OLAP與OLTP數據庫由于關注的業務不同，所以軟件在工作方式和優化方法會有一些不同。

OLTP業務主要業務場景是交易記錄的準確性，因此需要寫入具有唯一性，所以傳統針對OLTP數據庫的優化方法將負責寫入的“一夫”節點性能大幅提升，如使用更快的CPU，增加更多的內存，使用將內存當做磁盤用的傲騰存儲，使用IB網絡（InfiniBand network）等。

但個體設備的配置提升，會遇到天花板。于是近年來有人提出將數據庫進行分庫分表，增加寫入節點的數量而提升寫入能力。通過將數據復制到多個只讀節點，提升數據讀的能力。

比如對于一個記錄用戶名數據庫，按姓名拼音的第一個字母拆成26個數據庫，這樣就可以將原來只能由一個庫來寫，變成分別由26個庫來寫入，從而提升寫入能力。但每個分開的庫還是只能有一個寫入，還是有種“一夫當關，萬夫莫開”的意思。

舉個例子說明，柏睿自研的分布式全內存數據庫RapidsDB是基于MPP并行計算架構，集群的性能隨著節點規模的增加而增加。RapidsDB的技術架構類似于“團體作戰”風格，所有的數據庫節點都能同時協同戰斗，因此提升的性能不是由個體決定的。例如在一個具有5個數據庫節點的RapidsDB集群里，用戶要導入1000T的數據文件任務，是由5個數據庫節點將1000T任務分散同時完成。如果性能不夠，再加數據庫節點就可以實現性能提升了。

以上分析，僅從技術架構而言，并不能完全說明哪種技術是最好。只有適合業務，才是最好的技術。

審核編輯：符乾江