如果数据无法放入内存 。一方面我们可以考虑上面的字典方法能否被改进以适应这种情形，可以做的改变就是将字典存放到硬盘上，而不是内存，这可以参考数据库的存储方法 。
当然还有更好的方法，就是可以采用分布式计算 ， 基本上就是map-reduce过程，首先可以根据数据值或者把数据hash(md5)后的值 ， 将数据按照范围划分到不同的机子，最好可以让数据划分后可以一次读入内存，这样不同的机子负责处理各种的数值范围，实际上就是map 。得到结果后，各个机子只需拿出各自的出现次数最多的前N个数据 ， 然后汇总，选出所有的数据中出现次数最多的前N个数据，这实际上就是reduce过程 。
实际上可能想直接将数据均分到不同的机子上进行处理 ， 这样是无法得到正确的解的 。因为一个数据可能被均分到不同的机子上，而另一个则可能完全聚集到一个机子上，同时还可能存在具有相同数目的数据 。比如我们要找出现次数最多的前100个，我们将1000万的数据分布到10台机器上 ， 找到每台出现次数最多的前 100个，归并之后这样不能保证找到真正的第100个，因为比如出现次数最多的第100个可能有1万个，但是它被分到了10台机子 ， 这样在每台上只有1千个 ， 假设这些机子排名在1000个之前的那些都是单独分布在一台机子上的，比如有1001个，这样本来具有1万个的这个就会被淘汰，即使我们让每台机子选出出现次数最多的1000个再归并，仍然会出错 ， 因为可能存在大量个数为1001个的发生聚集 。因此不能将数据随便均分到不同机子上，而是要根据hash 后的值将它们映射到不同的机子上处理 ， 让不同的机器处理一个数值范围 。
而外排序的方法会消耗大量的IO，效率不会很高 。而上面的分布式方法，也可以用于单机版本，也就是将总的数据根据值的范围，划分成多个不同的子文件，然后逐个处理 。处理完毕之后再对这些单词的及其出现频率进行一个归并 。实际上就可以利用一个外排序的归并过程 。
另外还可以考虑近似计算，也就是我们可以通过结合自然语言属性，只将那些真正实际中出现最多的那些词作为一个字典，使得这个规模可以放入内存 。
php能做大数据分析吗数据挖掘现在用php玩大数据的比较多php玩大数据的是python 。
数据分析这块现在用php玩大数据的比较多php玩大数据的是scala 。
php不适合做大数据分析
PHP-大数据量怎么处理优化大数据的话可以进行以下操作：
减少对数据库的读?。簿褪羌跎俚饔檬菘? ，
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
PHP如何解决网站的大数据大流量与高并发使用缓存php玩大数据，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 。
2.增加带宽和机器性能，1Mphp玩大数据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php玩大数据了 。
简单说些常用技术，负载均衡，限流，加速器等
php采集大数据的方案1、建议你读写数据和下载图片分开php玩大数据，各用不同php玩大数据的进程完成 。
比如说，取数据用get-data.php，下载图片用get-image.php 。
2、多进程php玩大数据的话，php可以简单的用pcntl_fork() 。这样可以并发多个子进程 。
推荐阅读
- gis设备培训总结，gis基础培训
- app开发有分ios端吗，app ios开发
- 映泰41d配什么cpu，映泰h410mh怎么样
- 如何查跨境电商，跨境电商余额查询
- 位置函数Python 位置函数的切线斜率
- oracle创建表序列，创建序列的oracle语句
- 网络连接服务器无响应，网络连接不上服务器
- 直播背景板什么颜色好看，直播背景墙什么颜色比较好
- 乘函数在Python python中的乘积函数