PHP的算法可以實(shí)現(xiàn)大數(shù)據(jù)分析嗎

1.Bloom filter

成都創(chuàng)新互聯(lián)公司主要從事成都做網(wǎng)站、成都網(wǎng)站制作、網(wǎng)頁設(shè)計(jì)、企業(yè)做網(wǎng)站、公司建網(wǎng)站等業(yè)務(wù)。立足成都服務(wù)郫都,十多年網(wǎng)站建設(shè)經(jīng)驗(yàn),價(jià)格優(yōu)惠、服務(wù)專業(yè),歡迎來電咨詢建站服務(wù):18980820575

適用范圍：可以用來實(shí)現(xiàn)數(shù)據(jù)字典，進(jìn)行數(shù)據(jù)的判重，或者集合求交集

基本原理及要點(diǎn)：

對(duì)于原理來說很簡(jiǎn)單，位數(shù)組+k個(gè)獨(dú)立hash函數(shù)。將hash函數(shù)對(duì)應(yīng)的值的位數(shù)組置1，查找時(shí)如果發(fā)現(xiàn)所有hash函數(shù)對(duì)應(yīng)位都是1說明存在，很明顯這個(gè)過程并不保證查找的結(jié)果是100%正確的。同時(shí)也不支持刪除一個(gè)已經(jīng)插入的關(guān)鍵字，因?yàn)樵撽P(guān)鍵字對(duì)應(yīng)的位會(huì)牽動(dòng)到其他的關(guān)鍵字。所以一個(gè)簡(jiǎn)單的改進(jìn)就是 counting Bloom filter，用一個(gè)counter數(shù)組代替位數(shù)組，就可以支持刪除了。

還有一個(gè)比較重要的問題，如何根據(jù)輸入元素個(gè)數(shù)n，確定位數(shù)組m的大小及hash函數(shù)個(gè)數(shù)。當(dāng)hash函數(shù)個(gè)數(shù)k=(ln2)*(m/n)時(shí)錯(cuò)誤率最小。在錯(cuò)誤率不大于E的情況下，m至少要等于n*lg(1/E)才能表示任意n個(gè)元素的集合。但m還應(yīng)該更大些，因?yàn)檫€要保證bit數(shù)組里至少一半為 0，則m 應(yīng)該=nlg(1/E)*lge 大概就是nlg(1/E)1.44倍(lg表示以2為底的對(duì)數(shù))。

舉個(gè)例子我們假設(shè)錯(cuò)誤率為0.01，則此時(shí)m應(yīng)大概是n的13倍。這樣k大概是8個(gè)。

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(gè)數(shù)為單位(準(zhǔn)確的說是不同元素的個(gè)數(shù))。通常單個(gè)元素的長(zhǎng)度都是有很多bit的。所以使用bloom filter內(nèi)存上通常都是節(jié)省的。

擴(kuò)展：

Bloom filter將集合中的元素映射到位數(shù)組中，用k（k為哈希函數(shù)個(gè)數(shù)）個(gè)映射位是否全1表示元素在不在這個(gè)集合中。Counting bloom filter（CBF）將位數(shù)組中的每一位擴(kuò)展為一個(gè)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(xiàn)次數(shù)關(guān)聯(lián)。SBF采用counter中的最小值來近似表示元素的出現(xiàn)頻率。

問題實(shí)例：給你A,B兩個(gè)文件，各存放50億條URL，每條URL占用64字節(jié)，內(nèi)存限制是4G，讓你找出A,B文件共同的URL。如果是三個(gè)乃至n個(gè)文件呢？

根據(jù)這個(gè)問題我們來計(jì)算下內(nèi)存的占用，4G=2^32大概是40億*8大概是340億，n=50億，如果按出錯(cuò)率0.01算需要的大概是650億個(gè) bit。現(xiàn)在可用的是340億，相差并不多，這樣可能會(huì)使出錯(cuò)率上升些。另外如果這些urlip是一一對(duì)應(yīng)的，就可以轉(zhuǎn)換成ip，則大大簡(jiǎn)單了。

2.Hashing

適用范圍：快速查找，刪除的基本數(shù)據(jù)結(jié)構(gòu)，通常需要總數(shù)據(jù)量可以放入內(nèi)存

基本原理及要點(diǎn)：

hash函數(shù)選擇，針對(duì)字符串，整數(shù)，排列，具體相應(yīng)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。 ()

擴(kuò)展：

d-left hashing中的d是多個(gè)的意思，我們先簡(jiǎn)化這個(gè)問題，看一看2-left hashing。2-left hashing指的是將一個(gè)哈希表分成長(zhǎng)度相等的兩半，分別叫做T1和T2，給T1和T2分別配備一個(gè)哈希函數(shù)，h1和h2。在存儲(chǔ)一個(gè)新的key時(shí)，同時(shí)用兩個(gè)哈希函數(shù)進(jìn)行計(jì)算，得出兩個(gè)地址h1[key]和h2[key]。這時(shí)需要檢查T1中的h1[key]位置和T2中的h2[key]位置，哪一個(gè)位置已經(jīng)存儲(chǔ)的（有碰撞的）key比較多，然后將新key存儲(chǔ)在負(fù)載少的位置。如果兩邊一樣多，比如兩個(gè)位置都為空或者都存儲(chǔ)了一個(gè)key，就把新key 存儲(chǔ)在左邊的T1子表中，2-left也由此而來。在查找一個(gè)key時(shí)，必須進(jìn)行兩次hash，同時(shí)查找兩個(gè)位置。

問題實(shí)例：

1).海量日志數(shù)據(jù)，提取出某日訪問百度次數(shù)最多的那個(gè)IP。

IP的數(shù)目還是有限的，最多2^32個(gè)，所以可以考慮使用hash將ip直接存入內(nèi)存，然后進(jìn)行統(tǒng)計(jì)。

3.bit-map

適用范圍：可進(jìn)行數(shù)據(jù)的快速查找，判重，刪除，一般來說數(shù)據(jù)范圍是int的10倍以下

基本原理及要點(diǎn)：使用bit數(shù)組來表示某些元素是否存在，比如8位電話號(hào)碼

擴(kuò)展：bloom filter可以看做是對(duì)bit-map的擴(kuò)展

問題實(shí)例：

1)已知某個(gè)文件內(nèi)包含一些電話號(hào)碼，每個(gè)號(hào)碼為8位數(shù)字，統(tǒng)計(jì)不同號(hào)碼的個(gè)數(shù)。

8位最多99 999 999，大概需要99m個(gè)bit，大概10幾m字節(jié)的內(nèi)存即可。

2)2.5億個(gè)整數(shù)中找出不重復(fù)的整數(shù)的個(gè)數(shù)，內(nèi)存空間不足以容納這2.5億個(gè)整數(shù)。

將bit-map擴(kuò)展一下，用2bit表示一個(gè)數(shù)即可，0表示未出現(xiàn)，1表示出現(xiàn)一次，2表示出現(xiàn)2次及以上?；蛘呶覀儾挥?bit來進(jìn)行表示，我們用兩個(gè)bit-map即可模擬實(shí)現(xiàn)這個(gè)2bit-map。

4.堆

適用范圍：海量數(shù)據(jù)前n大，并且n比較小，堆可以放入內(nèi)存

基本原理及要點(diǎn)：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(dāng)前元素與最大堆里的最大元素，如果它小于最大元素，則應(yīng)該替換那個(gè)最大元素。這樣最后得到的n個(gè)元素就是最小的n個(gè)。適合大數(shù)據(jù)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(kuò)展：雙堆，一個(gè)最大堆與一個(gè)最小堆結(jié)合，可以用來維護(hù)中位數(shù)。

問題實(shí)例：

1)100w個(gè)數(shù)中找最大的前100個(gè)數(shù)。

用一個(gè)100個(gè)元素大小的最小堆即可。

5.雙層桶劃分 ----其實(shí)本質(zhì)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(shù)，不重復(fù)或重復(fù)的數(shù)字

基本原理及要點(diǎn)：因?yàn)樵胤秶艽?，不能利用直接尋址表，所以通過多次劃分，逐步確定范圍，然后最后在一個(gè)可以接受的范圍內(nèi)進(jìn)行?？梢酝ㄟ^多次縮小，雙層只是一個(gè)例子。

擴(kuò)展：

問題實(shí)例：

1).2.5億個(gè)整數(shù)中找出不重復(fù)的整數(shù)的個(gè)數(shù)，內(nèi)存空間不足以容納這2.5億個(gè)整數(shù)。

有點(diǎn)像鴿巢原理，整數(shù)個(gè)數(shù)為2^32,也就是，我們可以將這2^32個(gè)數(shù)，劃分為2^8個(gè)區(qū)域(比如用單個(gè)文件代表一個(gè)區(qū)域)，然后將數(shù)據(jù)分離到不同的區(qū)域，然后不同的區(qū)域在利用bitmap就可以直接解決了。也就是說只要有足夠的磁盤空間，就可以很方便的解決。

2).5億個(gè)int找它們的中位數(shù)。

這個(gè)例子比上面那個(gè)更明顯。首先我們將int劃分為2^16個(gè)區(qū)域，然后讀取數(shù)據(jù)統(tǒng)計(jì)落到各個(gè)區(qū)域里的數(shù)的個(gè)數(shù)，之后我們根據(jù)統(tǒng)計(jì)結(jié)果就可以判斷中位數(shù)落到那個(gè)區(qū)域，同時(shí)知道這個(gè)區(qū)域中的第幾大數(shù)剛好是中位數(shù)。然后第二次掃描我們只統(tǒng)計(jì)落在這個(gè)區(qū)域中的那些數(shù)就可以了。

實(shí)際上，如果不是int是int64，我們可以經(jīng)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(gè)區(qū)域，然后確定區(qū)域的第幾大數(shù)，在將該區(qū)域分成2^20個(gè)子區(qū)域，然后確定是子區(qū)域的第幾大數(shù)，然后子區(qū)域里的數(shù)的個(gè)數(shù)只有2^20，就可以直接利用direct addr table進(jìn)行統(tǒng)計(jì)了。

6.數(shù)據(jù)庫索引

適用范圍：大數(shù)據(jù)量的增刪改查

基本原理及要點(diǎn)：利用數(shù)據(jù)的設(shè)計(jì)實(shí)現(xiàn)方法，對(duì)海量數(shù)據(jù)的增刪改查進(jìn)行處理。

擴(kuò)展：

問題實(shí)例：

7.倒排索引(Inverted index)

適用范圍：搜索引擎，關(guān)鍵字查詢

基本原理及要點(diǎn)：為何叫倒排索引？一種索引方法，被用來存儲(chǔ)在全文搜索下某個(gè)單詞在一個(gè)文檔或者一組文檔中的存儲(chǔ)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(duì)應(yīng)集合的交集。

正向索引開發(fā)出來用來存儲(chǔ)每個(gè)文檔的單詞的列表。正向索引的查詢往往滿足每個(gè)文檔有序頻繁的全文查詢和每個(gè)單詞在校驗(yàn)文檔中的驗(yàn)證這樣的查詢。在正向索引中，文檔占據(jù)了中心的位置，每個(gè)文檔指向了一個(gè)它所包含的索引項(xiàng)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(gè)反向的關(guān)系。

擴(kuò)展：

問題實(shí)例：文檔檢索系統(tǒng)，查詢那些文件包含了某單詞，比如常見的學(xué)術(shù)論文的關(guān)鍵字搜索。

8.外排序

適用范圍：大數(shù)據(jù)的排序，去重

基本原理及要點(diǎn)：外排序的歸并方法，置換選擇 敗者樹原理，最優(yōu)歸并樹

擴(kuò)展：

問題實(shí)例：

1).有一個(gè)1G大小的一個(gè)文件，里面每一行是一個(gè)詞，詞的大小不超過16個(gè)字節(jié)，內(nèi)存限制大小是1M。返回頻數(shù)最高的100個(gè)詞。

這個(gè)數(shù)據(jù)具有很明顯的特點(diǎn)，詞的大小為16個(gè)字節(jié)，但是內(nèi)存只有1m做hash有些不夠，所以可以用來排序。內(nèi)存可以當(dāng)輸入緩沖區(qū)使用。

9.trie樹

適用范圍：數(shù)據(jù)量大，重復(fù)多，但是數(shù)據(jù)種類小可以放入內(nèi)存

基本原理及要點(diǎn)：實(shí)現(xiàn)方式，節(jié)點(diǎn)孩子的表示方式

擴(kuò)展：壓縮實(shí)現(xiàn)。

問題實(shí)例：

1).有10個(gè)文件，每個(gè)文件1G， 每個(gè)文件的每一行都存放的是用戶的query，每個(gè)文件的query都可能重復(fù)。要你按照query的頻度排序 。

2).1000萬字符串，其中有些是相同的(重復(fù)),需要把重復(fù)的全部去掉，保留沒有重復(fù)的字符串。請(qǐng)問怎么設(shè)計(jì)和實(shí)現(xiàn)？

3).尋找熱門查詢：查詢串的重復(fù)度比較高，雖然總數(shù)是1千萬，但如果除去重復(fù)后，不超過3百萬個(gè)，每個(gè)不超過255字節(jié)。

10.分布式處理 mapreduce

適用范圍：數(shù)據(jù)量大，但是數(shù)據(jù)種類小可以放入內(nèi)存

基本原理及要點(diǎn)：將數(shù)據(jù)交給不同的機(jī)器去處理，數(shù)據(jù)劃分，結(jié)果歸約。

擴(kuò)展：

問題實(shí)例：

1).The canonical example application of MapReduce 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 reduce(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 Reduce, thus this function just needs to

sum all of its input values to find the total appearances of that word.

2).海量數(shù)據(jù)分布在100臺(tái)電腦中，想個(gè)辦法高效統(tǒng)計(jì)出這批數(shù)據(jù)的TOP10。

3).一共有N個(gè)機(jī)器，每個(gè)機(jī)器上有N個(gè)數(shù)。每個(gè)機(jī)器最多存O(N)個(gè)數(shù)并對(duì)它們操作。如何找到N^2個(gè)數(shù)的中數(shù)(median)？

經(jīng)典問題分析

上千萬or億數(shù)據(jù)（有重復(fù)），統(tǒng)計(jì)其中出現(xiàn)次數(shù)最多的前N個(gè)數(shù)據(jù),分兩種情況：可一次讀入內(nèi)存，不可一次讀入。

可用思路：trie樹+堆，數(shù)據(jù)庫索引，劃分子集分別統(tǒng)計(jì)，hash，分布式計(jì)算，近似統(tǒng)計(jì)，外排序

所謂的是否能一次讀入內(nèi)存，實(shí)際上應(yīng)該指去除重復(fù)后的數(shù)據(jù)量。如果去重后數(shù)據(jù)可以放入內(nèi)存，我們可以為數(shù)據(jù)建立字典，比如通過 map，hashmap，trie，然后直接進(jìn)行統(tǒng)計(jì)即可。當(dāng)然在更新每條數(shù)據(jù)的出現(xiàn)次數(shù)的時(shí)候，我們可以利用一個(gè)堆來維護(hù)出現(xiàn)次數(shù)最多的前N個(gè)數(shù)據(jù)，當(dāng)然這樣導(dǎo)致維護(hù)次數(shù)增加，不如完全統(tǒng)計(jì)后在求前N大效率高。

如果數(shù)據(jù)無法放入內(nèi)存。一方面我們可以考慮上面的字典方法能否被改進(jìn)以適應(yīng)這種情形，可以做的改變就是將字典存放到硬盤上，而不是內(nèi)存，這可以參考數(shù)據(jù)庫的存儲(chǔ)方法。

當(dāng)然還有更好的方法，就是可以采用分布式計(jì)算，基本上就是map-reduce過程，首先可以根據(jù)數(shù)據(jù)值或者把數(shù)據(jù)hash(md5)后的值，將數(shù)據(jù)按照范圍劃分到不同的機(jī)子，最好可以讓數(shù)據(jù)劃分后可以一次讀入內(nèi)存，這樣不同的機(jī)子負(fù)責(zé)處理各種的數(shù)值范圍，實(shí)際上就是map。得到結(jié)果后，各個(gè)機(jī)子只需拿出各自的出現(xiàn)次數(shù)最多的前N個(gè)數(shù)據(jù)，然后匯總，選出所有的數(shù)據(jù)中出現(xiàn)次數(shù)最多的前N個(gè)數(shù)據(jù)，這實(shí)際上就是reduce過程。

實(shí)際上可能想直接將數(shù)據(jù)均分到不同的機(jī)子上進(jìn)行處理，這樣是無法得到正確的解的。因?yàn)橐粋€(gè)數(shù)據(jù)可能被均分到不同的機(jī)子上，而另一個(gè)則可能完全聚集到一個(gè)機(jī)子上，同時(shí)還可能存在具有相同數(shù)目的數(shù)據(jù)。比如我們要找出現(xiàn)次數(shù)最多的前100個(gè)，我們將1000萬的數(shù)據(jù)分布到10臺(tái)機(jī)器上，找到每臺(tái)出現(xiàn)次數(shù)最多的前 100個(gè)，歸并之后這樣不能保證找到真正的第100個(gè)，因?yàn)楸热绯霈F(xiàn)次數(shù)最多的第100個(gè)可能有1萬個(gè)，但是它被分到了10臺(tái)機(jī)子，這樣在每臺(tái)上只有1千個(gè)，假設(shè)這些機(jī)子排名在1000個(gè)之前的那些都是單獨(dú)分布在一臺(tái)機(jī)子上的，比如有1001個(gè)，這樣本來具有1萬個(gè)的這個(gè)就會(huì)被淘汰，即使我們讓每臺(tái)機(jī)子選出出現(xiàn)次數(shù)最多的1000個(gè)再歸并，仍然會(huì)出錯(cuò)，因?yàn)榭赡艽嬖诖罅總€(gè)數(shù)為1001個(gè)的發(fā)生聚集。因此不能將數(shù)據(jù)隨便均分到不同機(jī)子上，而是要根據(jù)hash 后的值將它們映射到不同的機(jī)子上處理，讓不同的機(jī)器處理一個(gè)數(shù)值范圍。

而外排序的方法會(huì)消耗大量的IO，效率不會(huì)很高。而上面的分布式方法，也可以用于單機(jī)版本，也就是將總的數(shù)據(jù)根據(jù)值的范圍，劃分成多個(gè)不同的子文件，然后逐個(gè)處理。處理完畢之后再對(duì)這些單詞的及其出現(xiàn)頻率進(jìn)行一個(gè)歸并。實(shí)際上就可以利用一個(gè)外排序的歸并過程。

另外還可以考慮近似計(jì)算，也就是我們可以通過結(jié)合自然語言屬性，只將那些真正實(shí)際中出現(xiàn)最多的那些詞作為一個(gè)字典，使得這個(gè)規(guī)模可以放入內(nèi)存。

數(shù)據(jù)字典怎么寫

數(shù)據(jù)字典的組成：

1、數(shù)據(jù)項(xiàng)

2、數(shù)據(jù)結(jié)構(gòu)

3、數(shù)據(jù)流

4、數(shù)據(jù)存儲(chǔ)

5、處理過程

數(shù)據(jù)字典內(nèi)容包括：

1、數(shù)據(jù)庫中所有模式對(duì)象的信息，如表、視圖、簇、及索引等。

2、分配多少空間，當(dāng)前使用了多少空間等。

3、列的缺省值。

4、約束信息的完整性。

5、用戶的名字。

6、用戶及角色被授予的權(quán)限。

7、用戶訪問或使用的審計(jì)信息。

8、其它產(chǎn)生的數(shù)據(jù)庫信息。

數(shù)據(jù)庫數(shù)據(jù)字典是一組表和視圖結(jié)構(gòu)。它們存放在SYSTEM表空間中。

數(shù)據(jù)庫數(shù)據(jù)字典不僅是每個(gè)數(shù)據(jù)庫的中心。而且對(duì)每個(gè)用戶也是非常重要的信息。用戶可以用SQL語句訪問數(shù)據(jù)庫數(shù)據(jù)字典。

關(guān)于數(shù)據(jù)的信息集合,是一種用戶可以訪問的記錄數(shù)據(jù)庫和應(yīng)用程序元數(shù)據(jù)的目錄,是對(duì)數(shù)據(jù)庫內(nèi)表信息的物理與邏輯的說明

數(shù)據(jù)字典各部分的描述

①數(shù)據(jù)項(xiàng)：數(shù)據(jù)流圖中數(shù)據(jù)塊的數(shù)據(jù)結(jié)構(gòu)中的數(shù)據(jù)項(xiàng)說明

數(shù)據(jù)項(xiàng)是不可再分的數(shù)據(jù)單位。對(duì)數(shù)據(jù)項(xiàng)的描述通常包括以下內(nèi)容：

數(shù)據(jù)項(xiàng)描述={數(shù)據(jù)項(xiàng)名，數(shù)據(jù)項(xiàng)含義說明，別名，數(shù)據(jù)類型，長(zhǎng)度，

取值范圍，取值含義，與其他數(shù)據(jù)項(xiàng)的邏輯關(guān)系}

其中“取值范圍”、“與其他數(shù)據(jù)項(xiàng)的邏輯關(guān)系”定義了數(shù)據(jù)的完整性約束條件，是設(shè)計(jì)數(shù)據(jù)檢驗(yàn)功能的依據(jù)。

若干個(gè)數(shù)據(jù)項(xiàng)可以組成一個(gè)數(shù)據(jù)結(jié)構(gòu)。

②數(shù)據(jù)結(jié)構(gòu)：數(shù)據(jù)流圖中數(shù)據(jù)塊的數(shù)據(jù)結(jié)構(gòu)說明

數(shù)據(jù)結(jié)構(gòu)反映了數(shù)據(jù)之間的組合關(guān)系。一個(gè)數(shù)據(jù)結(jié)構(gòu)可以由若干個(gè)數(shù)據(jù)項(xiàng)組成，也可以由若干個(gè)數(shù)據(jù)結(jié)構(gòu)組成，或由若干個(gè)數(shù)據(jù)項(xiàng)和數(shù)據(jù)結(jié)構(gòu)混合組成。對(duì)數(shù)據(jù)結(jié)構(gòu)的描述通常包括以下內(nèi)容：

數(shù)據(jù)結(jié)構(gòu)描述={數(shù)據(jù)結(jié)構(gòu)名，含義說明，組成:{數(shù)據(jù)項(xiàng)或數(shù)據(jù)結(jié)構(gòu)}}

③數(shù)據(jù)流：數(shù)據(jù)流圖中流線的說明

數(shù)據(jù)流是數(shù)據(jù)結(jié)構(gòu)在系統(tǒng)內(nèi)傳輸?shù)穆窂?。?duì)數(shù)據(jù)流的描述通常包括以下內(nèi)容：

數(shù)據(jù)流描述={數(shù)據(jù)流名，說明，數(shù)據(jù)流來源，數(shù)據(jù)流去向，

組成:{數(shù)據(jù)結(jié)構(gòu)}，平均流量，高峰期流量}

其中“數(shù)據(jù)流來源”是說明該數(shù)據(jù)流來自哪個(gè)過程，即數(shù)據(jù)的來源?！皵?shù)據(jù)流去向”是說明該數(shù)據(jù)流將到哪個(gè)過程去，即數(shù)據(jù)的去向。“平均流量”是指在單位時(shí)間（每天、每周、每月等）里的傳輸次數(shù)。“高峰期流量”則是指在高峰時(shí)期的數(shù)據(jù)流量。

④數(shù)據(jù)存儲(chǔ)：數(shù)據(jù)流圖中數(shù)據(jù)塊的存儲(chǔ)特性說明

數(shù)據(jù)存儲(chǔ)是數(shù)據(jù)結(jié)構(gòu)停留或保存的地方，也是數(shù)據(jù)流的來源和去向之一。對(duì)數(shù)據(jù)存儲(chǔ)的描述通常包括以下內(nèi)容：

數(shù)據(jù)存儲(chǔ)描述={數(shù)據(jù)存儲(chǔ)名，說明，編號(hào)，流入的數(shù)據(jù)流，流出的數(shù)據(jù)流，

組成:{數(shù)據(jù)結(jié)構(gòu)}，數(shù)據(jù)量，存取方式}

其中“數(shù)據(jù)量”是指每次存取多少數(shù)據(jù)，每天（或每小時(shí)、每周等）存取幾次等信息?！按嫒》椒ā卑ㄊ桥幚恚€是聯(lián)機(jī)處理；是檢索還是更新；是順序檢索還是隨機(jī)檢索等。

另外“流入的數(shù)據(jù)流”要指出其來源，“流出的數(shù)據(jù)流”要指出其去向。

⑤處理過程：數(shù)據(jù)流圖中功能塊的說明

數(shù)據(jù)字典中只需要描述處理過程的說明性信息，通常包括以下內(nèi)容：

處理過程描述={處理過程名，說明，輸入:{數(shù)據(jù)流}，輸出:{數(shù)據(jù)流}，

處理:{簡(jiǎn)要說明}}

其中“簡(jiǎn)要說明”中主要說明該處理過程的功能及處理要求。功能是指該處理過程用來做什么（而不是怎么做）；處理要求包括處理頻度要求，如單位時(shí)間里處理多少事務(wù)，多少數(shù)據(jù)量，響應(yīng)時(shí)間要求等，這些處理要求是后面物理設(shè)計(jì)的輸入及性能評(píng)價(jià)的標(biāo)準(zhǔn)。

php語言字典代碼

求一PHP算法，字典生成。時(shí)間一到再加100分。如：字符：0-9，長(zhǎng)度：1，

那就生成0,1,2,3,4,5,6,7,8,9

長(zhǎng)度：2,就會(huì)生成00-99

現(xiàn)在要求字符可以包括a-z，或者其他特殊符號(hào)，求一高效的生成算法。

參考答案一

function get_string($strlen){

$source='0123456789'; //任意字符

$len = strlen($source); //長(zhǎng)度

$return = array();

for($i = 0 ;$i $len;$i++){

for($j = 0;$j $strlen;$j++){

$return[$i] .= $i;

}

}

return implode(',', $return);

}

如果輸入長(zhǎng)度2: 輸出結(jié)果就是:

00,11,22,33,44,55,66,77,88,99

參考答案二

優(yōu)化了進(jìn)位算法：

PHP code =0;$no--){ $word=$source{$series[$no]}.$word; $series[$no]+=$tonext_value; if($no0){ if($series[$no]==$len){ $series[$no]=0; $tonext_value=1; }else{ $tonext_value=0; } } } echo "$word "; } } gene_dic(2); ?

簡(jiǎn)單的說，我會(huì)把這個(gè)理解為0-9(十進(jìn)制)下十個(gè)數(shù)字生成兩位數(shù)字、可重復(fù)的排列問題。

排列算法我自己建立過的就是簡(jiǎn)單的N進(jìn)制下的+1算法，保證可以遍歷。

即：

初始化到0，

1. +1

2. 是否超過要生成的位數(shù)?否，則回到1;

3. 輸出

參考答案三

PHP code =0;$no--){//循環(huán)遍歷數(shù)組每次從源字串中取一個(gè)字符，為便于進(jìn)位運(yùn)算，取字符是從后往前取 $word=$source{$series[$no]}.$word;//先取出一個(gè)字符 //取出一個(gè)字符后就要判斷當(dāng)前數(shù)組元素如何如果改變值，為下一次“大循環(huán)”做準(zhǔn)備 if($no==$n-1){//末位的判斷，它比較特殊，每次大循環(huán)都要增值 if($series[$no]==$len-1){ $series[$no]=0; $tonext_value=1;//歸零時(shí)就進(jìn)位 }else{ $series[$no]+=1; $tonext_value=0;//未歸零就增值，不進(jìn)位 } }elseif($no$n-1){//中間位的進(jìn)位判斷 $series[$no]+=$tonext_value;//先取得上一位的進(jìn)位值 if($series[$no]==$len){ $series[$no]=0; $tonext_value=1;//歸零了就繼續(xù)進(jìn)位 }else{ $tonext_value=0;//不歸零就不進(jìn)位 } }else{ $series[$no]+=$tonext_value;//大循環(huán)次數(shù)決定了“老大”是只進(jìn)不出的。 } } echo "$word ";//輸入單詞 } } gene_dic(2);//測(cè)試,結(jié)果OK。

參考答案四

PHP code =0;$no--){//循環(huán)遍歷數(shù)組每次從源字串中取一個(gè)字符，為便于進(jìn)位運(yùn)算，取字符是從后往前取 $word=$source{$series[$no]}.$word;//先取出一個(gè)字符 //取出一個(gè)字符后就要判斷當(dāng)前數(shù)組元素如何如果改變值，為下一次“大循環(huán)”做準(zhǔn)備 if($no==$n-1){//末位的判斷，它比較特殊，每次大循環(huán)都要增值 if($series[$no]==$len-1){ $series[$no]=0; $tonext_value=1;//歸零時(shí)就進(jìn)位 }else{ $series[$no]+=1; $tonext_value=0;//未歸零就增值，不進(jìn)位 } }elseif($no$n-1){//中間位的進(jìn)位判斷 $series[$no]+=$tonext_value;//先取得上一位的進(jìn)位值 if($series[$no]==$len){ $series[$no]=0; $tonext_value=1;//歸零了就繼續(xù)進(jìn)位 }else{ $tonext_value=0;//不歸零就不進(jìn)位 } }else{ $series[$no]+=$tonext_value;//大循環(huán)次數(shù)決定了“老大”是只進(jìn)不出的。 } } echo "$word ";//輸入單詞 } } gene_dic(2);//測(cè)試,結(jié)果OK。

參考答案五

應(yīng)該是:

function get_string($strlen){

$source='0123456789';

$len = strlen($source);

$return = array();

for($i = 0 ;$i $len;$i++){

for($j = 1;$j = $strlen;$j++){

$return[$i] .= substr($source,$i,1);

}

}

return implode(',', $return);

}

【拓展閱讀】如何開始一門語言的學(xué)習(xí)

一門語言從發(fā)明到演進(jìn)必有原因。

現(xiàn)在還有很多人推薦學(xué)習(xí)不同的語言。通過比較，了解它的發(fā)展史，

創(chuàng)始人的初心等因素都需要留意。多個(gè)思考，這個(gè)語言在5年，在10年后還是否保持活力?

當(dāng)有幾個(gè)類似的語言被選擇時(shí)，我們不妨對(duì)它們做一個(gè)Swat分析。

列出這些語言的共同點(diǎn)，還有它們之間的規(guī)則差異。

了解語言的發(fā)展史

開發(fā)語言從匯編開始，如最早的計(jì)算機(jī)ENIAC，使用的就是它來編程。

再到Fortarin，再到C語言，Cobol，Basic。每一個(gè)語言都與當(dāng)時(shí)發(fā)展的階段有點(diǎn)密切關(guān)聯(lián)。

人類的每個(gè)發(fā)明都與懶惰有關(guān)，語言也是為便捷性而生。有的語言

C是除匯編外最重視效率的語言，擴(kuò)展的C++也繼承了此特性。Perl是做文本處理效率最佳的語言，雖然它的發(fā)展有點(diǎn)慢。PHP做Web開發(fā)，是“世界上最好的.語言”，Python的閱讀性和大數(shù)據(jù)處理都做得樣樣俱佳。

當(dāng)了解語言的歷史沿革后，會(huì)讓我們對(duì)其創(chuàng)始人有很強(qiáng)烈的興趣，成為忠實(shí)的腦殘粉，學(xué)習(xí)該語言的興趣會(huì)更濃烈。

人們常常說某個(gè)語言比哪個(gè)好，這其實(shí)沒有必要。不必要為其它人的語言所惑，需要你自己做出選擇。

語言的共通點(diǎn)

這個(gè)星球的人都是一個(gè)鼻子兩雙只水汪汪的大眼睛，與人們的模樣一般，編程語言也有一個(gè)大致相同的長(zhǎng)相。

語法：這是開發(fā)此語言定義的規(guī)則“套路”：

運(yùn)算符順序，變量常量定義/作用域，表達(dá)式定義，字符串定義，行尾結(jié)束符等。

流程控制：循環(huán)控制

這些語法都是成對(duì)的，如if,for,while,foreach，有的語言還提供goto這樣類似匯編語言的語法。

函數(shù)與方法

一些能夠復(fù)用的高質(zhì)量代碼組合。函數(shù)執(zhí)行后有返回，有遞歸，有嵌套，還有干完活就完事的簡(jiǎn)單任務(wù)。有靜態(tài)函數(shù)和動(dòng)態(tài)函數(shù)區(qū)分。

容器

數(shù)組，哈希表(也叫散列)，字典等用來保存數(shù)據(jù)的容器。

錯(cuò)誤/例外處理

現(xiàn)代編程語言基本都支持出錯(cuò)的拋出，除了C語言之外。

比如硬盤不足，網(wǎng)絡(luò)出錯(cuò)，黑客攻擊等情形。就像購(gòu)物中心里出現(xiàn)煤氣泄露時(shí)，監(jiān)測(cè)設(shè)備，物聯(lián)網(wǎng)設(shè)備能夠及時(shí)記錄與傳遞給指揮中心。

沒有錯(cuò)誤拋出的語言，需要自己考慮盡可能出錯(cuò)的場(chǎng)景并處理，比如：

if(is_overfllow)

//處理

if(network_error)

//處理

可以還有不少需要關(guān)注的維度，這會(huì)讓代碼變得艱澀難懂，也難以維護(hù)。

我們可以用這樣的方式，讓其更簡(jiǎn)潔：

on error goto ERROR

ERROR:

..//

但這總是會(huì)需要我們照顧很多情形。于是C++推出了一個(gè)語法：

try{

//可能會(huì)出錯(cuò)的代碼

//可能會(huì)出錯(cuò)的代碼

}catch{

//處理出錯(cuò)的邏輯

//處理出錯(cuò)的邏輯

}finally{

//出不出錯(cuò)都要執(zhí)行的代碼

}

最后一句是微軟公司給業(yè)界提供貢獻(xiàn)的finally代碼塊。

以上這些成為語言處理異常機(jī)制的基礎(chǔ)。

容器

容器是很重要的一節(jié)，所以我們單獨(dú)再提出來。很多邏輯處理，使用容器保存數(shù)據(jù)，該語言會(huì)提供便捷的方法來提供存取。

比如C、Perl、PHP、Ruby中均提供的數(shù)組和關(guān)聯(lián)數(shù)組，LISP提供的列表，Java、Python提供的元組、鏈表等。

雖然名字相同，但是實(shí)現(xiàn)方式卻是完全不同，使用方法當(dāng)然也不一樣。

沒有萬能的容器，只有最合適的?？梢詮墓?jié)省內(nèi)存，節(jié)約時(shí)間還是編碼效率等綜合考慮。

字符串與字符編碼

是否支持unicode編碼。從摩斯碼到ASCII到統(tǒng)一的Unicode編碼支持。

并發(fā)處理

有的語言在設(shè)計(jì)時(shí)并無此方面的考慮，或者天生設(shè)計(jì)存在缺陷。

即多線程，多進(jìn)程的概念。包括共享，鎖，事備等特性。

面向?qū)ο?/p>

支持類，繼承，模塊，包，命名空間，閉包等。有這些特性才會(huì)讓人們的工作變得更便利、更有效率。

小結(jié)

學(xué)習(xí)一門語言的關(guān)鍵，需要我們?cè)谄届o地心緒下，帶著濃厚的興趣去學(xué)習(xí)，在比較中學(xué)習(xí)，在歷史中學(xué)習(xí)。

有時(shí)候感覺還是不夠通暢，先做知識(shí)的搬運(yùn)工也是不錯(cuò)。另外，不斷的實(shí)踐會(huì)讓我們的信心更足。

學(xué)校布置了一個(gè)php簡(jiǎn)單整站作業(yè)。求高手指點(diǎn)，窮學(xué)生一個(gè)，愿意付200元作為報(bào)酬。

找本php的案例書籍來看看吧，一周你就會(huì)了， 學(xué)習(xí)不能這樣啊

無非就是一些數(shù)據(jù)庫查詢輸出

更具功能設(shè)計(jì)數(shù)據(jù)庫 數(shù)據(jù)字典搞懂各個(gè)數(shù)據(jù)項(xiàng)之間的聯(lián)系，就是查詢輸出了。

名稱欄目：數(shù)據(jù)字典設(shè)計(jì)php,數(shù)據(jù)字典設(shè)計(jì)文
轉(zhuǎn)載來源：http://jinyejixie.com/article14/dsedcge.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站維護(hù)、建站公司、網(wǎng)站導(dǎo)航、App開發(fā)、軟件開發(fā)、品牌網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)