OLTP与OLAP的关系是什么?

当今的数据处理大致可以分成两大类：联机事务处理OLTP（on-line transaction processing）、联机分析处理OLAP（On-Line Analytical Processing）。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。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.OLTP:也称为面向交易的处理系统，其基本特征是顾客的原始数据可以立即传送到计算中心进行处理，并在很短的时间内给出处理结果。这样做的最大优点是可以即时地处理输入的数据，及时地回答。也称为实时系统(Real time System)。衡量联机事务处理系统的一个重要性能指标是系统性能，具体体现为实时响应时间(Response Time)，即用户在终端上送入数据之后，到计算机对这个请求给出答复所需要的时间。OLTP是由数据库引擎负责完成的。OLTP 数据库旨在使事务应用程序仅写入所需的数据，以便尽快处理单个事务。OLAP:简写为OLAP,随着数据库技术的发展和应用，数据库存储的数据量从20世纪80年代的兆（M）字节及千兆（G）字节过渡到现在的兆兆（T）字节和千兆兆（P）字节，同时，用户的查询需求也越来越复杂，涉及的已不仅是查询或操纵一张关系表中的一条或几条记录，而且要对多张表中千万条记录的数据进行数据分析和信息综合，关系数据库系统已不能全部满足这一要求。在国外，不少软件厂商采取了发展其前端产品来弥补关系数据库管理系统支持的不足，力图统一分散的公共应用逻辑，在短时间内响应非数据处理专业人员的复杂查询要求。联机分析处理（OLAP）系统是数据仓库系统最主要的应用，专门设计用于支持复杂的分析操作，侧重对决策人员和高层管理人员的决策支持，可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观而易懂的形式将查询结果提供给决策人员，以便他们准确掌握企业（公司）的经营状况，了解对象的需求，制定正确的方案。

oltp中文含义如下：OLAP（Online AnalyticalProcessing）是一种数据处理技术，专门设计用于支持复杂的分析操作，侧重对决策人员和高层管理人员的决策支持，可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观而易懂的形式将查询结果提供给决策人员，以便他们准确掌握企业（公司）的经营状况。二十几年前E.F. Codd提出OLAP时，也参照关系数据库提出了12条规则，但后期没有得到发展，其中有些规则在现在看来都已经不再完全适用，或者不是OLAP的特殊规则。因此我们从OLAP的本质定位上，重新确定三条原则，用以解析OLAP的历史发展：1、提供多维的业务视图（“维”是OLAP存在和核心概念）2、满足灵活的交互分析（面向决策分析需要及时响应查询需求的变更）3、提供高速的检索性能（没有人希望查询数据等待太长时间）扩展资料OLAP的技术派系1uff64传统OLAP尊重传统是技术领域最缺少的品德，传统OLAP中尤其是Mondrian和SSAS还是有不少用户群的（前者是开源软件），反而选用Cognos、MSTR等的越来越少。2uff64可视化OLAP十几年前，最火爆的BI产品是BO（2007年以68亿美元被SAP收购）。BO里最早的核心技术叫做“动态微立方”，就是把基于语义模型查询的结果集数据以MOLAP的方式存储在内存中，以加快后期交互分析的效率。现在同样也有各种基于内存计算的软件，但它们是以可视化为主，比如Tableau和Qlikview等3uff64大数据OLAPHadoop的生态系统诞生于互联网公司，从一开始就有开放的基因，这个OLAP派系最有意思的是Kylin，而且是咱中国人在Apache上的定级项目。

OLTP：联机事务处理，就是我们通常所说的关系型数据库，记录了实时的增删改查数据。OLAP：联机分析处理，是数据仓库的核心，对OLTP的历史数据进行加工、分析处理，用于处理商务智能、决策支持等重要的决策信息。区别：1.oltp是明细的数据，olap是汇总数据。2.oltp记录实时的数据，olap包含2-3年历史数据。

1、适用人员不同：OLTP主要供基层人员使用，进行一线业务操作。OLAP则是探索并挖掘数据价值，作为企业高层进行决策的参考。2、面向内容不同：OLTP面向应用，OLAP面向主题；4、数据特点不同：OLTP的数据特点是当前的、最新的、细节的,二维的、分立的；而OLTP则是历史的,聚集的,多维的，集成的,统一的；5、存取能力不同：OLTP可以读/写数十条记录，而OLAP则可以读上百万条记录；6、工作事件的复杂度不同：OLTP执行的是简单的事务，而OLAP执行的是复杂任务；7、可承载用户数量不同：OLTP的可承载用户数量为上千个，而OLAP则是上百万个；8、DB大小不同：OLTP的DB大小为100GB，而OLAP则可以达到100TB；9、执行时间要求不同：OLTP具有实时性，OLAP对时间的要求不严格。扩展资料：OLTP与OLAP的实际应用OLAP工具是针对特定问题的联机数据访问与分析。它通过多维的方式对数据进行分析、查询和报表。维是人们观察数据的特定角度。例如，一个企业在考虑产品的销售情况时，通常从时间、地区和产品的不同角度来深入观察产品的销售情况。这里的时间、地区和产品就是维。这些维的不同组合和所考察的度量指标构成的多维数组则是OLAP分析的基础，可形式化表示为（维1，维2，，维n，度量指标），如（地区、时间、产品、销售额）。多维分析是指对以多维形式组织起来的数据采取切片（Slice）、切块（Dice）、钻取（Drill-down和Roll-up）、旋转（Pivot）等各种分析动作，以求剖析数据，使用户能从多个角度、多侧面地观察数据库中的数据，从而深入理解包含在数据中的信息。应用OLTP，就必须重新定义OLTP在企业信息化体系结构中的地位。OLTP不再只是一套能处理订单的老式应用程序。对典型的OLTP系统处理的大规模数据流更新进行同时分析，这种情况很罕见，因为一般认为这不是OLTP的目的。数据仓库更新固有的延迟阻碍着对最新数据的近实时分析。组织如果要对于数据的变化迅速作出反应，IT部门就必须让OLTP产生比以往更大的作用。

联机事务处理（OLTP，online transaction processing）是用于管理面向交易的应用，主要用于一定数量行业（包括银行业、航空、邮购订单、超级市场和制造业）的数据入口和取回交易数据。目前最广泛使用的OLTP产品可能是IBM的用户信息控制系统（CISS）。目前的OLTP要求对于网络交易以及多个公司间交易的支持。因此，新的OLTP软件使用客户/服务器处理机制以及允许交易在网络中不同电脑平台上运行的中间软件。 反映企业当前的运行状态，完成企业管理所包含的日常任务的数据库应用，一般没有复杂的查询和分析处理。在联机事务处理中，事务是被立即执行的，这与批处理相反，一批事务被存储一段时间，然后再被执行。大多数批处理(例如账目交换)是在夜间进行的。OLTP的结果可以在这个数据库中立即获得，这里假设这些事务可以完成。联机事务处理以实时的方式发生。民航定票系统和银行ATM机是联机事务处理系统的例子。在单一用户、单一数据库环境下执行事务是简单的，这是因为没有冲突问题或对数据库间同步的需求。在分布式环境下，维护多个数据库的完整性是另外一种问题。传统上，大多数联机事务处理系统在大型计算机系统上实现，这是由于它的操作的复杂性，以及需要快速输入/输出、禁止和管理的原因。如果一个事务必须在多个场地进行修改，那么就需要管理机制来防止重写数据并提供同步。其它的需求包括具有卷回失效事务的能力、提供安全性特征，以及如果需要，提供数据恢复的能力。这是通过一个事务处理监督器来处理的。这个监督器保证了事务是完全完成的或是进行卷回的，因而就可以保证数据库状态的正确性。在一个分布式环境下，写操作经常并行地在多个数据库服务器上发生。这样的并发事务处理需要一个“卷回”机制，以保证在一次写操作中系统失效的情况下，仍保证数据库的完整性。事务要么一起确认，要么放弃。如果一个或多个与事务有关的系统响应不一致，这意味着系统或通信可能出现了故障，因而就会放弃一个事务。可以看出，当多个用户试图同时改变数据的同一块时，就出现了冲突问题。另外，对多个数据库的写入操作必须进行同步处理，并且必须保证这个写入已经确实被所有的数据库处理完毕了，需要一个监督程序来保证数据的完整性。对在分布式环境下的事务处理有四种需求，联合起来称为“ACID”。

随着大数据技术在各行各业的深入应用，对于海量数据的分析需求也愈加凸显，OLAP技术也逐渐走入人们的视野，OLTP和OLAP看起来相似，但指的是不同类型的数据库系统。它们都是在线处理系统。本文将介绍一下二者的区别 介绍 OLTP，也叫联机事务处理（Online Transaction Processing），表示事务性非常高的系统，一般都是高可用的在线系统，以小的事务以及小的查询为主，评估其系统的时候，一般看其每秒执行的Transaction以及Execute SQL的数量 。在这样的系统中，单个数据库每秒处理的Transaction往往超过几百个，或者是几千个，Select 语句的执行量每秒几千甚至几万个。典型的OLTP系统有电子商务系统、银行、证券等，如美国eBay的业务数据库，关系型数据库(mysql、PostgreSQL、DB2、Oracle...)就是很典型的OLTP数据库。 特点 OLTP系统 数据库设计要求 介绍 OLAP（On-line Analytical Processing，联机分析处理）是在基于数据仓库多维模型的基础上实现的面向分析的各类操作的集合，60年代，关系数据库之父E.F.Codd提出了关系模型，促进了联机事务处理(OLTP)的发展(数据以表格的形式而非文件方式存储)。 1993年，E.F.Codd提出了OLAP概念，认为OLTP已不能满足终端用户对数据库查询分析的需要，OLAP的优势是基于数据仓库面向主题、集成的、保留 历史 及不可变更的数据存储，以及多维模型多视角多层次的数据组织形式，如果脱离了这两点，OLAP将不复存在，也就没有优势可言。在实际的商业分析中，OLAP联机分析更多的是指对数据分析的一种解决方案。 目前大数据业内非常流行的开源OLAP引擎Hive、SparkSQL、FlinkSQL、Clickhouse、Elasticsearch、Druid、Kylin、Presto、Impala分等， 但是可以说目前没有一个引擎能在数据量，灵活程度和性能上做到完美，用户需要根据自己的需求进行选型。 特点 分类 OLAP 是一种让用户可以从不同视角方便快捷地分析数据的计算方法。主流的 OLAP 可以分为3类：多维OLAP ( Multi-dimensional OLAP )、关系型OLAP ( Relational OLAP ) 和混合OLAP ( Hybrid OLAP ) 三大类。 OLAP系统 OLAP数据层次划分 OLAP多维数据结构 OLAP多维数据分析 OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。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。 OLTP 系统强调数据库内存效率，强调内存各种指标的命令率，强调绑定变量，强调并发操作；OLAP 系统则强调数据分析，强调SQL执行市场，强调磁盘I/O，强调分区等。 OLTP系统最容易出现瓶颈的地方就是CPU与磁盘。 OLTP适用于数据量少，DML频繁，并行事务处理多的场景。OLAP适用数据量大，DML少。

OLAP是联机分析处理x0dx0aOLTP是联机事务处理x0dx0aOLAP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。x0dx0aOLTP是传统的关系型数据库的主要应用模式，主要面对基本的、日常的事务处理；比如数据库记录的增、删、改、查。

数据库具体是OLTP还是OLAP取决于你的业务类型，具体到Oracle数据库上应该就是一些参数的不同，以及我们设计数据库结构和程序的时候采用的方法不同，所以没这么绝对得。例如我们使用dbca建立Oracle数据库时，可选的模板除了OLTP、数据仓库（OLAP），也有一个模板是一般用途，也就是兼有二者的特点。至于你的数据库有没有OLAP的技术特性，倒是可以在sqlplus登录时看到，如：]$sqlplus/assysdbaSQL*Plus:Release11.1.0.6.0-ProductiononWedMay211:45:452012Copyright(c)1982,2007,Oracle.Allrightsreserved.Connectedto:OracleDatabase11gEnterpriseEditionRelease11.1.0.6.0-ProductionWiththePartitioning,OLAP,DataMiningandRealApplicationTestingoptions或者执行dbca，选择修改数据库选项，也可以看到一些信息。

当今的数据处理大致可以分成两大类：联机事务处理OLTP（on-line transaction processing）、联机分析处理OLAP（On-Line Analytical Processing）。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。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。下表列出了OLTP与OLAP之间的比较。

http://wenku.baidu.com/view/f22e6dea81c758f5f61f67fe.html

BI工具是商业智能（Business Intelligence）软件的英文缩写。目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。商务智能系统中的数据来自企业其他业务系统。例如国内的亿信BI，国外的cognos。ETL即数据抽取（Extract）、转换（Transform）、装载（Load）的过程。它是构建数据仓库的重要环节OLAP是使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取,从而获得对数据的更深入了解的一类软件技术。OLAP的目标是满足决策支持或者满足在多维环境下特定的查询和报表需求,它的技术核心是"维"这个概念。

html是超文本标记语言的缩写，tcp/ip是传输控制协议/internter协议的缩写，XML是Extensible Markup Language的简写，一种扩展性标识语言，oltp是联机事务处理系统的缩写,也称为面向交易的处理系统。http是超文本传输协议的缩写

这个是数据库数据和数据仓库数据的区别，不是数据库和数据仓库的区别。

在数据仓库场景下，对并发能力的要求：1.用户的多任务能连接进来，这就是连接池的管理。2.高效完成多任务并发执行，实际上是多任务并发进来后，如何充分利用集群资源，向用户返回执行结果。对于OLTP类数据库来说，用户的任务（SQL）以短事务居多，所以并发能力会比较高。但是在数仓场景下，批处理、复杂查询非常耗费系统资源，对并发能力的要求是几十，例如POC测试中大部分是用5并发、20并发来测试。由于DWS/LibrA（注1）的集群的Coordinator Node是多活的、对等的，所以整个系统的并发数随着CN的增加可以不断增长。具体的并发能力受限于实际场景：u2022短事务：在平安城市某项目中，在混合负载场景下，测试过5000+并发，可以稳定运行。u2022长事务：在某银行复杂批处理场景下，20并发可以稳定运行。后续版本会进一步优化。独创技术：提供一种基于流水线执行模式的查询内存自适应解决方法，解决多并发场景下系统资源抢占问题，实现无论多大并发，系统稳定运行。

OLAP（联机分析处理）。什么是联机分析处理（OLAP）联机分析处理 (OLAP) 的概念最早是由关系数据库之父E.F.Codd于1993年提出的，他同时提出了关于OLAP的12条准则。OLAP的提出引起了很大的反响，OLAP作为一类产品同联机事务处理 (OLTP) 明显区分开来。当今的数据处理大致可以分成两大类：联机事务处理OLTP（on-line transaction processing）、联机分析处理OLAP（On-Line Analytical Processing）。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。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。

1、1、调整数据结构的设计。这一部分在开发信息系统之前完成，程序员需要考虑是否使用ORACLE数据库的分区功能，对于经常访问的数据库表是否需要建立索引等。 2、2、调整应用程序结构设计。这一部分也是在开发信息系统之前完成，程序员在这一步需要考虑应用程序使用什么样的体系结构，是使用传统的Client/Server两层体系结构，还是使用Browser/Web/Database的三层体系结构。不同的应用程序体系结构要求的数据库资源是不同的。 3、3、调整数据库SQL语句。应用程序的执行最终将归结为数据库中的SQL语句执行，因此SQL语句的执行效率最终决定了ORACLE数据库的性能。ORACLE公司推荐使用ORACLE语句优化器（Oracle Optimizer）和行锁管理器（row-level manager）来调整优化SQL语句。 4、4、调整服务器内存分配。内存分配是在信息系统运行过程中优化配置的，数据库管理员可以根据数据库运行状况调整数据库系统全局区（SGA区）的数据缓冲区、日志缓冲区和共享池的大小；还可以调整程序全局区（PGA区）的大小。需要注意的是，SGA区不是越大越好，SGA区过大会占用操作系统使用的内存而引起虚拟内存的页面交换，这样反而会降低系统。 5、5、调整硬盘I/O，这一步是在信息系统开发之前完成的。数据库管理员可以将组成同一个表空间的数据文件放在不同的硬盘上，做到硬盘之间I/O负载均衡。 6、6、调整操作系统参数，例如：运行在UNIX操作系统上的ORACLE数据库，可以调整UNIX数据缓冲池的大小，每个进程所能使用的内存大小等参数。 实际上，上述数据库优化措施之间是相互联系的。ORACLE数据库性能恶化表现基本上都是用户响应时间比较长，需要用户长时间的等待。但性能恶化的原因却是多种多样的，有时是多个因素共同造成了性能恶化的结果，这就需要数据库管理员有比较全面的计算机知识，能够敏感地察觉到影响数据库性能的主要原因所在。另外，良好的数据库管理工具对于优化数据库性能也是很重要的。 ORACLE数据库性能优化工具 常用的数据库性能优化工具有： 1、1、ORACLE数据库在线数据字典，ORACLE在线数据字典能够反映出ORACLE动态运行情况，对于调整数据库性能是很有帮助的。 2、2、操作系统工具，例如UNIX操作系统的vmstat，iostat等命令可以查看到系统系统级内存和硬盘I/O的使用情况，这些工具对于管理员弄清出系统瓶颈出现在什么地方有时候很有用。 3、3、SQL语言跟踪工具（SQL TRACE FACILITY），SQL语言跟踪工具可以记录SQL语句的执行情况，管理员可以使用虚拟表来调整实例，使用SQL语句跟踪文件调整应用程序性能。SQL语言跟踪工具将结果输出成一个操作系统的文件，管理员可以使用TKPROF工具查看这些文件。 4、4、ORACLE Enterprise Manager（OEM），这是一个图形的用户管理界面，用户可以使用它方便地进行数据库管理而不必记住复杂的ORACLE数据库管理的命令。 5、5、EXPLAIN PLAN——SQL语言优化命令，使用这个命令可以帮助程序员写出高效的SQL语言。 ORACLE数据库的系统性能评估 信息系统的类型不同，需要关注的数据库参数也是不同的。数据库管理员需要根据自己的信息系统的类型着重考虑不同的数据库参数。 1、1、在线事务处理信息系统（OLTP），这种类型的信息系统一般需要有大量的Insert、Update操作，典型的系统包括民航机票发售系统、银行储蓄系统等。OLTP系统需要保证数据库的并发性、可靠性和最终用户的速度，这类系统使用的ORACLE数据库需要主要考虑下述参数： l l 数据库回滚段是否足够？ l l 是否需要建立ORACLE数据库索引、聚集、散列？ l l 系统全局区（SGA）大小是否足够？ l l SQL语句是否高效？ 2、2、数据仓库系统（Data Warehousing），这种信息系统的主要任务是从ORACLE的海量数据中进行查询，得到数据之间的某些规律。数据库管理员需要为这种类型的ORACLE数据库着重考虑下述参数： l l 是否采用B*-索引或者bitmap索引？ l l 是否采用并行SQL查询以提高查询效率？ l l 是否采用PL/SQL函数编写存储过程？ l l 有必要的话，需要建立并行数据库提高数据库的查询效率 SQL语句的调整原则 SQL语言是一种灵活的语言，相同的功能可以使用不同的语句来实现，但是语句的执行效率是很不相同的。程序员可以使用EXPLAIN PLAN语句来比较各种实现方案，并选出最优的实现方案。总得来讲，程序员写SQL语句需要满足考虑如下规则： 1、1、尽量使用索引。试比较下面两条SQL语句： 语句A：SELECT dname, deptno FROM dept WHERE deptno NOT IN (SELECT deptno FROM emp); 语句B：SELECT dname, deptno FROM dept WHERE NOT EXISTS (SELECT deptno FROM emp WHERE dept.deptno = emp.deptno); 这两条查询语句实现的结果是相同的，但是执行语句A的时候，ORACLE会对整个emp表进行扫描，没有使用建立在emp表上的deptno索引，执行语句B的时候，由于在子查询中使用了联合查询，ORACLE只是对emp表进行的部分数据扫描，并利用了deptno列的索引，所以语句B的效率要比语句A的效率高一些。 2、2、选择联合查询的联合次序。考虑下面的例子： SELECT stuff FROM taba a, tabb b, tabc c WHERE a.acol between :alow and :ahigh AND b.bcol between :blow and :bhigh AND c.ccol between :clow and :chigh AND a.key1 = b.key1 AMD a.key2 = c.key2; 这个SQL例子中，程序员首先需要选择要查询的主表，因为主表要进行整个表数据的扫描，所以主表应该数据量最小，所以例子中表A的acol列的范围应该比表B和表C相应列的范围小。 3、3、在子查询中慎重使用IN或者NOT IN语句，使用where (NOT) exists的效果要好的多。 4、4、慎重使用视图的联合查询，尤其是比较复杂的视图之间的联合查询。一般对视图的查询最好都分解为对数据表的直接查询效果要好一些。 5、5、可以在参数文件中设置SHARED_POOL_RESERVED_SIZE参数，这个参数在SGA共享池中保留一个连续的内存空间，连续的内存空间有益于存放大的SQL程序包。 6、6、ORACLE公司提供的DBMS_SHARED_POOL程序可以帮助程序员将某些经常使用的存储过程“钉”在SQL区中而不被换出内存，程序员对于经常使用并且占用内存很多的存储过程“钉”到内存中有利于提高最终用户的响应时间。 CPU参数的调整 CPU是服务器的一项重要资源，服务器良好的工作状态是在工作高峰时CPU的使用率在90％以上。如果空闲时间CPU使用率就在90％以上，说明服务器缺乏CPU资源，如果工作高峰时CPU使用率仍然很低，说明服务器CPU资源还比较富余。 使用操作相同命令可以看到CPU的使用情况，一般UNIX操作系统的服务器，可以使用sar –u命令查看CPU的使用率，NT操作系统的服务器，可以使用NT的性能管理器来查看CPU的使用率。 数据库管理员可以通过查看v$sysstat数据字典中“CPU used by this session”统计项得知ORACLE数据库使用的CPU时间，查看“OS User level CPU time”统计项得知操作系统用户态下的CPU时间，查看“OS System call CPU time”统计项得知操作系统系统态下的CPU时间，操作系统总的CPU时间就是用户态和系统态时间之和，如果ORACLE数据库使用的CPU时间占操作系统总的CPU时间90％以上，说明服务器CPU基本上被ORACLE数据库使用着，这是合理，反之，说明服务器CPU被其它程序占用过多，ORACLE数据库无法得到更多的CPU时间。 数据库管理员还可以通过查看v$sesstat数据字典来获得当前连接ORACLE数据库各个会话占用的CPU时间，从而得知什么会话耗用服务器CPU比较多。 出现CPU资源不足的情况是很多的：SQL语句的重解析、低效率的SQL语句、锁冲突都会引起CPU资源不足。 1、数据库管理员可以执行下述语句来查看SQL语句的解析情况： SELECT * FROM V$SYSSTAT WHERE NAME IN ("parse time cpu", "parse time elapsed", "parse count (hard)"); 这里parse time cpu是系统服务时间，parse time elapsed是响应时间，用户等待时间 waite time = parse time elapsed – parse time cpu 由此可以得到用户SQL语句平均解析等待时间＝waite time / parse count。这个平均等待时间应该接近于0，如果平均解析等待时间过长，数据库管理员可以通过下述语句 SELECT SQL_TEXT, PARSE_CALLS, EXECUTIONS FROM V$SQLAREA ORDER BY PARSE_CALLS; 来发现是什么SQL语句解析效率比较低。程序员可以优化这些语句，或者增加ORACLE参数SESSION_CACHED_CURSORS的值。 2、数据库管理员还可以通过下述语句： SELECT BUFFER_GETS, EXECUTIONS, SQL_TEXT FROM V$SQLAREA; 查看低效率的SQL语句，优化这些语句也有助于提高CPU的利用率。 3、3、数据库管理员可以通过v$system_event数据字典中的“latch free”统计项查看ORACLE数据库的冲突情况，如果没有冲突的话，latch free查询出来没有结果。如果冲突太大的话，数据库管理员可以降低spin_count参数值，来消除高的CPU使用率。 内存参数的调整 内存参数的调整主要是指ORACLE数据库的系统全局区（SGA）的调整。SGA主要由三部分构成：共享池、数据缓冲区、日志缓冲区。 1、 1、 共享池由两部分构成：共享SQL区和数据字典缓冲区，共享SQL区是存放用户SQL命令的区域，数据字典缓冲区存放数据库运行的动态信息。数据库管理员通过执行下述语句： select (sum(pins - reloads)) / sum(pins) "Lib Cache" from v$librarycache; 来查看共享SQL区的使用率。这个使用率应该在90％以上，否则需要增加共享池的大小。数据库管理员还可以执行下述语句： select (sum(gets - getmisses - usage - fixed)) / sum(gets) "Row Cache" from v$rowcache; 查看数据字典缓冲区的使用率，这个使用率也应该在90％以上，否则需要增加共享池的大小。 2、 2、 数据缓冲区。数据库管理员可以通过下述语句： SELECT name, value FROM v$sysstat WHERE name IN ("db block gets", "consistent gets","physical reads"); 来查看数据库数据缓冲区的使用情况。查询出来的结果可以计算出来数据缓冲区的使用命中率＝1 - ( physical reads / (db block gets + consistent gets) )。 这个命中率应该在90％以上，否则需要增加数据缓冲区的大小。 3、 3、 日志缓冲区。数据库管理员可以通过执行下述语句： select name,value from v$sysstat where name in ("redo entries","redo log space requests");查看日志缓冲区的使用情况。查询出的结果可以计算出日志缓冲区的申请失败率： 申请失败率＝requests/entries，申请失败率应该接近于0，否则说明日志缓冲区开设太小，需要增加ORACLE数据库的日志缓冲区。

Gbase8s 提供了Fan-in(扇入）和Fin-out（扇出）的并行机制，在数据库只有一个物理CPU的情况下，同时有多个客户端请求服务器时，扇入机制可以将多个客户端请求并行运行在一个VP上，从而实现成千上万的并发的客户请求，而不需要太多的物理CPU，而且不会随着并发用户数上升出现性能下滑的情况。

于易水送人一绝

PON口没有开启激光器或者PON口故障。OLT的PON口出现告警可能是OLT出现了故障，故障的原因PON口没有开启激光器及PON口故障，可以使用portlaser-switch命令打开PON端口激光器或更换光模块或单板解决。OLT是PON架构的一部分，OLT是光线路终端，用于连接光纤干线的终端设备，一般直接连在BRAS下，出现告警，先要判断出原因，然后对症解决就好了。

同学你好，很高兴为您解答！　　在线交易处理 (On-Line Transaction Processing),简称：OLTP.描述的是一种以对交易处理为中心的数据库和商业信息系统的使用方式。　　和更早期传统数据库系统大量批次的处理方式并不相同（传统方式为，系统收集各类商业操作形成大量批次处理，然后在夜间对其进行处理），OLTP强调的是处理大量在线的例行性交易数据，并经过应用程序的特定处理将信息存放于数据库，可以被实时地存取增删。　　在线交易处理中可以在线提交订单后线下付款和确认订单。　　希望我的回答能帮助您解决问题，如您满意，请采纳为最佳答案哟。　　再次感谢您的提问，更多财会问题欢迎提交给高顿企业知道。高顿祝您生活愉快！

1.OLTpon口的灵敏度大约-30dbm2.灵敏度，表示pon路由器正常工作时的最低功率。3.收光功率-28dbm，表示收光低了，接近灵敏度阈值了，一般会有误码，导致丢包，上网速率慢。

TPC即美国交易处理效能委员会（Transaction Processing Performance Council），是一家非盈利机构，负责定义事务处理与数据库性能基准测试，并依据这些基准测试项目发布客观性能数据。TPC基准测试有极为严格的运行要求，并且在独立审计机构监督下进行。

黑屏错误通常是由软件故障引起的。黑屏死机可能会更难以解决，因为它不会显示错误消息。它只是一个黑屏，通常带有可移动的鼠标指针，但没有其他Windows功能遇到黑屏时，可能有很多原因，包括硬件、软件或两者都有，在下面列出的说明中，你将找到帮助解决问题的方法。(一)检查连接问题如果计算机在登录帐户之前遇到黑屏，则可能是显示屏与计算机之间存在连接问题。在这种情况下，请重新检查连接并确保信号线的两端连接正确，显示器接通电源，并且使用正确的输入方式。如果有多个视频输出，请尝试将连接切换到不同的端口。很多时候，更新驱动程序可能由于未知原因而将视频信号发送到错误的端口(DP、HGMI、DVI、迅雷、VGA)。此外，如果你正在使用包含独立显卡和集成显卡的系统，则可以切换到集成显卡来确认问题是否与独立显卡有关。另一个故障排除方法是将显示器连接到另一台计算机，以检查显示器是否损坏。(二)检测显示许多情况下在设备上看到黑屏，是因为Windows10失去了与显示器的连接。发生这种情况时，可以使用Windows键+Ctrl+Shift+B快捷键，重新启动显卡驱动程序并刷新与显示器的连接。在平板电脑(例如SurfacePro或SurfaceGo)上，可以同时按下音量增大和音量减小按钮三次唤醒屏幕。或者，可以使用Windows键+P键盘快捷键调出“投影”菜单，按P键，然后按Enter键在不同的显示模式之间切换，看黑屏是否消失。重复上述步骤四次，循环通过所有设置。(三)断开非必要设备连接到计算机的外围设备可能是启动时黑屏或带旋转点的黑屏的原因。如果遇到类似情况，请断开计算机上的所有外围设备(如打印机、摄像头、U盘、蓝牙和其他USB设备)。再次启动计算机，如果一切正常，表明某个外围设备出现了问题，可以通过重新连接一个外围设备找出导致问题的原因。一旦知道了导致问题的设备，请断开连接，重新启动计算机，然后在线搜索以查看是否有修复，或与设备制造商联系以获取帮助。

当今的数据处理大致可以分成两大类：联机事务处理OLTP（on-line transaction processing）、联机分析处理OLAP（On-Line Analytical Processing）。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。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。下表列出了OLTP与OLAP之间的比较。推荐一款OLAP工具，FineBI，用了都说好。

就是插入设备的那个孔坏了或者没插好 或者里面有异物 服务器问题

关系型数据库支持多级目录结构。我们把主要的关系型数据库分为三类，来分别了解一下它们的架构和设计，并了解一下它们各自的优缺点。OLTP，在线事务处理，是传统的关系型数据库的主要应用场景。OLAP，在线分析处理，是当今大数据，数据仓库使用的主要的数据库技术。SQLQueryEngine，随着存算分离技术的发展，SQL查询引擎也占据了开源关系型数据库的重要的位置。OLTP是在线事务处理，在3层体系结构中支持面向事务的应用程序。OLTP管理组织的日常事务。主要目标是数据处理而不是数据分析。OLTP的主要特点是：大量的短时间交易请求和处理，对信息进行增删改查的操作，常常需要查询明细信息。必须保证事务和数据的一致性，通常要支持大量的并发用户。常用关系型数据库架构1、Oracle架构Oracle Server包括数据库（Database）和实例（Instance）两大部分，两者相互独立。数据库由数据文件、控制文件和日志文件组成，实例由内存池和后台进程组成。一台Oracle Server可创建多个Database，不同的Database之间相互独立。每个Database有属于自己的全套相关文件。2、Oracle RDBMS的运行过程User访问Oracle Server之前提交一个请求，Oracle Server接收到请求并通过Password File的验证后，分配SGA内存池，启动后台进程同时创建并启动实例。启动实例之后，User Process与Server Process建立Connect。Server process和Oracle Instance建立Sesscion，随后接收用户请求，执行相关操作。3、写SQL语句的执行过程用户执行SQL语句，Server process收到后，将SQL语句送到Instance，再将SQL语句载入数据库缓冲区。Server Process通知Oracle Database将与SQL语句相关的数据块副本加载到缓冲区中。在数据库缓存区执行SQL语句，修改数据文件副本，形成“脏缓冲区。CKPT检查到”脏缓冲区”，调用DBWn数据库写进程，返回结果给用户。

一般用途=兼顾OLTP和OLAP事务处理=OLTP数据仓库=OLAP定制数据库=自定义

以下不是mysql的存储程序是OLTP。MySQL的核心就是存储引擎。OLTP是做事务处理，OLAP是做分析处理。从对数据库操作，OLTP主要是对数据的增删改，OLAP是对数据的查询。

TPC-C是专门针对联机交易处理系统（OLTP系统）的规范，一般情况下我们也把这类系统称为业务处理系统。1992年7月发布。几乎所有在OLTP市场提供软硬平台的国外主流厂商都发布了相应的TPC-C测试结果，随着计算机技术的不断发展，这些测试结果也在不断刷新。

数据仓库是一个面向主题的、集成的、非易失的、且随时间变化的数据集合。 下面对上述分层进行简单叙述，下面会专门对每层进行详细描述的； 该层主要做了数据标准化处理，并开始进行一部分的维度退化工作（维度表合并工作），但这一层总体还是范式设计 该层开始面向主题的进行宽表设计，对DWD层的数据结构进行反范式设计，减少数仓查询的Join操作 ADS层也称之为数据集市层，是为了屏蔽业务直接查询数仓从而导致数仓压力增大的问题，所以该层会使用很多组件如Kylin、ES等组件加速数仓查询速度。 OLTP为在线事务处理系统。主要操作是随机读写，为了保证数据一致性、减少冗余，常使用关系模型，经常使用三范式规则来减少冗余。 OLAP为在线联机分析系统，关注数据整合，以及分析、处理性能，OLAP根据存储方式不同分为 ROLAP、MOLAP、HOLAP 三种建模方式 ROLAP建模有如下方法：ER模型、维度模型（常用）、Data Value、Anchor 维度建模 ： 维度模型分为：维度表、事实表 如下图：该多维数组CUBE中，有三个维度，当查询的时候按照group by xxx的时候，可以直接按照相应的xxx维度去查询对应的立方体里的数据。 常见的任务类型：

TiDB 是 PingCAP 自主研发的开源分布式关系型数据库，具备商业级数据库的数据可靠性，可用性，安全性等特性，支持在线弹性水平扩展，兼容 MySQL 协议及生态，创新性实现 OLTP 及 OLAP 融合。 TiDB 3.0 版本显著提升了大规模集群的稳定性，集群支持 150+ 存储节点，300+TB 存储容量长期稳定运行。易用性方面引入大量降低用户运维成本的优化，包括引入 Information_Schema 中的多个实用系统视图、EXPLAIN ANALYZE、SQL Trace 等。在性能方面，特别是 OLTP 性能方面，3.0 比 2.1 也有大幅提升，其中 TPC-C 性能提升约 4.5 倍，Sysbench 性能提升约 1.5 倍，OLAP 方面，TPC-H 50G Q15 因实现 View 可以执行，至此 TPC-H 22 个 Query 均可正常运行。新功能方面增加了窗口函数、视图（实验特性）、分区表、插件系统、悲观锁（实验特性）。 截止本文发稿时 TiDB 已在 500+ 用户的生产环境中长期稳定运行，涵盖金融、保险、制造，互联网， 游戏 等领域，涉及交易、数据中台、 历史 库等多个业务场景。不同业务场景对关系型数据库的诉求可用 “百花齐放”来形容，但对关系数据库最根本的诉求未发生任何变化，如数据可靠性，系统稳定性，可扩展性，安全性，易用性等。请跟随我们的脚步梳理 TiDB 3.0 有什么样的惊喜。 3.0 与 2.1 版本相比，显著提升了大规模集群的稳定性，支持单集群 150+ 存储节点，300+TB 存储容量长期稳定运行，主要的优化点如下： 1. 优化 Raft 副本之间的心跳机制，按照 Region 的活跃程度调整心跳频率，减小冷数据对集群的负担。 2. 热点调度策略支持更多参数配置，采用更高优先级，并提升热点调度的准确性。 3. 优化 PD 调度流程，提供调度限流机制，提升系统稳定性。 4. 新增分布式 GC 功能，提升 GC 的性能，降低大集群 GC 时间，提升系统稳定性。 众所周知，数据库查询计划的稳定性对业务至关重要，TiDB 3.0 版本采用多种优化手段提升查询计划的稳定性，如下： 1. 新增 Fast Analyze 功能，提升收集统计信息的速度，降低集群资源的消耗及对业务的影响。 2. 新增 Incremental Analyze 功能，提升收集单调递增的索引统计信息的速度，降低集群资源的消耗及对业务的影响。 3. 在 CM-Sketch 中新增 TopN 的统计信息，缓解 CM-Sketch 哈希冲突导致估算偏大，提升代价估算的准确性，提升查询计划的稳定性。 4. 引入 Skyline Pruning 框架，利用规则防止查询计划过度依赖统计信息，缓解因统计信息滞后导致选择的查询计划不是最优的情况，提升查询计划的稳定性。 5. 新增 SQL Plan Management 功能，支持在查询计划不准确时手动绑定查询计划，提升查询计划的稳定性。 1. OLTP 3.0 与 2.1 版本相比 Sysbench 的 Point Select，Update Index，Update Non-Index 均提升约 1.5 倍，TPC-C 性能提升约 4.5 倍。主要的优化点如下： 1. TiDB 持续优化 SQL 执行器，包括：优化 NOT EXISTS 子查询转化为 Anti Semi Join，优化多表 Join 时 Join 顺序选择等。 2. 优化 Index Join 逻辑，扩大 Index Join 算子的适用场景并提升代价估算的准确性。 3. TiKV 批量接收和发送消息功能，提升写入密集的场景的 TPS 约 7%，读密集的场景提升约 30%。 4. TiKV 优化内存管理，减少 Iterator Key Bound Option 的内存分配和拷贝，多个 Column Families 共享 block cache 提升 cache 命中率等手段大幅提升性能。 5. 引入 Titan 存储引擎插件，提升 Value 值超过 1KB 时性能，缓解 RocksDB 写放大问题，减少磁盘 IO 的占用。 6. TiKV 新增多线程 Raftstore 和 Apply 功能，提升单节点内可扩展性，进而提升单节点内并发处理能力和资源利用率，降低延时，大幅提升集群写入能力。 TiDB Lightning 性能与 2019 年年初相比提升 3 倍，从 100GB/h 提升到 300GB/h，即 28MB/s 提升到 85MB/s，优化点，如下： 1. 提升 SQL 转化成 KV Pairs 的性能，减少不必要的开销。 2. 提升单表导入性能，单表支持批量导入。 3. 提升 TiKV-Importer 导入数据性能，支持将数据和索引分别导入。 4. TiKV-Importer 支持上传 SST 文件限速功能。 RBAC（Role-Based Access Control，基于角色的权限访问控制） 是商业系统中最常见的权限管理技术之一，通过 RBAC 思想可以构建最简单“用户-角色-权限”的访问权限控制模型。RBAC 中用户与角色关联，权限与角色关联，角色与权限之间一般是多对多的关系，用户通过成为什么样的角色获取该角色所拥有的权限，达到简化权限管理的目的，通过此版本的迭代 RBAC 功能开发完成。 IP 白名单功能（企业版特性） ：TiDB 提供基于 IP 白名单实现网络安全访问控制，用户可根据实际情况配置相关的访问策略。 Audit log 功能（企业版特性） ：Audit log 记录用户对数据库所执行的操作，通过记录 Audit log 用户可以对数据库进行故障分析，行为分析，安全审计等，帮助用户获取数据执行情况。 加密存储（企业版特性） ：TiDB 利用 RocksDB 自身加密功能，实现加密存储的功能，保证所有写入到磁盘的数据都经过加密，降低数据泄露的风险。 完善权限语句的权限检查 ，新增 ANALYZE，USE，SET GLOBAL，SHOW PROCESSLIST 语句权限检查。 1. 新增 SQL 方式查询慢查询，丰富 TiDB 慢查询日志内容，如：Coprocessor 任务数，平均/最长/90% 执行/等待时间，执行/等待时间最长的 TiKV 地址，简化慢查询定位工作，提高排查慢查询问题效率，提升产品易用性。 2. 新增系统配置项合法性检查，优化系统监控项等，提升产品易用性。 3. 新增对 TableReader、IndexReader 和 IndexLookupReader 算子内存使用情况统计信息，提高 Query 内存使用统计的准确性，提升处理内存消耗较大语句的效率。 4. 制定日志规范，重构日志系统，统一日志格式，方便用户理解日志内容，有助于通过工具对日志进行定量分析。 5. 新增 EXPLAIN ANALYZE 功能，提升SQL 调优的易用性。 6. 新增 SQL 语句 Trace 功能，方便排查问题。 7. 新增通过 unix_socket 方式连接数据库。 8. 新增快速恢复被删除表功能，当误删除数据时可通过此功能快速恢复数据。 TiDB 3.0 新增 TiFlash 组件，解决复杂分析及 HTAP 场景。TiFlash 是列式存储系统，与行存储系统实时同步，具备低延时，高性能，事务一致性读等特性。 通过 Raft 协议从 TiKV 中实时同步行存数据并转化成列存储格式持久化到一组独立的节点，解决行列混合存储以及资源隔离性问题。TiFlash 可用作行存储系统（TiKV）实时镜像，实时镜像可独立于行存储系统，将行存储及列存储从物理隔离开，提供完善的资源隔离方案，HTAP 场景最优推荐方案；亦可用作行存储表的索引，配合行存储对外提供智能的 OLAP 服务，提升约 10 倍复杂的混合查询的性能。 TiFlash 目前处于 Beta 阶段，计划 2019 年 12 月 31 日之前 GA，欢迎大家申请试用。 未来我们会继续投入到系统稳定性，易用性，性能，弹性扩展方面，向用户提供极致的弹性伸缩能力，极致的性能体验，极致的用户体验。 稳定性方面 V4.0 版本将继续完善 V3.0 未 GA 的重大特性，例如：悲观事务模型，View，Table Partition，Titan 行存储引擎，TiFlash 列存储引擎；引入近似物理备份恢复解决分布数据库备份恢复难题；优化 PD 调度功能等。 性能方面 V4.0 版本将继续优化事务处理流程，减少事务资源消耗，提升性能，例如：1PC，省去获取 commit ts 操作等。 弹性扩展方面，PD 将提供弹性扩展所需的元信息供外部系统调用，外部系统可根据元信息及负载情况动态伸缩集群规模，达成节省成本的目标。 我们相信战胜“未知”最好的武器就是社区的力量，基础软件需要坚定地走开源路线。截止发稿我们已经完成 41 篇源码阅读文章。TiDB 开源社区总计 265 位 Contributor，6 位 Committer，在这里我们对社区贡献者表示由衷的感谢，希望更多志同道合的人能加入进来，也希望大家在 TiDB 这个开源社区能够有所收获。 TiDB 3.0 GA Release Notes： https://pingcap.com/docs-cn/v3.0/releases/3.0-ga/

数据仓库的数据追加常用的技术和方法如何定期向数据仓库追加数据也是一个十分重要的技术。数据仓库的数据来自OLTP的数据库中，问题是如何知道究竟哪些数据是在上一次追加过程之后新生成的。常用的技术和方法如下：(1)时标方法：如果数据含有时标，对新插入或更新的数据记录，在记录中添加更新时的时标，那么只需根据时标判断即可。但并非所有的数据库中的数据都含有时标。(2)DELTA文件：它是由应用生成的，记录了应用改变的所有内容。利用DELTA文件效率很高，它避免了扫描整个数据库，但同样的问题是生成DELTA文件的应用并不普遍。此外，还有更改应用代码的方法，使得应用在生成新数据时可以自动将其记录下来。但应用成千上万，且修改代码十分烦琐，这种方法很难实现。(3)前后映像文件的方法：在抽取数据前后对数据库各做一次快照，然后比较两幅快照的不同从而确定新数据。这种方法占用大量资源，对性能影响极大，因此并无多大实际意义。(4)日志文件：最可取的技术大概就是利用日志文件了，因为它是DB的固有机制，不会影响OLTP的性能。同时，它还具有DELTA文件的优越性质，提取数据只要局限日志文件即可，不用扫描整个数据库。当然，原来日志文件的格式是依据DB系统的要求而确定的，它包含的数据对于数据仓库而言可能有许多冗余。例如，对一个记录的多次更新，口志文件将全部变化过程都记录下来；而对于数据仓库，只需要最终结果。但比较而言，日志文件仍然是最可行的一种选择。

如果PON板为GPON板，一般设置为每口64个ONU,那么，可带用户14*8*64=7168户。如果PON板为EPON板，一般设置为每口32个ONU,那么，可带用户14*8*32=3584户,.以上为FTTH用户的设计容量。如果是其他PON终端设备，如FTTB或FTTC设备，就要根据设备的容量来计算了。

OLTP(on-linetransactionprocessing)翻译为联机事务处理。OLAP(On-LineAnalyticalProcessing)翻译为联机分析处理。OLTP主要用来记录某类业务事件的发生，如购买行为，当行为产生后，系统会记录是谁在何时何地做了何事，这样的一行（或多行）数据会以增删改的方式在数据库中进行数据的更新处理操作，要求实时性高、稳定性强、确保数据及时更新成功，像公司常见的业务系统如ERP，CRM，OA等系统都属于OLTP。当数据积累到一定的程度，我们需要对过去发生的事情做一个总结分析时，就需要把过去一段时间内产生的数据拿出来进行统计分析，从中获取我们想要的信息，为公司做决策提供支持，这时候就是在做OLAP了。因为OLTP所产生的业务数据分散在不同的业务系统中，而OLAP往往需要将不同的业务数据集中到一起进行统一综合的分析，这时候就需要根据业务分析需求做对应的数据清洗后存储在数据仓库中，然后由数据仓库来统一提供OLAP分析。所以我们常说OLTP是数据库的应用，OLAP是数据仓库的应用，下面用一张图来简要对比。

联机事务处理系统(OLTP)，也称为面向交易的处理系统，其基本特征是顾客的原始数据可以立即传送到计算中心进行处理，并在很短的时间内给出处理结果这样做的最大优点是可以即时地处理输入的数据，及时地回答也称为实时系统(RealtimeSystem)衡量联机事务处理系统的一个重要性能指标是系统性能，具体体现为实时响应时间(ResponseTime)，即用户在终端上送入数据之后，到计算机对这个请求给出答复所需要的时间

数据分析，多维分析首选FineBI!多维OLAP分析是BI工具分析功能的集中体现，其应用特性主要体现在两方面：一是即时查询到效果（Online），这要求后台数据的计算速度和前台浏览器的展示速度都要很快；二是多维度自定义分析，这要求BI工具的多维数据库应该具有较大的灵活性，可以随用户的要求组合任意的指标和维度。只有同时满足这两个特性的交互分析过程，才是多维OLAP分析，才能保障用户即时看到其分析需求对应的数据统计结果，以及通过切换维度和改变条件等方式，满足根据上一步的结果即时产生的新的分析需求。

如下：一、两者的概述不同：1、OLTP的概述：On-Line Transaction Processing 联机事务处理过程（OLTP），也称为面向交易的处理过程。2、OLAP的概述：联机分析处理OLAP是一种软件技术，它使分析人员能够迅速、一致、交互地从各个方面观察信息，以达到深入理解数据的目的。二、两者的特点不同：1、OLTP的特点：结构复杂、实时性要求高。2、OLAP的特点：联机分析处理的主要特点，是直接仿照用户的多角度思考模式，预先为用户组建多维的数据模型，维指的是用户的分析角度。三、两者的用户不同：1、OLTP的用户：操作人员，低层管理人员。2、OLAP的用户：决策人员，高级管理人员。

操作型处理，叫联机事务处理 OLTP（On-Line Transaction Processing，），也可以称面向交易的处理系统，它是针对具体业务在数据库联机的日常操作，通常对少数记录进行查询、修改。用户较为关心操作的响应时间、数据的安全性、完整性和并发支持的用户数等问题。传统的数据库系统作为数据管理的主要手段，主要用于操作型处理，像Mysql，Oracle等关系型数据库一般属于OLTP。分析型处理，叫联机分析处理 OLAP（On-Line Analytical Processing）一般针对某些主题的历史数据进行分析，支持管理决策。关于派可数据，用心创造数据价值 让数据分析更简单

OLTP：联机事务处理，就是我们通常所说的关系型数据库，记录了实时的增删改查数据。OLAP：联机分析处理，是数据仓库的核心，对OLTP的历史数据进行加工、分析处理，用于处理商务智能、决策支持等重要的决策信息。区别：1.oltp是明细的数据，olap是汇总数据。2.oltp记录实时的数据，olap包含2-3年历史数据。

联机事物处理On Online Transaction Processing还有一个是联机分析处理，是数据库原理里面的概念。

当今的数据处理大致可以分成两大类：联机事务处理OLTP（on-line transaction processing）、联机分析处理OLAP（On-Line Analytical Processing）。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。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.OLTP:也称为面向交易的处理系统，其基本特征是顾客的原始数据可以立即传送到计算中心进行处理，并在很短的时间内给出处理结果。这样做的最大优点是可以即时地处理输入的数据，及时地回答。也称为实时系统(Real time System)。衡量联机事务处理系统的一个重要性能指标是系统性能，具体体现为实时响应时间(Response Time)，即用户在终端上送入数据之后，到计算机对这个请求给出答复所需要的时间。OLTP是由数据库引擎负责完成的。OLTP 数据库旨在使事务应用程序仅写入所需的数据，以便尽快处理单个事务。OLAP:简写为OLAP,随着数据库技术的发展和应用，数据库存储的数据量从20世纪80年代的兆（M）字节及千兆（G）字节过渡到现在的兆兆（T）字节和千兆兆（P）字节，同时，用户的查询需求也越来越复杂，涉及的已不仅是查询或操纵一张关系表中的一条或几条记录，而且要对多张表中千万条记录的数据进行数据分析和信息综合，关系数据库系统已不能全部满足这一要求。在国外，不少软件厂商采取了发展其前端产品来弥补关系数据库管理系统支持的不足，力图统一分散的公共应用逻辑，在短时间内响应非数据处理专业人员的复杂查询要求。联机分析处理（OLAP）系统是数据仓库系统最主要的应用，专门设计用于支持复杂的分析操作，侧重对决策人员和高层管理人员的决策支持，可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观而易懂的形式将查询结果提供给决策人员，以便他们准确掌握企业（公司）的经营状况，了解对象的需求，制定正确的方案。

OLAP是联机分析处理OLTP是联机事务处理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。OLTP是传统的关系型数据库的主要应用模式，主要面对基本的、日常的事务处理；比如数据库记录的增、删、改、查。

当今的数据处理大致可以分成两大类：联机事务处理OLTP（on-line transaction processing）、联机分析处理OLAP（On-Line Analytical Processing）。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。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.OLTP:也称为面向交易的处理系统，其基本特征是顾客的原始数据可以立即传送到计算中心进行处理，并在很短的时间内给出处理结果。这样做的最大优点是可以即时地处理输入的数据，及时地回答。也称为实时系统(Real time System)。衡量联机事务处理系统的一个重要性能指标是系统性能，具体体现为实时响应时间(Response Time)，即用户在终端上送入数据之后，到计算机对这个请求给出答复所需要的时间。OLTP是由数据库引擎负责完成的。OLTP 数据库旨在使事务应用程序仅写入所需的数据，以便尽快处理单个事务。OLAP:简写为OLAP,随着数据库技术的发展和应用，数据库存储的数据量从20世纪80年代的兆（M）字节及千兆（G）字节过渡到现在的兆兆（T）字节和千兆兆（P）字节，同时，用户的查询需求也越来越复杂，涉及的已不仅是查询或操纵一张关系表中的一条或几条记录，而且要对多张表中千万条记录的数据进行数据分析和信息综合，关系数据库系统已不能全部满足这一要求。在国外，不少软件厂商采取了发展其前端产品来弥补关系数据库管理系统支持的不足，力图统一分散的公共应用逻辑，在短时间内响应非数据处理专业人员的复杂查询要求。联机分析处理（OLAP）系统是数据仓库系统最主要的应用，专门设计用于支持复杂的分析操作，侧重对决策人员和高层管理人员的决策支持，可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观而易懂的形式将查询结果提供给决策人员，以便他们准确掌握企业（公司）的经营状况，了解对象的需求，制定正确的方案。

除了楼上说的以外，还可以在日志文件和trace文件中看到：Trace file d:myprojectoracle11gdiag dbmsorclorcl raceorcl_ora_45460.trcOracle Database 11g Enterprise Edition Release 11.2.0.1.0 - ProductionWith the Partitioning, OLAP, Data Mining and Real Application Testing optionsWindows NT Version V6.1 CPU : 2 - type 586, 2 Physical CoresProcess Affinity : 0x0x00000000Memory (Avail/Total): Ph:139M/2011M, Ph+PgF:552M/4263M, VA:1191M/2047M Instance name: orclRedo thread mounted by this instance: 1Oracle process number: 38Windows thread id: 45460, image: ORACLE.EXE (SHAD)

当今的数据处理大致可以分成两大类：联机事务处理OLTP（on-line transaction processing）、联机分析处理OLAP（On-Line Analytical Processing）。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。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.OLTP:也称为面向交易的处理系统，其基本特征是顾客的原始数据可以立即传送到计算中心进行处理，并在很短的时间内给出处理结果。这样做的最大优点是可以即时地处理输入的数据，及时地回答。也称为实时系统(Real time System)。衡量联机事务处理系统的一个重要性能指标是系统性能，具体体现为实时响应时间(Response Time)，即用户在终端上送入数据之后，到计算机对这个请求给出答复所需要的时间。OLTP是由数据库引擎负责完成的。OLTP 数据库旨在使事务应用程序仅写入所需的数据，以便尽快处理单个事务。OLAP:简写为OLAP,随着数据库技术的发展和应用，数据库存储的数据量从20世纪80年代的兆（M）字节及千兆（G）字节过渡到现在的兆兆（T）字节和千兆兆（P）字节，同时，用户的查询需求也越来越复杂，涉及的已不仅是查询或操纵一张关系表中的一条或几条记录，而且要对多张表中千万条记录的数据进行数据分析和信息综合，关系数据库系统已不能全部满足这一要求。在国外，不少软件厂商采取了发展其前端产品来弥补关系数据库管理系统支持的不足，力图统一分散的公共应用逻辑，在短时间内响应非数据处理专业人员的复杂查询要求。联机分析处理（OLAP）系统是数据仓库系统最主要的应用，专门设计用于支持复杂的分析操作，侧重对决策人员和高层管理人员的决策支持，可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观而易懂的形式将查询结果提供给决策人员，以便他们准确掌握企业（公司）的经营状况，了解对象的需求，制定正确的方案。

数据库具体是OLTP还是OLAP取决于你的业务类型，具体到Oracle数据库上应该就是一些参数的不同，以及我们设计数据库结构和程序的时候采用的方法不同，所以没这么绝对得。例如我们使用dbca建立Oracle数据库时，可选的模板除了OLTP、数据仓库（OLAP），也有一个模板是一般用途，也就是兼有二者的特点。至于你的数据库有没有OLAP的技术特性，倒是可以在sqlplus登录时看到，如：]$ sqlplus / as sysdbaSQL*Plus: Release 11.1.0.6.0 - Production on Wed May 2 11:45:45 2012Copyright (c) 1982, 2007, Oracle. All rights reserved.Connected to:Oracle Database 11g Enterprise Edition Release 11.1.0.6.0 - ProductionWith the Partitioning, OLAP, Data Mining and Real Application Testing options或者执行dbca，选择修改数据库选项，也可以看到一些信息。

最终用户查询和报告工具。它专门用于支持主要用户对原始数据的访问，不包括适合专业人员生成成品报表的工具。OLAP工具。提供多维数据管理环境，其典型应用是业务问题建模和业务数据分析。OLAP也被称为多维分析。数据挖掘软件。利用神经网络、规则归纳等技术，发现数据之间的关系，根据数据进行推断。数据仓库和数据集市产品。它包括用于数据转换、管理和访问的预配置软件，通常还包括一些业务模型，如财务分析模型。联机分析处理(OLAP)的概念是由关系数据库之父E.F.Codd于1993年首先提出的。他还提出了关于OLAP的12条规则。OLAP的提议引起了巨大的反响。作为一种产品，OLAP与联机事务处理(OLTP)有着明显的区别。今天的数据处理大致可以分为两类:联机事务处理OLTP(联机事务处理)和联机分析处理OLAP(联机分析处理)。OLTP是传统关系数据库的主要应用，主要处理基本的日常事务，如银行事务。OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重于决策支持，提供直观易懂的查询结果。

当今的数据处理大致可以分成两大类：联机事务处理OLTP（on-line transaction processing）、联机分析处理OLAP（On-Line Analytical Processing）。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。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.OLTP:也称为面向交易的处理系统，其基本特征是顾客的原始数据可以立即传送到计算中心进行处理，并在很短的时间内给出处理结果。这样做的最大优点是可以即时地处理输入的数据，及时地回答。也称为实时系统(Real time System)。衡量联机事务处理系统的一个重要性能指标是系统性能，具体体现为实时响应时间(Response Time)，即用户在终端上送入数据之后，到计算机对这个请求给出答复所需要的时间。OLTP是由数据库引擎负责完成的。OLTP 数据库旨在使事务应用程序仅写入所需的数据，以便尽快处理单个事务。OLAP:简写为OLAP,随着数据库技术的发展和应用，数据库存储的数据量从20世纪80年代的兆（M）字节及千兆（G）字节过渡到现在的兆兆（T）字节和千兆兆（P）字节，同时，用户的查询需求也越来越复杂，涉及的已不仅是查询或操纵一张关系表中的一条或几条记录，而且要对多张表中千万条记录的数据进行数据分析和信息综合，关系数据库系统已不能全部满足这一要求。在国外，不少软件厂商采取了发展其前端产品来弥补关系数据库管理系统支持的不足，力图统一分散的公共应用逻辑，在短时间内响应非数据处理专业人员的复杂查询要求。联机分析处理（OLAP）系统是数据仓库系统最主要的应用，专门设计用于支持复杂的分析操作，侧重对决策人员和高层管理人员的决策支持，可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观而易懂的形式将查询结果提供给决策人员，以便他们准确掌握企业（公司）的经营状况，了解对象的需求，制定正确的方案。

批处理文件（BATCHFILE，简称 BAT文件）是一种在DOS 下最常用的可执行文件。它具有灵活的操纵性，可适应各种复杂的计算机操作（指在DOS下）。所谓的批处理，就是按规定的顺序自动执行若干个指定的DOS命令或程序。即是把原来一个一个执行的命令汇总起来，成批的执行。联机分析处理 (OLAP) 的概念最早是由关系数据库之父E.F.Codd于1993年提出的，他同时提出了关于OLAP的12条准则。OLAP的提出引起了很大的反响，OLAP作为一类产品同联机事务处理 (OLTP) 明显区分开来。 当今的数据处理大致可以分成两大类：联机事务处理OLTP（on-line transaction processing）、联机分析处理OLAP（On-Line Analytical Processing）。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。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。下表列出了OLTP与OLAP之间的比较。OLTPOLAP用户操作人员,低层管理人员决策人员,高级管理人员功能日常操作处理分析决策DB 设计面向应用面向主题数据当前的, 最新的细节的, 二维的分立的历史的, 聚集的, 多维的集成的, 统一的存取读/写数十条记录读上百万条记录工作单位简单的事务复杂的查询用户数上千个上百个DB 大小100MB-GB100GB-TB OLAP是使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取,从而获得对数据的更深入了解的一类软件技术。OLAP的目标是满足决策支持或者满足在多维环境下特定的查询和报表需求,它的技术核心是"维"这个概念。 “维”是人们观察客观世界的角度,是一种高层次的类型划分。“维”一般包含着层次关系,这种层次关系有时会相当复杂。通过把一个实体的多项重要的属性定义为多个维(dimension)，使用户能对不同维上的数据进行比较。因此OLAP也可以说是多维数据分析工具的集合。 OLAP的基本多维分析操作有钻取（roll up和drill down）、切片（slice）和切块（dice）、以及旋转（pivot）、drill across、drill through等。·钻取是改变维的层次，变换分析的粒度。它包括向上钻取（roll up）和向下钻取（drill down）。roll up是在某一维上将低层次的细节数据概括到高层次的汇总数据，或者减少维数；而drill down则相反，它从汇总数据深入到细节数据进行观察或增加新维。·切片和切块是在一部分维上选定值后，关心度量数据在剩余维上的分布。如果剩余的维只有两个，则是切片；如果有三个，则是切块。·旋转是变换维的方向，即在表格中重新安排维的放置（例如行列互换）。 OLAP有多种实现方法，根据存储数据的方式不同可以分为ROLAP、MOLAP、HOLAP。 ROLAP表示基于关系数据库的OLAP实现（Relational OLAP）。以关系数据库为核心,以关系型结构进行多维数据的表示和存储。ROLAP将多维数据库的多维结构划分为两类表:一类是事实表,用来存储数据和维关键字;另一类是维表,即对每个维至少使用一个表来存放维的层次、成员类别等维的描述信息。维表和事实表通过主关键字和外关键字联系在一起,形成了"星型模式"。对于层次复杂的维,为避免冗余数据占用过大的存储空间,可以使用多个表来描述,这种星型模式的扩展称为"雪花模式"。 MOLAP表示基于多维数据组织的OLAP实现（Multidimensional OLAP）。以多维数据组织方式为核心,也就是说,MOLAP使用多维数组存储数据。多维数据在存储中将形成"立方块（Cube）"的结构,在MOLAP中对"立方块"的"旋转"、"切块"、"切片"是产生多维数据报表的主要技术。 HOLAP表示基于混合数据组织的OLAP实现（Hybrid OLAP）。如低层是关系型的，高层是多维矩阵型的。这种方式具有更好的灵活性。还有其他的一些实现OLAP的方法，如提供一个专用的SQL Server，对某些存储模式（如星型、雪片型）提供对SQL查询的特殊支持。 OLAP工具是针对特定问题的联机数据访问与分析。它通过多维的方式对数据进行分析、查询和报表。维是人们观察数据的特定角度。例如，一个企业在考虑产品的销售情况时，通常从时间、地区和产品的不同角度来深入观察产品的销售情况。这里的时间、地区和产品就是维。而这些维的不同组合和所考察的度量指标构成的多维数组则是OLAP分析的基础，可形式化表示为（维1，维2，……，维n，度量指标），如（地区、时间、产品、销售额）。多维分析是指对以多维形式组织起来的数据采取切片（Slice）、切块（Dice）、钻取（Drill-down和Roll-up）、旋转（Pivot）等各种分析动作，以求剖析数据，使用户能从多个角度、多侧面地观察数据库中的数据，从而深入理解包含在数据中的信息。 根据综合性数据的组织方式的不同，目前常见的OLAP主要有基于多维数据库的MOLAP及基于关系数据库的ROLAP两种。MOLAP是以多维的方式组织和存储数据，ROLAP则利用现有的关系数据库技术来模拟多维数据。在数据仓库应用中，OLAP应用一般是数据仓库应用的前端工具，同时OLAP工具还可以同数据挖掘工具、统计分析工具配合使用，增强决策分析功能。

ETLETL即数据抽取（Extract）、转换（Transform）、装载（Load）的过程它是构建数据仓库的重要环节数据仓库是面向主题的、集成的、稳定的且随时间不断变化的数据集合，用以支持经营管理中的决策制定过程数据仓库系统中有可能存在着大量的噪声数据,引起的主要原因有：滥用缩写词、惯用语、数据输入错误、重复记录、丢失值、拼写变化等即便是一个设计和规划良好的数据库系统，如果其中存在着大量的噪声数据，那么这个系统也是没有任何意义的，因为“垃圾进，垃圾出”（garbagein,garbageout），系统根本就不可能为决策分析系统提供任何支持为了清除噪声数据，必须在数据库系统中进行数据清洗目前有不少数据清洗研究和ETL研究，但是如何在ETL过程中进行有效的数据清洗并使这个过程可视化，此方面研究不多联机事务处理OLTP联机分析处理(OLAP)的概念最早是由关系数据库之父EFCodd于1993年提出的，他同时提出了关于OLAP的12条准则OLAP的提出引起了很大的反响，OLAP作为一类产品同联机事务处理(OLTP)明显区分开来当今的数据处理大致可以分成两大类：联机事务处理OLTP（on-linetransactionprocessing）、联机分析处理OLAP（On-LineAnalyticalProcessing）OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易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OLAP是使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取,从而获得对数据的更深入了解的一类软件技术