OLAP、OLTPの比較
この記事はhttpsから転送されます://www.cnblogs.com/hhandbibi/p/7118740.html
OLTP与OLAP的介绍
数据处理大致可以分成两大类：OLTP（オンライントランザクション処理）、
OLAP（オンライン分析処理）。OLTP是传统的关系型データベース的
主要应用，主に基本、日常業務，例：銀行取引。OLAP是数据仓库系统的
主要应用，複雑な分析操作をサポート，意思決定支援に焦点を当てる，そして、直感的で理解しやすいクエリ結果を提供します。
OLTP 系统强调数据库内存效率，メモリのさまざまな指標のコマンドレートを強調します，バインド変数に重点を置く，並行操作を強調する；
OLAP 系统则强调数据分析，SQL実行市場を強調する，ディスクI / Oを強調する，パーティションなどを強調します。。
OLTP，オンライントランザクション処理（オンライントランザクション処理）とも呼ばれます，非常にトランザクションシステムを表します，
一般的に可用性の高いオンラインシステム，小さなトランザクションと小さなクエリに焦点を当てる，そのシステムを評価するとき，一般看其每秒
执行的Transaction以及Execute SQL的数量。そのようなシステムでは，单个数据库每秒处理的Transaction
往往超过几百个，または数千，Selectステートメントの実行量は、1秒あたり数千または数万です。。典型的OLTP系统有
电子商务系统、バンク、証券等，米国のeBayのビジネスデータベースなど，これは非常に典型的なOLTPデータベースです。
OLTPシステムで最も可能性の高いボトルネックは、CPUおよびディスクサブシステムです。。
（1）CPUのボトルネックは、多くの場合、論理読み取りと計算関数またはプロセスの合計量に現れます。，逻辑读总量等于单个语句的
逻辑读乘以执行次数，単一のステートメントの実行速度が速い場合，しかし、実行の数は非常に多いです，その後、，也可能会
导致很大的逻辑读总量。設計と最適化の方法は、単一の文の論理的な読み取りを減らすことです，またはそれらを減らすために
执行次数。加えて，一些计算型的函数，如自定义函数、decode等的频繁使用，也会消耗大量的CPU
时间，造成系统的负载升高，正确的设计方法或者是优化方法，需要尽量避免计算过程，如保存计算
结果到统计表就是一个好的方法。
（2）磁盘子系统在OLTP环境中，它的承载能力一般取决于它的IOPS处理能力. 因为在OLTP环境中，
磁盘物理读一般都是db file sequential read，也就是单块读，但是这个读的次数非常频繁。如果频繁
到磁盘子系统都不能承载其IOPS的时候，就会出现大的性能问题。
OLTP比较常用的设计与优化方式为Cache技术与B-tree索引技术，Cache决定了很多语句不需要从
磁盘子系统获得数据，など，Web cache与Oracle data buffer对OLTP系统是很重要的。加えて，在索引
使用方面，语句越简单越好，这样执行计划也稳定，而且一定要使用绑定变量，减少语句解析，尽量
减少表关联，尽量减少分布式事务，基本不使用分区技术、MV技术、并行技术及位图索引。なぜなら
并发量很高，批量更新时要分批快速提交，以避免阻塞的发生。
OLTP 系统是一个数据块变化非常频繁，SQL 语句提交非常频繁的系统。 对于数据块来说，应尽
可能让数据块保存在内存当中，对于SQL来说，尽可能使用变量绑定技术来达到SQL重用，减少
物理I/O 和重复的SQL 解析，从而极大的改善数据库的性能。
这里影响性能除了绑定变量，还有可能是热快（hot block）。 当一个块被多个用户同时读取时，
Oracle 为了维护数据的一致性，需要使用Latch来串行化用户的操作。当一个用户获得了latch后，
其他用户就只能等待，获取这个数据块的用户越多，等待就越明显。 这就是热快的问题。 这种热快
可能是数据块，也可能是回滚端块。 对于数据块来讲，通常是数据库的数据分布不均匀导致，もしも
是索引的数据块，可以考虑创建反向索引来达到重新分布数据的目的，对于回滚段数据块，可以
适当多增加几个回滚段来避免这种争用。
OLAP，也叫联机分析处理（Online Analytical Processing）系统，有的时候也叫DSS
决策支持系统，就是我们说的数据仓库。そのようなシステムでは，语句的执行量不是考核标准，因为一条
语句的执行时间可能会非常长，读取的数据也非常多。など，そのようなシステムでは，考核的标准往往是
磁盘子系统的吞吐量（带宽），如能达到多少MB/s的流量。
磁盘子系统的吞吐量则往往取决于磁盘的个数，这个时候，Cache基本是没有效果的，数据库的
读写类型基本上是db file scattered read与direct path read/write。应尽量采用个数比较多的磁盘
以及比较大的带宽，如4Gb的光纤接口。
在OLAP系统中，常使用分区技术、并行技术。
分区技术在OLAP系统中的重要性主要体现在数据库管理上，比如数据库加载，可以通过分区
交换的方式实现，备份可以通过备份分区表空间实现，删除数据可以通过分区进行删除，至于
分区在性能上的影响，它可以使得一些大表的扫描变得很快（只扫描单个分区）。加えて，如果分区
结合并行的话，也可以使得整个表的扫描会变得很快。要するに，分区主要的功能是管理上的方便性，
它并不能绝对保证查询性能的提高，有时候分区会带来性能上的提高，有时候会降低。
并行技术除了与分区技术结合外，在Oracle 10g中，与RAC结合实现多节点的同时扫描，效果也
非常不错，可把一个任务，如select的全表扫描，平均地分派到多个RAC的节点上去。
在OLAP系统中，不需要使用绑定（BIND）变量，因为整个系统的执行量很小，分析时间对于
执行时间来说，可以忽略，而且可避免出现错误的执行计划。但是OLAP中可以大量使用位图索引，
物化视图，对于大的事务，尽量寻求速度上的优化，没有必要像OLTP要求快速提交，甚至要刻意
减慢执行的速度。
绑定变量真正的用途是在OLTP系统中，这个系统通常有这样的特点，用户并发数很大，用户的
请求十分密集，并且这些请求的SQL 大多数是可以重复使用的。
对于OLAP系统来说，绝大多数时候数据库上运行着的是报表作业，执行基本上是聚合类的SQL
操作する，比如group by，这时候，把优化器模式设置为all_rows是恰当的。 而对于一些分页操作
比较多的网站类数据库，设置为first_rows会更好一些。 但有时候对于OLAP 系统，我们又有
分页的情况下，我们可以考虑在每条SQL 中用hint。 といった：
Select a.* from table a;
分开设计与优化
在设计上要特别注意，如在高可用的OLTP环境中，不要盲目地把OLAP的技术拿过来用。
如分区技术，假设不是大范围地使用分区关键字，而采用其它的字段作为where条件，その後、，
如果是本地索引，将不得不扫描多个索引，而性能变得更为低下。如果是全局索引，又失去
分区的意义。
并行技术也是如此，一般在完成大型任务时才使用，如在实际生活中，翻译一本书，可以先
安排多个人，每个人翻译不同的章节，这样可以提高翻译速度。如果只是翻译一页书，也去
分配不同的人翻译不同的行，再组合起来，就没必要了，因为在分配工作的时间里，一个人
或许早就翻译完了。
位图索引也是一样，如果用在OLTP环境中，很容易造成阻塞与死锁。但是，在OLAP环境中，
可能会因为其特有的特性，提高OLAP的查询速度。MV也是基本一样，包括触发器等，在DML
、频繁的OLTP系统上，很容易成为瓶颈，甚至是Library Cache等待，而在OLAP环境上，その後
可能会因为使用恰当而提高查询速度。
对于OLAP系统，在内存上可优化的余地很小，增加CPU 处理速度和磁盘I/O 速度是最直接
的提高数据库性能的方法，当然这也意味着系统成本的增加。
比如我们要对几亿条或者几十亿条数据进行聚合处理，这种海量的数据，全部放在内存中
操作是很难的，同时也没有必要，因为这些数据快很少重用，缓存起来也没有实际意义，そして
还会造成物理I/O相当大。 所以这种系统的瓶颈往往是磁盘I/O上面的。
对于OLAP系统，SQL 的优化非常重要，因为它的数据量很大，做全表扫描和索引对性能
上来说差异是非常大的。
其他
Oracle 10g以前的版本建库过程中可供选择的模板有：
Data Warehouse （数据仓库）
General Purpose （通用目的、一般用途）
New Database
Transaction Processing （事务处理）
Oracle 11g的版本建库过程中可供选择的模板有：
一般用途或事务处理
定制数据库
数据仓库
个人对这些模板的理解为：
联机分析处理（OLAP,On-line Analytical Processing），数据量大，DML少。使用数据
仓库模板
联机事务处理（OLTP,On-line Transaction Processing），数据量少，DML频繁，并行
事务处理多，但是一般都很短。使用一般用途或事务处理模板。
决策支持系统（DDS，Decision support system)，典型的操作是全表扫描，长查询，长
事务，但是一般事务的个数很少，往往是一个事务独占系统。