Que sont OLTP et OLAP? Quelle est la différence entre eux?

En fait, que veulent-ils dire? Tous les articles que je trouve à leur sujet ne me donnent aucune idée, ou mes connaissances sont trop insuffisantes pour le comprendre.

Quelqu’un me donnera-t-il des ressources avec lesquelles je pourrai apprendre à partir de rien.

Vous trouverez ici une meilleure solution OLTP vs OLAP

  • OLTP (traitement des transactions en ligne) intervient dans le fonctionnement d’un système particulier. OLTP se caractérise par un grand nombre de transactions en ligne courtes (INSERT, UPDATE, DELETE). L’accent principal mis sur les systèmes OLTP est le traitement très rapide des requêtes, le maintien de l’intégrité des données dans les environnements à access multiple et une efficacité mesurée par le nombre de transactions par seconde. Dans la firebase database OLTP, il y a des données détaillées et actuelles, et le schéma utilisé pour stocker les bases de données transactionnelles correspond au modèle d’entité (généralement 3NF). Cela implique des requêtes accédant à un enregistrement individuel, telles que la mise à jour de votre firebase database Email in Company.

  • OLAP (On-line Analytical Processing) traite les données historiques ou archivistiques. OLAP se caractérise par un volume de transactions relativement faible. Les requêtes sont souvent très complexes et impliquent des agrégations. Pour les systèmes OLAP, un temps de réponse est une mesure d’efficacité. Les applications OLAP sont largement utilisées par les techniques d’exploration de données. Dans la firebase database OLAP, les données historiques sont agrégées et stockées dans des schémas multidimensionnels (généralement des schémas en écanvas). Parfois, une requête doit accéder à une grande quantité de données dans les enregistrements de gestion, comme ce qui était le bénéfice de votre entreprise l’année dernière.

Très courte réponse:

Différentes bases de données ont des utilisations différentes. Je ne suis pas un expert en bases de données. En cas de doute, j’utilise simplement SQL.

Réponse courte :

Considérons deux exemples de scénarios:

Scénario 1 :

Vous construisez une boutique en ligne / un site Web et vous souhaitez pouvoir:

  • stocker les données utilisateur, les mots de passe, les transactions précédentes …
  • stocker les produits réels, leur prix associé

Vous voulez être capable de trouver des données pour un utilisateur particulier, changer son nom … Effectuez essentiellement des opérations INSERT, UPDATE, DELETE sur des données utilisateur. Même avec les produits, etc.

Vous voulez pouvoir effectuer des transactions, en impliquant éventuellement un utilisateur achetant un produit (c’est une relation). Ensuite, OLTP convient probablement bien (pensez aux bases de données SQL).

Scénario 2:

Vous avez une boutique en ligne / un site Web et vous voulez calculer des choses comme

  • le “total des dépenses d’argent pour tous les utilisateurs”
  • “quel est le produit le plus vendu”

Cela fait partie du domaine analytique / intelligence économique, donc OLAP est probablement plus adapté.

Si vous pensez en termes de “Ce serait bien de savoir comment / quoi / combien” …, et cela implique tous les “objects” d’un ou plusieurs types (par exemple tous les utilisateurs et la plupart des produits pour connaître le total dépensé) alors OLAP est probablement mieux adapté.

Réponse plus longue:

Bien sûr, les choses ne sont pas si simples. C’est la raison pour laquelle nous devons placer de petites balises comme OLTP et OLAP en premier lieu. Chaque firebase database devrait être évaluée indépendamment à la fin.

Alors, quelle pourrait être la différence fondamentale entre OLAP et OLTP?

Les bases de données doivent stocker des données quelque part. Il ne devrait pas être surprenant que la façon dont les données sont stockées reflète fortement l’utilisation possible de cette firebase database. Les données sont généralement stockées sur un disque dur. Pensons à un disque dur comme à une feuille de papier très large, où nous pouvons lire et écrire des choses. Il y a deux façons d’organiser nos lectures et écritures pour qu’elles soient efficaces et rapides.

Une façon de faire est de créer un livre qui ressemble un peu à un annuaire téléphonique . Sur chaque page du livre, nous stockons les informations concernant un utilisateur particulier. Maintenant c’est bien, nous pouvons trouver les informations pour un utilisateur particulier très facilement! Il suffit de sauter à la page! Nous pouvons même avoir une page spéciale au début pour nous dire quelle page les utilisateurs sont si nous voulons. Mais d’un autre côté, si nous voulons trouver, disons, combien d’argent tous nos utilisateurs ont dépensé, nous devrions lire chaque page, c.-à-d. le livre entier! Ce serait un livre / firebase database en ligne (OLTP). La page facultative au début serait l’index.

Une autre façon d’utiliser une grande feuille de papier est de créer un livre de comptabilité . Je ne suis pas un comptable, mais imaginons que nous aurions une page pour “dépenses”, “achats” … C’est bien parce que maintenant nous pouvons interroger très rapidement des choses comme “donnez-moi le chiffre d’affaires total” “page). Nous pouvons également demander des choses plus complexes comme “donnez-moi les dix meilleurs produits vendus” tout en ayant des performances acceptables. Mais maintenant, considérez combien il serait douloureux de trouver les dépenses pour un utilisateur particulier. Vous devrez parcourir toute la liste des dépenses de chacun et filtrer celles de cet utilisateur, puis les résumer. Ce qui revient à “lire tout le livre” à nouveau. Ce serait une firebase database basée sur des colonnes (OLAP).

Il en résulte que :

  • OLTP bases de données OLTP sont conçues pour effectuer de nombreuses petites transactions et servent généralement de “source unique de vérité”.

  • OLAP bases de données OLAP à elles, conviennent mieux à l’parsing, à l’exploration de données, à moins de requêtes, mais elles sont généralement plus importantes (elles fonctionnent sur davantage de données).

C’est un peu plus compliqué que cela, bien sûr, et il s’agit d’un aperçu de 20 000 pieds sur la façon dont les bases de données diffèrent, mais cela me permet de ne pas me perdre dans une multitude d’acronymes.

En parlant d’acronymes:

  • OLTP = Traitement des transactions en ligne
  • OLAP = Traitement analytique en ligne

Pour lire un peu plus loin, voici quelques liens pertinents qui ont largement inspiré ma réponse:

La différence est assez simple.

OLTP (traitement des transactions en ligne).

OLTP est une classe de systèmes d’information qui facilitent et gèrent les applications orientées transaction. OLTP a également été utilisé pour faire référence au traitement dans lequel le système répond immédiatement aux demandes des utilisateurs. Les applications de traitement des transactions en ligne sont à haut débit et nécessitent beaucoup d’insertion ou de mise à jour pour la gestion des bases de données. Certains exemples de systèmes OLTP incluent la saisie de commandes, les ventes au détail et les systèmes de transactions financières.

OLAP (traitement analitique en ligne)

OLAP fait partie de la catégorie plus large de la business intelligence, qui englobe également la firebase database relationnelle, la rédaction de rapports et l’exploration de données. Les applications typiques d’OLAP incluent le reporting commercial pour les ventes, le marketing, les rapports de gestion, la gestion des processus métier (BPM), la budgétisation et la prévision, le reporting financier et autres domaines similaires.

Voir plus de détails OLTP et OLAP

OLTP-: oltp signifie traitement de transaction en ligne, utilisé pour gérer les informations de données actuelles. OLAP-: le support olap pour le traitement analytique en ligne utilisé pour conserver l’historique des données et principalement utilisé pour l’parsing des données. Il peut également être appelé entrepôt.

oltp- principalement utilisé pour les transactions commerciales.utilisé pour collecter des données d’entreprise.En SQL, nous utilisons les commandes insert, update et delete pour récupérer une petite source de données.

olap-principalement à des fins de reporting, de data mining et d’parsing commerciale. pour les données volumineuses ou volumineuses, il est dé-normalisé. il stocke des données historiques ..