高斯数据库HCNA之关系型数据库主流应用

OnLine Transaction Processing
OLTP是传统关系数据库的主要应用
面向基本的，日常的事务处理，例如银行储蓄业务的存取交易，转账交易等

特点
大吞吐量：大量的短在线事务(插入、更新、删除)，非常快速的查询处理
高并发，(准)实时响应

典型的OLTP场景
零售系统
金融交易系统
火车机票销售系统
秒杀活动

OnLine Analytical Processing
联机分析处理的概念最早是E.F.Codd于1993年相对于OLTP系统而提出的
是指对数据的查询和分析操作，通常对大量的历史数据查询和分析，涉及到的历史周期比较长，数据量大，在不同层级上的汇总
聚合操作使得失误处理操作比较复杂

特点
主要面向侧重于复杂查询，回答一些"战略性"的问题
数据处理方面聚焦于数据的聚合，汇总，分组计算，窗口计算等"分析型"数据加工和操作
从多维度去使用和分析数据

典型的OLAP场景
报表系统，CRM系统
金融风险预测预警系统、反洗钱系统
数据集市，数据仓库

TPC(Transaction Processing Performance Council，事务处理性能委员会)
  职责是制定商务应用基准测试标准(Benchmark)的规范、性能和价格度量，病管理测试结果的发布
  制定的时标准规范而不是代码，任何厂家依据规范最优的构造自己系统进行评测
  推出了很多基准测试标准，其中针对OLTP和OLAP分别有两个规范
TPC-C规范
  面向OLTP系统，主要包括两个指标
  流量指标：tpmC(tpm-transactions per minuete,即每分钟测试系统处理的事务数量)
  性价比指标：Price(测试系统价格)/tmpC
TPC-H规范
  面向OLAP类系统
  流量指标：qphH-Query per hour,即每小时处理的复杂查询数量
  需要考虑测试数据集合大小，分为不同的测试数据集，指定了22个查询语句，可以根据产品微调
  测试场景：数据加载，Power能力测试和Througput测试

分析粒度：OLTP处理的是业务系统交易的详细数据，OLAP是基于详细交易数据基础上，进行汇总，聚合，关联登提炼处理
时效性：OLTP事务是瞬时发生的，OLAP考虑是对长期的历史数据的变化趋势分析
数据更新需求：这里的不可更新不是说数据不能被update，而是说OLAP系统的数据一般情况下数据存放到数据仓库，数据是不能被更新的
  如果更新变化，需要保留变化的历史操作，也就是从业务操作方面讲，OLAP系统不应当在原始记录上进行更新
驱动方式：指的是应用程序开发的驱动方式，OLTP是事务驱动就是需求来自于业务要实现的事务性需求，满足事务性需求来驱动应用的开发
  而OLAP是分析的需求，要出表报，满足即系查询，管理分析等综合性的分析需求来开发相应的应用程序
ACRM分析性CRM系统