我正在使用大数据，我的所有后端逻辑都是用php编写的。因此，为了加快输出速度，以下哪种技术对我的产品有效且有益。
答案 0 :(得分：1)
好吧，当我们谈论大数据时，我会选择一个OLAP数据库。但让我们仔细研究一下这些技术：
...具有在维度级别上预先汇总数据的基本技术思想。
我们猜你想要查询每天，每月和每年数千个订单的销售订单表。 您可以定义订单日期，销售渠道，交运地国家等维度以及营业额，订单数量，发货时间等度量。
通常，您将使用OLAP数据库回答以下问题：
......或更多技术：
您可以回答所有问题，其中SELECT子句中有聚合，where子句中有维度：
SELECT
SUM(amount) AS Turnover,
AVG(shipping_time) AS avg_shipping_time
FROM sales_orders
WHERE DATEPART(year,order_date) = 2016 AND sales_channel = 'SHOP'
尽管OLAP系统可以聚合，但性能会更好。因此，使用销售订单编号或将地址发布为维度将是一种不好的方法。 OLAP的想法是消除数据（或行）。这需要标准化数据。
以下问题最好在关系数据库（数据仓库）中得到解答：
In Memory的想法是，在RAM中查询数据比在磁盘上查询数据更快。但RAM也很贵。
关系数据库中的内存实际上是为OLTP（在线事务处理）系统构建的 - 系统是用户进行交易和工作的系统 - 而不是用于分析。
实际上，今天的企业OLAP系统（如 SQL Server Analytics Service ）在聚合数据（OLAP技术）后也使用了内存技术。你只是没有看到它。
-
让我们考虑其他事情：OLAP数据库与关系数据库不同，有时候它太大而不能使用OLAP数据库（例如，当你只有这个庞大的表时）。 需要处理OLAP数据库（聚合和准备使用）。那是 - 大部分时间 - 在没有人工作的夜晚完成（好吧，如果你愿意，你可以每秒钟做一次:-)）
如果您不熟悉大数据，只想在应用程序中修复这一件事 - 并且不了解OLAP，我建议您：尝试修复它在您的应用程序代码中 - 除了您想要使用新术语，MDX而不是SQL等语言 - 挖掘新世界。
复杂性取决于您选择的OLAP数据库。但实际上，您可以轻松开发自己的＆＃34; OLAP＆＃34;应用程序中的聚合级别......它可能不像OLAP数据库那么灵活。
您的应用程序中可能的解决方案可能是：