当前位置:首页 > 文章列表 > 文章 > php教程 > 我如何使用 PHP 和 MySQL 解决具有挑战性的后端问题

我如何使用 PHP 和 MySQL 解决具有挑战性的后端问题

来源:dev.to 2024-07-10 12:51:48 0浏览 收藏

知识点掌握了,还需要不断练习才能熟练运用。下面golang学习网给大家带来一个文章开发实战,手把手教大家学习《我如何使用 PHP 和 MySQL 解决具有挑战性的后端问题》,在实现功能的过程中也带大家重新温习相关知识点,温故而知新,回头看看说不定又有不一样的感悟!

我如何使用 PHP 和 MySQL 解决具有挑战性的后端问题

大家好,好久没写博文了;好吧,我在这里写的是我遇到的最具挑战性的问题之一以及我如何解决它的概述。

作为后端开发人员,挑战尤其是那些会让你兴奋的挑战是无法逃避的。最近,在使用 PHP 和 MySQL 开发广告网络时,我遇到了一个与根据特定标准为发布商优化每千次成本 (CPM) 相关的复杂问题。这个问题考验了我的技术能力,并提供了宝贵的学习经验。在这篇文章中,我将向您介绍我如何逐步解决这个问题,重点介绍所面临的挑战和实施的解决方案。如果我能得到有关如何有效实施或更好的方法的建议,我将很高兴。

问题

任务是根据以下标准调整发布商的每千次展示费用:

  1. 如果过去 10 分钟内有来自 10 个不同 IP 地址的点击,则增加 5%。
  2. 如果过去 10 分钟内同一 IP 地址有 5 次点击,则减少 8%。
  3. 如果来自同一国家连续 10 次点击,则增加 2%。

解决方案之旅

第 1 步:了解要求

在开始实施之前,我需要清楚地了解需求。我与利益相关者进行了讨论,以确认调整 CPM 的标准和期望的行为。这第一步对于有效规划解决方案至关重要。

第 2 步:设置数据库

我已经创建了数据库和表,而且该项目已经上线,所以我只需要添加条件即可。我确保数据库和表已设置为存储和容纳点击跟踪所需的信息。表架构包含用于存储点击时间戳、IP 地址和国家/地区代码的字段(还有其他字段/列,我不会包含这些字段/列,因为它们对于本文的原因并不重要)。

第 3 步:捕获点击数据

接下来,我实现了一个函数,用于在用户点击广告时获取并保存 IP 地址和国家/地区代码。该数据存储在点击表中。

第 4 步:实施标准检查

捕获数据后,下一步是实施逻辑来检查标准并相应地调整 CPM。

  1. 检查唯一的 IP 地址 我使用 COUNT 函数和 DISTINCT 关键字计算过去 10 分钟内的唯一 IP 地址,该关键字计算组中每一行的表达式并返回唯一非空值的数量。
/*** 获取最近10分钟内唯一IP地址的数量*/
$stmt = $pdo->准备("
    选择 COUNT(DISTINCT ip_address) AS unique_ips
    来自点击次数
    WHERE date_time >= NOW() - 间隔 10 分钟
”);
$stmt->execute();
$unique_ips = $stmt->fetchColumn();

如果($unique_ips >= 10){
    $cpm *= 1.05;
} 别的 {
    /*** 这里,我检查来自同一IP地址的点击
     * 这是第二种情况
     * ...
     **/
}
  1. 检查重复的 IP 地址 然后,我使用 SQL COUNT 函数检查过去 10 分钟内是否有重复或不唯一的 IP 地址。
/*** 检查过去 10 分钟内非唯一(重复)的 IP 地址
 * 如果条件成立,则 CPM 降低 8%*/
$stmt = $pdo->准备("
    选择 ip_address, COUNT(*) AS click_count
    来自点击次数
    WHERE 时间戳 >= NOW() - 间隔 10 分钟
    按 ip_address 分组
    点击次数 >= 5
”);
$stmt->execute();
$repeated_ips = $stmt->fetchAll();

if (count($repeated_ips) > 0) {
    $cpm *= 0.92;
} 别的 {
    /*** 在这里,我检查来自同一国家/地区的连续点击
     * 这是第三种情况
     * ...
     **/
}
  1. 检查来自同一国家/地区的连续点击 在这里,我应用第三个标准,即检查来自同一国家/地区的连续点击。
/*** 连续查看来自同一国家的点击次数
 * 如果条件成立,则每千次展示费用提高 2%*/
$stmt = $pdo->准备("
    选择国家/地区代码
    来自点击次数
    ORDER BY 时间戳 DESC
    限制 10
”);
$stmt->execute();
$last_ten_clicks = $stmt->fetchAll(PDO::FETCH_COLUMN);

if (count(array_unique($last_ten_clicks)) === 1) {
    $cpm *= 1.02;
}

第 5 步:更新每千次展示费用

对于这部分,我更新了发布商的 CPM 并用它来计算他针对该特定点击的收入。

结果

通过实施此解决方案,广告网络现在可以根据用户的点击数据动态调整 CPM。这确保了发布商的公平和优化的收入模式,提高了广告网络的整体效率。

关于我以及为什么选择 HNG 实习?

我是 Kingsley Gbutemu Kefas,一位热衷于构建可扩展且高效系统的后端开发人员。我是一个问题解决者,我喜欢学习新事物和做事的方法。作为一名开发人员,我的动力来自解决挑战,尤其是那些让我批判性思考的复杂挑战。我知道 HNG 实习对我来说是一个通过从事实际项目并向行业专家学习来成长为开发人员的机会。我很高兴能够开始 HNG 实习之旅并为技术社区做出贡献。我相信这次旅程将提高我的技能并为有影响力的项目做出贡献,并且我确信我将从 HNG Premium 的好处中受益更多。

今天关于《我如何使用 PHP 和 MySQL 解决具有挑战性的后端问题》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

版本声明
本文转载于:dev.to 如有侵犯,请联系study_golang@163.com删除
装饰 Symfony 路由器以向所有 URL 添加尾部斜杠装饰 Symfony 路由器以向所有 URL 添加尾部斜杠
上一篇
装饰 Symfony 路由器以向所有 URL 添加尾部斜杠
如何在 PHP 中提取一个简单的验证器类?
下一篇
如何在 PHP 中提取一个简单的验证器类?
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    395次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    473次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    479次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    423次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    249次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码