PHP如何应对大数据量下的高并发挑战？

本文共计775个文字，预计阅读时间需要4分钟。

大数据解决方案+使用缓存：推荐学习PHP视频教程；使用方式：1，使用程序直接保存到内存中。主要使用Map，尤其是ConcurrentHashMap。使用缓存框架。常用的框架有：Ehcache，Memcache，Redis。

大数据解决方案

使用缓存： （推荐学习：PHP视频教程）

使用方式：1，使用程序直接保存到内存中。主要使用Map，尤其ConcurrentHashMap。

使用缓存框架。常用的框架：Ehcache，Memcache，Redis等。

最关键的问题是：什么时候创建缓存，以及其失效机制。

对于空数据的缓冲：最好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。

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。有些复杂问题，如：事务处理，多表查询。

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。

高并发的解决方案

应用和静态资源分离。

将静态资源（js，css，图片等）放到专门的服务器中。

页面缓存

将应用生成的页面缓存起来可以节省大量cpu资源。