数据库
Database，如：Oracle, Mysql, PostgreSQL，主要用于 事务处理
属于 OLTP（on-line transaction processing）
特点
- 通常密集执行插入、更新操作，由事务管理
- 大量并发查询，查询速度快，单次查询的数量较少（有分页）
- 删除操作较少
- 读和写都有优化
设计
遵守三范式，相对复杂的表结构，存储结构相对紧致，少冗余数据。
数据仓库
数据仓库，Datawarehouse，如：oracle、hive，主要用于 数据分析，支持复杂的分析操作，侧重 决策支持，并且提供直观易懂的查询结果。
属于 OLAP（On-Line Analytical Processing）
特点
- 少量事务
- 数据很少修改
- 相对简单的表结构，存储结构相对松散，多冗余数据。
- 相对复杂的查询，单次作用于相对大量的数据（历史数据）
- 一般只是读优化。
图书案例
图书系统，有作者、图书，图书种类，发行商 等信息
数据库设计
表设计的目的是方便业务处理，要考虑 三范式，少冗余数据，如下：
六张表，分别记录了作者，图书，图书种类，发行商以及他们之间的关系。
数据仓库设计
表设计的目的是方便查询，不考虑冗余数据
如果把 业务数据库 中的数据，存储到 数据仓库 中，需要对数据进行处理：
select
b.id,
b.title,
b.copyright,
b.isbn,
g.genre,
a.firstname as AuthorFirstName,
a.lastname as AuthorLastName,
a.dateofbirth,
a.gender,
p.name as PublisherName
from BOOKS b
left join GENRE g on b.genre = g.id
left join AUTHOR_BOOK_MAP abm on b.id = abm.bookid
left join AUTHORS a on a.id = abm.authorid
left join PUBLISHER_BOOK_MAP pbm on b.id = pbm.bookid
left join PUBLISHER p on p.id = pbm.publisherid;
感谢：https://www.zhihu.com/question/20623931
OLTP vs OLAP
数据处理大致可以分成两大类：
- 联机事务处理 OLTP（on-line transaction processing）
- 联机分析处理 OLAP（On-Line Analytical Processing）
OLTP
主要用来记录某类 业务、事件的发生，如购买行为，当行为产生后，系统会记录是谁在何时何地做了何事，将其以 增删改 的方式在数据库中进行处理
- 要求实时性高
- 稳定性强
- 确保数据及时更新成功
是传统的 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。
系统强调数据库内存效率，强调内存各种指标的命令率，强调绑定变量，强调并发操作
用户并发数都很多，但他们只对数据库做很小的操作，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。
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，评估其系统的时候
OLAP
当数据积累到一定的程度，我们需要对过去发生的事情做一个总结分析时，就需要把过去一段时间内产生的数据拿出来进行 统计分析，从中获取我们想要的信息，为公司做 决策 提供支持，这时候就是在做OLAP了。
是 数据仓库系统 的主要应用，支持复杂的 分析 操作，侧重决策，并且提供 直观易懂的查询结果。
系统则强调数据分析，强调磁盘I/O，强调分区等
一条语句的执行时间可能会非常长，读取的数据也非常多
区别
OLAP分类：MOLAP
以MOLAP分析为代表的有Cognos，SSAS，Kylin 等
设计理念是：预先 将客户的需求 计算好以结果的形式存下来
比如一张表分为10个维度，5个度量，那客户提出的需求会有2的10次方种可能，然后将这么多种可能提前计算好存储下来
当客户提出需求后，找到对应结果返回即可（好比你提前一天将领导明天会布置的任务先做好，明天领导布置对应任务后你直接告知他已做好），特点是当命中需求后返回非常快（所以MOLAP非常适合常见固定的分析场景），同等资源下支持的数据体量更大，支持的并发更多，不足则是当表的维度越多，越复杂，其所需的磁盘存储空间则越大，构建cube也需要一定的时间。