Oracle OLAP 与 OLTP 介绍

数据处理大致可以分成两大类： 联机事务处理 OLTP（ on-line transactionprocessing）、 联机分析处理 OLAP（ On-Line Analytical Processing）。

（ 1） 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。 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；
（ 2） 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 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。

一、什么是 OLTP

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。

OLTP 系统最容易出现瓶颈的地方就是 CPU 与磁盘子系统。
（ 1） CPU 出现瓶颈常表现在逻辑读总量与计算性函数或者是过程上，逻辑读总量等于单个语句的逻辑读乘以执行次数，如果单个语句执行速度虽然很快，但是执行次数非常多，那么，也可能会导致很大的逻辑读总量。设计的方法与优化的方法就是减少单个语句的逻辑读，或者是减少它们的执行次数。另外，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。

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， 所以， Web cache 与 Oracle databuffer 对 OLTP 系统是很重要的。另外，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。
因为并发量很高， 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，如果是索引的数据块，可以考虑创建反向所以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。

二、什么是 OLAP

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。
在这样的系统中， 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 pathread/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）。 另外，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。 总之，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。

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，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。 如：Select /+first_rows(10) / a.* from table a;

三、分开设计与优化

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，那么，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，则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，而且还会造成物理 I/O 相当大。 所以这种系统的瓶颈往往是磁盘 I/O 上面的。

<script type="text/javascript"> $(function () { $('pre.prettyprint code').each(function () { var lines = $(this).text().split('\n').length; var $numbering = $('<ul/>').addClass('pre-numbering').hide(); $(this).addClass('has-numbering').parent().append($numbering); for (i = 1; i <= lines; i++) { $numbering.append($('<li/>').text(i)); }; $numbering.fadeIn(1700); }); }); </script>

版权声明：本文为博主原创文章，未经博主允许不得转载。