数据-OLTP、OLAP

2023-10-21 13:28
文章标签 数据 olap oltp

本文主要是介绍数据-OLTP、OLAP,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1、概念

1.1 OLTP(online transaction processing-联机事务处理)

       它强调对数据的实时处理。OLTP系统通常用于处理企业的日常交易数据,例如订单处理、库存管理、银行交易等。它的主要功能是支持事务和实时数据处理,为用户提供高效的交易处理服务。

        在商业数据处理的早期阶段,写入数据库通常对应于商业的交易场景,如: 销售,订单等涉及金钱交易的场景,交易的英文为transaction,也就是事务一词的来源,在计算机领域代表一个逻辑单元的一组读写操作。

1.2 OLAP(online analytic processing-联机分析处理)

       它强调对大量历史数据的分析与处理。OLAP系统通常用来查询多维数据库,以便观察数据的多个维度之间的关系,并进行复杂的计算和汇总。它的主要功能包括查询、分析、预测、数据挖掘等,为用户提供灵活的数据分析和快速决策支持。

        例如: 统计每个店铺平均销售额,这些查询通常由业务分析师编写,以形成有助于公司管理层更好的决策;为了与事务处理系统进行区分,我们称之为在线分析处理(OLAP)。

2、区别

2.1 OLTP VS OLAP

属性

事务处理 OLTP

分析系统 OLAP

主要读特征

基于键查询,每次查询返回少量记录

对大量记录进行汇总

主要写特征

随机访问,写入要求低延时

批量导入(ETL)或事件流

适用场景

终端用户,通过网络应用程序

内部数据分析师,为决策提供支持

数据表征

数据的最新状态(当前时间点)

随时间推移的历史事件

数据规模

GB ~ TB

TB ~ PB

        最开始的时候,相同的数据库可以同时用于事务处理和分析查询,但是后来大公司开始慢慢放弃使用OLTP系统用于数据分析,而是使用单独的数据库进行分析,这个单独的数据库也被称为数据仓库。 

2.2 功能区别

        OLAP聚焦于数据分析和预测,为使用者提供数据挖掘和多维分析等功能,通过复杂的计算和统计分析来发现数据背后的规律。

        而OLTP更注重交易数据的实时处理,支持并发的事务处理和数据插入、更新、删除等操作。

2.3 数据处理区别

        OLAP通常处理大规模的历史数据,它需要快速的数据查询和复杂的统计计算,以满足用户对数据多维分析的需求。

        OLTP则处理实时的事务数据,它需要高效的事务处理和快速的数据录入,以保证日常交易的正常运行。

2.4 数据结构区别

        OLAP采用多维数据库结构,通过维度、度量、层次等数据元素来组织和管理数据,以便进行复杂的查询和分析。

        而OLTP通常采用关系数据库结构,通过表和关系来存储和管理交易数据,以支持事务的正确处理。

2.5 应用场景区别

        OLAP适用于需要进行复杂数据分析和决策的场景,例如市场营销分析、销售业绩分析、客户关系管理等。

        OLTP适用于需要进行实时数据处理和高并发事务处理的场景,例如在线交易管理、订单处理、支付结算、网银系统、电信系统、医院挂号系统、机场航班管理系统等。

3、OLAP

        随着互联网的快速发展,数据分析已成为企业决策的重要手段。但要想做好数据分析,就必须掌握数据采集、数据处理、数据分析等技术。

3.1 数据采集

        数据采集是指从各种渠道收集和获取原始数据的过程。来源如下

  • 数据库:业务数据。
  • 日志文件用户行为数据和系统运行数据。
  • Web爬虫:网络公开信息。
  • API接口:第三方提供的信息。
  • 硬件信息:
    • 传感器:监测各种物理量(如温度、湿度、压力等)。
    • 移动设备:移动设备(如智能手机、平板电脑等)产生大量的位置、行为和用户反馈数据。

 3.2 数据处理

        数据处理是指对原始数据进行清洗和整理,使其符合后续分析需要的格式和要求。这个过程最重要,往往耗时也最长。

处理内容

  • 数据清洗:对原始数据进行去重、去噪、填充缺失值等操作,保证数据的准确性和完整性。
  • 数据转换:将原始数据转换成可分析的格式,如将文本转换成数字、将时间格式标准化等。
  • 数据集成:将来自不同渠道的数据进行整合,形成一个统一的数据集。
  • 数据规约:对数据进行命名、编码、单位标准化等处理,保证数据的标准性和一致性。

前提

        数据处理的前提是明确数据规则。数据规则包括数据的完整性、准确性、一致性和规范性等方面,这些规则对于后续的数据处理和分析具有重要的指导作用。

        例如,做报表首先要确定统计维度,可以先设计好报表的表结构。在数据清理过程中,需要确定哪些数据是不符合规则的,哪些数据是缺失的,哪些数据是不一致的等,然后根据这些规则对数据进行处理,使其符合数据挖掘或分析的要求。

3.3 数据分析

        数据分析是指对已经清洗整理好的数据进行分析和挖掘,从中发现有价值的信息和知识。

分析类型

  • 探索性数据分析(EDA):通过可视化手段对数据进行初步探索,了解其分布、趋势等特征。
  • 统计学方法:使用统计学方法对数据进行描述和推断,并验证假设。
  • 机器学习方法:使用机器学习算法对数据进行分类、聚类、预测等操作。
  • 数据可视化:通过图表、地图等手段将分析结果呈现出来,以便更好地理解和传播。

3.4 数据输出

        将分析的结果以直观易懂的形式输出,支持决策。

输出形式

  • 报表:OLAP系统可以生成各种报表,如销售报表、财务报告、库存报告等。报表可以展示多维度的数据,包括数据的汇总、过滤、切片等。
  • 图表:OLAP系统可以生成各种图表,如柱状图、折线图、饼图、热力图等。图表可以直观地展示数据的分布、趋势和关联关系。
  • KPI:关键绩效指标(KPI)是OLAP数据输出的一种重要方式。KPI可以反映企业的运营状况和业绩表现,如销售额、利润率、客户满意度等。
  • 仪表板:仪表板是一种综合性的数据展示方式,它可以集成多个数据源和多个维度的数据,以图形化的方式展示出来。仪表板可以直观地展示企业的运营状况,并提供即时的分析和预警。
  • 多维模型:多维模型是OLAP的核心技术之一,它可以展示多维度的数据。多维模型可以帮助用户从多个角度和维度分析数据,发现数据的隐藏模式和关联关系。
  • 数据挖掘:OLAP可以和数据挖掘技术结合使用,从大量数据中发现隐藏的模式、关联和趋势。数据挖掘的结果可以通过OLAP进行验证和细化,以提供更准确的分析结果。

4、总结

        数据仓库中的OLAP和OLTP是两种不同的数据处理方式,分别以数据分析和实时事务处理为核心。了解它们的区别有助于我们更好地选择合适的处理方式,并且在实际应用中可以发挥它们的优势。

参考:

简单谈谈OLTP,OLAP和列存储的概念-腾讯云开发者社区-腾讯云

百度安全验证

这篇关于数据-OLTP、OLAP的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/254690

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者