瘦腿霜只是消水腫，鍛煉才是硬道理

記憶力可以通過訓練得到提高。古今中外，很多名人學者都很注意用各種方法來鍛煉自己的記憶力。比如俄國大文學家托爾斯泰說過：“我每天做兩種操，一是早操，一是記憶力操，每天早上背書和外語單詞，以檢查和培養(yǎng)自己的記憶力”。托爾斯泰的“記憶力操”實際上就是反復“復現(xiàn)”。只要你有計劃地“復現(xiàn)”，你的記憶力一定會不斷增強。 下面幾種訓練記憶力的方法很有效，你不妨平時參照一下。 暗示法———積極。 許多人常常感嘆“我記性不好”，韶華漸逝是一方面，另一方面也是對自己的記憶力缺乏足夠的信心。面對一連串的外語單詞或一大堆材料，有些人想：這么多，我能記住嗎？其實，這就給自己的記憶設了障礙。應該給自己打氣：“我一定能記住?！边@是積極的心理暗示。想想你小時候就能熟背唐詩的情形；想想你以往考試前精心復習，取得了前幾名。 記者的一位好友董小姐近來常?？鄲烙谧约河浶圆?，總忘事。可是她大學同學說：“差什么差，讀大學時考古代文學我提前半個月復習，你只提前兩天突擊，就考了90多分，比我還高呢。”董小姐笑了：“對呀，我記憶力挺好啊，得好好開發(fā)開發(fā)。” 強記法———限時。 在規(guī)定的時間里記憶數(shù)字、人名、單詞等，可以鍛煉強記的能力。比如，在地鐵候車時，你規(guī)定自己在車來之前記住廣告牌上的幾個電話和地址，而且，盡量用你的右腦來記憶。第二天，看看你是否全記住了。別以為這樣很無聊，這可是充分調(diào)動你的左右腦，防止大腦老化，提高記憶力，而且一分錢不用花。這種方法隨時隨地都可以做。當然，你也可以隨身帶幾張客戶名片，用上下班時間來記上面的地址和電話。 回憶法———精細。 我們平時接觸了很多人和事物，記了很多，但因為很少回憶，所以很多記住的東西又模糊或淡忘了。?；貞?，并盡可能精細，是鍛煉記憶的好方法。近期中央電視臺《挑戰(zhàn)主持人》節(jié)目中，要求攻擂者和守擂者在短時間內(nèi)觀察一名模特，然后比賽看誰記住的內(nèi)容多，這個內(nèi)容就非常精細，比如模特服裝的顏色，穿了幾件T恤，佩戴了什么飾品，飾品各戴在什么位置，鞋上有什么裝飾等……兩名賽者的記憶力令人驚嘆。其實，我們平時就可以這樣鍛煉自己的記憶力。見了一個人，回憶一下她衣服的款式、顏色，發(fā)型和頭發(fā)的顏色，手袋的款式、面料等；也可以回憶一下你最近看過的電影，里面有什么人物？發(fā)生了什么事？結(jié)局怎樣？仔細回憶每一個鏡頭，越精細越好。 不要感嘆工作忙，壓力大，或年紀大了，這些都不是“記憶力下降”的理由。開發(fā)你的右腦，利用零散時間鍛煉你的大腦，你的記憶力會越來越神奇。參考資料：http://www.hr.com.cn/glxlx/detail.php?id=79114

學習方法是：

1、課前預習，課后復習，認真做課堂、課后的作業(yè)，理解理論知識。

2、記住語法規(guī)則。

3、加強邏輯思維。

4、多動手，通過練習上機了解它的運行過程。

5、實踐—>理論—>再實踐，剛開始學習C語言時，按示例練習，并推動理論的學習，然后再自己多思考，多上機實踐。

拓展資料

C語言是一門通用計算機編程語言，廣泛應用于底層開發(fā)。C語言的設計目標是提供一種能以簡易的方式編譯、處理低級存儲器、產(chǎn)生少量的機器碼以及不需要任何運行環(huán)境支持便能運行的編程語言。

盡管C語言提供了許多低級處理的功能，但仍然保持著良好跨平臺的特性，以一個標準規(guī)格寫出的C語言程序可在許多電腦平臺上進行編譯，甚至包含一些嵌入式處理器(單片機或稱MCU)以及超級電腦等作業(yè)平臺。

參考資料：c語言_百度百科  網(wǎng)頁鏈接

第一階段：網(wǎng)站開發(fā)基礎(chǔ)課程要點：靜態(tài)網(wǎng)站必備知識 HTML/CSS；動態(tài)網(wǎng)站必備知識PHP和MySQL。第二階段：WEB應用技術(shù)課程要點：面向?qū)ο蟮某绦蛟O計；自主研發(fā)MVC應用與WEB高級技術(shù)；中期項目總結(jié)第三階段：phpScript應用技術(shù)課程要點：phpScript語法、DOM編程、Ajax應用技術(shù)、JQuery使用、JQuery中的Ajax第四階段：大型網(wǎng)站優(yōu)化課程要點：Linux操作系統(tǒng)、LAMP環(huán)境搭建、LNMP環(huán)境搭建、大型數(shù)據(jù)庫設計、MySQL高級技術(shù)、MySQL優(yōu)化、頁面靜態(tài)化、偽靜態(tài)、大型網(wǎng)站架構(gòu)解決方案、Ningx服務器、Redis緩存服務器應用，云服務器（阿里云）。第五階段：大項目實戰(zhàn)購物網(wǎng)站/微信開放平臺項目/APP接口和PHPCMS課程要點：包含Sphinx、PHPMailer(發(fā)送郵件)、阿里大魚（發(fā)送短信）、HTTPS、Composer、微信支付、支付寶支付。微信開發(fā)流程、LBS服務應用，wechat SDK快速開發(fā)微信公眾號應用，小程序課程。PHPCMS欄目和文檔設計原理。第六階段：擴展課程自學ThinkPHP/YdmPHP課程要點：ThinkPHP是國內(nèi)應用程度*的一個PHP框架，這個課程中培養(yǎng)學生學習一個新的開發(fā)框架并且快速的勝任工作!

剛開始一定要使用輕柔些的音樂~~~12小時后使用普通音樂~~~最后使用舞曲~~~一般千元以下的不需要煲耳機的正常使用一段時間就可以了~~~~這是因為耳機中的振膜和線圈剛開始比較硬~~~使用后一段時間也就自然打開了~~~~本回答被提問者采納

一 在村鎮(zhèn)規(guī)劃中，某村道路需擴寬，有幾戶群眾擔心許諾賠償不能兌嚴，有抵觸情緒，阻擋施工建設，其中有一戶還是你親戚，作為村干部，你將如何處理這一問題? 參考要點 php程序員站 1、盡快了解掌握村里的實際情況；2、搞好班子團結(jié)，加強班子建設3、學習農(nóng)村法律法規(guī)、政策，虛心向村干部和致富能手學習，提高自己的工作能力；4、積極為群眾提供技術(shù)、信息等服務，引導群眾走產(chǎn)業(yè)化經(jīng)營之路；5、積極傳播先進文化，加強農(nóng)村精神文明建設。 phperz~com 二、在村鎮(zhèn)規(guī)劃中，某村道路需擴寬，有幾戶群眾擔心許諾賠償不能兌現(xiàn)，有抵觸情緒，阻擋施工建設，其中有一戶還是你親戚。作為村干部，你將如何處理這一問題?參考要點：1、實施村鎮(zhèn)規(guī)劃，是改變村容村貌、提高村民生活質(zhì)量的一件大事，全體村民都應該配合、支持；2、了解掌握這幾戶群眾產(chǎn)生抵觸情緒的原因和要求，做好耐心細致的思想工作，講明政策和利害關(guān)系；3、抓緊突破口，首先做好親戚的拆遷工作；4、及時解決拆戶的賠償和宅基地問題。 php程序員之家 三：市委決定在全市范圍內(nèi)面向社會選拔大專以上學歷優(yōu)秀青年到農(nóng)村任職，在全市范圍內(nèi)尤其是青年當中，引起廣泛關(guān)注，請談談你對市委這次選拔大專以上學歷優(yōu)秀青年到農(nóng)村任職工作的認識。 www.phperz.com 答題基本要求：1、是積極貫徹落實黨的各項路線方針政策，優(yōu)化農(nóng)村干部隊伍，全面加強農(nóng)村基層組織建設的需要。2、是為推動農(nóng)村經(jīng)濟結(jié)構(gòu)調(diào)整，增加農(nóng)民收入，促進農(nóng)村經(jīng)濟發(fā)展，全面建設小康社會的需要。3、為廣大有志青年自覺經(jīng)受鍛煉，增長才干，接受教育，增強素質(zhì)，實現(xiàn)自我價值提供了機遇。4、為促進大專以上學歷畢業(yè)生就業(yè)工作廣開門路。 www.phperz.com 評分要點：1、以上答題要點僅供評分時參考，其中前三條占302、完整答出上述各要點者可得滿分。3、考生在答題過程中雖然沒有完整答出上述各答題要點，但已涉及其中主要內(nèi)容，且所答論點明確，論述清晰，見解獨到，語言流暢，亦可酌情給分。 php程序員之家 第二題：目前，存在著這樣兩種觀點：一是有人說，要使農(nóng)民富起來，必須減少農(nóng)民。二是還有人說，農(nóng)民進城，使城市管理混亂，增加城市壓力。你認同哪種觀點，為什么? php程序員之家 答案基本要點： www.phperz.com 1、應認同第一種觀點。我國農(nóng)民數(shù)量龐大，但生產(chǎn)效率低下，要使廣大農(nóng)民富裕起來困難很大，在一些偏遠落后地區(qū)幾乎是不可能的。 phperz~com2、必須減少農(nóng)民數(shù)量，提高農(nóng)民的勞動生產(chǎn)率，才能使農(nóng)民在實際上富裕起來。 3、農(nóng)民進城，造成城市管理難度加大，這是難免的。因此，增加中小城鎮(zhèn)建設，拉大城市建設框架，以帶動農(nóng)村經(jīng)濟的發(fā)展。 4、同時還應大力發(fā)展龍頭企業(yè)，調(diào)整優(yōu)化農(nóng)業(yè)結(jié)構(gòu)，推動農(nóng)業(yè)上臺階，上水平，促進農(nóng)村經(jīng)濟和社會事業(yè)的健康發(fā)展。

你好，應該不會出現(xiàn)這個問題才對。我也是每次在頁面里面改寫了一些內(nèi)容，保存運行后，點一下頁面刷新的。應該不會出現(xiàn)視頻上面所出現(xiàn)的情況。

http://wenku.baidu.com/course/study/9fc868eae009581b6bd9eb8a#fd86591b6bd97f192279e98a這個是php100的教程，64分鐘講解數(shù)據(jù)類型的時候，賦值改動了幾次，可每次改動后點擊運行，就是改動的頁面！

可能是人家進行了設置吧，這個我就不清楚了.反正我是每次都刷新頁面的.

1.Bloom filter 適用范圍：可以用來實現(xiàn)數(shù)據(jù)字典，進行數(shù)據(jù)的判重，或者集合求交集 基本原理及要點： 對于原理來說很簡單，位數(shù)組+k個獨立hash函數(shù)。將hash函數(shù)對應的值的位數(shù)組置1，查找時如果發(fā)現(xiàn)所有hash函數(shù)對應位都是1說明存在，很明顯這個過程并不保證查找的結(jié)果是100%正確的。同時也不支持刪除一個已經(jīng)插入的關(guān)鍵字，因為該關(guān)鍵字對應的位會牽動到其他的關(guān)鍵字。所以一個簡單的改進就是 counting Bloom filter，用一個counter數(shù)組代替位數(shù)組，就可以支持刪除了。 還有一個比較重要的問題，如何根據(jù)輸入元素個數(shù)n，確定位數(shù)組m的大小及hash函數(shù)個數(shù)。當hash函數(shù)個數(shù)k=(ln2)*(m/n)時錯誤率最小。在錯誤率不大于E的情況下，m至少要等于n*lg(1/E)才能表示任意n個元素的集合。但m還應該更大些，因為還要保證bit數(shù)組里至少一半為 0，則m 應該>=nlg(1/E)*lge 大概就是nlg(1/E)1.44倍(lg表示以2為底的對數(shù))。 舉個例子我們假設錯誤率為0.01，則此時m應大概是n的13倍。這樣k大概是8個。 注意這里m與n的單位不同，m是bit為單位，而n則是以元素個數(shù)為單位(準確的說是不同元素的個數(shù))。通常單個元素的長度都是有很多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)個數(shù)）個映射位是否全1表示元素在不在這個集合中。Counting bloom filter（CBF）將位數(shù)組中的每一位擴展為一個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。 問題實例：給你A,B兩個文件，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。如果是三個乃至n個文件呢？ 根據(jù)這個問題我們來計算下內(nèi)存的占用，4G=2^32大概是40億*8大概是340億，n=50億，如果按出錯率0.01算需要的大概是650億個 bit?，F(xiàn)在可用的是340億，相差并不多，這樣可能會使出錯率上升些。另外如果這些urlip是一一對應的，就可以轉(zhuǎn)換成ip，則大大簡單了。 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： hash函數(shù)選擇，針對字符串，整數(shù)，排列，具體相應的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。 (http://www.my400800.cn) 擴展： d-left hashing中的d是多個的意思，我們先簡化這個問題，看一看2-left hashing。2-left hashing指的是將一個哈希表分成長度相等的兩半，分別叫做T1和T2，給T1和T2分別配備一個哈希函數(shù)，h1和h2。在存儲一個新的key時，同時用兩個哈希函數(shù)進行計算，得出兩個地址h1[key]和h2[key]。這時需要檢查T1中的h1[key]位置和T2中的h2[key]位置，哪一個位置已經(jīng)存儲的（有碰撞的）key比較多，然后將新key存儲在負載少的位置。如果兩邊一樣多，比如兩個位置都為空或者都存儲了一個key，就把新key 存儲在左邊的T1子表中，2-left也由此而來。在查找一個key時，必須進行兩次hash，同時查找兩個位置。 問題實例： 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IP。 IP的數(shù)目還是有限的，最多2^32個，所以可以考慮使用hash將ip直接存入內(nèi)存，然后進行統(tǒng)計。 3.bit-map 適用范圍：可進行數(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：使用bit數(shù)組來表示某些元素是否存在，比如8位電話號碼 擴展：bloom filter可以看做是對bit-map的擴展 問題實例： 1)已知某個文件內(nèi)包含一些電話號碼，每個號碼為8位數(shù)字，統(tǒng)計不同號碼的個數(shù)。 8位最多99 999 999，大概需要99m個bit，大概10幾m字節(jié)的內(nèi)存即可。 2)2.5億個整數(shù)中找出不重復的整數(shù)的個數(shù)，內(nèi)存空間不足以容納這2.5億個整數(shù)。 將bit-map擴展一下，用2bit表示一個數(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來進行表示，我們用兩個bit-map即可模擬實現(xiàn)這個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：最大堆求前n小，最小堆求前n大。方法，比如求前n小，我們比較當前元素與最大堆里的最大元素，如果它小于最大元素，則應該替換那個最大元素。這樣最后得到的n個元素就是最小的n個。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。 擴展：雙堆，一個最大堆與一個最小堆結(jié)合，可以用來維護中位數(shù)。 問題實例： 1)100w個數(shù)中找最大的前100個數(shù)。 用一個100個元素大小的最小堆即可。 5.雙層桶劃分 ----其實本質(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)，不重復或重復的數(shù)字 基本原理及要點：因為元素范圍很大，不能利用直接尋址表，所以通過多次劃分，逐步確定范圍，然后最后在一個可以接受的范圍內(nèi)進行?？梢酝ㄟ^多次縮小，雙層只是一個例子。 擴展： 問題實例： 1).2.5億個整數(shù)中找出不重復的整數(shù)的個數(shù)，內(nèi)存空間不足以容納這2.5億個整數(shù)。 有點像鴿巢原理，整數(shù)個數(shù)為2^32,也就是，我們可以將這2^32個數(shù)，劃分為2^8個區(qū)域(比如用單個文件代表一個區(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int找它們的中位數(shù)。 這個例子比上面那個更明顯。首先我們將int劃分為2^16個區(qū)域，然后讀取數(shù)據(jù)統(tǒng)計落到各個區(qū)域里的數(shù)的個數(shù)，之后我們根據(jù)統(tǒng)計結(jié)果就可以判斷中位數(shù)落到那個區(qū)域，同時知道這個區(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)計落在這個區(qū)域中的那些數(shù)就可以了。 實際上，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)的個數(shù)只有2^20，就可以直接利用direct addr table進行統(tǒng)計了。 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：利用數(shù)據(jù)的設計實現(xiàn)方法，對海量數(shù)據(jù)的增刪改查進行處理。 擴展： 問題實例： 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：為何叫倒排索引？一種索引方法，被用來存儲在全文搜索下某個單詞在一個文檔或者一組文檔中的存儲位置的映射。 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" 將對應集合的交集。 正向索引開發(fā)出來用來存儲每個文檔的單詞的列表。正向索引的查詢往往滿足每個文檔有序頻繁的全文查詢和每個單詞在校驗文檔中的驗證這樣的查詢。在正向索引中，文檔占據(jù)了中心的位置，每個文檔指向了一個它所包含的索引項的序列。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，很容易看到這個反向的關(guān)系。 擴展： 問題實例：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：外排序的歸并方法，置換選擇 敗者樹原理，最優(yōu)歸并樹 擴展： 問題實例： 1).有一個1G大小的一個文件，里面每一行是一個詞，詞的大小不超過16個字節(jié)，內(nèi)存限制大小是1M。返回頻數(shù)最高的100個詞。 這個數(shù)據(jù)具有很明顯的特點，詞的大小為16個字節(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)存可以當輸入緩沖區(qū)使用。 9.trie樹 適用范圍：數(shù)據(jù)量大，重復多，但是數(shù)據(jù)種類小可以放入內(nèi)存 基本原理及要點：實現(xiàn)方式，節(jié)點孩子的表示方式 擴展：壓縮實現(xiàn)。 問題實例： 1).有10個文件，每個文件1G， 每個文件的每一行都存放的是用戶的query，每個文件的query都可能重復。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),需要把重復的全部去掉，保留沒有重復的字符串。請問怎么設計和實現(xiàn)？ 3).尋找熱門查詢：查詢串的重復度比較高，雖然總數(shù)是1千萬，但如果除去重復后，不超過3百萬個，每個不超過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：將數(shù)據(jù)交給不同的機器去處理，數(shù)據(jù)劃分，結(jié)果歸約。 擴展： 問題實例： 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臺電腦中，想個辦法高效統(tǒng)計出這批數(shù)據(jù)的TOP10。 3).一共有N個機器，每個機器上有N個數(shù)。每個機器最多存O(N)個數(shù)并對它們操作。如何找到N^2個數(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），統(tǒng)計其中出現(xiàn)次數(shù)最多的前N個數(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，hash，分布式計算，近似統(tǒng)計，外排序 所謂的是否能一次讀入內(nèi)存，實際上應該指去除重復后的數(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，然后直接進行統(tǒng)計即可。當然在更新每條數(shù)據(jù)的出現(xiàn)次數(shù)的時候，我們可以利用一個堆來維護出現(xiàn)次數(shù)最多的前N個數(shù)據(jù)，當然這樣導致維護次數(shù)增加，不如完全統(tǒng)計后在求前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以適應這種情形，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)庫的存儲方法。 當然還有更好的方法，就是可以采用分布式計算，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，這樣不同的機子負責處理各種的數(shù)值范圍，實際上就是map。得到結(jié)果后，各個機子只需拿出各自的出現(xiàn)次數(shù)最多的前N個數(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個數(shù)據(jù)，這實際上就是reduce過程。 實際上可能想直接將數(shù)據(jù)均分到不同的機子上進行處理，這樣是無法得到正確的解的。因為一個數(shù)據(jù)可能被均分到不同的機子上，而另一個則可能完全聚集到一個機子上，同時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，我們將1000萬的數(shù)據(jù)分布到10臺機器上，找到每臺出現(xiàn)次數(shù)最多的前 100個，歸并之后這樣不能保證找到真正的第100個，因為比如出現(xiàn)次數(shù)最多的第100個可能有1萬個，但是它被分到了10臺機子，這樣在每臺上只有1千個，假設這些機子排名在1000個之前的那些都是單獨分布在一臺機子上的，比如有1001個，這樣本來具有1萬個的這個就會被淘汰，即使我們讓每臺機子選出出現(xiàn)次數(shù)最多的1000個再歸并，仍然會出錯，因為可能存在大量個數(shù)為1001個的發(fā)生聚集。因此不能將數(shù)據(jù)隨便均分到不同機子上，而是要根據(jù)hash 后的值將它們映射到不同的機子上處理，讓不同的機器處理一個數(shù)值范圍。 而外排序的方法會消耗大量的IO，效率不會很高。而上面的分布式方法，也可以用于單機版本，也就是將總的數(shù)據(jù)根據(jù)值的范圍，劃分成多個不同的子文件，然后逐個處理。處理完畢之后再對這些單詞的及其出現(xiàn)頻率進行一個歸并。實際上就可以利用一個外排序的歸并過程。 另外還可以考慮近似計算，也就是我們可以通過結(jié)合自然語言屬性，只將那些真正實際中出現(xiàn)最多的那些詞作為一個字典，使得這個規(guī)?？梢苑湃雰?nèi)存。

php學習成本低，但是要精通也不簡單，寫出一個好程序需要對php的一些基本要點精通熟練否則會出現(xiàn)難以理解的錯誤。比如php的一些函數(shù)isset，is_null，empty的區(qū)別，其中又和php的數(shù)據(jù)類型關(guān)聯(lián)起來。如果判斷錯誤，會導致程序下一步操作出現(xiàn)錯誤（常見因為sql查詢條件為空出錯）。最好我們在程序中加入錯誤異常處理。1，php語法，數(shù)據(jù)類型和php函數(shù)精通熟練。2，懂得OOP編程概念并掌握一個php mvc框架，加快開發(fā)效率，增加代碼利用率和資源可重復利用，代碼也會更加清 晰明了，可維護性高。3，安全性。了解網(wǎng)站常見的攻擊方式（XSS，csrf,sql-injection等）。4，性能優(yōu)化。（服務器，php，mysql，nosql）。5，熟悉js，ajax和html。熟悉http/ip協(xié)議。7，掌握lnmp，lamp，iis服務環(huán)境的搭建和php的運行原理。