本文目录一览：
- 1、PHP在最近一年在编程语言排行榜上下滑的原因是什么
- 2、golang chan 缓冲设置多大
- 3、golang适合做web开发吗
- 4、成为大数据工程师要学习哪些知识?
- 5、大数据工程师是做什么的
- 6、Golang解析json的特殊情况处理
PHP在最近一年在编程语言排行榜上下滑的原因是什么
主要从两个方面发表一下个人看法：
行业变迁
最近两年，我们耳熟能详的技术热词比如：云计算、machine learning、TensorFlow、AI……，基本与PHP都没太大的关系，再比如：（自然语言处理）NLP、（物联网）IoT、big data、区块链（blockchain）……，也基本和PHP没太大的关系；难道说PHP技术不行了？那倒也不是，其根本原因在于技术发展日新月异，开发语言也愈加细分，golang主要用于云计算、Python主要用于神经网络与深度学习、大数据与数据可视化分析有R语言，反观PHP，似乎除了web、及部分APP后端开发，其他专业技术领域有点力不从心，尽管它也在一直寻求新的爆发点。
语言特性
在web开发不甚成熟的时代，PHP以其“开发周期短”、“技术门槛低”的优势吸引了一大批开发人员加入，虽然项目可以很快推上线，但由于“弱类型解释语言”的基因缺陷，在性能优化大行其道的今天，PHP需要补足这一先天缺陷（从PHP5~PHP7就可以看出），这也给很多其他开发语言趁势而上的机会，比如go语言。业务量暴增需要程序能适应更高的并发访问以及更低的延迟，go语言天生的并发编程语言特性就恰好解决这一痛点，我所参与的大部分项目都选择go语言进行数据的云同步。再来说说Python，同样是动态解释型语言，Python的技术应用场景相比PHP而言则多出不少，比如GUI程序开发、机器学习、数据抓取与分析……，一旦项目有大量数据抓取的需求，我的第一选择肯定会是Python，因为在同等开发周期内，Python的效率与执行效果是最优的；所以总的来看，性能不及golang纯粹，应用场景不如Python丰富，却也不能否定“PHP是最好的开发语言”。我一般的技术选型如下：web后端与轻量级APP后台任务用PHP，大数据量吞吐与并发数据传输用golang，大数据抓取与分析用Python，我一直认为“术业有专攻”，没有最好的语言，只有最合适的语言，如果能一枪放倒敌人就没必要与其拼刺刀。
golang chan 缓冲设置多大
看你的需求，如果并发性不是太强的话make10足够了，完全不并发的话不用缓冲都可以，大数据的话可能要多一些
golang适合做web开发吗
适合。框架足够成熟了 A Survey of 5 Go Web Frameworks
小型项目你甚至不用框架，用net/http http - The Go Programming Language
常用库也成熟了 Top - Go Search
golang的web后端即使不concurrent也比php，ruby，python快很多很多
golang里用concurrent真的非常方便，非常非常快，超大web项目golang scale成本低
如果你想，golang的部署可以比php更方便，使用go get和http.ServeAndListen()可以不用nginx和apache
对于文件改动重新编译其实并不是大问题，看pilu/fresh · GitHub，其实你自己写shell脚本（也可以直接用go写，因为它本身就是系统语言）监控文件系统改动然后自动重新build，即使是C/C++的项目这也不是大问题，人们不用C/C++写web是因为它们不是写web app的最佳选择
golang写的代码编译通过后，要比scripting language鲁棒，因为go compiler强制一些最佳实践
成为大数据工程师要学习哪些知识?
1.大数据架构的工具与组件
数据工程师更关注分析基础架构，因此所需的大部分技能都是以架构为中心的。
2.深入了解SQL和其它数据库解决方案
数据工程师需要对数据库管理系统有比较熟悉的了解，而且深入了解SQL非常重要。同样其它数据库解决方案，例如Cassandra或BigTable也须熟悉，因为不是每个数据库都是由可识别的标准来构建。
3.数据仓库和ETL工具
数据仓库和ETL经验对于数据工程师至关重要。像Redshift或Panoply这样的数据仓库解决方案，以及ETL工具，比如StitchData或Segment都非常有用。另外，数据存储和数据检索经验同样重要，因为处理的数据量是个天文数字。
4.基于Hadoop的分析(HBase，Hive，MapReduce等)
对基于Apache Hadoop的分析有深刻理解是这个领域的一个非常必要的需求，一般情况下HBase，Hive和MapReduce的知识存储是必需的。
5.编码
说到解决方案，编码与开发能力是一个重要的优点(这也是许多职位的要求)，你要熟悉Python，C/C++，Java，Perl，Golang或其它语言，这会非常有价值。
6.机器学习
虽然数据工程师主要关注的是数据科学，但对数据处理技术的理解会加分，比如一些统计分析知识和基础数据建模。
大数据工程师是做什么的
大数据工程师主要是，分析历史、预测未来、优化选择，这是大数据工程师在“玩数据”时最重要的三大任务：
找出过去事件的特征：大数据工程师一个很重要的工作，就是通过分析数据来找出过去事件的特征。找出过去事件的特征，最大的作用是可以帮助企业更好地认识消费者。通过分析用户以往的行为轨迹，就能够了解这个人，并预测他的行为。
预测未来可能发生的事情：通过引入关键因素，大数据工程师可以预测未来的消费趋势。
找出最优化的结果：根据不同企业的业务性质，大数据工程师可以通过数据分析来达到不同的目的。
扩展资料
大数据工程师需要学习的知识
1、linux
大数据集群主要建立在linux操作系统上，Linux是一套免费使用和自由传播的类Unix操作系统。而这部分的内容是大家在学习大数据中必须要学习的，只有学好Linux才能在工作中更加的得心应手。
2、Hadoop
我觉的大家听过大数据就一定会听过hadoop。Hadoop是一个能够对大量数据进行离线分布式处理的软件框架，运算时利用mapreduce对数据进行处理。
参考资料来源：百度百科-大数据分析师
Golang解析json的特殊情况处理
Go解析json遇到了大数字、不定格式等特殊情况，在此做了一个整理。
选择哪个要视输入而定。
json.Unmarshal 操作对象是一个 []byte ，也就意味着被处理的JSON要全部加载到内存。如果有一个加载完的JSON使用 json.Unmarshal 会快一些。
json.Decoder 操作的是一个 stream ，或者其他实现了 io.Reader 接口的类型。意味着可以在接收或传输的同时对其进行解析。当处理一组较大数据时无需重新copy整个JSON到内存中。
最好的选择办法如下：
默认情况下，go对json解析过程中遇到的数字都会当做float64处理。如果数字过大会有精度丢失。可以使用json.Number来处理。
输出结果：
使用 json.Decoder 只能操作 io.Reader 类型的JSON数据。
有时候遇到字段不定的JSON，需要一边判断一边解析。如：
可以先统一解组到interface{} 然后判断关键字段再进行后续处理。
结果
使用RawMessage便于分步Unmarshal
原文链接
