① PHP的演算法可以實現大數據分析嗎
1.Bloom filter
適用范圍：可以用來實現數據字典，進行數據的判重，或者集合求交集
基本原理及要點：
對於原理來說很簡單，位數組+k個獨立hash函數。將hash函數對應的值的位數組置1，查找時如果發現所有hash函數對應位都是1說明存在，很明顯這個過程並不保證查找的結果是100%正確的。同時也不支持刪除一個已經插入的關鍵字，因為該關鍵字對應的位會牽動到其他的關鍵字。所以一個簡單的改進就是 counting Bloom filter，用一個counter數組代替位數組，就可以支持刪除了。
還有一個比較重要的問題，如何根據輸入元素個數n，確定位數組m的大小及hash函數個數。當hash函數個數k=(ln2)*(m/n)時錯誤率最小。在錯誤率不大於E的情況下，m至少要等於n*lg(1/E)才能表示任意n個元素的集合。但m還應該更大些，因為還要保證bit數組里至少一半為 0，則m 應該>=nlg(1/E)*lge 大概就是nlg(1/E)1.44倍(lg表示以2為底的對數)。
舉個例子我們假設錯誤率為0.01，則此時m應大概是n的13倍。這樣k大概是8個。
注意這里m與n的單位不同，m是bit為單位，而n則是以元素個數為單位(准確的說是不同元素的個數)。通常單個元素的長度都是有很多bit的。所以使用bloom filter內存上通常都是節省的。
擴展：
Bloom filter將集合中的元素映射到位數組中，用k（k為哈希函數個數）個映射位是否全1表示元素在不在這個集合中。Counting bloom filter（CBF）將位數組中的每一位擴展為一個counter，從而支持了元素的刪除操作。Spectral Bloom Filter（SBF）將其與集合元素的出現次數關聯。SBF採用counter中的最小值來近似表示元素的出現頻率。
問題實例：給你A,B兩個文件，各存放50億條URL，每條URL佔用64位元組，內存限制是4G，讓你找出A,B文件共同的URL。如果是三個乃至n個文件呢？
根據這個問題我們來計算下內存的佔用，4G=2^32大概是40億*8大概是340億，n=50億，如果按出錯率0.01算需要的大概是650億個 bit。現在可用的是340億，相差並不多，這樣可能會使出錯率上升些。另外如果這些urlip是一一對應的，就可以轉換成ip，則大大簡單了。
2.Hashing
適用范圍：快速查找，刪除的基本數據結構，通常需要總數據量可以放入內存
基本原理及要點：
hash函數選擇，針對字元串，整數，排列，具體相應的hash方法。
碰撞處理，一種是open hashing，也稱為拉鏈法；另一種就是closed hashing，也稱開地址法，opened addressing。 (http://www.my400800.cn)
擴展：
d-left hashing中的d是多個的意思，我們先簡化這個問題，看一看2-left hashing。2-left hashing指的是將一個哈希表分成長度相等的兩半，分別叫做T1和T2，給T1和T2分別配備一個哈希函數，h1和h2。在存儲一個新的key時，同時用兩個哈希函數進行計算，得出兩個地址h1[key]和h2[key]。這時需要檢查T1中的h1[key]位置和T2中的h2[key]位置，哪一個位置已經存儲的（有碰撞的）key比較多，然後將新key存儲在負載少的位置。如果兩邊一樣多，比如兩個位置都為空或者都存儲了一個key，就把新key 存儲在左邊的T1子表中，2-left也由此而來。在查找一個key時，必須進行兩次hash，同時查找兩個位置。
問題實例：
1).海量日誌數據，提取出某日訪問網路次數最多的那個IP。
IP的數目還是有限的，最多2^32個，所以可以考慮使用hash將ip直接存入內存，然後進行統計。
3.bit-map
適用范圍：可進行數據的快速查找，判重，刪除，一般來說數據范圍是int的10倍以下
基本原理及要點：使用bit數組來表示某些元素是否存在，比如8位電話號碼
擴展：bloom filter可以看做是對bit-map的擴展
問題實例：
1)已知某個文件內包含一些電話號碼，每個號碼為8位數字，統計不同號碼的個數。
8位最多99 999 999，大概需要99m個bit，大概10幾m位元組的內存即可。
2)2.5億個整數中找出不重復的整數的個數，內存空間不足以容納這2.5億個整數。
將bit-map擴展一下，用2bit表示一個數即可，0表示未出現，1表示出現一次，2表示出現2次及以上。或者我們不用2bit來進行表示，我們用兩個bit-map即可模擬實現這個2bit-map。
4.堆
適用范圍：海量數據前n大，並且n比較小，堆可以放入內存
基本原理及要點：最大堆求前n小，最小堆求前n大。方法，比如求前n小，我們比較當前元素與最大堆里的最大元素，如果它小於最大元素，則應該替換那個最大元素。這樣最後得到的n個元素就是最小的n個。適合大數據量，求前n小，n的大小比較小的情況，這樣可以掃描一遍即可得到所有的前n元素，效率很高。
擴展：雙堆，一個最大堆與一個最小堆結合，可以用來維護中位數。
問題實例：
1)100w個數中找最大的前100個數。
用一個100個元素大小的最小堆即可。
5.雙層桶劃分 ----其實本質上就是【分而治之】的思想，重在「分」的技巧上！
適用范圍：第k大，中位數，不重復或重復的數字
基本原理及要點：因為元素范圍很大，不能利用直接定址表，所以通過多次劃分，逐步確定范圍，然後最後在一個可以接受的范圍內進行。可以通過多次縮小，雙層只是一個例子。
擴展：
問題實例：
1).2.5億個整數中找出不重復的整數的個數，內存空間不足以容納這2.5億個整數。
有點像鴿巢原理，整數個數為2^32,也就是，我們可以將這2^32個數，劃分為2^8個區域(比如用單個文件代表一個區域)，然後將數據分離到不同的區域，然後不同的區域在利用bitmap就可以直接解決了。也就是說只要有足夠的磁碟空間，就可以很方便的解決。
2).5億個int找它們的中位數。
這個例子比上面那個更明顯。首先我們將int劃分為2^16個區域，然後讀取數據統計落到各個區域里的數的個數，之後我們根據統計結果就可以判斷中位數落到那個區域，同時知道這個區域中的第幾大數剛好是中位數。然後第二次掃描我們只統計落在這個區域中的那些數就可以了。
實際上，如果不是int是int64，我們可以經過3次這樣的劃分即可降低到可以接受的程度。即可以先將int64分成2^24個區域，然後確定區域的第幾大數，在將該區域分成2^20個子區域，然後確定是子區域的第幾大數，然後子區域里的數的個數只有2^20，就可以直接利用direct addr table進行統計了。
6.資料庫索引
適用范圍：大數據量的增刪改查
基本原理及要點：利用數據的設計實現方法，對海量數據的增刪改查進行處理。
擴展：
問題實例：
7.倒排索引(Inverted index)
適用范圍：搜索引擎，關鍵字查詢
基本原理及要點：為何叫倒排索引？一種索引方法，被用來存儲在全文搜索下某個單詞在一個文檔或者一組文檔中的存儲位置的映射。
以英文為例，下面是要被索引的文本：
T0 = "it is what it is"
T1 = "what is it"
T2 = "it is a banana"
我們就能得到下面的反向文件索引：
"a": {2}
"banana": {2}
"is": {0, 1, 2}
"it": {0, 1, 2}
"what": {0, 1}
檢索的條件"what", "is" 和 "it" 將對應集合的交集。
正向索引開發出來用來存儲每個文檔的單詞的列表。正向索引的查詢往往滿足每個文檔有序頻繁的全文查詢和每個單詞在校驗文檔中的驗證這樣的查詢。在正向索引中，文檔占據了中心的位置，每個文檔指向了一個它所包含的索引項的序列。也就是說文檔指向了它包含的那些單詞，而反向索引則是單詞指向了包含它的文檔，很容易看到這個反向的關系。
擴展：
問題實例：文檔檢索系統，查詢那些文件包含了某單詞，比如常見的學術論文的關鍵字搜索。
8.外排序
適用范圍：大數據的排序，去重
基本原理及要點：外排序的歸並方法，置換選擇 敗者樹原理，最優歸並樹
擴展：
問題實例：
1).有一個1G大小的一個文件，裡面每一行是一個詞，詞的大小不超過16個位元組，內存限制大小是1M。返回頻數最高的100個詞。
這個數據具有很明顯的特點，詞的大小為16個位元組，但是內存只有1m做hash有些不夠，所以可以用來排序。內存可以當輸入緩沖區使用。
9.trie樹
適用范圍：數據量大，重復多，但是數據種類小可以放入內存
基本原理及要點：實現方式，節點孩子的表示方式
擴展：壓縮實現。
問題實例：
1).有10個文件，每個文件1G， 每個文件的每一行都存放的是用戶的query，每個文件的query都可能重復。要你按照query的頻度排序 。
2).1000萬字元串，其中有些是相同的(重復),需要把重復的全部去掉，保留沒有重復的字元串。請問怎麼設計和實現？
3).尋找熱門查詢：查詢串的重復度比較高，雖然總數是1千萬，但如果除去重復後，不超過3百萬個，每個不超過255位元組。
10.分布式處理 maprece
適用范圍：數據量大，但是數據種類小可以放入內存
基本原理及要點：將數據交給不同的機器去處理，數據劃分，結果歸約。
擴展：
問題實例：
1).The canonical example application of MapRece is a process to count the appearances of
each different word in a set of documents:
void map(String name, String document):
// name: document name
// document: document contents
for each word w in document:
EmitIntermediate(w, 1);
void rece(String word, Iterator partialCounts):
// key: a word
// values: a list of aggregated partial counts
int result = 0;
for each v in partialCounts:
result += ParseInt(v);
Emit(result);
Here, each document is split in words, and each word is counted initially with a "1" value by
the Map function, using the word as the result key. The framework puts together all the pairs
with the same key and feeds them to the same call to Rece, thus this function just needs to
sum all of its input values to find the total appearances of that word.
2).海量數據分布在100台電腦中，想個辦法高效統計出這批數據的TOP10。
3).一共有N個機器，每個機器上有N個數。每個機器最多存O(N)個數並對它們操作。如何找到N^2個數的中數(median)？
經典問題分析
上千萬or億數據（有重復），統計其中出現次數最多的前N個數據,分兩種情況：可一次讀入內存，不可一次讀入。
可用思路：trie樹+堆，資料庫索引，劃分子集分別統計，hash，分布式計算，近似統計，外排序
所謂的是否能一次讀入內存，實際上應該指去除重復後的數據量。如果去重後數據可以放入內存，我們可以為數據建立字典，比如通過 map，hashmap，trie，然後直接進行統計即可。當然在更新每條數據的出現次數的時候，我們可以利用一個堆來維護出現次數最多的前N個數據，當然這樣導致維護次數增加，不如完全統計後在求前N大效率高。
如果數據無法放入內存。一方面我們可以考慮上面的字典方法能否被改進以適應這種情形，可以做的改變就是將字典存放到硬碟上，而不是內存，這可以參考資料庫的存儲方法。
當然還有更好的方法，就是可以採用分布式計算，基本上就是map-rece過程，首先可以根據數據值或者把數據hash(md5)後的值，將數據按照范圍劃分到不同的機子，最好可以讓數據劃分後可以一次讀入內存，這樣不同的機子負責處理各種的數值范圍，實際上就是map。得到結果後，各個機子只需拿出各自的出現次數最多的前N個數據，然後匯總，選出所有的數據中出現次數最多的前N個數據，這實際上就是rece過程。
實際上可能想直接將數據均分到不同的機子上進行處理，這樣是無法得到正確的解的。因為一個數據可能被均分到不同的機子上，而另一個則可能完全聚集到一個機子上，同時還可能存在具有相同數目的數據。比如我們要找出現次數最多的前100個，我們將1000萬的數據分布到10台機器上，找到每台出現次數最多的前 100個，歸並之後這樣不能保證找到真正的第100個，因為比如出現次數最多的第100個可能有1萬個，但是它被分到了10台機子，這樣在每台上只有1千個，假設這些機子排名在1000個之前的那些都是單獨分布在一台機子上的，比如有1001個，這樣本來具有1萬個的這個就會被淘汰，即使我們讓每台機子選出出現次數最多的1000個再歸並，仍然會出錯，因為可能存在大量個數為1001個的發生聚集。因此不能將數據隨便均分到不同機子上，而是要根據hash 後的值將它們映射到不同的機子上處理，讓不同的機器處理一個數值范圍。
而外排序的方法會消耗大量的IO，效率不會很高。而上面的分布式方法，也可以用於單機版本，也就是將總的數據根據值的范圍，劃分成多個不同的子文件，然後逐個處理。處理完畢之後再對這些單詞的及其出現頻率進行一個歸並。實際上就可以利用一個外排序的歸並過程。
另外還可以考慮近似計算，也就是我們可以通過結合自然語言屬性，只將那些真正實際中出現最多的那些詞作為一個字典，使得這個規模可以放入內存。
② 一道PHP的數學題...
什麼叫末期收益和初期收益。。。。
③ php採集大數據的方案
1、建議你讀寫數據和下載圖片分開，各用不同的進程完成。
比如說，取數據用get-data.php，下載圖片用get-image.php。
2、多進程的話，php可以簡單的用pcntl_fork()。這樣可以並發多個子進程。
但是我不建議你用fork，我建議你安裝一個gearman worker。這樣你要並發幾個，就啟幾個worker，寫代碼簡單，根本不用在代碼里考慮thread啊，process等等。
3、綜上，解決方案這樣：
（1）安裝gearman worker。
（2）寫一個get-data.php，在crontab里設置它每5分鍾執行一次，只負責讀數據，然後把讀回來的數據一條一條的扔到 gearman worker的隊列里；
然後再寫一個處理數據的腳本作為worker，例如叫process-data.php，這個腳本常駐內存。它作為worker從geraman 隊列里讀出一條一條的數據，然後跟你的資料庫老數據比較，進行你的業務邏輯。如果你要10個並發，那就啟動10個process-data.php好了。處理完後，如果圖片地址有變動需要下載圖片，就把圖片地址扔到 gearman worker的另一個隊列里。
（3）再寫一個download-data.php，作為下載圖片的worker，同樣，你啟動10個20個並發隨便你。這個進程也常駐內存運行，從gearman worker的圖片數據隊列里取數據出來，下載圖片
4、常駐進程的話，就是在代碼里寫個while(true)死循環，讓它一直運行好了。如果怕內存泄露啥的，你可以每循環10萬次退出一下。然後在crontab里設置，每分鍾檢查一下進程有沒有啟動，比如說這樣啟動3個process-data worker進程：
* * * * * flock -xn /tmp/process-data.1.lock -c '/usr/bin/php /process-data.php >> /dev/null 2>&1'
* * * * * flock -xn /tmp/process-data.2.lock -c '/usr/bin/php /process-data.php >> /dev/null 2>&1'
* * * * * flock -xn /tmp/process-data.3.lock -c '/usr/bin/php /process-data.php >> /dev/null 2>&1'
不知道你明白了沒有
④ PHP數據處理，排序問題
1. 伺服器端排序, 你的方法是其中之一
2. 瀏覽器端排序, 可以衫行用jsp實現. 我曾經用jquery做過類似的功能, 挺簡單的:
方法:
保存數據到二維表,
定義click事件:
按點擊的欄位排序, 按順序生成每一散塌鬧行的html代碼, 清空原來的html代碼沖罩, 加入新生成的順序html代碼
⑤ PHP 數據問題
<!--解決亂碼問題。。自動選取gkh作為默認編碼 -->
<meta http-equiv="Content-Type" content="text/html; charset=gbk">
<!--
//資料庫表bigclass
//欄位bigclassid bigclassname bigclassname_en
//資料庫表蔽瞎smallclass
//欄位smallclassid smallclassname smallclassname_en bigclassname bigclassname_en-->
<?
require_once('config.php');
?>
<肢稿table width="100%" height="100%" border="0" cellpadding="0" cellspacing="0">
<tr>
<td align="center" valign="top"> <br>
<strong>類 別 設 置</strong> <br>
<!--//此行本是中文代碼,為什麼成亂碼了,以下類似都是一樣--><br>
<!--//亂碼問題是由於編碼引起的。編碼不對。。。--><br>
<table width="80%" border="0" cellpadding="0" cellspacing="1" bgcolor="#000000" class="border">
<td width="538" height="25" align="center"><font color="#FFFFFF"><strong>欄目</strong></font></td>
<td width="355" height="20" align="center"><font color="#FFFFFF"><strong>操作</strong></font></td>
</tr>歷並孝
<!--標記開始-->
<?
// 你的資料庫有問題哦，我是看不太明白
/*
$result = mysql_query("SELECT * FROM Bigclass",$db);
$rs = @mysql_fetch_array($result);
*/
$mysql_servername = "";//一般是 locahost
$mysql_username = "";// mysql用戶名
$mysql_password = "";//mysql密碼
$mysql_database ="";//資料庫名
//資料庫連接
$conn = mysql_connect($mysql_servername,$mysql_username,$mysql_password);
//選擇資料庫
$mysql_select_db($mysql_database,$connect);
//查詢語句
$sql = "SELECT * FROM Bigclass"; //用的是你的 不知道對不 我也新手
//執行
$result = mysql_query($sql,$conn);///累勒 不寫勒
?>
<tr bgcolor="ECF5FF" class="tdbg">
<td width="538" height="22" bgcolor="#FCE3E7"><img src="Images/tree_folder_02.gif" width="15" height="15"><?echo ($rs["BigClassName"]);?>(<?echo ($rs["BigClassName_en"]);?>)</td>
<td align="center" bgcolor="#FCE3E7">
<a href="ClassAddSmall.php?BigClassName=<? echo ($rs['BigClassName'])?>&BigClassName_en=<? echo ($rs['BigClassName_en'])?>">添加</a>
| <a href="ClassModifyBig.php?BigClassID=<? echo ($rs['BigClassId'])?>">修改</a>
| <a href="ClassDelBig.php?BigClassName=<? echo ($rs['BigClassName'])?>" onClick='return ConfirmDelBig();'>刪除</a></td>
</tr>
<?
$result = mysql_query("SELECT * FROM smallclass ",$db);
/*此行如何定義使其數據值以表bigclass里bigclassname與本表smallclass里的bigclassname相等時,
才顯示對應的小分類(smallcalssname)類似ASP里的:-----
set rsSmallClass=server.CreateObject("adodb.recordset")
rsSmallClass.open "Select * From SmallClass Where BigClassName='" & rsBigClass("BigClassName") & "'",conn,1,3
if not(rsSmallClass.bof and rsSmallClass.eof) then
do while not rsSmallClass.eof
循環
*/
while($myrow = mysql_fetch_array($result)) {
printf("
<tr bgcolor=\"#E3E3E3\" class=\"tdbg\">
<td width=\"538\" height=\"22\" bgcolor=\"#FCF1EF\"> <img src=\"Images/tree_folder_01.gif\" width=\"15\" height=\"15\">%s>>(%s)</td>
<td align=\"center\" bgcolor=\"#FCF1EF\">
<a href=\"ClassModifySmall.php?SmallClassID=%s\">修</a>
| <a href=\"ClassDelSmall.php?SmallClassID=%s\" onClick='return ConfirmDelSmall();'>刪除</a></td>
</tr>\n",$myrow["SmallClassName"],$myrow["SmallClassName_en"],$myrow["SmallClassId"],$myrow["SmallClassId"]);
//此行能不能用其他方式來表示每一個%s, 對應就要一個$myrow["SmallClassId"]..數據多了就麻煩.
}
?>
<!--標記結束-->
<!--//以"標記"開始到結束.如果寫一個循環語句?-->
</table></td>
</tr>
</table>
<!--//請各位高手幫我修改此段代碼.各注釋一下.謝謝
//測試成功追加100分-->
⑥ PHP中高級面試題 – 第三天
一、簡述一下MongoDB的應用場景
mongodb 支持副本集、索引、自動分片，可以保證較高的性能和可用性。
更高的寫入負載
默認情況下，MongoDB 更側重高數據寫入性能，而非事務安全，MongoDB 很適合業務系統中有大量 「低價值」 數據的場景。但是應當避免在高事務安全性的系統中使用 MongoDB，除非能從架構設計上保證事務安全。
高可用性
MongoDB 的復副集 (Master-Slave) 配置非常簡潔方便，此外，MongoDB 可以快速響應的處理單節點故障，自動、安全地完成故障轉移。這些特性使得 MongoDB 能在一個相對不穩定（如雲主機）的環境中，保持高可用性。
數據量很大或者未來會變得很大
依賴資料庫 (MySQL) 自身的特性，完成數據的擴展是較困難的事，在 MySQL 中，當一個單達表到 5-10GB 時會出現明顯的性能降級，此時需要通過數據的水平和垂直拆分、庫的拆分完成擴展，使用 MySQL 通常需要藉助驅動層或代理層完成這類需求。而 MongoDB 內建了多種數據分片的特性，可以很好地適應大數據量的需求。
基於位置的數據查詢
MongoDB 支持二維空間索引，因此可以快速及精確地從指定位置獲取數據。
表結構不明確
在一些傳統 RDBMS 中，增加一個欄位會鎖住整個資料庫 / 表，或者在執行一個重負載的請求時會明顯造成其它請求的性能降級。通常發生在數據表大於 1G 的時候（當大於 1TB 時更甚）。 因 MongoDB 是文檔型資料庫，為非結構貨的文檔增加一個新欄位是很快速的操作，並且不會影響到已有數據。另外一個好處當業務數據發生變化時，是將不再需要由 DBA 修改表結構。
二、資料庫設計經驗，為什麼進行分表？分庫？一般多少數據量開始分表？分庫？分庫分表的目的？
1、為什麼要分表
當一張表的數據達到幾百萬時，你查詢一次所花的時間會變多，如果有聯合查詢的話，有可能會死在那兒了。分表的目的就在於此，減小資料庫的負擔，縮短查詢時間。日常開發中我們經常會遇到大表的情況，所謂的大表是指存儲了百萬級乃至千萬級條記錄的表。這樣的表過於龐大，導致資料庫在查詢和插入的時候耗時太長，性能低下，如果涉及聯合查詢的情況，性能會更加糟糕。
分表和表分區的目的就是減少資料庫的負擔，提高資料庫的效率，通常點來講就是提高表的增刪改查效率。資料庫中的數據量不一定是可控的，在未進行分庫分表的情況下，隨著時間和業務的發展，庫中的表會越來越多，表中的數據量也會越來越大，相應地，數據操作，增刪改查的開銷也會越來越大；另外，由於無法進行分布式式部署，而一台伺服器的資源（CPU、磁碟、內存、IO 等）是有限的，最終資料庫所能承載的數據量、數據處理能力都將遭遇瓶頸。
2、分表的方案
做 mysql 集群，有人會問 mysql 集群，根分表有什麼關系嗎？雖然它不是實際意義上的分表，但是它啟到了分表的作用，做集群的意義是什麼呢？為一個資料庫減輕負擔，說白了就是減少 sql 排隊隊列中的 sql 的數量，舉個例子：有 10 個 sql 請求，如果放在一個資料庫伺服器的排隊隊列中，他要等很長時間，如果把這 10 個 sql 請求，分配到 5 個資料庫伺服器的排隊隊列中，一個資料庫伺服器的隊列中只有 2 個，這樣等待時間是不是大大的縮短了呢？
linux mysql proxy 的安裝，配置，以及讀寫分離
mysql replication 互為主從的安裝及配置，以及數據同步
優點：擴展性好，沒有多個分表後的復雜操作（php 代碼）
缺點：單個表的數據量還是沒有變，一次操作所花的時間還是那麼多，硬體開銷大。
三、簡述一下資料庫主從復制，讀寫分離
* 什麼是主從復制
主從復制，是用來建立一個和主資料庫完全一樣的資料庫環境，稱為從資料庫；
* 主從復制的原理：
1.資料庫有個bin-log二進制文件，記錄了所有的sql語句。
2.只需要把主資料庫的bin-log文件中的sql語句復制。
3.讓其從數據的relay-log重做日誌文件中再執行一次這些sql語句即可。
* 主從復制的作用
1.做數據的熱備份，作為後備資料庫，主資料庫伺服器故障後，可切換到從資料庫繼續工作，避免數據丟失。
2.架構的擴展。業務量越來越大，I/O訪問頻率過高，單機無法滿足，此時做多庫的存儲，降低磁碟I/O訪問頻率，提高單機的I/O性能
3.主從復制是讀寫分離的基礎，使資料庫能製成更大 的並發。例如子報表中，由於部署報表的sql語句十分慢，導致鎖表，影響前台的服務。如果前台服務使用master，報表使用slave，那麼報表sql將不會造成前台所，保證了前台的訪問速度。
* 主從復制的幾種方式：
1.同步復制：所謂的同步復制，意思是master的變化，必須等待slave-1,slave-2,…,slave-n完成後才能返回。
2.非同步復制：如同AJAX請求一樣。master只需要完成自己的資料庫操作即可。至於slaves是否收到二進制日誌，是否完成操作，不用關心。MYSQL的默認設置。
3.半同步復制：master只保證slaves中的一個操作成功，就返回，其他slave不管。
這個功能，是由google為MYSQL引入的。
* 關於讀寫分離
在完成主從復制時，由於slave是需要同步master的。所以對於insert/delete/update這些更新資料庫的操作，應該在master中完成。而select的查詢操作，則落下到slave中。
⑦ 如何解決PHP查詢大量數據內存耗盡的問題
這個問題在PHP的官方網站上叫緩沖查詢和非緩沖查詢(Buffered and Unbuffered queries)。PHP的查詢預設模式是緩沖模式。也就是說，查詢數據結果會一次全部提取到內存里供PHP程序處理。這樣給了PHP程序額外的功能，比如說，計算行數，將指針指向某一行等。更重要的是程啟喚序可以對數據集反復進行二次查詢和過濾等操作。但這種緩沖查詢模式的缺陷就是消耗內存，也就是用空間換速度。
相對的，另外一種PHP查詢模式察旁滲是非緩沖查詢，資料庫伺服器會一條一條的返回數據，而不是一次全部返回，這樣的結果就是PHP程序消耗較少的內存，但卻增加了資料庫伺服器的壓力，因為資料庫會一直等待PHP來取數據，一直到數據全部取完。
很顯然，緩沖查詢模式適敗脊用於小數據量查詢，而非緩沖查詢適應於大數據量查詢。
⑧ 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
⑨ php 大數據處理內存溢出
redis能不能有效要看程序能否優化
確實需要佔用大量內存的話 建議不常用的數據使用硬碟存儲