数据仓库

OLAP vs OLTP

OLTP（联机事务处理）数据库的优化目标是大量并发的短事务，每次只读写少量行，查询按主键精确命中。数据仓库的工作负载完全相反：查询少但每次扫描的数据量巨大（可能数十亿行），不做更新只追加历史数据，需要对多个维度做聚合分析（「按地区、按季度、按产品类别统计销售额」）。

这种差异导致数据仓库几乎无一例外地采用列式存储：聚合查询只需读取涉及的几列，而不是每行的所有字段；同列数据类型相同，可以用差分编码、字典压缩等方式大幅压缩；向量化执行引擎能用 SIMD 指令并行处理整批数据。[1]

主流方案

传统数据仓库的代表是 Teradata 和 Netezza，昂贵但成熟。云时代的主流方案是：

• Amazon Redshift：AWS 的列式数据仓库，基于 PostgreSQL 改造，与 S3 深度集成
• Google BigQuery：无服务器（Serverless）模式，按查询扫描量计费，无需管理集群
• Snowflake：计算与存储分离架构，多个计算集群可以共享同一份数据，在多租户和弹性扩缩方面有优势
• ClickHouse：开源方案中性能最出色，自建成本低，字节跳动、B 站等大量国内互联网公司采用