189 8069 5689
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。
元江县网站建设公司创新互联建站,元江县网站设计制作，有大型网站制作公司丰富经验。已为元江县1000多家提供企业网站建设服务。企业网站搭建\成都外贸网站建设要多少钱，请找那个售后服务好的元江县做网站的公司定做！
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
大数据的话可以进行以下操作：
减少对数据库的读取，也就是减少调用数据库，
进行数据缓存，
利用数据库的自身优化技术，如索引等
精确查询条件，有利于提高查找速度
理论上是可以的，但效率上就有问题了，这么大量的数据一般不会放一张表里面，都会考虑分表，然后考虑索引、数据库主从、服务器配置等，提高查询效率php+mysql可以处理亿级的数据吗
redis能不能有效要看程序能否优化
确实需要占用大量内存的话 建议不常用的数据使用硬盘存储
首先是向了解PHP呢还是大数据呢？不过想都拿下的话，不是一朝一夕的，步子迈得太大，不好，技在于精而后于多。
先说PHP：最基本其实就是web前端基础；第二的话包括PHP语言基础、Ajax、数据库强化、运行环境及配置、面向对象OOADUML等；第三就是主流框架的掌握了，Smarty、PDO等
再说大数据：
基础阶段：Linux、Docker、KVM、MySQL基础、Oracle基础、MongoDB、redis。
hadoop mapreduce hdfs yarn：hadoop：Hadoop 概念、版本、历史，HDFS工作原理，YARN介绍及组件介绍。
大数据存储阶段：hbase、hive、sqoop。
大数据架构设计阶段：Flume分布式、Zookeeper、Kafka。
大数据实时计算阶段：Mahout、Spark、storm。
大数据数据采集阶段：Python、Scala。
大数据商业实战阶段：实操企业大数据处理业务场景，分析需求、解决方案实施，综合技术实战应用。