既然JSP适合做大型网站，为什么百度主页还是PHP写的？

PHP中文网 原创: 2016-07-30 14:02:13 4355浏览

总的来看Java在技术方面远远超过PHP，不考虑成本问题（大公司应该承受的起），为什么百度首页不用JSP写？及时搜索不需要分布式么？而且在输入的时候会自动加载一些结果什么的。

回复内容：

能把这本书发出来吗？
我要把这个出版社拉黑。泻药。
首先我们来看看百度首页是不是真的用的是php，http://www.baidu,com/index.php无疑是可以打开的，但是我们也知道，可以通过对HTTP服务软件层面进行路由设置，使得这个地址实际解析到其他内容，比如静态文件或者是其他CGI处理的资源，比如伪静态的实现是将html路由到其他动态资源，比如php（考虑到缓存，也有可能是静态资源），所以单凭这个无法确定是否是php。
于是用chrome打开百度，

我们需要看的信息是红色框框出来的内容，首先我们看到Sever的值被设置成了bfe/1.0.8.14，http头中的server字段一般是http服务器的名称，比如知乎：

Qnginx，猜测可能是魔改Nginx吧。百度的bfe，要么是自家产品，要么有可能也是改动了nginx之类的源代码，这个参见百度首页用的什么服务器？
那么我们再看看setcookie里面，设置的cookie内容。我们知道，一般php自身设置的cookie会有类似下面这样的字段：

然而我们看看百度的：

有很多以百度命名的Token字段，没有采用php自带的cookie，也看起来不像很多语言/框架自带的cookie，后文会讲。
我们再看看在百度首页的请求中有一个字段：

HPHP，这是HHVM，如果不是百度使用代

理或者在HTTP服务器层面上修改头或者修改HHVM（百度应该也不会这么闲的蛋疼去改一个不是机密的东西），那么应该就是用PHP了。那么我们解释一下为什么不用默认的（默认的cookie会出现PHPSESSID的字段）

session_start()

facebook还是PHp写的呢，新浪微博和腾讯网也是。知乎还是用Python呢不谈题主贴的资料准确与否
百度首页的PHP只是做结果渲染，搜索引擎本身应该不是基于PHP的我勒个擦。。
身为一个百度员工，半夜看到这个问题，瞬间精神了。。
一个是笑的，一个是内心深处忍不住深深的吐槽之情。。
你是个学生吧？还是说没有接触过超大型的项目。你有机会去个大公司，接触一下，你就明白这个问题真的好蠢。。
最近公司很招黑，我还是匿名吧，懒得跟人吵架。

首先，php是可以做页面渲染的，但是你但凡搞过框架就应该知道，这个url请求会经过分发，分发到哪里就有很大的自主操作空间了。

首先，中间分发这个肯定不是你想象中的那么简单，每天上亿次请求，肯定会有各种cache，全国各地集群分布，等等。
况且，为了加快首页加载速度，肯定是要改成C优化的。

然后，你输入的时候，就分发到了相应的检索集群上。
这个的代码是C++，为什么？因为我亲自改过。。
这里又分成很多模块。。

举个例子，一个单词从你输入到搜索框，到最后取出数据，中间的过程，说简单的确很简单。。

就是爬虫抓取数据，然后根据这些数据建索引嘛。
问题是，每个细节做到最好，这复杂度就很高了。

分词的话，你如何能够更加准确？直接用个开源库？开玩笑呢你？就这个最好就要一个专业的团队去负责，还是偏研究性的，得招一堆博士，研究生去搞。
好了，分好词了，我们要取索引了。
如何在毫秒内，在千亿的结果中，找到对应的数据？
然后给他们排序，返回用户想要的结果？听起来是不是很复杂？

其实，这个说起来也不麻烦，倒排拉链嘛，然后做好cache，其实百分之九十的搜索都是百分之十的单词。
不过数据量有点大，所以这个索引可能全部放不到内存，部分放到硬盘上呗，问题是硬盘上速度慢，我们可否做点优化？

然后如何选择最合适的给用户？这个策略上又有不少优化点，做好了又得一批人。

这还只是检索。
爬虫那一块，我们每天爬下来的数据超出一般人的想象，如何高效的爬，好提供给检索端更加靠谱的数据。
这个又是一堆人搞。

但是问题又来了，你发现数据量太大了，这数据怎么存？怎么更好的管理？
这不都是要花大量的人力去搞。。

哦，还有凤巢，这个天天被你们黑的。
因为关系到钱，也是投入了大量的人力去做各种各样的策略，数据优化。

所以，看到你这个问题。。。。
真的是觉得，什么鬼，去接触下一个超大级别的项目。
你会发现，基本上都是在某个时刻就有一个最适应的语言，那就去用就好了。
百度一开始就几个人，用户有几十万就不错了，赶紧上个网站有的用就可以了，还考虑啥效率。后端索引，一开始没有hadoop的时候，机器维护老有问题，那就派几个人天天手工维护呗。
然后，后期发现php不好用了，就想想优化呗。
反正业务坐上去了，也有钱了，请一堆牛人使劲折腾，肯定能想出办法。

当然，搜索引擎从技术方面的确还是很有门槛的，现在各种框架，云计算成熟了，好做了很多，当年做起来的确还是有很大的技术壁垒的。
至少比搭个网站难度要高上个几十倍。

但语言绝对不是最大的问题。。

你就会发现，你竟然还在这里纠结语言，是不是很蠢？ php提供的数据库接口不统一。。。。。。多少年前的事了。。。pdo一出就早解决了。题主截取的很多观点都是比较片面和老旧了，现在的PHP综合来说已经是WEB业务的霸主了，jsp在大型业务虽然有优势，但是总体来说php在很多方面已经能和它平分秋色。还有。。。谁告诉你百度的搜索引擎是PHP了。。。首页就是一层皮，用什么写都差距不大。搜索当然是分布式的，但是都是以服务方式提供，和首页也没有什么关系。至于自动加载些结果什么的，也是js发个请求，后台也是服务方式提供的。至于后台的服务，不知道百度具体是怎么实现的，有各种语言和方案可以选择，选个合适自己的就好。搜索的确有很多方案是基于java实现的，但是并不表示离了java就搞不了。php和jsp也不是什么升级替代关系，只能说各有所长，php之所以显得弱鸡，只是国内写php的人大部分弱鸡。即使facebook切到hhvm之前的php，也能轻松支撑每天10亿+请求，用的服务器也不是特别多。没有具体数据，但是有人推测fb当时的php单机qps在3000-5000左右，并不比jsp单机存在数量级差距。我任职某司php单机峰值在700qps左右，主要是代码写的混乱，性能太差。而淘宝的分享说明，某些php业务集群里的单机qps只有200-300。这只能说明是人的问题。最后建议多看看架构方面的文章，这类问题的答案自然蕴含其中。你认为百度搜索引擎就一个首页么 PHP是世界上最美丽的语言天啊～