OLTP vs OLAP

Header Menu


OLTP vs OLAP

Kamis, 11 April 2024

Kita dapat membagi sistem IT menjadi On-line Transaction Processing (OLTP) dan On-line Analytical Processing (OLAP). Secara umum kita dapat mengasumsikan bahwa sistem OLTP menyediakan data sumber ke gudang data, sedangkan sistem OLAP membantu menganalisanya.

OLTP vs OLAP

Pengertian OLTP

OLTP (On-line Transaction Processing) memiliki karakteristik dengan jumlah data yang besar namun transaksi yang dilakukan cukup sederhana seperti insert, update, dan delete. Hal utama yang menjadi perhatian dari sistem yang dilakukan OLTP adalah melakukan query secara cepat, data mudah untuk diperbaiki dan dapat diakses melalui komputer yang terhubung dalam jaringan. OLTP berorientasi pada proses yang memproses suatu transaksi secara langsung melalui komputer yang terhubung dalam jaringan. Seperti misalanya kasir pada sebuah super market yang menggunakan mesin dalam proses transaksinya. OLTP mempunyai karakteristik beberapa user dapat creating, updating, retrieving untuk setiap record data, lagi pula OLTP sangat optimal untuk updating data.

Pengertian OLAP

(OLAP) Analytical Processing Suatu jenis perangkat lunak yang melakukan pemrosesan untuk menganalisa data bervolume besar dari berbagai perspektif (multidimensi). OLAP seringkali disebut analisis data multidimensi yang berfungsi sebagai data analasis (select). Data multidimensi adalah data yang dapat dimodelkan sebagai atribut dimensi dan atribut ukuran. Contoh atribut dimensi adalah nama barang dan warna barang, sedangkan contoh atribut ukuran adalah jumlah barang.

Tabel berikut merangkum perbedaan utama antara OLTP dan desain sistem OLAP.

#
OLTP System Online Transaction Processing (Operational System)
OLAP System Online Analytical Processing (Data Warehouse)
Sumber data Data operasional; OLTP adalah sumber asli dari data. Data konsolidasi; Data OLAP berasal dari berbagai Database OLTP.
Tujuan data Untuk mengontrol dan menjalankan tugas-tugas bisnis yang mendasar. Untuk membantu perencanaan, penyelesaian masalah, dan dukungan keputusan.
Data Mengungkapkan snapshot dari proses bisnis yang sedang berlangsung. Pandangan multi-dimensi dari berbagai macam kegiatan bisnis.
Inserts & Updates Penyisipan dan pembaruan singkat dan cepat yang diprakarsai oleh user. Pekerjaan batch yang berjalan secara berkala dan panjang menyegarkan data.
Queries Pertanyaan yang relatif terstandardisasi dan sederhana. Mengembalikan catatan yang relatif sedikit. Seringkali menilbulkan pertanyaan kompleks yang melibatkan agregasi.
Kecepatan Pemrosesan Biasanya sangat cepat. Tergantung pada jumlah data yang terlibat. Penyegaran data batch dan query kompleks dapat memakan waktu berjam-jam, kecepatan kueri dapat ditingkatkan dengan membuat indeks.
Kebutuhan Ruang Dapat relatif kecil jika data historis diarsipkan. Lebih besar karena adanya struktur agregasi dan data riwayat. Membutuhkan lebih banyak indeks daripada OLTP.
Perancangan Basis Data Sangat dinormalkan dengan banyak tabel. Biasanya dinormalisasi dengan lebih sedikit tabel; penggunaan skema bintang atau snowflake.
Cadangan dan Pemulihan Backup secara konsisten. Data operasional sangat penting untuk menjalankan bisnis, kehilangan data cenderung menyebabkan kerugian moneter dan tanggung jawab hukum yang signifikan. Alih - alih backup biasa, beberapa lingkungan mungkin menganggap reload data OLTP hanya sebagai metode pemulihan.
Source: www.rainmakerworks.com