OLTP与OLAP数据库
根据业务处理不同把数据库分为两类，
联机事务处理系统(OLTP)、联机分析系统(OLAP)、决策支持系统(DSS)；
0LTP
联机事务处理0LTP(On-line Transaction Processing)，传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。
此类系统专注于short on-line-tansactions 如INSERT, UPDATE, DELETE操作。通常存在此类系统中的数据都是以实体对象模型来存储数据，并满足3NF(数据库第三范式)。
0LTP的特点一般有：
- 实时性要求高。
- 数据量不是很大。
- 交易一般是确定的，所以0LTP是对确定性的数据进行存取。
- 并发性要求高并且严格地要求事务的完整、安全性。
0LAP
0LAP(On-line Analytical Processing)侧重决策支持，并且提供直观易懂的查询结果。典型的应用就是复杂的动态的报表系统。
OLAP的特点一般有：
- 实时性要求不是很高，很多应用顶多是每天更新一
下数据。 - 数据量大，因为0LAP支持的是动态查询，所以用户
也许要通过将很多数据的统计后才能得到想要知道的信息．
例如时间序列分析等等，所以处理的数据量很大。
0LTP和0LAP是两类完全不同的系统，对数据库的要求也截然不同。
通常来讲:
0LTP(在线事务处理系统)的用户并发数都很多，但他们只对数据库做较少的读写操作，返回的数据集很小，数据库侧重于对用户操作的快速响应，这是对数据库最重要的性能要求。这两类系统在数据库的设计上是如此不同，甚至有些地方的设计貌似是相悖的。
比如0LTP系统强调数据库的内存效率，强调内存各种指标的命中率，强凋绑定变量，强调并发操作；
0LAP系统则强调数据分析，强调SQL执行时长，强调磁盘IO，强调分区等。
因为这些区别，在数据库设计的阶段，弄清楚数据库类型是至关重要的，只有在这个前提之下，才能够讨论数据库的具体设计，否则设计必然是盲目的，或者说设计出来的数据库可能造成瘫痪，系统资源严重被使用，系统过负荷运行，或者造成严重的等待事件。
0LTP、0LAP 内存效率与设计原则
0LTP，数据库内存设计显得很重要，如果数据都可以在内存中处理，那么数据库的性能无疑会提高很多。有些对处理速度要求很高的系统，已经采用了一些内存数据库，内存的设计通常是通过调整数据库服务配置和内存相关
的初始化参数来实现的，比较重要的几个是内存相关的参数，
包括SGA的大小(Data Buff，Shared Pool)、PGA大小(排序区，Hash区等)等，这些参数在一个0LTP系统里显得至关重要，0LTP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，应尽可能洼数据块保存在内存当中，对于SOL来说，尽可能使用变量绑定技术来达到SQL的重用，减少物理I／0和重复的sQL解析，能极大地改善数据库的性能。
关于一些初始化参数的设定的问题，没有一个确定的标准，这和每个数据库上运行的业务直接相关，能够确定这些参数值的唯一方法就是测试，先给这些参数设定一个经验值，然后通过搭建测试环境对数据库进行测试，通过一些性能报告(比如olacle的AWR或者staspack报告)作为依据，不断地调整这
些参数值，以达到最佳的性能，
OLTP数据库对实时性要求高，因此这就要求系统具有较高的SQL命中率99％以上，提高内存效率，尽量减少SQL语句的分析，绑定变量是把若干个或更多的SQL语句通过变量替换变成一个相同的sQL语句，使Oracle只对这条sQL语句进行一个硬解析，大大提高SQL运行效率。
没有绑定变量的SQL会对OLTP数据库造成极大的性能影响之外，还有一些因素也会导致数据库的性能下降，比如热块(hotblock)的问题，当一个块被多个用户同时读取的时候，OLTP为了维护数据的一致性，需要使用一种称为Iatch的东西来串行化用户的操作。当一个用户获得了这个Iatch后，其他的用户就只能被迫等待。获取这个数据块的用户越多，等待就越明显，就造成了这种热块问题。这种热块可能是数据块，也可能是回滚段块。对于数据块来讲，通常是数据块上的数据分布不均匀导致，如果是索引的数据块，可以
考虑创建反向索引来达到重新分布数据的目的，对于回滚段块。对于数据块来讲，通常是数据块上的数据分布不均匀导致，如果是索引的数据块，可以
考虑创建反向索引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。
0LAP ，增加CPU处理速度和磁盘I/0速度是最直接的提高数据库性能的方式，但这将意味着系统成本的增加。实际上，用户对OLAP系统性能的期望远远没有对0LTP性能的期望那么高。
需要提高磁盘IO能力，内存的优化对0LAP来讲影响很小，联机分析处理数据库0LAP运行的报表程序，基本上都是对几亿条或者几十亿条数据进行聚合处理，这种海量的数据全部在内存中操作是很难的。同时也完全没有必要，因为这些数据块很少重用，缓存起来没有实际意义，倒是物理I/0相当大，这种系统的瓶颈往往是在磁盘I/0上面。
另一方面，由于OLAP数据库返回的数据集一般是大数据集，变量绑定可能会
让数据库选择不正确的执行计划，而是让数据库系统对每条SqL做硬分析，确切地知道谓词条件的值，作出正确的执行计划。
