Sofortantwort
OLAP vs. OLTP einfach erklärt
OLTP für schnelle Transaktionen, OLAP für komplexe Analysen großer Datenmengen.
- Kurz gesagt
- OLTP: Optimiert für viele kleine, schnelle Lese-/Schreiboperationen (INSERT, UPDATE)
- Typischer Einsatz
- Marketing, KI-Training, Business Intelligence
- Wichtig zu wissen
- Typischerweise werden OLTP-Daten regelmäßig in ein OLAP-System (Data Warehouse) übertragen
OLAP vs. OLTP im Überblick
Zwei grundlegend verschiedene Anforderungen an Datenbanken:
OLTP – die Datenbank hinter deiner App: Viele Nutzer gleichzeitig, jeder macht kleine Operationen. Eine Bestellung aufgeben, einen Lagerbestand aktualisieren, einen Nutzer anlegen. Geschwindigkeit und Konsistenz sind entscheidend.
OLAP – die Datenbank hinter deinen Analysen: Wenige, aber komplexe Abfragen. „Wie war der Umsatz im letzten Quartal, aufgeteilt nach Region und Produktkategorie, im Vergleich zum Vorjahr?” Solche Abfragen scannen Millionen Zeilen – dafür ist OLTP nicht gebaut.
Vergleich:
| Aspekt | OLTP | OLAP |
|---|---|---|
| Operationen | INSERT, UPDATE, DELETE | SELECT mit Aggregationen |
| Datenmenge | Aktuelle Daten | Historische Daten |
| Abfragen | Viele, einfach, schnell | Wenige, komplex, langsam |
| Optimiert für | Schreiben | Lesen |
| Beispiel | PostgreSQL, MySQL | BigQuery, Snowflake |
Technisch betrachtet
OLTP-Abfrage (schnell, gezielt)
-- Einzelne Bestellung abrufen – Millisekunden
SELECT * FROM orders
WHERE order_id = 'ord_12345'
AND user_id = 'usr_456';
OLAP-Abfrage (komplex, aggregiert)
-- Umsatzanalyse – scannt Millionen Zeilen
SELECT
DATE_TRUNC('month', created_at) AS month,
region,
product_category,
SUM(amount) AS revenue,
COUNT(DISTINCT user_id) AS unique_customers,
AVG(amount) AS avg_order_value
FROM orders
WHERE created_at >= '2025-01-01'
GROUP BY 1, 2, 3
ORDER BY 1, revenue DESC;
Typische Architektur
App → OLTP (PostgreSQL) → ETL/ELT → OLAP (BigQuery)
↓
BI-Tool (Looker, Tableau)
ML-Training
Ad-hoc-Analysen