1. Workload
    工作量
Data warehouses are designed to accommodate ad hoc queries.
数据仓库被设计用来适应即席查询。
You might not know the workload of your data warehouse in advance, so a data warehouse should be optimized to perform well for a wide variety of possible query operations.
你也许不能事先知道数据仓库的工作量，所以一个数据仓库需要被优化使在面对多种可能性的查询操作时依然能运行良好。
OLTP systems support only predefined operations.
OLTP系统仅仅支持预先定义好的操作。
Your applications might be specifically tuned or designed to support only these operations.
你的应用程序可能已经被特定地调整过或者设计成仅支持这些操作。
2.Data modifications
   数据更新
A data warehouse is updated on a regular basis by the ETL process (run nightly or weekly) using bulk data modification techniques.
数据仓库定期地通过ETL过程（每个晚上或者每周运行）来更新，ETL过程使用大块的数据更新技术。
The end users of a data warehouse do not directly update the data warehouse.
仓库的最终用户并不直接更改数据仓库。
In OLTP systems, end users routinely issue individual data modification statements to the database.
在OLTP系统中，最终用户日常性地向数据库发布个人数据更新的语句。
The OLTP database is always up to date, and reflects the current state of each business transaction.
OLTP数据库总是在更新中，并且反映了每个商业事务的当前状态。
3. Schema design
    模式设计
Data warehouses often use denormalized or partially denormalized schemas (such as a star schema) to optimize query performance.
数据仓库通常使用非规范化或者部分非规范化模式（比如星型模型）来优化查询性能。
OLTP systems often use fully normalized schemas to optimize update/insert/delete performance, and to guarantee data consistency.
OLTP系统通常使用完全的规范化的模式来优化更新/插入/删除操作的性能，并且保证数据的一致性。
4. Typical operations
    典型操作
A typical data warehouse query scans thousands or millions of rows.
典型的数据仓库查询会浏览成千上万的数据行。
For example, "Find the total sales for all customers last month."
比如，“查找针对上个月所有消费者的销售总额”。
A typical OLTP operation accesses only a handful of records.
典型的OLTP操作仅访问少数的记录
For example, "Retrieve the current order for this customer."
比如，“检索某位顾客当前的订单”
5. Historical data
    历史数据
Data warehouses usually store many months or years of data.
数据仓库通常存储大量月份或年份的数据。
This is to support historical analysis.
这是用来支持历史分析
OLTP systems usually store data from only a few weeks or months.
OLTP系统通常存储几个星期或月的数据。
The OLTP system stores only historical data as needed to successfully meet the requirements of the current transaction.
OLTP系统存仅当需要的时候才存储历史数据来成功的实现当前事务的需求。

转载于:https://blog.51cto.com/tonyguxu/470857

Contrasting OLTP and Data Warehousing Environments相关推荐

  1. 【Oracle11g官方文档阅读】DBA Essentials-上篇

    Oracle Database Online Documentation 11g Release 2 (11.2) DBA Essentials Manage all aspects of your ...

  2. 数据仓库与元数据管理

    数据仓库与元数据管理 1. 前言 在事务处理系统中的数据,主要用于记录和查询业务情况.随着数据仓库(DW)技术的不断成熟,企业的数据逐渐变成了决策的主要依据.数据仓库中的数据是从许多业务处理系统中抽取 ...

  3. Oracle 分析函数（Analytic Functions） 说明

    一.  Analytic Functions 说明 分析函数是oracle 8中引入的一个概念,为我们分析数据提供了一种简单高效的处理方式. 官方对分析函数的说明如下: Analytic functi ...

  4. SparkTune: tuning Spark SQL through query cost modeling

    文章目录 ABSTRACT 1 INTRODUCTION 2 COST MODEL OVERVIEW 3 THE SYSTEM 3.1 Environment setup 3.2 Analyses 4 ...

  5. 【DBMS 数据库管理系统】OLTP 联机事务处理 与 OLAP 联机分析处理 ( 数据仓库 与 OLAP | OLAP 联机分析处理 | OLTP 与 OLAP 区别 )

    文章目录 一.数据仓库 和 联机分析处理 技术 简介 二.OLAP 联机分析处理 引入 三.OLAP 联机分析处理 概念 四.OLAP 联机分析处理 特点 五.OLAP 与 OLTP 区别 一.数据仓 ...

  6. 【11g】屏蔽敏感数据 （Masking Sensitive Data）

    16 Masking Sensitive Data 本章提供了关于组成Oracle数据屏蔽的组件的概念信息,以及关于执行任务序列的过程信息,例如创建屏蔽格式和屏蔽定义.讨论的主题包括: Overvie ...

  7. SQL Server Parallel Data Warehouse (PDW) 介绍

    最近大数据概念非常火热,各个厂家都讲大数据视为未来IT的一个重要方向,因此各个厂家都想在这个领域有所作为.前几天参加了IBM大数据研讨会,会上IBM推出了他们针对于大数据的解决方案,三种一体机(Pur ...

  8. 大数据(big data)_如何使用Big Query＆Data Studio处理和可视化Google Cloud上的财务数据...

    大数据(big data) 介绍 (Introduction) This article will show you one of the ways you can process stock pri ...

  9. Azure Data Explorer(Kusto)学习笔记

    Azure Data Explorer 指南 Azure在2018年推出了Data Explorer产品,提供实时海量流数据的分析服务(非流计算),面向应用.网站.移动端等设备. 用户可以查询,并交互 ...

最新文章

  1. 详解Silverlight Treeview的HierarchicalDataTemplate使用
  2. JAXB 转 XML乱码
  3. 怎么用Windows 2008配置DHCP中继？
  4. android studio 设置自动编译_某小型公司持续集成工具jenkins实践（JAVA WEB、Android、IOS、html）...
  5. 一篇来自网络的关于“enqueue”events的简短参考（转）
  6. 纯文本文件的字符编码未声明_浅谈几种常见的字符编码
  7. str与dict与eval的结合妙用
  8. oracle右连接失效,oracle 右连接
  9. 计算机科学家和心理学家合作,生物智能与人工智能之间的合作
  10. Week04《Java程序设计》第四周学习总结
  11. 秋意正浓，和存储大师们来一场美丽的邂逅
  12. Shell_Shell调用SQLPlus简介（案例）
  13. window下搭建react-native开发环境
  14. mysql外键约束_mysql 外键约束
  15. 波音737-800座位图哪个好_留学生坐飞机出国千万别选这些座位！航空公司不会告诉你的选座秘密........
  16. MATLAB NAR时间序列神经网络两种预测方法
  17. 二十三 Python分布式爬虫打造搜索引擎Scrapy精讲—craw母版l创建自动爬虫文件—以及 scrapy item loader机制...
  18. git学习——上传项目代码到github
  19. Qt 之 QDateEdit 和 QTimeEdit
  20. C++矩阵求转置矩阵

热门文章

  1. golang代码检查工具
  2. 关于电脑格式化之后的恢复
  3. 前端面试题总结：模拟面试
  4. Crypto++入门学习笔记（DES、AES、RSA、SHA-256）(转)
  5. 用计算机拜年祝福语,适合拜年发的朋友圈祝福语：过年拜年的说说
  6. scheduleAtFixedRate和scheduleWithFixedDelay
  7. Windows给图片打马赛克最简单的方法
  8. 让Media Player播放 rmvb格式的视频
  9. 行为型模式 11 访问者模式
  10. RocketMQ发送消息和消费消息