網(wǎng)站數(shù)據(jù)大量分析是python比較好還是mysql shell好呢？你覺得你沒有要求一分嗎？你想問什么語言適合網(wǎng)站海量數(shù)據(jù)分析還是什么數(shù)據(jù)庫適合它？1. 首先，第一個(gè)問題是，數(shù)據(jù)量有多大？您要分析的數(shù)

網(wǎng)站數(shù)據(jù)大量分析是python比較好還是mysql shell好呢？

你覺得你沒有要求一分嗎？你想問什么語言適合網(wǎng)站海量數(shù)據(jù)分析還是什么數(shù)據(jù)庫適合它？

1. 首先，第一個(gè)問題是，數(shù)據(jù)量有多大？您要分析的數(shù)據(jù)量是100W、1億或10億、單表、多表或異構(gòu)數(shù)據(jù)關(guān)聯(lián)分析。不同的場(chǎng)景采用不同的方案：MySQL不擅長(zhǎng)單表1kw-2kw。如果數(shù)據(jù)量小于此級(jí)別，也可以使用它。更推薦使用分布式數(shù)據(jù)庫，比如OLAP數(shù)據(jù)庫，比如MPP，它在數(shù)據(jù)分析領(lǐng)域得到了廣泛的應(yīng)用，如果分析語言只是數(shù)據(jù)可視化所需要的，可以直接使用table、quickbi、finebi、power等前端可視化工具，而不用編寫自己的語言Bi和power其他工具可以。如果你想做更深入的分析，不僅僅是數(shù)據(jù)顯示，還有一些算法。Python是一個(gè)很好的工具，但是當(dāng)數(shù)據(jù)量非常大時(shí)它就不起作用了。例如，在分析10億個(gè)數(shù)據(jù)時(shí)，建議使用spark。當(dāng)然，底層的架構(gòu)也需要做很大的改變?？傊?，不同的數(shù)據(jù)量和不同的分析目的采用不同的方案

對(duì)于大量的數(shù)據(jù)，更推薦使用Python。VBA通常將數(shù)據(jù)存儲(chǔ)在內(nèi)存中。當(dāng)數(shù)據(jù)沒有分割，電腦配置不高時(shí)，會(huì)出現(xiàn)更多的卡片。數(shù)據(jù)處理后，計(jì)算機(jī)也會(huì)比較卡片而不釋放內(nèi)存。VBA一般啟動(dòng)兩個(gè)CPU核進(jìn)行數(shù)據(jù)計(jì)算，操作效率提高微軟已經(jīng)停止更新VBA，因此更建議學(xué)習(xí)python。如果只是操作excel，兩種學(xué)習(xí)難度相差不大，但是Python會(huì)有更好的發(fā)展空間

還有一種更方便的方法，就是用power Bi的三個(gè)組件進(jìn)行數(shù)據(jù)處理，用power query進(jìn)行數(shù)據(jù)處理，用PowerPivot進(jìn)行分析，使用powerbi進(jìn)行數(shù)據(jù)處理view進(jìn)行數(shù)據(jù)可視化的優(yōu)點(diǎn)是學(xué)習(xí)周期短，數(shù)據(jù)可以自動(dòng)刷新，啟動(dòng)速度快。使用這種方法，效率可能比excel快，但速度仍然不如python快。當(dāng)然，為了長(zhǎng)期的可持續(xù)發(fā)展，我們更推薦學(xué)習(xí)python，但是開始的周期會(huì)更長(zhǎng)

你想做數(shù)據(jù)分析，對(duì)嗎？建議：在學(xué)習(xí)python之前，MySQL可以處理很多統(tǒng)計(jì)問題。當(dāng)然，您必須首先掌握python語法。這很簡(jiǎn)單。然后，python有兩個(gè)與數(shù)據(jù)分析密切相關(guān)的包。如果您想做數(shù)據(jù)分析，請(qǐng)?jiān)趯W(xué)習(xí)SQL之前先關(guān)注這兩個(gè)包。畢竟，僅僅因?yàn)槭裁炊甲霾涣?，學(xué)習(xí)SQL是沒有意義的。建議您先學(xué)習(xí)sqlserver，用python的基本語法，學(xué)習(xí)sqlserver非常簡(jiǎn)單。當(dāng)然，你可以毫無基礎(chǔ)地學(xué)習(xí)。只是學(xué)習(xí)一個(gè)語言基礎(chǔ)更容易。學(xué)習(xí)了SQL server之后，您就可以學(xué)習(xí)oracle了。甲骨文必須學(xué)習(xí)。其他數(shù)據(jù)庫可以根據(jù)您的需要進(jìn)行學(xué)習(xí)，例如NoSQL