使用緩存，比如memcache,redis,因為它們是在內存中運行，所以處理數據，返回數據非常快，版所以可以應對權高並發。
2.增加帶寬和機器性能，1M的帶寬同時處理的流量肯定有限，所以在資源允許的情況下，大帶寬，多核cpu,高內存是一個解決方案。
3.分布式，讓多個訪問分到不同的機器上去處理，每個機器處理的請求就相對減少了。
簡單說些常用技術，負載均衡，限流，加速器等
② php能做大數據分析嗎
數據挖掘現在用的比較多的是python。
數據分析這塊現在用的比較多的是scala。
php不適合做大數據分析
③ 大數據敏感文字比如打電話發微信
大數據敏感文字主要是以個人信息為主、比如手機號、銀行卡、身份證、地址、姓名、車牌號等，包括能夠體現個人信息的有關證件如護照、港澳通行證、畢業證、軍官證等等。商業方面主要有組織機構代碼、營業執照代碼等。
大數據敏感文字一般是說敏感數據，主要包括客戶資料、技術資料、個人信息等高價值數據，這些數據以不同形式存在於用戶資產中。敏感數據的泄露會給企業帶來嚴重的經濟和品牌損失。
大數據敏感文字通過設置敏感欄位標注問題來解決。數據倉庫里，多多少少會有一些敏感欄位，一旦泄露危害很大。而數據倉庫需要盡可能方便讓用戶使用，同時又要保護敏感欄位不能隨意訪問，一方面需要知道哪些欄位是敏感的，另一方面是對敏感欄位做更高級別的許可權控制。
④ php，mysql大數據查詢，分表查詢，自動分表
兄弟連裡面肯定有，自己去看看目錄然後挑合適自己看的就好了
⑤ 微軟小冰nlp知識庫
1.微軟小冰的工作原理
微瘋客我為你回答，類似小冰這樣的產品說簡單也簡單，說復雜也復雜。
單純從外面看你會覺得小冰與去年人人網上流行的小黃雞類似，但在技術實現上有本質的差異。此類應用的大致流程都是：用戶輸入一段話（不一定只是單詞）->後端語義引擎對用戶輸入的語句進行語義解析->推斷用戶最可能的意圖->調用對應的知識庫、應用、計算引擎->返回結果給用戶。
1、最初級的實現方法：關鍵詞匹配建一個關鍵詞詞庫，對用戶輸入的語句進行關鍵詞匹配，然後調用對應的知識庫。此種方式入門門檻很低，基本上是個程序員指行都能實現，例如現在微信公眾平台的智能回復、諸多網站的敏感詞過濾就是此類。
但此種方式存在諸多問題，例如：a、由於是關鍵詞匹配，如果用戶輸入的語句中出現多個關鍵詞，此時由於涉及關鍵詞權重（與知識庫的關鍵詞對比）等等問題，此時關鍵詞匹配的方法就不擅長了b、不存在對用戶輸入語句語義的理解，導致會出現答非所問的現象。當然在產品上對回答不上的問題就採用賣萌的方式來規避掉。
c、基本上無自學習能力，規則只能完全由人工維護，且規則基本是固定死的。d、性能、擴展性較差。
還是上面的一句話中包含多個關鍵詞的例子，採用普通程序語言來做關鍵詞匹配，性能奇差。即便採用一些文本處理的演算法來做（例如Double-array trie tree），也很難滿足大規模場景需求。
2、稍微高級點的實現方法：基於搜索引擎、文本挖掘、自然語言處理（NLP）等技術來實現相對於1的關鍵詞匹配，此種實現方法要解決的核心的問題可以大致理解為：根據一段短文本（例如用戶問的一句話）的語義，推測出用戶最可能的意圖，然後從海量知識庫內容中找出相似度最高的結果。具體技術實現就不細說了。
舉一個很粗糙的例子來簡單說一下此種實現方法處理的思路（不嚴謹，只是為了說明思路）。假如用戶問：北京後天的溫度是多少度？如果採用純搜索引擎的思路（基於文本挖掘、NLP的思路不盡相同，但可參考此思路），此時實際流程上分御悄成幾步處理：1、對輸入語句分詞，得到北京、後天、溫度3個關鍵詞。
分詞時候利用了預先建好的行業詞庫，「北京」符合預先建好的城市庫、「後天」符合日期庫、「溫度」符合氣象庫2、將上述分詞結果與規則庫按照一定演算法做匹配，得出匹配度最高的規則。假定在規則庫中有一條天氣的規則：城市庫+日期庫+氣象庫，從而大致可以推測用戶可能想問某個地方某天的天氣。
3、對語義做具體解析，知道城市是北京，日期是後天，要獲取的知識是天氣預報4、調用第三方的天氣介面，例如中國天氣網-專業天氣預報、氣象服務門戶 的數據5、將結果返回給用戶以上例子其實很粗糙，實際上還有諸多問題沒提到：語義上下文、語義規則的優先順序等等。例如用戶上一句問：北京後天的溫度是多少度？下一句問：後天的空氣質量呢？這里實際上還涉及語義上下文、用戶歷史喜好數據等等諸多問題。
此種處理方法存在的最大問題：規則庫還主要依賴於人工的建立，雖然有一定的學習能力，但自我學習能力還是較弱。可以藉助一些訓練演算法來完善規則，但效果並不是很好。
而這也是目前流行的深度挖掘技術所擅長的。3、當下時髦且高級的玩法：基於深度挖掘、大數據技術來實現這是cornata、google now等後端的支撐技術，至於小冰，感覺應該是以2為主+部分領域知識的深度挖掘。
並非原創，轉自 hu。
2.微軟小冰的工作原理
微瘋客我為你回答，
類似小冰這樣的產品說簡單也簡單，說復雜也復雜。單純從外面看你會覺得小冰與去年人人網上流行的小黃雞類似，但在技術實現上有本質的差異。
此類應鎮逗渣用的大致流程都是：用戶輸入一段話（不一定只是單詞）->；後端語義引擎對用戶輸入的語句進行語義解析->；推斷用戶最可能的意圖->；調用對應的知識庫、應用、計算引擎->；返回結果給用戶。
1、最初級的實現方法：關鍵詞匹配
建一個關鍵詞詞庫，對用戶輸入的語句進行關鍵詞匹配，然後調用對應的知識庫。
此種方式入門門檻很低，基本上是個程序員都能實現，例如現在微信公眾平台的智能回復、諸多網站的敏感詞過濾就是此類。
但此種方式存在諸多問題，例如：
a、由於是關鍵詞匹配，如果用戶輸入的語句中出現多個關鍵詞，此時由於涉及關鍵詞權重（與知識庫的關鍵詞對比）等等問題，此時關鍵詞匹配的方法就不擅長了
b、不存在對用戶輸入語句語義的理解，導致會出現答非所問的現象。當然在產品上對回答不上的問題就採用賣萌的方式來規避掉。
c、基本上無自學習能力，規則只能完全由人工維護，且規則基本是固定死的。
d、性能、擴展性較差。還是上面的一句話中包含多個關鍵詞的例子，採用普通程序語言來做關鍵詞匹配，性能奇差。即便採用一些文本處理的演算法來做（例如Double-array trie tree），也很難滿足大規模場景需求。
2、稍微高級點的實現方法：基於搜索引擎、文本挖掘、自然語言處理（NLP）等技術來實現
相對於1的關鍵詞匹配，此種實現方法要解決的核心的問題可以大致理解為：根據一段短文本（例如用戶問的一句話）的語義，推測出用戶最可能的意圖，然後從海量知識庫內容中找出相似度最高的結果。
具體技術實現就不細說了。舉一個很粗糙的例子來簡單說一下此種實現方法處理的思路（不嚴謹，只是為了說明思路）。
假如用戶問：北京後天的溫度是多少度？
如果採用純搜索引擎的思路（基於文本挖掘、NLP的思路不盡相同，但可參考此思路），此時實際流程上分成幾步處理：
1、對輸入語句分詞，得到北京、後天、溫度3個關鍵詞。分詞時候利用了預先建好的行業詞庫，「北京」符合預先建好的城市庫、「後天」符合日期庫、「溫度」符合氣象庫
2、將上述分詞結果與規則庫按照一定演算法做匹配，得出匹配度最高的規則。假定在規則庫中有一條天氣的規則：城市庫+日期庫+氣象庫，從而大致可以推測用戶可能想問某個地方某天的天氣。
3、對語義做具體解析，知道城市是北京，日期是後天，要獲取的知識是天氣預報
4、調用第三方的天氣介面，例如中國天氣網-專業天氣預報、氣象服務門戶 的數據
5、將結果返回給用戶
以上例子其實很粗糙，實際上還有諸多問題沒提到：語義上下文、語義規則的優先順序等等。
例如用戶上一句問：北京後天的溫度是多少度？下一句問：後天的空氣質量呢？這里實際上還涉及語義上下文、用戶歷史喜好數據等等諸多問題。
此種處理方法存在的最大問題：規則庫還主要依賴於人工的建立，雖然有一定的學習能力，但自我學習能力還是較弱。可以藉助一些訓練演算法來完善規則，但效果並不是很好。而這也是目前流行的深度挖掘技術所擅長的。
3、當下時髦且高級的玩法：基於深度挖掘、大數據技術來實現
這是cornata、google now等後端的支撐技術，至於小冰，感覺應該是以2為主+部分領域知識的深度挖掘。
並非原創，轉自 hu。
3.微信機器人怎麼弄得
微信機器人比微軟小冰更人性化更易操作的個人微信機器人來了。不需要添加為好友，它同樣在被用戶添加為好友後，能拉到微信群中群聊，但它不會查看你的朋友圈。比起窺視用戶的隱私，它更感興趣的是調侃你的朋友們。
微信機器人比微軟小冰更人性化更易操作的個人微信機器人來了。不需要添加為好友，它同樣在被用戶添加為好友後，能拉到微信群中群聊，但它不會查看你的朋友圈。比起窺視用戶的隱私，它更感興趣的是調侃你的朋友們。
微信機器人特色
1.賦予軟硬產品流暢自然的中文聊天能力
精準的語義分析，可正確識別用戶意圖
支持多種上下文結構，滿足連續對話及多重對話需要
基於DeepQA技術，匹敵人類回答問題能力
具備自學能力，產品越來越聰明
2.支持可自定義的NLP智能知識庫系統
基於NLP技術的高智能知識庫，滿足不同場景的個性化及商業需求
3.融合上百個生活場景實用功能
打包超過500種實用生活服務功能，支持自然語言喚醒，在對話與聊天中滿足生活需求
4.那個微軟小冰一開始跟她聊的很好,沒問題,怎麼到最後,回答的不是
您好，WP8酷七網團隊為你解答：微軟小冰是中國團隊2014年5月29日發布一款智能聊天機器人，「微軟小冰」 *** 了中國近7億網民多年來積累的、全部公開的文獻記錄，憑借微軟在大數據、自然語義分析、機器學習和深度神經網路方面的技術積累，精煉為1500萬條真實而有趣的語料庫（此後每天凈增0.7%），通過理解對話的語境與語義，實現了超越簡單人機問答的自然交互。
是通過雲計算、大數據、深度神經網路等技術，讓機器逐漸能夠具有一種基於數據相關性所產生的基本智能。畢竟和人的大腦思維不同難免會出錯。
滿意請採納，不懂請追問。
5.微軟小冰除了聊天還會干什麼
微軟亞洲互聯網工程院在2014年5月29日發布一款人工智慧伴侶虛擬機器人，並取名「微軟小冰」。
微軟小冰除了智能對話之外，」微軟小冰「還兼具群提醒、網路、天氣、星座、笑話、交通指南、餐飲點評等實用技能。
二代小冰完全專屬於用戶，在跨平台的移動互聯網應用中，幫助用戶完成越來越多的事務，並不斷自我完善升級。
微軟表示，第三代小冰整合微軟多項全球領先的人工智慧圖像與語音識別技術，除了原有的長程情感對話能力，還具備能看、能聽和能說的全新人工智慧感官。
具體來說就是，第三代小冰現在支持識圖功能，能夠「看」到用戶發送的圖片甚至視頻內容，並根據圖片內容進行相應對話。這主要得益於微軟在圖片識別技術方面的突破，據微軟以前的新聞稱，微軟識圖技術已經接近人類。除此之外，第三代小冰現在也能夠開口說話了，而不只是文字回復。
所以小冰是一個正在成長的伴侶型人工智慧。
⑥ php 更新大數據時很慢
沒必要一次性查出100W條。每次請求3-5W數據update，分頁用遞歸。
控制好變數內存，不要內存溢出。
⑦ php 怎麼解決 大數據量 插入資料庫（1次幾千條數據）
$safe_mode = (boolean)ini_get('safe_mode');
$max_execution_time
= is_numeric(ini_get('max_execution_time'))
? intval(ini_get('max_execution_time'))
: intval(get_cfg_var('max_execution_time'))
;
foreach
。。抄。。。
if (!$safe_mode) {
set_time_limit($max_execution_time);
}
endforeach；
如果你擔心時間的話，可以把下面那句話加到循環里。
⑧ adminer.php適合大數據管理嗎
可以。
Adminer是一個類似於phpMyAdmin的MySQL管理客戶端。整個程序只有一個PHP文件，易於使用和安裝。Adminer支持多語言（已自帶11種翻譯語言文件，可以按自己的需求翻譯相應的語言）。支持PHP4.3+，MySQL 4.1+以上的版本。提供的功能包括：
1：創建，修改，刪除索引/外鍵/視圖/存儲過程和函數。
2：查詢，合計，排序數據。
3：新增/修改/刪除記錄。
4：支持所有數據類型，包括大欄位。
5：能夠批量執行SQL語句。
6：支持將數據，表結構，視圖導成SQL或CSV。
7：能夠外鍵關聯列印資料庫概要。
8：能夠查看進程和關閉進程。
9：能夠查看用戶和許可權並修改。
10：管理事件和表格分區（MySQL5.1才支持）
⑨ phpcms 真的有千萬級的數據承載嗎
就算是也不用上，哪有那麼的查詢量啊！就算有，硬體也不支持，帶寬出口也存在問題
⑩ PHP-大數據量怎麼處理優化
大數據的話可以進行以下操作：
減少對資料庫的讀取，也就是減少調用資料庫，
進行數據緩存，
利用資料庫的自身優化技術，如索引等
精確查詢條件，有利於提高查找速度