from t where num=0

3.应尽量避免在 where 子句中使用!=或操作符，否则将引擎放弃使用索引而进行全表扫描。

4.应尽量避免在 where 子句中使用 or 来连接条件，否则将导致引擎放弃使用索引而进行全表扫描，如：

select id from t where num=10 or num=20

可以这样查询：

select id from t where num=10

union all

select id from t where num=20

5.in 和 not in 也要慎用，否则会导致全表扫描，如：

select id from t where num in(1,2,3)

对于连续的数值，能用 between 就不要用 in 了：

select id from t where num between 1 and 3

6.下面的查询也将导致全表扫描：

select id from t where name like '%abc%'

若要提高效率，可以考虑全文检索。

7.如果在 where 子句中使用参数，也会导致全表扫描。因为SQL只有在运行时才会解析局部变量，但优化程序不能将访问计划的选择推迟到运行时php大数据高并发高性能；它必须在编译时进行选择。然而，如果在编译时建立访问计划，变量的值还是未知的，因而无法作为索引选择的输入项。如下面语句将进行全表扫描：

select id from t where num=@num

可以改为强制查询使用索引：

select id from t with(index(索引名)) where num=@num

8.应尽量避免在 where 子句中对字段进行表达式操作，这将导致引擎放弃使用索引而进行全表扫描。如：

select id from t where num/2=100

应改为:

select id from t where num=100*2

9.应尽量避免在where子句中对字段进行函数操作，这将导致引擎放弃使用索引而进行全表扫描。如：

select id from t where substring(name,1,3)='abc'--name以abc开头的id

select id from t where datediff(day,createdate,'2005-11-30')=0--‘2005-11-30'生成的id

应改为:

select id from t where name like 'abc%'

select id from t where createdate='2005-11-30' and createdate'2005-12-1'

10.不要在 where 子句中的“=”左边进行函数、算术运算或其他表达式运算，否则系统将可能无法正确使用索引。

11.在使用索引字段作为条件时，如果该索引是复合索引，那么必须使用到该索引中的第一个字段作为条件时才能保证系统使用该索引，否则该索引将不会被使用，并且应尽可能的让字段顺序与索引顺序相一致。

12.不要写一些没有意义的查询，如需要生成一个空表结构：

select col1,col2 into #t from t where 1=0

这类代码不会返回任何结果集，但是会消耗系统资源的，应改成这样：

create table #t(...)

13.很多时候用 exists 代替 in 是一个好的选择：

select num from a where num in(select num from b)

用下面的语句替换：

select num from a where exists(select 1 from b where num=a.num)

14.并不是所有索引对查询都有效，SQL是根据表中数据来进行查询优化的，当索引列有大量数据重复时，SQL查询可能不会去利用索引，如一表中有字段sex，male、female几乎各一半，那么即使在sex上建了索引也对查询效率起不了作用。

15.索引并不是越多越好，索引固然可以提高相应的 select 的效率，但同时也降低了 insert 及 update 的效率，因为 insert 或 update 时有可能会重建索引，所以怎样建索引需要慎重考虑，视具体情况而定。一个表的索引数最好不要超过6个，若太多则应考虑一些不常使用到的列上建的索引是否有必要。

16.应尽可能的避免更新 clustered 索引数据列，因为 clustered 索引数据列的顺序就是表记录的物理存储顺序，一旦该列值改变将导致整个表记录的顺序的调整，会耗费相当大的资源。若应用系统需要频繁更新 clustered 索引数据列，那么需要考虑是否应将该索引建为 clustered 索引。

17.尽量使用数字型字段，若只含数值信息的字段尽量不要设计为字符型，这会降低查询和连接的性能，并会增加存储开销。这是因为引擎在处理查询和连接时会逐个比较字符串中每一个字符，而对于数字型而言只需要比较一次就够了。

18.尽可能的使用 varchar/nvarchar 代替 char/nchar ，因为首先变长字段存储空间小，可以节省存储空间，其次对于查询来说，在一个相对较小的字段内搜索效率显然要高些。

19.任何地方都不要使用 select * from t ，用具体的字段列表代替“*”，不要返回用不到的任何字段。

20.尽量使用表变量来代替临时表。如果表变量包含大量数据，请注意索引非常有限（只有主键索引）。

21.避免频繁创建和删除临时表，以减少系统表资源的消耗。

22.临时表并不是不可使用，适当地使用它们可以使某些例程更有效，例如，当需要重复引用大型表或常用表中的某个数据集时。但是，对于一次性事件，最好使用导出表。

23.在新建临时表时，如果一次性插入数据量很大，那么可以使用 select into 代替 create table，避免造成大量 log ，以提高速度php大数据高并发高性能；如果数据量不大，为了缓和系统表的资源，应先create table，然后insert。

24.如果使用到了临时表，在存储过程的最后务必将所有的临时表显式删除，先 truncate table ，然后 drop table ，这样可以避免系统表的较长时间锁定。

25.尽量避免使用游标，因为游标的效率较差，如果游标操作的数据超过1万行，那么就应该考虑改写。

26.使用基于游标的方法或临时表方法之前，应先寻找基于集的解决方案来解决问题，基于集的方法通常更有效。

27.与临时表一样，游标并不是不可使用。对小型数据集使用 FAST_FORWARD 游标通常要优于其他逐行处理方法，尤其是在必须引用几个表才能获得所需的数据时。在结果集中包括“合计”的例程通常要比使用游标执行的速度快。如果开发时间允许，基于游标的方法和基于集的方法都可以尝试一下，看哪一种方法的效果更好。

28.在所有的存储过程和触发器的开始处设置 SET NOCOUNT ON ，在结束时设置 SET NOCOUNT OFF 。无需在执行存储过程和触发器的每个语句后向客户端发送 DONE_IN_PROC 消息。

29.尽量避免大事务操作，提高系统并发能力。

30.尽量避免向客户端返回大数据量，若数据量过大，应该考虑相应需求是否合理。

关于php大数据高并发高性能和php大数据处理的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。