共计 2127 个字符，预计需要花费 6 分钟才能阅读完成。
HTAP 是什么 HTAP(Hybrid Transaction and Analytical Processing) 数据库，也称混合型关系数据库，是能同时提供 OLTP 和 OLAP 的混合关系型数据库。在互联网浪潮呈现之前，企业的数据量广泛不大，特地是外围的业务数据，通常一个单机的数据库就能够保留。那时候的存储并不需要简单的架构，所有的线上申请 OLTP 和后盾剖析 OLAP 都跑在同一个数据库实例上。随着互联网的倒退，企业的业务数据量一直增多，单机数据库的容量限度制约了其在海量数据场景下的应用。
因而在理论利用中，为了面对各种需要，OLTP、OLAP 在技术上各奔前程，在很多企业架构中，这两类工作解决由不同团队实现，同时部署的 OLAP 和 OLTP 通过 ETL 进行连接。为了晋升 OLAP 的性能，须要在 ETL 过程中进行大量的预计算，包含数据结构的调整和业务逻辑解决。这样的益处是能够管制 OLAP 的拜访提早，晋升用户体验。然而，因为要防止抽取数据对 OLTP 零碎造成影响，所以必须在日终的交易低谷期能力启动 ETL 过程。
这样一来，OLAP 与 OLTP 的数据提早通常就在一天左右，习惯上大家把这种时效性表述为 T +1。其中，T 日就是指 OLTP 零碎产生数据的日期，T+ 1 日是 OLAP 中数据可用的日期，两者距离为 1 天。这个时候咱们会发现，这个体系的次要问题就是 OLAP 零碎的数据时效性，T+ 1 太慢了。随着大数据时代互联网的高速倒退，商业决策更加重视数据的撑持，大量利用要求对海量数据进行实时更新和查问，这都要求 OLAP 零碎更疾速地反映业务的变动。另一方面，企业须要保护不同的数据库以便反对两类不同的工作，治理和保护老本高。
因而，可能对立反对事务处理和工作负载剖析的数据库成为泛滥企业的需要。在此背景下，由 Gartner 提出的 HTAP 成为心愿。基于翻新的计算存储框架，HTAP 数据库可能在一份数据上同时撑持业务零碎运行和 OLAP 场景，防止在传统架构中，在线与离线数据库之间大量的数据交互。HTAP=OLTP+OLAP？咱们理解了 OLAP 数据库和 OLTP 数据库之后，咱们再来思考：HTAP=OLTP+OLAP，是这样吗？咱们来认真思考思考，OLTP 零碎多为行存储，主打高并发、低延时和高稳定性，可能实现简单的查问操作以秒钟级的响应，适宜常常写入的小型业务；而 OLAP 次要用于大规模的简单查问，持续时间很长，性能开销极大，次要以读取内容为主，且依赖丰盛的索引，经常按列存储；如果他们部署在一起，OLAP 的长期查问开销可能会影响 OLTP 的写入延时，另外很多 OLTP 数据库在执行 OLAP 业务时，依然须要将行存数据转储到列存表中，这样也会大大的影响业务执行效率。现实情况是，对 HTAP 的需要，日常还是以 OLTP 为主，但也须要对数据进行加工，以保障偶然的 OLAP 工作负载，这里说的 OLAP 场景并不是真正意义上的 OLAP，它只为了晋升在 OLTP 零碎中执行简单查问的性能。所以大部分的 HTAP 并不残缺蕴含 OLAP 的残缺性能，且他们的 OLAP 性能整体比拟弱，只是满足偶然提取一些须要用于剖析的大量数据。在理论的应用过程中，很多企业为了实现 HTAP，是花了不少代价的。选型过程中性能须要思考的因素包含：数据存储格局、SQL 引擎的效率、OLTP/OLAP 的资源隔离与防烦扰措施、数据有几份备份、如何防止大型集群产生数据沼泽等等。
能够说综合性能和老本来考量，对于很多企业，HTAP 并不能是 OLAP 的代替计划。如何满足当今的 OLAP 业务在大数据一直高速倒退的时代，当您的企业发现传统的数据库曾经不能满足业务需要，须要选型 OLAP 或者 HTAP 来解决 OLAP 需要时，重要思考哪些影响数据应用的因素呢？SQL 能力：是否具备欠缺的 SQL 规范和 ACID 个性，反对对接和兼容罕用的开源组件，来保障用户轻松实现不同数据基础设施的安稳迁徙。实时性：在瞬息万变的商业社会，要尽快的做出决策须要进行实时的数据分析和数据服务。正如咱们方才剖析的，HTAP 要兼容 OLAP 和 OLTP 场景，往往很难保障全量数据 T + 0 实时性。高并发：在须要大量应用高并发 OLAP 的场景，HTAP 如何满足；同时，还须要思考高负载运行时对 OLTP 业务的影响。扩大能力：当计算和存储须要扩大时，不同的架构的数据库会有不同的扩容形式，相对而言，存算拆散的数据库能够自在增减计算和存储资源，按需付费节约老本。
依照上述的参考，您在选型 OLAP 或者 HTAP 时，如果心愿取得反对存算拆散、分布式事务处理、SQL 兼容性、云化弹性供应、Hadoop 生态、性能优化等要害个性的解决方案，以此来助力企业实现降老本、提性能、全交融的大数据建设指标，倡议抉择 Snowflake、Databricks、OushuDB 这一类云原生数据平台，它们冲破了传统 MPP 和 Hadoop 的局限性，实现了上述的存算齐全拆散，计算和存储可部署在不同物理集群，并通过虚构计算集群技术实现了高并发，同时保障事务反对。近两年，国内也诞生了全实时 Omega 架构的湖仓一体，甚至能够实现全量数据 “T+0″ 的流解决和实时按需查问，解脱了 ”T+1″ 的传统痛点，弱小的云原生 OLAP 也无效解决了 HTAP 面对海量数据管理的问题。