在PHP开发场景中，经常会遇到需要处理数十万甚至上百万条数据的大型数组的情况，比如批量处理用户数据、读取大文件内容到数组后做遍历操作等。传统的循环遍历方式会把整个数组完全加载到内存中，数据量过大时很容易触发内存限制错误，导致程序崩溃。
传统循环遍历大型数组的问题
我们先来看一段传统遍历大型数组的代码示例，模拟生成10万条用户数据并遍历输出手机号：
<?php
// 生成10万条模拟用户数据
function generate_large_array() {
$large_array = [];
for ($i = 0; $i < 100000; $i++) {
$large_array[] = [
'id' => $i,
'name' => '用户' . $i,
'phone' => '138' . str_pad($i, 8, '0', STR_PAD_LEFT)
];
}
return $large_array;
}
// 传统方式遍历
$users = generate_large_array();
foreach ($users as $user) {
echo $user['phone'] . PHP_EOL;
}
?>
这段代码会先调用generate_large_array函数，把10万条数据全部存到$users数组中，然后才做遍历。此时整个数组会占用大量内存，我们可以通过memory_get_usage函数查看内存占用情况：
<?php
function generate_large_array() {
$large_array = [];
for ($i = 0; $i < 100000; $i++) {
$large_array[] = [
'id' => $i,
'name' => '用户' . $i,
'phone' => '138' . str_pad($i, 8, '0', STR_PAD_LEFT)
];
}
return $large_array;
}
echo "生成数组前内存：" . memory_get_usage() . " bytes" . PHP_EOL;
$users = generate_large_array();
echo "生成数组后内存：" . memory_get_usage() . " bytes" . PHP_EOL;
foreach ($users as $user) {
// 仅遍历不做其他操作
}
echo "遍历完成后内存：" . memory_get_usage() . " bytes" . PHP_EOL;
?>
运行后会发现生成10万条数据后，内存占用会达到十几MB，如果数据量再提升到100万条，很可能会超过PHP默认的内存限制128MB，直接抛出致命错误。
yield生成器的工作原理
yield是PHP5.5引入的生成器语法，它的核心特点是不会一次性把所有数据生成好存到内存中，而是在每次迭代的时候才生成当前需要的数据，迭代完成后自动释放当前数据的资源。
我们把上面的生成数组的函数改成生成器版本：
<?php
// 生成器方式生成数据
function generate_large_array_by_yield() {
for ($i = 0; $i < 100000; $i++) {
yield [
'id' => $i,
'name' => '用户' . $i,
'phone' => '138' . str_pad($i, 8, '0', STR_PAD_LEFT)
];
}
}
?>
这里的generate_large_array_by_yield函数没有返回数组，而是每次循环用yield返回一条数据。调用这个函数的时候，它不会立刻执行函数体里的代码，而是返回一个生成器对象，只有在对这个对象做迭代（比如用foreach遍历）的时候，才会每次执行到yield的位置，返回一条数据，然后暂停，等待下一次迭代再继续执行。
yield生成器是否真的节省内存
我们用同样的方式测试生成器版本的内存占用：
<?php
function generate_large_array_by_yield() {
for ($i = 0; $i < 100000; $i++) {
yield [
'id' => $i,
'name' => '用户' . $i,
'phone' => '138' . str_pad($i, 8, '0', STR_PAD_LEFT)
];
}
}
echo "调用生成器前内存：" . memory_get_usage() . " bytes" . PHP_EOL;
$generator = generate_large_array_by_yield();
echo "获取生成器对象后内存：" . memory_get_usage() . " bytes" . PHP_EOL;
foreach ($generator as $user) {
// 仅遍历不做其他操作
}
echo "遍历完成后内存：" . memory_get_usage() . " bytes" . PHP_EOL;
?>
运行后会发现，获取生成器对象的时候内存几乎没有明显增长，遍历过程中内存占用也一直保持在很低的水平，和传统的数组方式相比，内存占用差距非常明显。这是因为生成器每次只保留当前迭代的那一条数据在内存中，不会把10万条数据全部存下来，自然就节省了大量内存。
其他优化PHP遍历大型数组的技巧
除了使用yield生成器之外，还有几个实用的优化技巧可以提升遍历效率：
- 减少不必要的数组拷贝：遍历数组的时候尽量避免使用
array_map、array_filter这类会返回新数组的函数，如果不需要保留处理结果，直接用foreach遍历原始数组即可，减少内存开销。 - 及时释放无用变量：如果遍历过程中用不到某个大数组了，可以用
unset函数及时释放它，比如unset($large_array)，让内存可以尽快被回收。 - 使用引用遍历修改数组：如果需要修改数组的元素，可以用
foreach ($arr as &$value)的引用方式，避免PHP自动拷贝数组的写时复制机制带来的额外内存占用。 - 分批次处理数据：如果数据是从数据库查询出来的，不要一次性查询所有数据，而是用
LIMIT分批次查询，每次处理一批数据，处理完再查下一批，避免一次性加载过多数据到内存。
使用yield生成器的注意事项
虽然yield生成器能节省内存，但也不是所有场景都适用：
- 生成器返回的对象只能遍历一次，遍历完之后就不能再用了，如果需要多次使用数据，还是要存到数组中。
- 生成器不能直接使用数组相关的函数，比如
count、array_merge等，如果需要获取生成器产生的数据总量，只能自己遍历计数。 - 如果遍历过程中需要对所有数据做排序、去重等操作，生成器就不太适合，因为这类操作需要所有数据都在内存中才能完成。
总结来说，当我们需要遍历大型数组且不需要保留所有数据在内存中时，使用yield生成器确实能大幅节省内存，避免内存溢出问题，是处理大型数据集的非常实用的优化手段。