关于OLTP和OLAP系统的OLT优化和优化方法的差异的摘要. Oracle优化方法差异的摘要. 从使用模型来看olap系统和oltp系统，当前的主流应用软件系统可以分为交易处理系统和分析处理系统两种类型. 本文简要总结并说明了这两类Oracle应用程序的特性，性能问题以及调优和优化策略. 简要概述如下. I.业务类型的分类根据业务使用模型，数据处理的类型可以分为两类: 事务处理(OLTP)分析处理(OLAP). OLTP是传统关系的主要应用. 它主要用于基本和日常交易处理，以完成当前的小额交易处理，例如银行交易系统和购物系统. OLAP是数据仓库系统的主要应用程序. 它主要是一种统计分析服务. 它提供历史数据的多维统计分析，并主要提供决策支持. 第二，系统特性OLTP系统着重于的内存效率，需要优化内存命令速率，强调绑定变量，并优化并发操作. OLAP系统着重于数据的统计分析，强调SQL执行市场，强调磁盘I / O和强调分区等.

OLTP和OLAP的特征比较如下: 对比项目用户规模OLTP用户很多，主要是普通运营商和基层管理人员. 它们面向面向应用程序的日常业务和写操作. 面对最新数据，用于读写数据对象的OLAP用户数量很少，决策者和高级管理人员主要是面向主题的统计分析服务，主要用于读取操作. 面对历史数据，历史业务记录的数量很少，并且操作会实时更新. 根据操作，读和写数据记录主要是二维数据，而多维操作主要是由少量用户执行的复杂业务操作. 规模GB级，甚至TB级业务规模大量用户实时提交小事务. 它的特点是大小为GB或更高. 数据大小3.常见瓶颈和优化策略(һ)OLTP ϵͳ 1. OLTP性能关注指标OLTP，通常称为事务处理(Online Transaction Processing)，其特点是具有很高的交易性，通常是一个高度可用的系统，主要小事务和小查询，每秒事务数和Execute SQL是其性能的主要指标. 该每秒处理超过数百个事务，并且Select语句的执行速度为每秒数千到数万.

典型的OLTP系统是电子商务系统和银行. 2. OLTP系统中的瓶颈OLTP系统中最容易出现的瓶颈是CPU资源和IO资源. (1)CPU资源主要由逻辑读取，自定义函数或存储过程的总量消耗. 尽管在这样的系统中单个语句执行速度很快，但是执行次数非常多，这也将导致大量逻辑读取. 减少对单个语句的逻辑读取，或减少执行次数. 频繁使用自定义函数，解码等也会消耗大量CPU资源. 用户必须分析这些呼叫. 尽量避免调用自定义函数和计算过程. (2)OLTP环境中磁盘子系统的瓶颈取决于其IOPS处理能力. 因为在OLTP环境中，物理磁盘读取通常是db文件顺序读取，即单块读取，尽管数据量并不大. ，但是操作非常频繁而且非常频繁. 超过磁盘的IOPS时，系统将面临IO性能问题. 3. OLTP系统的优化策略OLTP的常见设计和优化方法是: 缓存技术，B树索引技术olap系统和oltp系统，绑定变量和热块竞争处理(1)缓存技术使数据可以从内存而不是从磁盘获取子系统获得具有数量级响应优势的数据. Oracle数据缓冲区，应用程序服务器缓冲区和Web缓存优化是改善OLTP系统的良好对策.

(2)首选B树索引. 简洁的语句格式，减少语句解析，最小化表关联，最小化分布式事务，并且基本上不使用分区技术，物化视图技术，并行技术和位图索引. (3)OLTP系统的SQL语句提交非常频繁，因此更改也非常频繁. 尽可能将数据块保留在内存中. 对于SQL，尽可能使用变量绑定技术来实现SQL重用，减少物理I / O和重复进行SQL解析. (4)注意热点问题的争论. 当中存在争用时，Oracle使用Latch序列化用户操作. 锁存机制可确保的数据一致性，但是锁存机制将导致用户等待. 获得此数据块的用户越多，闩锁等待就越明显. 当闩锁数量不足时，CPU将频繁发出SPIN并到达阀门. 在该值之后，该语句暂时进入睡眠状态，这将导致CPU执行上下文切换(contex切换). 此时，CPU需要保存当前进程的运行时信息(例如堆栈和信号量数据结构)，并引入后续进程的状态信息. 处理完成后，切换回原始过程. 这将消耗大量的CPU开销. 这种热块争用可能是数据块或回滚结束块.

对于数据块，通常是由于中数据分布不均引起的. 如果它是索引数据块，则可以考虑创建反向索引以实现重新分配数据的目的. 对于回滚段数据块，可以适当地添加回滚段以减少此争用. (2)OLAP OLAP ϵͳ1. OLAP系统性能关注指标OLAP也称为DSS决策支持系统，等效于数据仓库. OLAP的业务运营通常非常复杂. 尽管没有太多要执行的语句，但是单个语句需要花费很长时间才能读取，并且数据量很大. IO子系统的吞吐量(带宽)是重要的评估标准. 2. OLAP系统中的瓶颈OLAP操作通常对数百万甚至数亿条记录执行统计分析. 读取的数据量为GB甚至数十GB或更多，这受内存的限制. 通过缓存进行缓存基本上是无效的. 此时需要打破的瓶颈是IO子系统的吞吐量，而该吞吐量首先受到磁盘数量或磁盘系统阵列策略的限制. 3. OLAP系统的优化策略在OLAP系统中，经常使用分区技术和并行技术. (1)OLAP系统中分区技术的好处主要体现在管理中. 分区的主要功能是管理便利. 它不能绝对保证查询性能的提高. 有时分区会带来性能提升. 有时会减少. 以下条件可以提高效率.

如果表分区可以减少表扫描的IO，并与并行相结合，则还可以提高全表扫描的效率. (2)并行技术，例如同时扫描RAC中的多个节点，可在多个RAC节点之间分配任务. (3)由于缓存的影响很小，OLAP在内存中的优化空间很小. 提高CPU处理速度和磁盘I / O速度或数量，或者优化磁盘阵列可以直接提高性能和带宽. 但是，成本很高，并且需要额外的硬件投资. 四，其他注意事项: 其他注意事项: (1)谨慎使用分区技术，将促进分区索引性能的提高. 但是，分区技术不能提高不使用分区索引的语句的性能，甚至会导致性能下降，例如全局索引和局部索引. (2)并行技术只有在适合大型任务时才能提高性能. 小事务的并行计算甚至可能导致性能下降，因为事务并行分配还需要开销资源. (3)绑定变量的策略适用于OLTP系统，但不适用于OLAP系统. OLAP系统因为整个系统的语句执行次数很小，所以分析时间远远少于执行时间. OLTP系统通常具有大量并发用户，并且用户的请求非常密集. 通过使用绑定变量，可以重用SQL. (4)为避免阻塞和死锁，建议不要在OLTP环境中使用位图索引. 物化视图和触发器相似. 在频繁使用DML的OLTP系统上，很容易成为瓶颈，甚至是库高速缓存等待. 虽然位图索引适合OLAP，但由于使用得当，它可以提高查询性能. OLTP专注于快速提交处理，而OLAP专注于大吞吐量处理. (5)对于OLAP系统，SQL语句逻辑优化的作用很​​大，因为它的数据量很大，因此是否有效使用全表扫描和索引将导致非常不同的性能.

本文来自电脑杂谈，转载请注明本文网址：

http://www.pc-fly.com/a/jisuanjixue/article-157308-1.html