OLTP与OLAP：事务型与分析型数据库的选择
内容提要
OLTP处理高并发、低延迟的实时交易（如支付、订单），强调ACID一致性，多用行式存储和规范化模式。OLAP面向大规模历史数据分析，支持复杂查询与聚合，常用列式存储和星型模式。两者常并存，通过ETL、CDC、HTAP或LTAP连接。选择取决于写入一致性、历史扫描需求及数据新鲜度，混合架构适合两类需求并重的场景。
延伸解读
OLTP与OLAP的核心差异：从访问模式到存储设计
OLTP和OLAP的根本区别在于访问模式：OLTP针对当前运营数据执行大量短小、并发的读写，通常只触及少量记录，要求毫秒级响应；OLAP则面向历史数据执行少量但复杂的只读查询，可能扫描、连接并聚合数十亿行。这种差异直接影响了存储选择：OLTP多用行式存储和规范化模式，便于快速更新完整记录；OLAP多用列式存储和星型/雪花模式，便于只读取所需列并高效压缩。理解这些底层设计，有助于根据工作负载特征而非单纯数据量来选型。
连接OLTP与OLAP：ETL、CDC、HTAP与LTAP的取舍
多数组织同时运行OLTP和OLAP，关键问题是如何连接两者。ETL/ELT以批处理方式移动数据，适合可接受分析延迟的场景；CDC捕获行级变更，能提供更实时的分析，但管道需自行处理故障、模式变更和数据一致性。HTAP在同一系统内支持两类负载，可减少复制，但分析查询会与延迟敏感的事务争抢资源。Databricks的LTAP在存储层将Postgres行式数据转码为列式Parquet，省去CDC管道。选择取决于对数据新鲜度、工作负载隔离和运维复杂度的要求。
混合架构的落地考量：测试与监控要点
当OLTP和OLAP都是首要需求时，架构选择需权衡新鲜度、隔离性和运维复杂度。除了数据移动，还需确保复制数据在两端准确且受治理，迁移测试应反映生产流量。具体可测量读写混合比例和并发度，并在分析查询运行时跟踪事务的p99延迟；对OLAP则测量写入持续时的查询时长和吞吐量。还应测试集成路径，例如用CDC原型在真实流量和故障条件下测量提交到分析的延迟，以提前发现索引、模式或同步瓶颈。最终以工作负载为最终筛选标准。
Q&A
OLTP和OLAP分别适合什么场景？
OLTP适合高并发、低延迟的实时交易场景，如支付、订单、库存更新等，强调ACID一致性。OLAP适合大规模历史数据分析，如商业智能、销售预测、客户行为分析等，支持复杂查询和聚合。
OLTP和OLAP在数据存储上有什么不同？
OLTP通常使用行式存储和规范化的关系模式，适合频繁读写单条记录。OLAP通常使用列式存储和星型或雪花模式，适合扫描大量数据中的少数列，提高聚合查询效率。
OLTP和OLAP如何连接？有哪些常见架构？
常见连接方式包括ETL/ELT批量同步、CDC捕获增量变化、HTAP在同一系统支持两种负载，以及LTAP在存储层将行式数据转码为列式供分析引擎直接读取。选择取决于对数据新鲜度和运维复杂度的要求。
HTAP和LTAP有什么区别？
HTAP在同一系统或紧密集成的平台中支持事务和分析负载，可能减少复制，但分析查询会与延迟敏感的事务共享资源。LTAP是Databricks的湖仓事务/分析处理架构，在存储层将行式Postgres数据转码为列式Parquet，供湖仓引擎直接读取，无需CDC管道。
选择OLTP还是OLAP时应该考虑哪些因素？
主要考虑写入一致性需求、历史扫描需求以及数据新鲜度。如果写入和即时一致性为主，选OLTP；如果历史扫描和分析为主，选OLAP；如果两者都是首要需求，考虑混合架构如CDC、HTAP或LTAP。
OLTP和OLAP在延迟和并发上有什么差异？
OLTP要求毫秒级响应，支持大量简短并发事务；OLAP查询可能扫描数月数据，响应时间在秒到分钟甚至小时级，并发较低但单个查询计算量大。
