閱讀指引：詳細系統介紹請閱讀文末參考閱讀，本文主要是知識點概要，是給讀者的take away notes。轉載請標明出處。
引言：從事數據庫的工作，首先應該知道Oracle數據庫一開始是怎麼產生的，解決了什麼問題。這與本文分享的兩類系統息息相關。
數據處理大致可以分成兩大類：
- OLTP（on-line transaction processing）聯機事務處理，又叫在線交易系統
- OLAP（On-Line Analytical Processing）聯機分析處理，又叫DW （Data Warehouse）數據倉庫系統
OLTP是傳統的關係型數據庫的主要應用，workload類型主要是基本的、日常的事務處理，如淘寶購物，銀行交易等。OLAP是數據倉庫系統的主要應用，主要workload類型是批量操作（batch job），如BI，分析決策系統，支持複雜的分析操作，側重決策支持，並且提供直觀易懂的查詢結果。
主要區別：
OLTP系統用戶數量多，併發量高，比如淘寶上很多人同時搶購，但是涉及的數據量少，每個人購買的物品都不會太多，增刪查改的數據量都較少。OLTP 系統性能調優關注重點：
- 強調連接池的使用
- 強調數據庫內存效率，注意各種泄漏，如遊標泄漏、會話泄漏、鎖泄漏
- 綁定變量的使用
- 強調併發操作；
推薦閱讀：官方文檔《SQL Tuning Guide》Improving Real-World Performance Through Cursor Sharing
以及Oracle Real-World Performance Team製作的相關視頻（在油管上，需要翻牆）。
OLAP一般是用來跑報表的，幫助分析決策，所以一般只有少數幾個用戶，比如BA在使用，但是涉及的數據量巨大，因爲可能在做這個月或者這一年的數據統計分析等。OLAP 系統強調SQL執行時長，強調磁盤I/O，強調並行執行與分區的使用等。OLAP 系統性能調優關注重點：
第一步：打基礎
- 使用Set-base思維處理數據
- 數據模型的設計：儘量使用星型模型
- 使用ELT (Extract Load Transform) 代替ETL：將數據放在最適合處理數據的地方處理
- 再通過以下四點得到比較好的執行計劃
- 約束條件的使用：非空和非強制約束條件的使用
- 數據類型的正確性與一致性
- 統計數據的準確性
- 分區的使用
第二步：進階使用不同的加速技術
- 並行執行的使用
- 壓縮技術的使用
- 集羣的使用
- 星型轉換（Star Transformation）
- 布隆過濾（Bloom Filters）
- Database In-Memory的使用
- Exadata
重要：前面第一步基礎不打好，後面再用多先進的技術都是徒勞！
重要：前面第一步基礎不打好，後面再用多先進的技術都是徒勞！
重要：前面第一步基礎不打好，後面再用多先進的技術都是徒勞！
重要的事情說三遍！
不是所有的數據庫都能同時勝任這兩種系統的。在雲時代，Oracle與其競爭對手競爭對手AWS都分別針對這兩種系統推出了自己的數據庫雲服務：
- OLTP: Oracle ATP (Autonomous Transaction Processing) vs Amazon Aurora
- OLAP/DW: Oracle ADW (Autonomous Data warehouse) vs Amazon Redshift
然而真實情況是，很多用戶，尤其是中小型企業，出於IT經費或者系統設計的考慮，沒法用兩個獨立的系統跑不同的負載。通常他們的負載都是混合的，既一臺服務器上既要跑OLAP又要跑OLTP。營業時間做完交易，停止營業以後就要跑報表。這時候需要數據庫整合服務。這就是Oracle優勢。我們說Oracle是全能的數據庫，適用於多種場景，能同時兼顧OLTP和OLAP系統。而Exadata是Oracle爲廣大客戶提供的最佳解決方案。
參考閱讀：OLAP、OLTP的介紹和比較