資料庫 OLAP、OLTP是什麼？相同和不同？適用場景
一、OLTP和OLAP是什麼，二者比較
人類世界遵從基本的物理規律，數據世界裡，關於數據的操作處理，也大體分為OLTP和OLAP兩類。
OLTP on-line transaction processing 聯機事物處理
以傳統RDBMS關係型資料庫為主要應用，用於基本的、日常的事務處理，例如銀行交易
OLAP on-line analytical processing 聯機分析處理
以數據倉庫為主要應用，支援複雜分析、決策支援
|
|
OLTP | OLAP |
| 用戶 | 操作人員，低層管理人員 | 決策人員，高級管理人員 |
| 功能 | 日常操作處理 | 輔助分析決策 |
| DB設計 | 面嚮應用 | 面向主題 |
| 數據 | 當前，細節，最新，二維 | 歷史，聚集，多維，集成，統一 |
| 存取 | I/O讀寫數十條記錄 | I/O讀上百萬條記錄 |
| 工作單位 | 簡單的事務 | 複雜的查詢 |
| 用戶數 | 上千個 | 上百萬個 |
| DB大小 | 100MB-GB | 100GB-TB |
| 時間要求 | 具有實時性 | 對時間的要求不嚴格 |
| 主要應用 | 傳統關係型資料庫 | 數據倉庫 |
二、OLTP和OLAP系統整體性能評價、系統瓶頸和優化方法
1、OLTP系統整體性能評價
2、OLTP系統瓶頸
OLTP系統最容易出現瓶頸的地方就是CPU與磁碟子系統。
（1）CPU出現瓶頸常表現在邏輯讀總量與計算性函數或者是過程上，邏輯讀總量等於單個語句的邏輯讀乘以執行次數，如果單個語句執行速度雖然很快，但是執行次數非常多，那麼，也可能會導致很大的邏輯讀總量。設計的方法與優化的方法就是減少單個語句的邏輯讀，或者是減少它們的執行次數。另外，一些計算型的函數，如自定義函數、decode等的頻繁使用，也會消耗大量的CPU時間，造成系統的負載升高，正確的設計方法或者是優化方法，需要盡量避免計算過程，如保存計算結果到統計表就是一個好的方法。
（2）磁碟子系統在OLTP環境中，它的承載能力一般取決於它的IOPS處理能力. 因為在OLTP環境中，磁碟物理讀一般都是db file sequential read，也就是單塊讀，但是這個讀的次數非常頻繁。如果頻繁到磁碟子系統都不能承載其IOPS的時候，就會出現大的性能問題。
3、OLTP系統優化方法
OLTP比較常用的設計與優化方式為Cache技術與B-tree索引技術，Cache決定了很多語句不需要從磁碟子系統獲得數據，所以，Web cache與Oracle data buffer對OLTP系統是很重要的。另外，在索引使用方面，語句越簡單越好，這樣執行計劃也穩定，而且一定要使用綁定變數，減少語句解析，盡量減少表關聯，盡量減少分散式事務，基本不使用分區技術、MV技術、並行技術及點陣圖索引。因為並發量很高，批量更新時要分批快速提交，以避免阻塞的發生。
OLTP 系統是一個數據塊變化非常頻繁，SQL 語句提交非常頻繁的系統。 對於數據塊來說，應儘可能讓數據塊保存在記憶體當中，對於SQL來說，儘可能使用變數綁定技術來達到SQL 重用，減少物理I/O 和重複的SQL 解析，從而極大的改善資料庫的性能。
這裡影響性能除了綁定變數，還有可能是熱塊（hot block）。 當一個塊被多個用戶同時讀取時，Oracle 為了維護數據的一致性，需要使用Latch來串列化用戶的操作。當一個用戶獲得了latch後，其他用戶就只能等待，獲取這個數據塊的用戶越多，等待就越明顯。 這就是熱塊的問題。 這種熱快可能是數據塊，也可能是回滾端塊。 對於數據塊來講，通常是資料庫的數據分布不均勻導致，如果是索引的數據塊，可以考慮創建反向所以來達到重新分布數據的目的，對於回滾段數據塊，可以適當多增加幾個回滾段來避免這種爭用。
4、OLAP系統整體性能評價
OLAP，也叫聯機分析處理（Online Analytical Processing）系統，有的時候也叫DSS決策支援系統，就是我們說的數據倉庫。
在這樣的系統中，語句的執行量不是考核標準，因為一條語句的執行時間可能會非常長，讀取的數據也非常多。所以，在這樣的系統中，考核的標準往往是磁碟子系統的吞吐量（頻寬），如能達到多少MB/s的流量。磁碟子系統的吞吐量則往往取決於磁碟的個數，這個時候，Cache基本是沒有效果的，資料庫的讀寫類型基本上是db file scattered read與direct path read/write。應盡量採用個數比較多的磁碟以及比較大的頻寬，如4Gb的光纖介面。
5、OLAP系統的瓶頸和優化方法
對於OLAP系統，SQL 的優化非常重要，因為它的數據量很大，做全表掃描和索引對性能上來說差異是非常大的。在OLAP系統中，常使用分區技術、並行技術。
分區技術在OLAP系統中的重要性主要體現在資料庫管理上，比如資料庫載入，可以通過分區交換的方式實現，備份可以通過備份分區表空間實現，刪除數據可以通過分區進行刪除，至於分區在性能上的影響，它可以使得一些大表的掃描變得很快（只掃描單個分區）。另外，如果分區結合併行的話，也可以使得整個表的掃描會變得很快。總之，分區主要的功能是管理上的方便性，它並不能絕對保證查詢性能的提高，有時候分區會帶來性能上的提高，有時候會降低。
並行技術除了與分區技術結合外，在Oracle 10g中，與RAC結合實現多節點的同時掃描，效果也非常不錯，可把一個任務，如select的全表掃描，平均地分派到多個RAC的節點上去。
在OLAP系統中，不要使用綁定（BIND）變數，因為整個系統的執行量很小，分析時間對於執行時間來說，可以忽略，而且可避免出現錯誤的執行計劃。但是OLAP中可以大量使用點陣圖索引，物化視圖，對於大的事務，盡量尋求速度上的優化，沒有必要像OLTP要求快速提交，甚至要刻意減慢執行的速度。
綁定變數真正的用途是在OLTP系統中，這個系統通常有這樣的特點，用戶並發數很大，用戶的請求十分密集，並且這些請求的SQL 大多數是可以重複使用的。
對於OLAP系統來說，絕大多數時候資料庫上運行著的是報表作業，執行基本上是聚合類的SQL 操作，比如group by，這時候，把優化器模式設置為all_rows是恰當的。 而對於一些分頁操作比較多的網站類資料庫，設置為first_rows會更好一些。 但有時候對於OLAP 系統，我們又有分頁的情況下，我們可以考慮在每條SQL 中用hint。 如：
Select /*+first_rows(10) / a. from table a;
6、分開設計與優化
在設計上要特別注意，如在高可用的OLTP環境中，不要盲目地把OLAP的技術拿過來用。
如分區技術，假設不是大範圍地使用分區關鍵字，而採用其它的欄位作為where條件，那麼，如果是本地索引，將不得不掃描多個索引，而性能變得更為低下。如果是全局索引，又失去分區的意義。
並行技術也是如此，一般在完成大型任務時才使用，如在實際生活中，翻譯一本書，可以先安排多個人，每個人翻譯不同的章節，這樣可以提高翻譯速度。如果只是翻譯一頁書，也去分配不同的人翻譯不同的行，再組合起來，就沒必要了，因為在分配工作的時間裡，一個人或許早就翻譯完了。
點陣圖索引也是一樣，如果用在OLTP環境中，很容易造成阻塞與死鎖。但是，在OLAP環境中，可能會因為其特有的特性，提高OLAP的查詢速度。MV也是基本一樣，包括觸發器等，在DML頻繁的OLTP系統上，很容易成為瓶頸，甚至是Library Cache等待，而在OLAP環境上，則可能會因為使用恰當而提高查詢速度。
對於OLAP系統，在記憶體上可優化的餘地很小，增加CPU 處理速度和磁碟I/O 速度是最直接的提高資料庫性能的方法，當然這也意味著系統成本的增加。
比如我們要對幾億條或者幾十億條數據進行聚合處理，這種海量的數據，全部放在記憶體中操作是很難的，同時也沒有必要，因為這些數據快很少重用，快取起來也沒有實際意義，而且還會造成物理I/O相當大。 所以這種系統的瓶頸往往是磁碟I/O上面的。
