facebook用什么语言开发的_facebook编程语言

本文目录一览：

python和php哪个更有前途

区别1、定义不同

PHP是一种通用开源脚本语言，语法混合了C、Java、Perl以及PHP自创的语法，因此利于学习，使用广泛，主要适用于Web开发领域。PHP还可以执行编译后代码，编译可以达到加密和优化代码运行，使代码运行更快。

Python是一种面向对象的解释型计算机程序设计语言，语法简洁清晰，特色之一是强制用空白符作为语句缩进。Python具有丰富和强大的库，常被称为胶水语言，能够把用其他语言制作的各种模块很轻松地联结在一起。

区别2、优点和不足

PHP的优点是容易上手、支持所有主流的Web服务器、提供了广泛的数据库支持、提供大量的可用扩展和源代码、适用于几乎每一种操作系统和平台;缺点是不适合开发桌面应用程序、全局配置参数会改变语言语义，给部署和可移植性带来了复杂性、错误处理机制历来很差劲、被认为不如其他编程语言来得安全可靠。

Python的优点是简单易学、语法易读有条理、可在多个系统和平台上运行、提供了快速原型和动态语义功能、易于构建应用程序、面向对象编程驱动型、通过认真实施程序包和模块，获得可重用性;不足是在处理多处理器/多核心工作方面其实不是很好、缺少商业支持机构、运行速度不如Java等语言。

区别3、受众群体

PHP已被许多行业广泛接受，拥有的庞大社区，目前雅虎、谷歌以及Facebook等大企业都在使用PHP进行开发;Python随着人工智能时代的到来而兴起，因国家大幅支持而火爆，目前已形成出色的社区支持，雅虎地图、Zope公司以及Linux

Weekly News等企业均在使用Python。

求问，python与人工智能，python与大数据，计算机基础及office这三门课有什么区别？

计算机基础及office，属于任何大学生都需要上的基础课，跟另外两门不在一个比较范围内

《python与人工智能》和《python与大数据》都是用Python来做事，方向不同而已。

目前两个领域都是热门，大数据是人工智能的基础，但大数据很多是体力活，所以对软工来说合适一点。

人工智能是比较拼数学的，天赋不够不建议去玩，不如大数据实在。

c语言和PHP，学哪个好？

计科专业从事嵌入式开发多年，从现在的市场行情以及就业的机会上讲php的就业空间还是大于C语言，但并不意味着C语言就已经被淘汰掉了，相反因为高级语言在应用领域使用的范围比较广泛，倒是显得很多底层的编程语言成了稀缺的物种，毕竟对于底层的维护也是一项很重要的工作，况且C语言的使用范围并不是很狭窄，特别是在嵌入式领域还是被广泛的使用中，像华为这种通讯设备厂家对于C语言的使用概率还是非常高的，所以不能简单的认为哪种编程语言最好，还是取决于个人的爱好和兴趣，如果真的对于哪种编程语言就是感兴趣，就可以忽略市场大方向的需求了，因为只要还在市场存在的编程语言证明其还有存在的价值。

而且编程语言之间是相通的小火箭软件下载，如果已经掌握了一种编程语言在很短的时间内就能切换到另外一种编程语言，毕竟编程思想和编程模式有着太多的相似之处，比如利用php编程编写网络的并发代码，如果已经掌握了大部分的模式再切换到C语言去编程，虽然使用的工具有很大的差异，但是起码从内心上有底，毕竟已经有成熟的案例可以对照学习的过程也能加快好几倍，所以程序员的能力的强弱比较的不是掌握编程语言的数量关键还是实际编程中解决问题的能力，解决问题的能力显得比较笼统，像在项目选择使用什么样子的框架，编程过程中遇到编译不过的语法，解决客户提出棘手的问题，这些都属于解决问题的能力，所以和这些能力相比编程语言已经弱化许多了。

对于这两种编程语言的选择，简单做个介绍如果是想从事后台服务器的php是必选的编程语言，如果是想从事底层的开发C语言是必备编程语言，先要从方向上明确这样在选择的时候不至于犯很大的错误，其实在早期的php编程中也是接近于面向过程的编程，在语法习惯上也是和C语言有很多相似之处，但后续编程语言基本上向着面向对象的趋势在发展所以后来转向面向对象的编程了，相对来讲php属于集成化的编程语言在实际编程过程中可以有很多的类库来使用，对于新手来讲php早期更加容易做出一些复杂的功能。

C语言基本上接近于比较原始的编程语言，想要实现很多功能都需要自己动手去写，但是C语言最大的优势在执行的效率高，而且编程语法非常的灵活所以讲C语言对于底层编程特别的合适，像操作系统代码都是C语言来完成，执行的效率高而且还能灵活多变，但C语言在图形编程方面需要借助于很多成型的图形库，还是更加适合在后台默默的工作，现在比较流行大型算法从效率的角度考虑还是以C语言为主要的编写为主。

在早期大学教程中第一门编程相关的编程语言几乎都是C语言，随着高级语言的流行现在大学的开设的编程语言的种类也多了，再加上编程语言向着集成化的发展，让很多人觉得C语言都是老古董的存在了，个人还是建议如果想长期在编程行业去工作，不妨对这门编程语言学习掌握一下，对于了解底层实现原理还是有着极大的好处，知其然知其所以然，对于了解的编程的框架还是有着极大的好处的，所以如果有时间建议掌握C语言，从知识的纵观程度上还是有着极大的好处的，希望能帮到你。

作为一名IT从业者，同时也是一名计算机专业的教育工作者，我来回答一下这个问题。

首先，C语言和PHP语言都是目前IT行业内应用比较普遍的编程语言，C语言主要应用在嵌入式开发、操作系统开发和容器开发等领域，而PHP则主要应用于Web开发领域，这两门编程语言在应用场景上几乎没有交叉，所以也相对比较好选择。

对于计算机基础比较薄弱的初学者来说，学习PHP是比较不错的选择，一方面PHP语言比较容易学习和掌握，另一方面PHP相关的开发岗位也比较多，比较容易实现就业。虽然相对于Java和Python等编程语言来说，PHP语言的应用场景比较集中，主要应用在Web开发领域，但是由于PHP在Web开发领域的应用非常普遍，所以就业机会也相对比较多。

# 科技 V计划# PHP是主要适用于Web开发领域脚本语言

C语言应用广泛：操作系统Windows（c艹）、Linux、游戏引擎、驱动程序

php与c语言的不同点

1、PHP是服务器脚本语言，必须要运行在能够解析PHP的服务器上

2、C语言是低级语言，PHP是高级语言

3、C语言是强类型语言，PHP是弱类型语言，这一点从两者语法的差别可以看出

4、PHP主要用来做web应用，C语言主要用来做计算机底层的应用，另外C语言功能比PHP强大很多，你应该知道PHP就是用C语言写的

5、PHP不支持多线程

6、PHP去掉了C语言中关于指针比较难把握的运算，使得PHP比C容易学习和掌握

7、PHP的基本变量类型有整型（Integer）、浮点型（Float）、字符串（String）（这是C没有的，但C++有String类）以及布尔型（Boolean）（C没有，但是C++有）。构造类型有数组和对象。此外还有两个特殊类型：空值（NULL）（C也有）和资源（Resource）。

8、在PHP中定义常量的方式在学习C的人看来有点不可思议，竟然是用一个define函数实现的，PHP的函数实在是太厉害了，后面我们会看到定义数组也是由函数完成的，我们真得感谢PHP无比丰富的函数库，它们成就了PHP的易用和强大。

作为最古老的编程语言之一，C依然高居榜首，这归功于其可移植性以及微软、Oracle和苹果等科技巨头采用它。它与几乎所有系统兼容，很适合操作系统和嵌入式系统。由于运行时环境相对小巧，因此C是保持这种系统精简的完美选择。强烈建议初学者学C，它实际上是编程语言的通用语言，已催生出了同样很受欢迎的衍生语言，比如C++和C#。

用于Web开发的PHP，据TIOBE显示，PHP在TIOBE最受欢迎的编程语言排行榜中位居第七，取代JavaScript成为更受欢迎的脚本语言。PHP主要用在服务器端上用于Web开发，约占网站总数的80%。Facebook最初使用的就是PHP，PHP在WordPress内容管理系统中扮演的角色让它很受欢迎。PHP提供了几个框架，比如Laravel和Drupal，帮助开发人员更快地构建应用程序，拥有更高的可扩展性和可靠性。因此，如果你在找Web开发方面的职位，PHP是不错的选择。

单看热度的，话还是C语言更好一些，而且PHP还是要有C的基础才好学一些，要做程序员的话只单学一个怕是不够用，哈哈哈哈哈哈嗝，还是学C吧

大数据处理需要用到的九种编程语言

随着大数据的热潮不断升温，几乎各个领域都有洪水倾泻般的信息涌来，面对用户成千上万的浏览记录、记录行为数据，如果就单纯的Excel来进行数据处理是远远不能满足的。但如果只用一些操作软件来分析，而不怎么如何用逻辑数据来分析的话，那也只是简单的数据处理。

替代性很高的工作，而无法深入规划策略的核心。

当然，基本功是最不可忽略的环节，想要成为数据科学家，对于这几个程序你应该要有一定的认识：

若要列出所有程序语言，你能忘记其他的没关系，但最不能忘的就是R。从1997年悄悄地出现，最大的优势就是它免费，为昂贵的统计软件像是Matlab或SAS的另一种选择。

但是在过去几年来，它的身价大翻转，变成了资料科学界眼中的宝。不只是木讷的统计学家熟知它，包括WallStreet交易员、生物学家，以及硅谷开发者，他们都相当熟悉R。多元化的公司像是Google、Facebook、美国银行以及NewYorkTimes通通都使用R，它的商业效用持续提高。

R的好处在于它简单易上手，透过R，你可以从复杂的数据集中筛选你要的数据，从复杂的模型函数中操作数据，建立井然有序的图表来呈现数字，这些都只需要几行程序代码就可以了，打个比方，它就像是好动版本的Excel。

R最棒的资产就是活跃的动态系统，R社群持续地增加新的软件包，还有以内建丰富的功能集为特点。目前估计已有超过200万人使用R，最近的调查显示，R在数据科学界里，到目前为止最受欢迎的语言，占了回复者的61%（紧追在后的是39%的Python）。

它也吸引了WallStreet的注目。传统而言，证券分析师在Excel档从白天看到晚上，但现在R在财务建模的使用率逐渐增加，特别是可视化工具，美国银行的副总裁NiallO’Conno说，「R让我们俗气的表格变得突出」。

在数据建模上，它正在往逐渐成熟的专业语言迈进，虽然R仍受限于当公司需要制造大规模的产品时，而有的人说他被其他语言篡夺地位了。

“R更有用的是在画图，而不是建模。”顶尖数据分析公司Metamarkets的CEO，MichaelDriscoll表示，

“你不会在Google的网页排名核心或是Facebook的朋友们推荐算法时看到R的踪影，工程师会在R里建立一个原型，然后再到Java或Python里写模型语法”。

举一个使用R很有名的例子，在2010年时，PaulButler用R来建立Facebook的世界地图，证明了这个语言有多丰富多强大的可视化数据能力，虽然他现在比以前更少使用R了。

“R已经逐渐过时了，在庞大的数据集底下它跑的慢又笨重”Butler说。

所以接下来他用什么呢?

Python

如果说R是神经质又令人喜爱的Geek，那Python就是随和又好相处的女生。

Python结合了R的快速、处理复杂数据采矿的能力以及更务实的语言等各个特质，迅速地成为主流，Python比起R，学起来更加简单也更直观，而且它的生态系统近几年来不可思议地快速成长，在统计分析上比起R功能更强。

Butler说，“过去两年间，从R到Python地显著改变，就像是一个巨人不断地推动向前进”。

在数据处理范畴内，通常在规模与复杂之间要有个取舍，而Python以折衷的姿态出现。IPythonNotebook（记事本软件）和NumPy被用来暂时存取较低负担的工作量，然而Python对于中等规模的数据处理是相当好的工具；Python拥有丰富的资料族，提供大量的工具包和统计特征。

美国银行用Python来建立新产品和在银行的基础建设接口，同时也处理财务数据，“Python是更广泛又相当有弹性，所以大家会对它趋之若鹜。”O’Donnell如是说。

然而，虽然它的优点能够弥补R的缺点，它仍然不是最高效能的语言，偶尔才能处理庞大规模、核心的基础建设。Driscoll是这么认为的。

Julia

今日大多数的数据科学都是透过R、Python、Java、Matlab及SAS为主，但仍然存在着鸿沟要去弥补，而这个时候，新进者Julia看到了这个痛点。

Julia仍太过于神秘而尚未被业界广泛的采用，但是当谈到它的潜力足以抢夺R和Python的宝座时，数据黑客也难以解释。原因在于Julia是个高阶、不可思议的快速和善于表达的语言，比起R要快的许多，比起Python又有潜力处理更具规模的数据，也很容易上手。

“Julia会变的日渐重要，最终，在R和Python可以做的事情在Julia也可以”。Butler是这么认为的。

就现在而言，若要说Julia发展会倒退的原因，大概就是它太年轻了。Julia的数据小区还在初始阶段，在它要能够和R或Python竞争前，它还需要更多的工具包和软件包。

Driscoll说，它就是因为它年轻，才会有可能变成主流又有前景。

Java

Driscoll说，Java和以Java为基础的架构，是由硅谷里最大的几家科技公司的核心所建立的，如果你从Twitter、Linkedin或是Facebook里观察，你会发现Java对于所有数据工程基础架构而言，是非常基础的语言。

Java没有和R和Python一样好的可视化功能，它也不是统计建模的最佳工具，但是如果你需要建立一个庞大的系统、使用过去的原型，那Java通常会是你最基的选择。

Hadoop and Hive

为了迎合大量数据处理的需求，以Java为基础的工具群兴起。Hadoop为处理一批批数据处理，发展以Java为基础的架构关键；相较于其他处理工具，Hadoop慢许多，但是无比的准确和可被后端数据库分析广泛使用。和Hive搭配的很好，Hive是基于查询的架构下，运作的相当好。

Scala

又是另一个以Java为基础的语言，和Java很像，对任何想要进行大规模的机械学习或是建立高阶的算法，Scala会是逐渐兴起的工具。它是善于呈现且拥有建立可靠系统的能力。

“Java像是用钢铁建造的；Scala则是让你能够把它拿进窑烤然后变成钢的黏土”Driscoll说。

Kafka andStorm

说到当你需要快速的、实时的分析时，你会想到什么?Kafka将会是你的最佳伙伴。其实它已经出现五年有了，只是因为最近串流处理兴起才变的越来越流行。

Kafka是从Linkedin内诞生的，是一个特别快速的查询讯息系统。Kafka的缺点呢?就是它太快了，因此在实时操作时它会犯错，有时候会漏掉东西。

鱼与熊掌不可兼得，「必须要在准确度跟速度之间做一个选择」，Driscoll说。所以全部在硅谷的科技大公司都利用两个管道：用Kafka或Storm处理实时数据，接下来打开Hadoop处理一批批处理数据系统，这样听起来有点麻烦又会有些慢，但好处是，它非常非常精准。

Storm是另一个从Scala写出来的架构，在硅谷逐渐大幅增加它在串流处理的受欢迎程度，被Twitter并购，这并不意外，因为Twitter对快速事件处理有极大的兴趣。

Matlab

Matlab可以说是历久不衰，即使它标价很高；在非常特定的利基市场它使用的相当广泛，包括密集的研究机器学习、信号处理、图像辨识等等。

Octave

Octave和Matlab很像，除了它是免费的之外。然而，在学术信号处理的圈子，几乎都会提到它。

GO是另一个逐渐兴起的新进者，从Google开发出来的，放宽点说，它是从C语言来的，并且在建立强大的基础架构上，渐渐地成为Java和Python的竞争者。

这么多的软件可以使用，但我认为不见得每个都一定要会才行，知道你的目标和方向是什么，就选定一个最适合的工具使用吧!可以帮助你提升效率又达到精准的结果。

以上是小编为大家分享的关于大数据处理需要用到的九种编程语言的相关内容，更多信息可以关注环球青藤分享更多干货

现在计算机语言这么多有C#、C++、Java什么VB甚至现在还出现了Python和ruby可我没那么的时间学啊？

C语言运算快啊，高级语言越来越流行只是因为计算机速度比原来快很多，所以人类可以用运行时的效率为代价来换取开发时的效率。在对运算速度要求高的地方还是需要用C。

另外，Java和是强类型的语言，在编译时、或者甚至在编写时就能发现错误，在开发复杂的大项目的时候这个很有必要，这种情况下用python的话在integration test的时候说不定就要出现只知道有错却找不到错误在哪儿的情况。

python、ruby、javascript这些都是开发小项目多，之所以这几年流行小火箭节点购买地址，是因为初创企业最开始使用这些很方便。但是当他们长大之后，还是经常要用别的语言重写的。比如facebook用java写了他们专门的数据库cassandra，twitter用java重写他们原来的ruby on rails写的服务器。

所以，编程语言并不是像你想象的那样容易淘汰的，即使是50年代就出现的fortran，依然是每隔几年就有新版本，至今仍然在天文学、气象学、流体力学、生物学、化学、经济学等等这些需要高强度计算来模拟一个模型的领域里被广泛使用。

python可以应用在哪些领域

① Web开发：众多大型网站均为 python 开发。

豆瓣：公司几乎所有的业务均是通过 python 开发的

知乎：国内最大的问答社区，通过 python 开发(Quora) 春雨医生：国内知名的在线医疗网站是用 python 开发的

还有搜狐、金山、腾讯、盛大、网易、百度、阿里、淘宝、土豆、新浪、果壳等公司都在使用 python 完成各种各样的任务。

国外的网站：

谷歌：Google App Engine、code.Google 、Google earth、谷歌爬虫、Google 广告等项目都在大量使用 python 开发

CIA：美国中情局网站就是用 python 开发的

NASA：美国航天局(NASA)大量使用 python 进行数据分析和运算

YouTube：世界上最大的视频网站 YouTube 就是 python 开发的

Dropbox：美国最大的在线云存储网站，全部用 python 实现，每天网站处理 10 亿个文件的上传和下载

Instagram：美国最大的图片分享社交网站，每天超过 3 千万张照片被分享，全部用 python 开发

Facebook：大量的基础库均通过 python 实现的

Redhat：世界上最流行的 Linux 发新版本中的 yum 包管理工具就是用 python 开发的

② 爬虫：

现在是大数据时代，爬虫是属于运营的比较多的一个场景吧,比如谷歌的爬虫早期就是用跑Python写的，如果你对采集数据、处理数据感兴趣，爬虫工程师将会是一个很好的选择。

③ 数据分析：

一般我们用爬虫爬到了大量的数据之后，我们需要处理数据用来分析，不然爬虫白爬了，我们最终的目的就是分析数据，在这方面关于数据分析的库也是非常的丰富的，各种图形分析图等都可以做出来。也是非常的方便，其中诸如Seaborn这样的可视化库，能够仅仅使用一两行就对数据进行绘图，而利Pandas和Numpy、scipy则可以简单地对大量数据进行筛选、回归等计算。

④ 人工智能：

Python近年来被人们熟知的主要原因就是人工智能领域的兴起。

Python在科学计算领域一直有着较好的声誉，其简洁清晰的语法以及丰富的计算工具，深受此领域开发者喜爱。

python 由于具有编写简单、改动少等特点。特别适合用在机器学习方向。并且提供了丰富的库。减少了学习人工智能的成本。