Php 什么是更快的平面文件或MySQL RAM数据库？

我需要一个简单的方法让多个运行的PHP脚本共享数据

我应该使用RAM存储引擎创建一个MySQL数据库，并通过它共享数据（多个脚本可以同时连接到同一个数据库吗？）

---

或者每行有一条数据的平面文件会更好吗？

平面文件？不

使用好的数据库引擎（MySQL、SQLite等）。然后，为了获得最佳性能，请使用memcached来缓存内容

---

通过这种方式，您可以轻松可靠地使用经验证的服务器软件在进程之间共享数据，该软件可处理并发性等问题。。。但是您可以获得缓存数据的速度

请记住以下几点：

MySQL有一个查询缓存。如果重复发出相同的查询，则无需添加缓存层即可获得大量性能

MySQL真的很快。您是否进行了负载测试以证明其速度不够快

---

为了维护人员的理智，请不要使用平面文件

如果您只是希望尽可能快地共享数据，并且可以将所有数据保存在RAM中，那么这是一个完美的解决方案

---

如果您希望数据持久化，那么使用DBMS，比如MySQL。

我想说，MySQL DB将是更好的选择，除非您有一些机制来处理平面文件上的锁（以及一些控制访问的方法）。在这种情况下，DB层（不管具体的DBMS如何）充当间接层，让您不用担心它

---

因为OP没有指定web服务器（PHP实际上可以从命令行运行），所以我不确定缓存技术是否就是他们所追求的。OP可能希望进行某种非网站驱动的飞行数据转换。谁知道呢。

一般来说，数据库更好，但是，如果您共享的数据量很少，而且大部分是静态的，那么使用平面文件可能会带来性能优势（和简单性）

---

除了琐碎的数据共享之外，我会选择一个数据库。

如果您的系统有一个PHP缓存（将编译好的PHP代码缓存在内存中，如APC），请尝试将数据作为PHP代码放入PHP文件中。如果您必须写入数据，则会出现一些安全问题。

如果您在多台服务器上运行数据，则基于文件系统的方法将无法解决这些问题（除非您拥有一个一致的共享文件系统，这不太可能，也可能无法扩展）

因此，无论如何，您都需要一个基于服务器的数据库，以允许在web服务器之间共享数据。如果您认真考虑性能或可用性，您的应用程序将支持多个web服务器

我需要一个简单的方法来处理多个问题 运行PHP脚本以共享数据

，和memcached都是很好的选项，具体取决于上下文。也可能是一种选择

我应该创建一个带有RAM的MySQL数据库吗 存储引擎，并通过 可以将多个脚本连接到 同一分贝吗？）

这也是一个不错的选择，但可能不会像APC或memcached那样快

或者是用一张纸把平面锉平 每行数据更好吗

如果这是只读数据，这是可能的——但可能比上面的任何选项都慢。尤其是数据量大的时候。然而，不要编写自定义解析代码，只需构建一个PHP数组，并且包含（）文件。

如果这是一个可由多个写入程序同时访问的数据存储，请务必不要使用平面文件！从多个进程写入平面文件可能会导致文件损坏。您可以锁定该文件，但存在锁争用问题和长时间锁等待的风险

---

处理并发写操作是mysql和memcached等应用程序存在的原因。

1-平面文件可用的地方： 平面文件可以比数据库快，但在非常特定的应用程序中。 如果数据从头到尾读取而不进行任何搜索或写入，则速度会更快。 如果数据不适合内存，需要完全读取才能完成任务，那么它“可以”比数据库快。此外，如果写操作比读操作多得多，那么平面文件也会发光，大多数默认数据库设置将需要让读查询等待写操作完成，以便维护索引和外键。使写查询通常比简单读取慢

TD/LR车辆： 将平面文件用于基于作业的系统（也称为简单日志解析），而不是用于web搜索查询

2-平锉坑落下： 如果使用平面文件，则需要在文件更改时使用自定义锁定机制同步脚本。如果你有一个bug的话，这可能会导致减速、腐败甚至死锁

基于3-Ram的数据库？ 大多数数据库都有用于查询结果和搜索索引的内存缓存，这使得使用平面文件很难击败它们。因为它们缓存在内存中，所以让它完全从内存运行在大多数情况下是无效和危险的。最好正确调整数据库配置

如果您希望使用ram优化性能，我将首先考虑从ram驱动器运行php脚本、html页面和小图像。其中，缓存机制更可能是粗糙的，并且系统地访问硬盘驱动器以获取不变的静态数据

使用负载均衡器可以达到更好的效果，使用背板连接群集到基于ram的SAN阵列。但这完全是另一个话题

5-多个脚本能否同时连接到同一个数据库

是的，它被称为连接池。在php（客户端）中，它是一个函数，用于打开一个连接，即mysql-pconnect（）。 我认为，您可以在php.ini中配置最大开放连接。mysql服务器端的类似设置定义了/etc/mysql/my.cnf中的最大并发客户端连接数

您必须这样做，才能利用cpu的并行处理并避免