Oracle技术分享系列二：OLTP和OLAP系统及其性能调优重点

阅读指引：详细系统介绍请阅读文末参考阅读，本文主要是知识点概要，是给读者的take away notes。转载请标明出处。

引言：从事数据库的工作，首先应该知道Oracle数据库一开始是怎么产生的，解决了什么问题。这与本文分享的两类系统息息相关。

数据处理大致可以分成两大类：

• OLTP（on-line transaction processing）联机事务处理，又叫在线交易系统
• OLAP（On-Line Analytical Processing）联机分析处理，又叫DW （Data Warehouse）数据仓库系统

OLTP是传统的关系型数据库的主要应用，workload类型主要是基本的、日常的事务处理，如淘宝购物，银行交易等。OLAP是数据仓库系统的主要应用，主要workload类型是批量操作（batch job），如BI，分析决策系统，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。

主要区别：

OLTP系统用户数量多，并发量高，比如淘宝上很多人同时抢购，但是涉及的数据量少，每个人购买的物品都不会太多，增删查改的数据量都较少。OLTP 系统性能调优关注重点：

• 强调连接池的使用
• 强调数据库内存效率，注意各种泄漏，如游标泄漏、会话泄漏、锁泄漏
• 绑定变量的使用
• 强调并发操作；

推荐阅读：官方文档《SQL Tuning Guide》Improving Real-World Performance Through Cursor Sharing
以及Oracle Real-World Performance Team制作的相关视频（在油管上，需要翻墙）。

OLAP一般是用来跑报表的，帮助分析决策，所以一般只有少数几个用户，比如BA在使用，但是涉及的数据量巨大，因为可能在做这个月或者这一年的数据统计分析等。OLAP 系统强调SQL执行时长，强调磁盘I/O，强调并行执行与分区的使用等。OLAP 系统性能调优关注重点：

第一步：打基础

• 使用Set-base思维处理数据
• 数据模型的设计：尽量使用星型模型
• 使用ELT (Extract Load Transform) 代替ETL：将数据放在最适合处理数据的地方处理
• 再通过以下四点得到比较好的执行计划
  • 约束条件的使用：非空和非强制约束条件的使用
  • 数据类型的正确性与一致性
  • 统计数据的准确性
  • 分区的使用

第二步：进阶使用不同的加速技术

• 并行执行的使用
• 压缩技术的使用
• 集群的使用
• 星型转换（Star Transformation）
• 布隆过滤（Bloom Filters）
• Database In-Memory的使用
• Exadata

重要：前面第一步基础不打好，后面再用多先进的技术都是徒劳！
重要：前面第一步基础不打好，后面再用多先进的技术都是徒劳！
重要：前面第一步基础不打好，后面再用多先进的技术都是徒劳！

重要的事情说三遍！

不是所有的数据库都能同时胜任这两种系统的。在云时代，Oracle与其竞争对手竞争对手AWS都分别针对这两种系统推出了自己的数据库云服务：

• OLTP: Oracle ATP (Autonomous Transaction Processing) vs Amazon Aurora
• OLAP/DW: Oracle ADW (Autonomous Data warehouse) vs Amazon Redshift

然而真实情况是，很多用户，尤其是中小型企业，出于IT经费或者系统设计的考虑，没法用两个独立的系统跑不同的负载。通常他们的负载都是混合的，既一台服务器上既要跑OLAP又要跑OLTP。营业时间做完交易，停止营业以后就要跑报表。这时候需要数据库整合服务。这就是Oracle优势。我们说Oracle是全能的数据库，适用于多种场景，能同时兼顾OLTP和OLAP系统。Exadata+Oracle In-memory就是Oracle为广大客户提供的实时HTAP解决方案。

参考阅读：OLAP、OLTP的介绍和比较