一、定义：
OLTP（on-line transaction processing）联机事务处理：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。
OLAP（On-Line Analytical Processing）联机分析处理：数据仓库系统的主要应用，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。
二、OLTP 和 OLAP 特点
OLTP的特点：
1、实时性要求高。
2、数据量不是很大，生产库上的数据量一般不会太大，而且会及时做相应的数据处理与转移。
3、交易一般是确定的，比如银行存取款的金额肯定是确定的，所以OLTP是对确定性的数据进行存取。
4、高并发，并且要求满足ACID原则。比如两人同时操作一个银行卡账户，比如大型的购物网站秒杀活动时上万的QPS请求。
OLAP的特点一般有：
1、实时性要求不是很高，比如最常见的应用就是天级更新数据，然后出对应的数据报表。
2、数据量大，因为OLAP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。
3、OLAP系统的重点是通过数据提供决策支持，所以查询一般都是动态，自定义的。所以在OLAP中，维度的概念特别重要。一般会将用户所有关心的维度数据，存入对应数据平台。
三、OLTP 和 OLAP 的问题和优化方法
OLTP系统最容易出现瓶颈的地方就是CPU与磁盘子系统。
（1）CPU出现瓶颈常表现在逻辑读总量（逻辑读总量等于单个语句的逻辑读乘以执行次数）与计算性函数或者是过程上，单个语句的逻辑读或者执行次数，任何一个方面大都会导致逻辑读总量大。优化的方法就是减少单个语句的逻辑读，或者是减少它们的执行次数。另外，一些计算型的函数，如自定义函数、decode等的频繁使用，也会消耗大量的CPU时间，造成系统的负载升高，正确的设计方法或者是优化方法，需要尽量避免计算过程，如保存计算结果到统计表就是一个好的方法。
（2）频率超高的磁盘物理读超过磁盘子系统的IOPS处理能力，系统性能就会出现问题。磁盘物理读一般都是db file sequential read，也就是单块读，但是这个读的次数非常频繁。优化方式为Cache技术与B-tree索引技术，Cache决定了很多语句不需要从磁盘子系统获得数据，所以，Web cache与Oracle data buffer对OLTP系统是很重要的。另外，在索引使用方面，语句越简单越好，这样执行计划也稳定，而且一定要使用绑定变量，减少语句解析，尽量减少表关联，尽量减少分布式事务，基本不使用分区技术、MV技术、并行技术及位图索引。 因为并发量很高，批量更新时要分批快速提交，以避免阻塞的发生。
在OLAP系统中，常使用分区技术、并行技术。
分区技术在OLAP系统中的重要性主要体现在数据库管理上，比如数据库加载，可以通过分区交换的方式实现，备份可以通过备份分区表空间实现，删除数据可以通过分区进行删除，至于分区在性能上的影响，它可以使得一些大表的扫描变得很快（只扫描单个分区）。另外，如果分区结合并行的话，也可以使得整个表的扫描会变得很快。总之，分区主要的功能是管理上的方便性，它并不能绝对保证查询性能的提高，有时候分区会带来性能上的提高，有时候会降低。对于OLAP系统来说，绝大多数时候数据库上运行着的是报表作业，执行基本上是聚合类的SQL 操作，比如group by，这时候，把优化器模式设置为all_rows是恰当的。 而对于一些分页操作比较多的网站类数据库，设置为first_rows会更好一些。 但有时候对于OLAP 系统，我们又有分页的情况下，我们可以考虑在每条SQL 中用hint。 如：Select a.* from table a;
四、OLTP与OLAP之间的对比：
| 对比项 | OLTP | OLAP |
| 用户 | 操作人员、底层管理人员 | 决策人员，高级管理人员 |
| 功能 | 日常操作处理 | 分析决策 |
| DB设计 | 面向应用 | 面向主题 |
| 数据 | 当前的，最新的细节的，二维的分立的 | 历史的，聚集的，多维的集成的统一的 |
| 存取 | 读/写数十条纪录 | 读上百万条记录 |
| 工作单位 | 简单的事务 | 负责的查询 |
| 用户数 | 上千个 | 上百万个 |
| DB大小 | 100MB-GB | 100GB-TB |
| 时间要求 | 具有实时性 | 对时间的要求不高 |
| 主要应用 | 数据库 | 数据仓库 |