细说 OLAP 与 OLTP

OLAP (Online analytical processing)[联机分析处理]

1. 起源

   • 数据库概念最初源于1962年Kenneth Iverson发表的名为“A Programming Language” (APL)的著作，它第一次提出了处理操作和多维变量的的数学表达式，后来APL语言由IBM实现。
   • 随后数据库之父Edgar F. Codd提出了著名的关系数据模型理论《A Relational Model of Data for Large Shared Data Banks 》，为后面数据库发展奠定基础。
   • 第一款OLAP产品Express于1975年问世，随着被Oracle收购后繁荣发展了30余年，最后由继任者Oracle 9i替代。这么多年过去，基本的OLAP理念和数据模型仍然未变。
   • OLAP这个名词是数据库之父Edgar F. Codd于1993年在文章《Providing OLAP (On-Line Analytical Processing) to User-Analysts: An IT Mandate》提出，他总结了OLAP产品的12个原则，随后OLAP产品相继问世并逐渐形成今天的格局。

2. 核心概念

   • 维
     • 维(Dimension): 人们观察事物的视角, 如时间、地理位置、年龄和性别等, 是单一角度概念。
     • 维的层次(Lever of Dimension): 表示维度概念基础上进一步的细分, 如时间可以细分为年、季度、月三个层次。
     • 维成员(Member of Dimension): 表示维不可再细分的原子取值。
     • 度量(Measure): 表示在这个维成员上的取值。

   • 操作

     • 下探(Drill down): 维度是有层次的, 下探表示进入维度的下一层, 将汇总数据拆分到下一层所在细节数据信息, 如下图从第二急速下探到看4、5、6月的明细数据。

     • 上钻(Drill up): 下探的反向操作, 回到更高汇聚层的汇总数据。

     • 切片(Slice): 切片可以理解成把立体按某一个维度进行切分, 切块就是按一个范围(区间)来做切分。

     • 旋转(Pivot): 维的行列位置切换, 换一个视角分析数据。

3. 分类

   • MOLAP (Multi-dimensional OLAP)

     • OLAP发源最初形态: 以多维数组(Multi-dimension Array) 存储模型的 OLAP, 某些方面也等同于OLAP。

     • 特点:

       • 数据需要预计算(pre-computation), 然后把预计算之后的结果 (cube) 存在多维数组里。

     • 优点:

       • cube 包含所有维度的聚合结果, 所有查询速度非常快。
       • 计算结果数据占用的磁盘空间相对关系型数据库更小。

     • 缺点:

       • 空间和时间开销大。

         • update cube 的时间跟计算程度(degree)相关, 计算时间随着维度增加↑而大幅↑, 此外预计算还会造成数据占用急剧膨胀。

       • 查询灵活度比较低。

         • 需要提前设计维度模型, 查询分析的内容仅限于这些指定维度, 增加维度需要重新计算。

   • ROLAP (Relational OLAP)

     • 基于关系模型存放数据, 一般要求事实表(fact table) 和 维度表(dimension table) 按一定关系设计, 它不需要预计算, 适用标准SQL就可以根据需要即时查询不同维度数据。
     • 优点
       • 扩展性强, 适用于维度数量多的模型, MOLAP对于维度多的模型预计算慢, 空间占用大。
       • 更适合处理non-aggregate事实, 如文本描述。
       • 基于row存储, 数据更容易做权限管理。
     • 缺点
       • 因为是即时计算，查询响应时间一般比预计算的MOLAP长。

   • HOLAP (Hybrid)

     • 业界还没有一致的定义，它是MOLAP和ROLAP类型的混合运用 。
     • 细节的数据以ROLAP的形式存放，更加方便灵活。
     • 高度聚合的数据以MOLAP的形式展现，更适合于高效的分析处理。
     • 公司使用HOLAP的目的是根据不同场景来利用不同OLAP的特性。

4. 业界产品

   • MOLAP 产品有 Cognos Powerplay, Oracle Database OLAP Option, MicroStrategy, Microsoft Analysis Services, Essbase, TM1, Jedox ,icCube和kylin等
   • ROLAP产品有Vertica、Amazon Redshift、Google Dremel、Hulu Nesto、Presto、Druid、Impala、Greenplum、HAWQ和Doris等。

5. 国内发展状态

   • 除BAT等大厂会自研OLAP产品外，其他中小互联网公司普遍拥抱开源，会使用Kylin、Presto、impala、Druid和Greenplum等开源技术来实现OLAP分析查询业务。

OLTP(on-line transaction processing)[联机事务处理]

• 描述

  • 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 。
  • 在这样的系统中，单个数据库每秒处理的Transaction往往超过几百个，或者是几千个，Select 语句的执行量每秒几千甚至几万个。
  • 典型的OLTP系统有电子商务系统、银行、证券等，如美国eBay的业务数据库，就是很典型的OLTP数据库。

• 最容易出现瓶颈的地方

• CPU

  • 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。

  • 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。

• 磁盘

  • 磁盘的承载能力一般取决于它的IOPS(Input/Output Operations Per Second)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。
  • 如果频繁到磁盘子系统都不能承载其IOPS的时候，就会出现大的性能问题。

• 常用设计与优化方式:

  • Cache

    • Cache决定了很多语句不需要从磁盘子系统获得数据。

  • B-tree 索引技术

    • 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。

  • 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。