如何把Linux的性能调整到最佳状态？
Linux调优有以下几个方面：关闭后台不必要的守护进程；关闭图形桌面；根据要求修改Linux的内核参数；对CPU参数进行修改以完成对CPU的优化；根据测试修改内存参数以完成对内存的优化；对文件系统以及IO的优化等等，但是具体还要看你的业务，同样的优化方法对不同的业务可能效果不一样的，要多测试，找到符合你服务器的优化方法。
有哪些可以推荐的php书籍？
学习PHP书籍要看你处于开发的哪个阶段了，《PHP系统核心与最佳实践》在国内PHP丛书中，好评多一些。而且很也实用。正如书序中所说的，这是一本面向突破瓶颈的php程序员的书。
《 高性能PHP应用开发》是一本受好评的php性能优化方面的图书，通过介绍PHP的原理和相关的工具集来实现调优性能的目的。
《Linux高性能服务器编程》是PHPer后阶段进阶中高级开发必看的一本书籍，里面涉及到了多进程/多线程、IO复用、TCP/IP网络协议、进程间通信的基本知识！
特别是目前正在学习Swoole协程编程的同学，正是需要学习这些知识点的时候，
- 不少PHPer在学习这些技术的过程中难免遇到问题，Swoole协程编程、并发编程、Swoft微服务、SQL性能优化，分布式、高并发都是成为一个中高级PHPer，架构师的必经之路
- 为了帮助大家进阶中高级涨薪我为大家准备了一套精品福利！还可加入大牛学习圈子，分享TP,Laravel，Swoole，Swoft微服务等实战教程，各种大牛都是3-8年PHP开发者，每天还有12年的架构师做讲解，助你进阶中高级PHP程序员，增值涨薪！需要可关注本头条号，并且发送私信：PHP
在学习Swoole过程中有疑惑、遇到瓶颈期的可关注本头条号、在底部留言给我！！！
想自学大数据，不知道从哪里学起，有什么书籍和学习路线推荐么？
谢邀！笔者刚签约大数据挖掘工程师岗位，也是在研究生阶段才转为大数据方向。大数据目前正火热，很多同学想要转入，但学习路线对于自学的人来讲因人而异。
拿自身举例，笔者之前是Python数据分析出生，编程能力一般，因此在这个基础上先学习linux基本操作命令，安装ubuntu双系统并进一步安装Hadoop和Spark组件，在此基础上利用Pyspark操作Spark大数据框架进行学习。可以推荐如下书籍：
《Pyspark实战指南》
而要完全进入大数据领域还不够，因为大数据框架比较侧重开发，所以需要有scala语言功底（scala语言是Spark的原生语言），而scala语言跟JAVA关联性很强且完全兼容，所以如果有一定JAVA基础的话完全可以从scala入手，推荐的书籍如下：
《Spark编程基础（scala版）》
视频教程强烈推荐林子雨老师在MOOC慕课上的国家精品免费课程，由浅入深，非常容易上手。
大数据学习可以从最基础的java语言入手，然后去学习Linux&Hadoop生态体系，一些分布式的技术理念，再然后就是学习机器学习，深度学习算法。
阶段一、大数据基础——java语言基础方面
（1）Java语言基础
Java开发介绍、熟悉Eclipse开发工具、Java语言基础、Java流程控制、Java字符串、Java数组与类和对象、数字处理类与核心技术、I/O与反射、多线程、Swing程序与集合类
（2）JavaWeb和数据库
数据库、JavaWeb开发核心、JavaWeb开发内幕
推荐书籍：
《Effective Java中文版》（第2版）
这本书是学习java必备书籍，看完这本书也就掌握了入门的基础知识。
阶段二、 Linux&Hadoop生态体系
学习大数据离不开hadoop，围绕hadoop有一套生态体系，分布式数据库Hbase、数据仓库Hive、数据迁移工具Sqoop、Flume分布式日志框架需要了解并掌握。
推荐书籍：
1、《Big Data》
2、《Hadoop权威指南》
3、《Hive编程指南》
阶段三、 分布式计算。
（1）分布式计算框架
Python编程语言、Scala编程语言、Spark大数据处理、Spark—Streaming大数据处理、Spark—Mlib机器学习、Spark—GraphX 图计算等
（2）storm技术架构体系
Storm原理与基础、消息队列kafka、Redis工具、zookeeper集群
推荐书籍：
1、《Learning Spark》
2、《Spark机器学习：核心技术与实践》
阶段四、机器学习和深度学习算法的学习，可以更好的利用大数据去处理问题。
作为一名IT从业者，同时也是一名教育工作者，我来回答一下这个问题。
首先，要自学大数据还是具有一定难度的，大数据不仅内容比较多，难度比较高，同时还需要学习者具有一定的场景支撑，比如数据中心等等，所以初学者自学大数据通常需要按照三个阶段来安排学习计划。
学习大数据的第一个阶段要根据自身的知识基础和发展方向来完成一些基础知识的学习，不论是从事大数据开发还是大数据分析，都需要具有一定的程序设计基础，初学者从Java和Python开始学起都是不错的选择。Java的前期学习难度要大一些，Python则要相对简单一些，而且目前Python语言在大数据领域的应用前景也比较广阔。
学习大数据的第二个阶段是掌握大数据平台的相关知识，大数据领域的诸多岗位任务都离不开大数据平台的支撑，所以学习大数据平台是学习大数据技术的重要环节。学习大数据平台可以从Hadoop和Spark开始学起，一方面这两个平台是开源平台，另一方面这两个平台的应用范围也比较广泛，相关的学习案例也比较多。
相对于编程语言来说，大数据平台的内容相对比较多，而且也具有一定的难度，往往还需要初学者具备一定的Linux操作系统知识，所以如果自身的计算机基础知识比较薄弱，那么也可以从Linux操作系统开始学起。
学习大数据的第三个阶段就是实践阶段，实践阶段最好能够在实习岗位上来完成，一方面实习岗位能够提供场景支撑，另一方面在实习岗位上也更容易与有经验的技术人员进行交流学习。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！