OLTP 與 OLAP 的差別

用最清楚、最容易理解的方式幫你解釋 OLTP 與 OLAP 的差別。

---

🧠 一句話總結

OLTP 是用來「處理交易」的系統(買東西、更新資料) OLAP 是用來「做分析」的系統(BI 報表、數據倉儲)

---

📦 什麼是 OLTP? (Online Transaction Processing)

👉 交易處理系統

常見用途

• 訂單建立
• 下單付款
• 銷售系統 POS
• App 的使用者登入、修改資料
• ATM 轉帳
• 電商購物車
• ERP 資料輸入

特點

特點	說明
大量小交易(每次操作影響的資料很少(如一筆訂單、一筆登入)
頻繁寫入(Write-heavy)	不斷 insert/update/delete
要求一致性(ACID)	絕不能寫錯錢、丟單、重複扣款
資料高度正規化(Normalized)	減少重複資料,加速寫入
主要技術	SQL Server、MySQL、PostgreSQL、Azure SQL

例子

用戶下訂單 → 前端寫入後端資料庫 → 典型 OLTP

---

📊 什麼是 OLAP? (Online Analytical Processing)

👉 分析處理系統(商業智慧)

常見用途

• Power BI / Fabric / Data Warehouse
• 月報、季報、年報
• 銷售趨勢分析
• 客戶分群
• 預測模型
• KPI Dashboard

特點

特點	說明
大量讀取(Read-heavy)	執行大型 SELECT 查詢
大表 join / 匯總 / 聚合	SUM、COUNT、GROUP BY
數據量超大(數百萬～數十億 rows)	適合大數據
資料反正規化(Star Schema)	加快查詢速度
主要技術	Fabric Warehouse、Synapse、Snowflake、Databricks

例子

Power BI 查 2021～2025 五年全球銷售 → 典型 OLAP

---

🔥 核心差異比較(一次看懂)

比較項目	OLTP	OLAP
用途	處理交易	做分析
查詢模式	單筆、快速、精準	大批量、聚合、探索性分析
資料量	中等	極大(百萬～十億)
資料更新	高頻寫入	低頻批次寫入或 ETL
表格設計	Normalized(正規化)	Star Schema(星型)
重要性	即時正確,不能錯	分析速度、洞察力
例子	銷售系統、ERP、銀行	Power BI、Data Warehouse、Data Lake

---

🪄 用情境說最容易懂

情境 1: 你在 7-11 買咖啡

→ 系統需要:

• 新增一筆訂單(insert)
• 更新庫存(update)

這是 OLTP。

情境 2: 店長要查看今天賣了多少咖啡

→ 系統要:

• 查整天所有訂單
• 合計銷售金額
• 做成儀表板

這是 OLAP。

---

情境 3: 你在 Shopee 下單

→ 系統需要:

• 寫入訂單資料
• 扣庫存
• 記錄付款

這是 OLTP。

情境 4: Shopee 高層要看本季各品類銷售趨勢

→ 系統需要:

• 查詢數百萬筆訂單
• 按品類、時間聚合
• 產生趨勢圖表

這是 OLAP。

---

🎯 面試/考試可以這樣講

OLTP = 交易處理,強調快速寫入、資料一致性、正規化設計 OLAP = 分析處理,強調大量查詢、聚合運算、反正規化設計

兩者目的不同、設計哲學不同、技術選型也不同。

---

📊 技術架構對照

OLTP 架構重點

• Row-based storage(行存儲)
• B-Tree indexes
• ACID transactions
• Write optimization
• Normalized schema (3NF)

OLAP 架構重點

• Columnar storage(列存儲)
• Bitmap indexes
• Read optimization
• Star/Snowflake schema
• Batch ETL/ELT

---

🔄 兩者的關係

在現代數據架構中:

OLTP (業務系統)
    ↓
  ETL/ELT
    ↓
OLAP (分析系統)
    ↓
  BI Tools
    ↓
Business Insights

1. OLTP 產生交易數據
2. 透過 ETL/ELT 轉換
3. 載入 OLAP 系統
4. 供 BI 工具分析
5. 產生商業洞察

---

💡 記憶口訣

OLTP = Transaction = 寫入為主 = 做生意 OLAP = Analysis = 讀取為主 = 做分析