干货 | PHP就该这么学!

前段时间和大家一起分享了一篇关于学习方法内容《大牛与搬运工的差距——学习方法的力量》。我们将学习过程分成八步,并借鉴了敏捷开发的迭代思想,以达到自我迭代学习的效果。行胜于言,理论结合实践才是王道,所以本文我将基于前面的学习方法,分享我是如何学习PHP的。

为什么学习PHP?

最初接触PHP时,是源于自己想学习网站开发,由于是前端转后端,PHP完全是自学的,不过好在之前学过C语言,学起PHP来倒并未觉得吃力。使用PHP我们可以开发出各种优秀的web应用程序。

我不敢说PHP是最好的语言(避免引战),但PHP凭借其易学、快捷、高效等特性,至少在WEB应用开发领域里一直都是热门技术,以至于现在市面上各种IT培训机构里都不乏PHP的身影。

接下来,我们就马上开启PHP的学习之旅~

1.确立目标

我们都知道做事情要定个目标,看似简单,但实际大部分人做事无成果的原因恰恰就是这一步没做好。

建议大家在确立目标时,借鉴”SMART”原则——Specific(具体的), Measurable(可衡量的),Achievable(可达到的),Realistic(切合实际的),and Timed(合时宜的)。不要给自己制定诸如“我要精通PHP”、“我要成为技术大牛,月薪XX万”等这种不着边的目标。

我在初学PHP时,给自己定的目标很明确:

学习PHP的基本知识,并通过开发一款CMS建站系统来验证学习效果。

2.拆分任务

我们通过逆向分解,将目标拆分成具体的可执行任务。这个过程其实就是将目标细分整理成具体的小目标或问题,然后将其关联到一个个可执行的任务,目的是完成目标或解决问题。

完成我的目标,需要具体学习哪些知识,完成哪些事项呢?首先,学习PHP之前基本的HTML,CSS,JS等前端基础还是有必要的。然后学习PHP的基本语法,文件、图片、错误等处理机制,还有与mysql数据库的一些操作,以及会话控制、协议、MVC设计模式等。

梳理之后,目标就会被分解成一个个需要完成的具体任务。这里我借助“然之协同”里的任务管理工具,将需要做的任务都罗列出来,方便后面执行跟踪。

3.搜集知识资源

学习过程中必然少不了各种学习资料,在搜集知识资源时主要侧重三方面:书籍、官方文档和网络技术文章。

首先我找的是PHP的官方手册,这是必备学习工具,内容既权威又全面。其次书籍到现在买的较多,对于初学者,不建议“书海战术”,个人觉得“手册+一本书+一台电脑”足矣。其实很多入门书籍都是基于PHP手册编写的,千篇一律,所以建议初学者学习PHP时要研读手册,每段实例代码都上手操作并理解透彻。这里为初学者推荐几本个人觉的还不错的书以供参考:

《PHP编程(第三版)》

《PHP和MySQL Web开发(原书第4版)》

《深入PHP:面向对象、模式与实践(第3版)》

除此之外,平时也会在CSDN、掘金、博客园等IT技术门户里查阅一些php技术相关的“干货”。

对于知识资源的搜集,还是要提醒大家注意一点,切勿做“收藏控”。很多朋友对于书籍、各种教程、网络文章等资源,购买了下载了收藏了,然后,就没有然后了,最终真的沦落为“收藏品”。而我们真正要做的是要把知识“收藏”并沉淀到我们脑子里。

4.分配自身资源

其实就是时间管理。我们的时间、精力等各方面资源有限,所有的知识不可能平均分配有限资源。对于我们搜集的知识资源,要分清主次,然后使用不同的时间管理策略进行学习。

前面梳理了一些需要执行的学习任务,并整理了大量的学习资源,这一步要做的就是将这些任务、资源结合自身的实际情况,合理规划分配时间精力。每个人的情况不同,所以这一步因人而异,这里我还是借助“然之协同”的待办工具,做一个具体可执行性的学习计划。

5.勤学

学习效率与效果取决于执行力。之前文章介绍过学习中的一些方法论,这里我简要地介绍一下学习PHP时的大体过程。

a.快速泛读

如果你有一定语言基础,比如我之前学过C和前端技术,再学起PHP来上手就相对快一些。基本的语法知识可以先快速过一遍,像数组、字符串、图片等处理函数、对象接口、正则匹配等可以后面慢慢积累、深入。

b.深入解读

由浅入深地沉淀每个知识点。正如前面所讲,建议先从PHP手册入手,将每个知识点理解清楚,一定要将每一段实例代码亲手敲一遍(手懒是永远都学不会任何一门语言的)。一遍不懂就多敲几遍,不仅要明白怎么用,还要理解为什么这样设计,否则对于基本知识浮于表面,只会为后面学习挖下坑。

c.问题攻读

在学习过程中你必然会遇到各种问题,先查阅资料或谷歌来解决。如果遇到以现有知识层面难以解决的问题,可以先记下,或许后面会柳暗花明或找他人帮助。

这一步学习的正确姿势其实就是“做任务,刷副本,打怪升级,加技能点”

6.建立知识体系

不要以为这一步可有可无,建立知识体系有助于帮我们理清各个概念和知识点之间的关联,逐渐形成系统的知识体系。在web开发里,我们知道任何一门技术都不是孤立的,你要学习很多知识,所以你在学习PHP时会发现,从PHP这个点会延伸出多条知识链,从而系统地形成一个知识体系。

这里我借助xmind脑图工具,整理了一下PHP的基本的知识体系。(网上有列的更详细全面的版本)

7.好问

基于前面问题攻读后还有未解决的问题,就要求教他人获取帮助了。提问也是一门艺术,这仍是一个学习交流的过程,而不是让别人去解决原本你该解决的问题。

向别人提问求助时,要讲问题的来龙去脉讲清楚,如怎么引起的,自己尝试做了哪些操作等等。这些年在众多技术交流社群和平台,见过很多奇葩的提问方式,这里列几个,与大家共勉。

a.直抛结果型

直接甩出一张截图或错误提醒,并附上一句:怎么解决?怎么破?跪求科普……

b.不懂就问型

不动脑,不动手,碰到问题就问。这种选手即便帮他解决了问题,他也学不到东西。

c.懒人型

与前者类似,但更滑稽可笑,看到这种问题我个人向来直接无视。比如“这个问题是这样操作么?”,“我这样整对不对?”,“是点这里么?”……

8.分享复述

其实即便不提“费曼技巧”,我们很多人在学习时都会用到分享复述这个方法。无论是演讲、录视频、还是像我此刻这样写文章,其实都是在向他人阐述自己对知识的理解和观点,然后大家会给自己一些反馈,比如你的错误、问题,接着自己再回归到知识里完善不缺“漏洞”,如此迭代学习。

开源项目推荐

这里分享下我们团队基于PHP+Mysql开发的项目,供大家学习练习。

禅道项目管理软件

蝉知企业门户系统

然之协同办公系统

zentaoPHP框架

 

小结

我将自己学习PHP的过程分为八步:

1.确立目标:没有目标的学习是不会有结果和效果的。

2.拆分任务:将目标分解成具体可执行的学习任务。

3.搜集知识资源:查阅官方文档、购买书籍、搜集网络干货文章。

4.分配自身资源:合理分配时间精力,制定学习计划。

5.勤学:强大的执行力是学习的根本保障。

6.建立知识体系:将学习的知识在脑海里建立系统模型。

7.好问:避免孤立学习,但好问也要会问。

8.分享复述:检验学习成果,提高学习效果的最好方法。

 

作者:GavinHsueh,QQ/微信:753391279,专注项目管理、办公自动化、网站建设等web应用开发领域。

1QA9bGRvJYlKFF.gif

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Spark Streaming 和 Flink 都是流处理框架,但在一些方面有所不同。 1. 数据处理模型 Spark Streaming 基于批处理模型,将流数据分成一批批进行处理。而 Flink 则是基于流处理模型,可以实时处理数据流。 2. 窗口处理 Spark Streaming 的窗口处理是基于时间的,即将一段时间内的数据作为一个窗口进行处理。而 Flink 的窗口处理可以基于时间和数据量,可以更加灵活地进行窗口处理。 3. 状态管理 Spark Streaming 的状态管理是基于 RDD 的,需要将状态存储在内存中。而 Flink 的状态管理是基于内存和磁盘的,可以更加灵活地管理状态。 4. 容错性 Flink 的容错性比 Spark Streaming 更加强大,可以在节点故障时快速恢复,而 Spark Streaming 则需要重新计算整个批次的数据。 总的来说,Flink 在流处理方面更加强大和灵活,而 Spark Streaming 则更适合批处理和数据仓库等场景。 ### 回答2: Spark Streaming 和 Flink 都是流处理框架,它们都支持低延迟的流处理和高吞吐量的批处理。但是,它们在处理数据流的方式和性能上有许多不同之处。下面是它们的详细比较: 1. 处理模型 Spark Streaming 采用离散化流处理模型(DPM),将长周期的数据流划分为离散化的小批量,每个批次的数据被存储在 RDD 中进行处理,因此 Spark Streaming 具有较好的容错性和可靠性。而 Flink 采用连续流处理模型(CPM),能够在其流处理过程中进行事件时间处理和状态管理,因此 Flink 更适合处理需要精确时间戳和状态管理的应用场景。 2. 数据延迟 Spark Streaming 在处理数据流时会有一定的延迟,主要是由于对数据进行缓存和离散化处理的原因。而 Flink 的数据延迟比 Spark Streaming 更低,因为 Flink 的数据处理和计算过程是实时进行的,不需要缓存和离散化处理。 3. 机器资源和负载均衡 Spark Streaming 采用了 Spark 的机器资源调度和负载均衡机制,它们之间具有相同的容错和资源管理特性。而 Flink 使用 Yarn 和 Mesos 等分布式计算框架进行机器资源调度和负载均衡,因此 Flink 在大规模集群上的性能表现更好。 4. 数据窗口处理 Spark Streaming 提供了滑动、翻转和窗口操作等灵活的数据窗口处理功能,可以使用户更好地控制数据处理的逻辑。而 Flink 也提供了滚动窗口和滑动窗口处理功能,但相对于 Spark Streaming 更加灵活,可以在事件时间和处理时间上进行窗口处理,并且支持增量聚合和全量聚合两种方式。 5. 集成生态系统 Spark Streaming 作为 Apache Spark 的一部分,可以充分利用 Spark 的分布式计算和批处理生态系统,并且支持许多不同类型的数据源,包括Kafka、Flume和HDFS等。而 Flink 提供了完整的流处理生态系统,包括流SQL查询、流机器习和流图形处理等功能,能够灵活地适应不同的业务场景。 总之,Spark Streaming 和 Flink 都是出色的流处理框架,在不同的场景下都能够发挥出很好的性能。选择哪种框架取决于实际需求和业务场景。 ### 回答3: Spark Streaming和Flink都是流处理引擎,但它们的设计和实现方式有所不同。在下面的对比中,我们将比较这两种流处理引擎的主要特点和差异。 1. 处理模型 Spark Streaming采用离散流处理模型,即将数据按时间间隔分割成一批一批数据进行处理。这种方式可以使得Spark Streaming具有高吞吐量和低延迟,但也会导致数据处理的粒度比较粗,难以应对大量实时事件的高吞吐量。 相比之下,Flink采用连续流处理模型,即数据的处理是连续的、实时的。与Spark Streaming不同,Flink的流处理引擎能够应对各种不同的实时场景。Flink的实时流处理能力更强,因此在某些特定的场景下,它的性能可能比Spark Streaming更好。 2. 窗口计算 Spark Streaming内置了许多的窗口计算支持,如滑动窗口、滚动窗口,但支持的窗口计算的灵活性较低,只适合于一些简单的窗口计算。而Flink的窗口计算支持非常灵活,可以支持任意窗口大小或滑动跨度。 3. 数据库支持 在处理大数据时,存储和读取数据是非常重要的。Spark Streaming通常使用HDFS作为其数据存储底层的系统。而Flink支持许多不同的数据存储形式,包括HDFS,以及许多其他开源和商业的数据存储,如Kafka、Cassandra和Elasticsearch等。 4. 处理性能 Spark Streaming的性能比Flink慢一些,尤其是在特定的情况下,例如在处理高吞吐量的数据时,在某些情况下可能受制于分批处理的架构。Flink通过其流处理模型和不同的调度器和优化器来支持更高效的实时数据处理。 5. 生态系统 Spark有着庞大的生态系统,具有成熟的ML库、图处理库、SQL框架等等。而Flink的生态系统相对较小,但它正在不断地发展壮大。 6. 规模性 Spark Streaming适用于规模小且不太复杂的项目。而Flink可扩展性更好,适用于更大、更复杂的项目。Flink也可以处理无限制的数据流。 综上所述,Spark Streaming和Flink都是流处理引擎,它们有各自的优缺点。在选择使用哪一个流处理引擎时,需要根据实际业务场景和需求进行选择。如果你的业务场景较为复杂,需要处理海量数据并且需要比较灵活的窗口计算支持,那么Flink可能是更好的选择;如果你只需要简单的流处理和一些通用的窗口计算,Spark Streaming是更为简单的选择。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值