php怎么使用队列 php程序员要不要学数据结构

1、php怎么使用队列，php程序员要不要学数据结构？

首先我告诉你PHP程序员想要往底层发展必学数据结构

数据结构是基础，链表、二叉树、哈希、排序算法等，你可能在写PHP代码的时候，不一定能够用上，但是，掌握它们能让你对程序的运作原理有更深的理解。

我们经常使用PHP数组，PHP数组不仅可以foreach的方式遍历，又能通过key-value的方式访问，我们都觉得很便利，其实PHP的数组，是个HashTable，数据结构中的一个知识点而已

所以学好数据结构可以更好地掌握原理层，又可以促进我们对程序的优化和思考，采用更节省系统资源的方式完成我们的业务需求。

为了解决大家进阶的难题，我准备了一套中高级进阶学习教程还可加入大牛学习圈子，分享tp,laravel，Swoole，swoft微服务等教程，各种大牛都是3-8年PHP开发者，每天还有12年的架构师做讲解，助你进阶中高级PHP程序员，增值涨薪！需要可关注本头条号，并且发送私信关键词：PHP

下图大纲中有数据结构算法进阶学习知识点!!!

赶紧来学习，进阶提升自己吧！！！！有想法的可以留言给我

2、什么大程序都不会编？

编程其实是很讲究实战的，理论的东西讲的太多了就比较枯燥，而且自己没有实际编写更难以理解。

谭浩强的书理论偏多，大多涉及到算法，编程中很多有意思的知识点书中都没有提到，大学老师讲课时按照教材按部就班的讲，把一门有意思的计算机编程课反而讲的像高等数学一样枯燥。

可能老师的编程经验也相对较少，讲课就是按照教材内容来讲，不枯燥才怪，这样的课程没有发掘出学习的乐趣和动力。个人认为大学教材可以适当的变一变，以实际项目出发，老师课上先演示已经编好的程序，程序里面可以涉及到要学习的各种语法和算法，

例如用C语言实现一个抓包程序，把通过网卡的流量按照TCP、UDP、ICMP打印出来。这个程序已经涵盖到了很多基础知识：变量的定义、内存分配、结构体、文件操作、网络通信、循环语句、指针等，或者演示用wireshark来分析网络流量

之后教学生自己编写一个抓包程序，让学生对编程产生兴趣，之后在讲课中不断的渗透涉及到抓包程序的知识，当然学生可能开始不懂，可以慢慢跟着老师学，只要跟着老师学下来就会明白这个程序的实现原理，在不知不觉中也学会了很多C语言知识，也会觉得课程更具有趣味性。

我认为学习编程可以从一个自己想开发的项目开始，这样更容易进行下去，一路上肯定有很多不懂，一边按照自己的想法开发项目，一边去学习。因为是自己想开发的项目，有一个目标需要自己去完成，这其中要不断的学习，解决困难。通过一个项目是很好的学习编程的方式。

用C语言实现的项目很少，C语言主要用在操作系统开发或者嵌入式编程上，你可以先从python学起，python入门相对简单，可以用来开发web项目或者爬虫等。有了一定的基础之后在回头学习C语言，再看谭浩强的书都是一些基础知识，可以很快学会。大学课程上讲的枯燥用了大量时间来讲理论和算法，太枯燥离实战又太远，学生听课是懵的，又感觉没学会啥，自己又写不出什么项目，信心和积极性很受打击的。

推荐一本零基础学python的书，这本书是基于python3.8版本的比较新，还含有视频教程，关键是既有基础知识又有实战项目，还有很多实例，这样在学习的过程中就不会感觉到枯燥，更愿意主动去学习，从而进步更快！

{!-PGC_COMMODITY:{"charge_url":"https://u.jd.com/w8BJgzg","client_goods_data":"{\"promotion_id\":\"3383262017079087066\",\"product_id\":\"12353915\",\"title\":\"零基础学Python（全彩版）Python3.8 全新升级\",\"cover\":\"https:\\/\\/p1.toutiaoimg.com\\/img\\/cmp-ecom-alliance\\/FpS_sEihvfOJwhqF8kJRbKpczetr.jpg~400x0.webp\",\"price\":6980,\"market_price\":6980,\"cos_fee\":279,\"detail_url\":\"sslocal:\\/\\/webview?swipe_mode=1&url=https%3A%2F%2Fu.jd.com%2FwUBAqRi\",\"sales\":4543,\"item_type\":8,\"cos_ratio\":4,\"favor\":false,\"in_shop\":false,\"platform_label\":\"京东\",\"h5_url\":\"https:\\/\\/u.jd.com\\/wUBAqRi\",\"selling_point\":\"\",\"coupon_amount\":0,\"elastic_title\":\"零基础学Python\"}","commodity_id":"3383262017079087066","detail_url":"sslocal://webview?swipe_mode=1&url=https%3A%2F%2Fu.jd.com%2FwUBAqRi","goods_json":"{\"original_price\":69.8,\"price\":69.8,\"real_url\":\"https:\\/\\/u.jd.com\\/wUBAqRi\",\"shop_goods_id\":\"12353915\"}","img_url":"http://sf1-cdn-tos.toutiaostatic.com/obj/cmp-ecom-alliance/FpS_sEihvfOJwhqF8kJRbKpczetr.jpg","item_type":8,"origin_price":"","price":69.8,"promotion_id":"3383262017079087066","promotion_source":8,"source":"京东","title":"零基础学Python（全彩版）Python3.8 全新升级"} --}

黑客之家头条号分享黑客技术，物联网、GO、Python、Kotlin、Android、Java编程知识，科技资讯等喜欢的朋友可以点赞、转发、关注！

3、PHP四大主流框架的优缺点有哪些？

楼主问四大框架，我暂且理解为国内最流行的四大(毕竟 tp国外没人用，国内小公司用的多)，分别为 laravel,yii,tp,ci(暂且把他当第四把)

一. laravel

优雅的php框架，底层用到了蛮多设计模式，比较像java

优点: 各种设计模式，提供很多强大的中间件扩展组件(队列啥的)，作者更新比较频繁，对应的社区活跃，可以说是php第一框架。

缺点:上手稍微难一些，得理解门面等一些词，需要一定基础

二.yii

强大的OOP框架，中大型公司愿意选用该框架，稳定性好

优点: 上手比较容易，ORM蛮好用封装的比较好，提供的cli命令行比较好用，功能强大，一般web开发需要的功能都有，自带的gii一键生成相关代码

缺点: 自带的视图层可能不是完全拨离php代码的，还有一些文档是英文，翻译还差一点

三.tp5

国内仿laravel的小框架，外包公司流行

优点: 很容易上手，学习成本低，官方文档齐全，也有付费更加深入的文档，框架目录简单

缺点: 功能不够强大(指一些额外的组件)，命令行模式功能稍微少一些，迁移文件啥功能确实(现在不确定新版加了没)

四.ci

优点: 小 小巧，学习成本低，开发功能快

缺点: ci3都还没自带composer, 得改一下加入，作者团队换人了，框架很久没更新，一些php新特征没有使用，ci2还兼容 php4

以上纯手打，有些可能偏个人意见?

4、大数据主要学习哪些内容？

要从事计算机行业的工作，不管是什么工作，开发、测试、还是算法等，都是要有一门自己比较熟练的编程语言，编程语言可以是C语言、Java、C++等，只要是和你后续工作所相关的就可以（后续用到其他语言的话，你有一门语言基础了，学起来就快了）。一般初学者入门语言大多都会选择Java、C语言、C++或者Python，而且现在网上有很多好的视频，可以供初学者学习使用。关于学习视频或者资料的选择，知乎或者百度等都有很多讲解了，也可以跟师兄师姐咨询，这样可以少走很多弯路，当然，有人说，走一些弯路总是有好处的，但是我这里说的弯路不是说不犯错误，不调bug，而是指学习资料以及一些知识点的偏重点，这样可以尽量节约一部分时间，刚开始时，总会有点迷，而且当你真正投入进去学习时，会发现时间总是不够用。

我前面是做的Java后端，后续才转的大数据，所以一些Java开发所需要的东西自己也有学习过，也都是按照正常的路线走的，JavaSE阶段，然后数据库，SSM框架，接着做了一些网上找的项目，之后发现对大数据比较感兴趣，就开始找大数据相关的资料学习，看视频，看博客，敲代码，前期大概花了3-4个月吧（公众号的这些资料就是我当时看过的），也是一步步艰难走过来的，刚刚开始接触大数据相关的东西时，一度怀疑这么多东西自己能否学得完，是不是能用得到，学完又忘了，忘了又回头看，不过还好，坚持过来了，还好没有放弃，工作也还ok，找的大数据开发岗，待遇也还不错吧。

下面就说一下我自己从Java开发到大数据开发的曲折学习之路（狗头保命.jpg）。因为我现在是做大数据相关的工作了，所以Java后端涉及到的一些SSM框架等知识点我就不介绍了，毕竟后续一段时间也没有做了。自己看过的大数据学习相关的视频+资料大概是200G-300G吧，从Linux->Hadoop->。。。->Spark->项目，还有就是一些面试文档，面经等。一些视频看了两遍或者更多，跟着学，跟着敲代码，做项目，准备面试。涉及到需要学习的东西包括：JavaSE，数据结构与算法（计算机行业必备），MySQL，Redis，ES（数据库这些可以看项目，也可以自己熟练一两个），Linux，Shell（这个可以后期补），Hadoop，Zookeeper，Hive，Flume，Kafka，HBase，Scala（Spark是Scala写的，会Scala做相关的项目会更容易入手），Spark，Flink（这个是找工作时有面试官问过几次liao不liao解，所以找完工作才开始接触学习），相关项目。

  如果是零基础的话，建议还是从视频开始入门比较好，毕竟一上来就看教材，这样有些代码的来龙去脉可能不是很了解。如果是有一些编程语言基础的话，从视频开始也会更简单，一些for、while循环你都知道了，学起来也会快很多。  JavaSE我是选择的某马刘意的为主，因为刚刚开始学Java看过一本从《Java从入门到精通》，没什么感觉，后续又在看了某课网的Java初级视频，还是没感觉出来啥（当时就有点怀疑自己了。。。），可能有点没进入状态。  还好后续找了某马刘意老师的JavaSE视频（我是看的2015年版本，那时候19版还没出），觉得他讲的真的是很好很详细，每个知识点都会有例子，也都会带你敲代码，做测试，可能前面有C语言基础，然后也看过Java的一些语法，所以学起来还是比较顺利，后面的IO流、多线程等知识点时，也有看书看博客，或者看看其他老师的课程，讲解的可能自己比较容易接受就可以，反正都是多尝试（下面会给出视频链接），尽量懂一些，后续可以回头来复习。JavaSE相关的视频，先看一遍，后续有时间建议再看一遍，而且这些经典的视频，看两遍真的是享受。  如果有一定基础了的，JavaSE前面七八天的视频可以加速看，但是不懂的一定要停下开仔细想想，零基础的还是尽量不要加速吧，慢慢来稳些。后面的视频建议还是跟着视频来，尽量不要加速，代码尽量都敲一敲，第一遍基本上一个月到一个半月可以结束。  JavaSE可以说是很基础也很重要的东西，主要重点包括面向对象、集合（List、Map等），IO流，String/StringBuilder/StringBuffer、反射、多线程，这些最好是都要熟悉一些，面试也是重点。  JavaSE之后，如果你是要走前端或后端开发路线的话，可以跟着一些网上的视频继续学习，这里我就不多做介绍了。

===========分割线，Scala可以后续Spark阶段再接触学习=============

  Scala的学习，Scala是一门多范式 (multi-paradigm) 的编程语言，Scala支持面向对象和函数式编程，最主要的是后续Spark的内容需要用到Scala，所以前面学习了JavaSE，到Spark学习之前，再把Scala学习一波，美滋滋，而且Scala可以和Java进行无缝对接，混合使用，更是爽歪歪。后续Spark学习时基本都是用的Scala，也可能是和Java结合使用，所以Spark之前建议还是先学一波Scala，而且Scala用起来真是很舒服（wordcount一行代码搞定），适合迭代式计算，对数据处理有很大帮助，不过Scala看代码很容易看懂，但是学起来还是挺难的，比如样例类（case class）用起来真是nice，但是隐式转换学起来就相对比较难。学习Scala的建议：1. 学习scala 特有的语法，2. 搞清楚scala和java区别，3. 了解如何规范的使用scala。Scala对学习Spark是很重要的（后面Flink也是要用），虽然现在很多公司还是用Java开发比较多，而且Spark是Scala写的，如果要读源码，会Scala还是很重要的（至少要看得懂代码）。  Scala主要重点包括：隐式转换和隐式参数、模式匹配、函数式编程。这里我看的是某硅谷韩老师的Scala视频，韩老师讲的真的很不错，五星推荐，哈哈。  也许有人会觉得Python也是需要的，但是学习阶段，可能用Java还是比较多，面试也基本都是问Java相关的内容，所以Python后续工作会用到的话，再看看Python的内容吧。

  大数据这方面的知识点自己可以说真的是从零开始的，刚刚开始学那会Linux基本都没用过，心里那个虚啊，而且时间也紧迫，想起来都是一把辛酸泪。  刚刚开始学的时候，看了厦门大学林子雨的《 大数据技术原理与应用》课程，可能这个课程是面对上课的，所以看了一些，感觉对自己帮助不是很大（并不是说课程不好，可能不太适合自己，如果是要了解理论知识，很透彻，但是俺时间紧迫啊），所以就继续在网上找视频，然后发现某硅谷的培训视频很多人去参加，而且知识点也很齐全，大数据相关组件都有讲课，还有一些项目比较好，所以就找了它相关的视频，当时看的是2018年的，所以视频不算旧。  来一张推荐系统架构的图，先看看

  一般来说，Flume+Kafka对数据进行采集聚合传输，一方面Spark对实时数据进行处理，传输给相应的数据处理模块（比如实时数据处理的算法模块，Spark也有提供常见的机器学习算法的程序库），另一方面采集的数据也可以放入数据库（HBase、MongoDB等）中，后续MapReduce对离线数据进行离线处理，数据处理完毕用于后续的使用，数据采集处理的流程大概就是这样。如果是推荐系统，实时推荐会给用户产生实时的推荐结果，让用户进行查阅选择，比如你在界面浏览了或者看了新的物品，然后刷新下界面，可能给你展示的东西就有一些变成跟你刚刚浏览的相关了。离线推荐的话主要是对离线数据进行处理，为物品或种类做出相似的推荐，如果后续用户搜索相应的物品时，给用户展示相应的产品。

  大数据学习路线：Linux -> Hadoop -> Zookeeper -> Hive -> Flume -> Kafka -> HBase -> Scala -> Spark -> 项目 > Flink（ 如果需要学习Storm，在Spark前面学习）

  一般我们使用的都是虚拟机来进行操作，所以要安装VM（ Virtual Machine），我使用的是CentOS，所以VM和CentOS都要跟着安装好，跟着视频操作，一定要动手实践，将一些Linux基本命令熟练掌握，一些VIM编辑器的命令也要会用，做相应的一些配置，使用SecureCRT来做远程登录操作（也可以使用其他的，自己顺手就行）。再强调一遍，基本操作命令尽量熟练一点，如果一下记不住，打印一些常用的，自己看看，多用多实践，慢慢就会用了。还有一些软件包的下载安装卸载等，跟着操作一遍，熟悉下，后续都会使用，Shell编程可以后续补。

  Hadoop是一个分布式系统基础框架，用于主要解决海量数据的存储和海量数据的分析计算问题，也可以说Hadoop是后续整个集群环境的基础，很多框架的使用都是会依赖于Hadoop。主要是由HDFS、MapReduce、YARN组成。这个部分安装Hadoop，Hadoop的三个主要组成部分是重点，对他们的概念要理解出来，知道他们是做什么的，搭建集群环境，伪分布式模式和完全分布式模式的搭建，重要的是完全分布式的搭建，这些部分一定要自己动手实践，自己搭建集群，仔细仔细再仔细，Hadoop的NameNode，DataNode，YARN的启动关闭命令一定要知道，以及他们的启动关闭顺序要记住，不要搞混。后续视频会有一些案例操作，跟着写代码，做测试，把基本环境都配置好，后续这个集群（完全分布式需要三台虚拟机）要一直使用。

  Zookeeper是一个开源的分布式的，为分布式应用提供协调服务的Apache项目。分布式安装ZK，对ZK有一定的了解就可以了，了解它的应用场景，以及内部原理，跟着做一些操作，基本上有一些了解即可。

  Hive是基于Hadoop的数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能。Hive的安装，它的数据类型，以及它的数据定义、数据操作有较好的了解，怎么操作表（创建表、删除表，创建什么类型的表，他们有什么不同），怎么操作数据（加载数据，下载数据，对不同的表进行数据操作），对数据的查询一定要进行实践操作，以及对压缩方式和存储格式要有一些了解，用到时不懂也可以去查，最好是能理解清楚。这部分有什么面试可能会问，所以视频后续的面试讲解可以看看，理解清楚。

  Flume是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统。对于Flume，对它的组成架构，以及对Flume Agent的内部原理要理解清楚，Source、Channel、Sink一定要知道它们的各种类型以及作用，有哪些拓扑结构是常见常用的，例如一对一，单Source、多Channel、多Sink等，它们有什么作用，要理解清楚。还有一个重点，就是对Flume的配置文件一定要了解清楚，不懂的可以上官网查看案例，对于不同的情况，它的配置文件要做相应的修改，才能对数据进行采集处理，视频中的实践案例一定要跟着做。

  Kafka是一个分布式消息队列，用来缓存数据的。比如说实时计算中可以通过Flume+Kafka对数据进行采集处理之后，Spark Streaming再使用Kafka相应的Topic中的数据，用于后续的计算使用。对于Kafka，要理解Kafka的架构，什么是Kafka，为什么需要Kafka，应用场景。基本的命令行操作要掌握，比如怎么创建删除Topic，怎么通过生产者生成数据，消费者怎么消费数据等基本操作，官网也是有一些案例可以查阅的。

  HBase是一个分布式的、基于列存储的开源数据库。HBase适合存储PB级别的海量数据，也可以说HBase是很适合大数据的存储的，它是基于列式存储数据的，列族下面可以有非常多的列，列族在创建表的时候就必须指定。所以对HBase的数据结构要有一定的理解，特别是RowKey的设计部分（因为面试被问到过，咳咳，所以点一下），对于它的原理要了解，一些基本操作也要都会，比如创建表，对表的操作，基本的API使用等。

  Spark是快速、易用、通用的大数据分析引擎。一说到Spark，就有一种哪哪都是重点感觉，哈哈。  Spark的组成可以看下图

  Spark是基于内存计算的，对于数据的处理速度要比MapReduce快很多很多，而且数据挖掘这些都是要对数据做迭代式计算，MapReduce对数据的处理方式也不适合，而Spark是可以进行迭代式计算，很适合数据挖掘等场景。Spark的Spark SQL能够对结构化数据进行处理，Spark SQL的DataFrame或DataSet可以作为分布式SQL查询引擎的作用，可以直接使用Hive上的表，对数据进行处理。Spark Streaming主要用于对应用场景中的实时流数据进行处理，支持多种数据源，DStream是Spark Streaming的基础抽象，由一系列RDD组成，每个RDD中存放着一定时间段的数据，再对数据进行处理，而且是基于内存计算，速度快，所以很适合实时数据的处理。Spark MLlib提供常见的机器学习(ML)功能的程序库。包括分类、回归、聚类、协同过滤等，还提供了模型评估、数据 导入等额外的支持功能。对Spark的核心组件、部署模式（主要是Standalone模式和YARN模式）、通讯架构、任务调度要有一定了解（面试问到了可以说一波），Spark Shuffle要好好理解，还有内存管理要知道，对Spark的内核原理一定要好好理解，不仅面试可能要用，以后工作也是有帮助的。

  Flink是一个框架和分布式处理引擎，用于对无界（有开始无结束）和有界（有开始有结束）数据流进行有状态计算。现在主要是阿里系公司使用的比较多，很多公司使用的还是Spark居多，而且Flink基本上都是和Spark很多功能大体上一样的，但是以后Flink和Spark孰强孰弱还有待时间的考验，不过Flink近几年越来越火了这是事实，所以如果有时间有精力的话，可以学一学Flink相关的内容也是很不错的。Spark和Flink主要都是在数据处理方面应用，在数据处理方面的话，离线数据处理：Flink暂时比不上Spark，Spark SQL优点在于可以和Hive进行无缝连接，Spark SQL可以直接使用Hive中的表；Flink暂时做不到这一步，因为官方不支持这一操作，Flink只能将数据读取成自己的表，不能直接使用Hive中的表。对于实时数据的处理：Flink和Spark可以说是平分秋色吧，而且Flink是以事件为驱动对数据进行处理，而Spark是以时间为驱动对数据进行处理，在一些应用场景中，也许Flink的效果比Spark的效果还要好些，因为Flink对数据更加的敏感。比如一秒钟如果触发了成千上万个事件，那么时间驱动型就很难对数据做细致的计算，而事件驱动型可以以事件为单位，一个个事件进行处理，相比而言延迟更低，处理效果更好。现在使用Flink的公司越来越多，有时间学习下，也算是有个准备。

  其实某硅谷的视频里面有很多大数据相关的项目，而且都是文档配代码的，B站上也有视频，学习期间可以跟着视频做两到三个项目，自己理清思路，把项目理解透彻，还是可以学到很多东西的。  根据自己情况，选择两到三个项目重点跟着做，理解透彻一点

  某硅谷的视频里面有很多大数据相关的项目，而且都是文档配代码的，学习期间可以跟着视频做两到三个项目，自己理清思路，把项目理解透彻，还是可以学到很多东西的。根据自己情况，选择两到三个项目重点跟着做，理解透彻一点。相关项目文档资料我已经放到网盘，GongZhongHao回复相应关键字获取领取方式。   相关项目、涉及技术框架及其B站链接（B站链接主要是为了有些小伙伴网盘速度限制，这样就下载文档资料即可）

  书籍部分直接云盘链接保存即可，这里我放两张Java开发和大数据开发我自己的书单（很多，路漫漫，吾将上下而求索~）  Java后端书架：

  大数据书架：

  大概就这些，看完就需要很久了，大部分我也是需要的时候看相应的部分，所以有时间可以好好看下，不然就需要哪一部分看哪一部分，有助于学习即可。

  大数据开发也是需要编程基础的，并不是学会使用这些框架怎么样就可以了，所以对于编程语言，数据结构与算法，计算机网络这些基础也是要的，这些基础知识也有助于自己以后的发展，如果是应届生校招的话，面试基本上都是JavaSE和数据结构与算法等的知识点，还有大数据组件相关的知识点，以及对项目的理解，这些都是要自己面试前准备好的，多看面经，多找面试题看，面几次，心里有谱了，后续面试就好了。  不管是从事什么样的计算机相关的岗位，编程都是很重要的，数据结构与算法特别重要，还有就是leetcode等编程网站刷题，提升自己的编程思维，后续笔试面试都要要的。  要将一行行代码看做一叠叠rmb，但是一行行代码能不能转换成一叠叠rmb，自己就一定要：坚持，多敲代码；多敲代码，坚持；坚持。 

5、去百度面试PHP岗位是一种怎样的体验？

很荣幸回答这个问题。

下面说下我的体验，本人2014年收到百度hr邀约去百度面试，

首先面试地点：面试地点不是在百度总部，而是在百度总部附近的一个叫中关村云计算软件基地的地方，到了地方等了一会

然后做题：就是做相关的题目 ，也许是初入这一行没多久，刚开始答题最让我疑惑的是PHP还有很多前端知识的东西 css html js等这些内容，由于准备的不是很充分，答题大约一个小时的时间，把试题给了hr，然后接着等了一会。

最后到了和面试官交流的环节：面试官问了一堆算法相关的题，什么排序算法之类的，还问是否做过高并发相关的东西，我说目前做过最高并发的就是 微信抢红包，瞬间有w人进入，通过队列去异步处理，接着又聊了下我最头疼的前端问题，面试官问，css怎么布局，我脑袋一热说不会，结果就可想而知了 ，到最后面试官说，先回去等通知吧，这一等就没有了下文。

写在最后：去百度面试要有足够的扎实功底，不仅限于PHP，还要考虑前端的一些问题，要不然最后还是拿不到offer。欢迎关注我，一起交流PHP相关知识。