联机事物处理（OLTP）

20世纪80年代开始，许多企业利用关系型数据库来存储和管理业务数据，并建立相应的应用系统来支持日常的业务运作。这种应用以支持业务处理为主要目的，被称为联机事务处理(On line Transaction Processing，OLTP)应用，它所存储的数据被称为操作数据或者业务数据。

OLTP的特点

优点

  1. 实时性要求高。
  2. 数据量不是很大，生产库上的数据量一般不会太大，而且会及时做相应的数据处理与转移。
  3. 交易一般是确定的，比如银行存取款的金额肯定是确定的，所以OLTP是对确定性的数据进行存取

  4. 高并发，并且要求满足ACID原则。比如两人同时操作一个银行卡账户，比如大型的购物网站秒杀活动时上万的QPS请求。

    缺点

  5. 数据过于分散。存放在多个数据库，甚至是异构数据。

  6. 标准规则及编码不统一。不同业务系统间不统一，甚至单个业务系统不同时间段间也可能不统一。
  7. 数据质量问题。会有部分垃圾数据、测试数据、系统 bug 等产生的错误数据，都会影响到数据质量。
  8. 历史数据缺失。通常只会保留最近半年到一年左右数据，历史数据会被转移甚至删除。
  9. 对业务系统性能的影响。过量的分析计算会抢占计算资源。

  10. 面向 OLTP 的数据存储，有时候并不适合数据分析

    联机分析处理（OLAP）

    联机分析处理的概念最早由关系数据库之父爱德华·库德(E·F·Codd)于1993年提出。Codd认为，联机事务处理已不能满足终端用户对数据库查询分析的要求，SQL对大容量数据库的简单查询也不能满足用户分析的需求。用户的决策分析需要对关系数据库进行大量的计算才能得到结果，而查询的结果并不能满足决策者提出的需求。因此，Codd提出了多维数据库和多维分析的概念，即OLAP。OLAP委员会对联机分析处理的定义为：使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的、并真实反映企业维特性的信息进行快速、一致、交互的存取，从而获得对数据更深入了解的一类软件技术。OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。典型的应用就是复杂的动态的报表系统。

    库德的OLAP的12条准则

  11. OLAP模型必须提供多维概念视图

  12. 透明性准则
  13. 存取能力推测
  14. 稳定的报表能力
  15. 客户/服务器体系结构
  16. 维的等同性准则
  17. 动态的稀疏矩阵处理准则
  18. 多用户支持能力准则·
  19. 非受限的跨维操作
  20. 直观的数据操纵
  21. 灵活的报表生成

  22. 不受限的维与聚集层次

    OLAP的特点

  23. 实时性要求不是很高，比如最常见的应用就是天级更新数据，然后出对应的数据报表。

  24. 数据量大，因为OLAP支持的是动态查询，所以用户也许要通过将很多数据的统计后才能得到想要知道的信息，例如时间序列分析等等，所以处理的数据量很大;

  25. OLAP系统的重点是通过数据提供决策支持，所以查询一般都是动态，自定义的。所以在OLAP中，维度的概念特别重要。一般会将用户所有关心的维度数据，存入对应数据平台。

    “OLTP与OLAP”小结

    OLTP即联机事务处理，就是我们经常说的关系数据库，增删查改就是我们经常应用的东西，这是数据库的基础；OLAP即联机分析处理，是数据仓库的核心部心，所谓数据仓库是对于大量已经由OLTP形成的数据的一种分析型的数据库，用于处理商业智能、决策支持等重要的决策信息；数据仓库是在数据库应用到一定程序之后而对历史数据的加工与分析，读取较多，更新较少。

    OLAP逻辑概念

    OLAP展现在用户面前的是一幅幅多维视图。

  26. 维（Dimension）：是人们观察数据的特定角度，是考虑问题时的一类属性，属性集合构成一个维（时间维、地理维等）。

  27. 维的层次（Level）：人们观察数据的某个特定角度（即某个维）还可以存在细节程度不同的各个描述方面（时间维：日期、月份、季度、年）。
  28. 维的成员（Member）：维的一个取值，是数据项在某维中位置的描述。（“某年某月某日”是在时间维上位置的描述）。
  29. 度量（Measure）：多维数组的取值。（2000年1月，上海，笔记本电脑，$100000）。

OLAP的基本多维分析操作有钻取（Drill-up和Drill-down）、切片（Slice）和切块（Dice）、以及旋转（Pivot）等。

  1. 钻取：是改变维的层次，变换分析的粒度。它包括向下钻取（Drill-down）和向上钻取（Drill-up）/上卷（Roll-up）。向下钻取是使用户在多层数据中展现渐增的细节层次，获得更多的细节性数据。向上钻取以渐增概括方式汇总数据(例如，从周到季度，再到年度)。
  2. 切片和切块：切片和切块是在维上做投影操作。选取整体的部分维度去看度量，选两个就是切片，三个或以上是切块
  3. 旋转：是变换维的方向，例如行列转换。通过旋转可以得到不同视角的数据。

体系结构

OLAP系统按照其存储器的数据存储格式可以分为关系OLAP（RelationalOLAP）、多维OLAP（MultidimensionalOLAP）和混合型OLAP（HybridOLAP）三种类型。

ROLAP

ROLAP将分析用的多维数据存储在关系数据库中并根据应用的需要有选择的定义一批实视图作为表也存储在关系数据库中。不必要将每一个SQL查询都作为实视图保存，只定义那些应用频率比较高、计算工作量比较大的查询作为实视图。对每个针对OLAP服务器的查询，优先利用已经计算好的实视图来生成查询结果以提高查询效率。同时用作ROLAP存储器的RDBMS也针对OLAP作相应的优化，比如并行存储、并行查询、并行数据管理、基于成本的查询优化、位图索引、SQL的OLAP扩展(cube,rollup)等等。

MOLAP

MOLAP将OLAP分析所用到的多维数据物理上存储为多维数组的形式，形成“立方体”的结构。维的属性值被映射成多维数组的下标值或下标的范围，而总结数据作为多维数组的值存储在数组的单元中。由于MOLAP采用了新的存储结构，从物理层实现起，因此又称为物理OLAP（PhysicalOLAP）；而ROLAP主要通过一些软件工具或中间软件实现，物理层仍采用关系数据库的存储结构，因此称为虚拟OLAP（VirtualOLAP）。

HOLAP

由于MOLAP和ROLAP有着各自的优点和缺点,且它们的结构迥然不同，为此一个新的OLAP结构——混合型OLAP（HOLAP）被提出，它能把MOLAP和ROLAP两种结构的优点结合起来。迄今为止，对HOLAP还没有一个正式的定义。

附参考资料：
数据仓库详细介绍（一.概述）