什么是联机分析处理?
联机分析处理(Online Analytical Processing,OLAP)是一类支持交互式、多维业务分析的技术与方法。使用者可以按时间、地区、产品和客户等角度观察数据,进行汇总、比较和进一步细分。
这里的“联机”强调能够交互查询,不等于“互联网数据”,也不意味着底层数据必然实时更新。AWS 的 OLAP 介绍将其描述为从不同视角分析业务数据的技术。
什么是维度与度量?
维度是观察角度,例如日期、商品和门店;度量是被观察的数值,例如销售额、数量与成本。把度量放到不同维度下,就能回答“哪类商品在哪些地区增长”。
时间通常还包含层级,例如年、季度、月和日。商品也可能有品类、品牌与具体型号。使用者可以从整体进入细节,也可以把细节重新汇总。
不过,维度名称本身不能保证分析正确。地区是客户所在地还是销售门店所在地,日期是支付日还是发货日,都需要清楚定义。
上卷、下钻、切片和切块是什么意思?
- 上卷是从更细层级汇总到更粗层级,例如从日到月;
- 下钻则反向进入细节。切片是固定某个维度条件,例如只看某一年;
- 切块是选择多个维度范围,例如某几个地区与某些品类。
这些操作帮助使用者逐步追问,而不必每次重新编写所有计算。它们描述分析行为,不要求界面一定以立方体形式出现。
现代 OLAP 可以由关系型数据库、列式分析引擎、预计算模型或组合方式实现。是否预先存储全部汇总,取决于系统设计。
一个销售分析例子
以下是说明性例子。
管理者先查看全年销售额,再按季度下钻,发现下降主要发生在第四季度;继续按地区与品类拆分,发现某地区的家电品类变化明显。
接着切换到订单量和客单价,发现是订单量减少。这个过程把一个总量问题逐步缩小到更具体的对象,为后续调查提供线索。
但并非越细越好。小样本会产生较大波动,多个维度组合也可能带来稀疏数据。分析时需要同时看样本规模、可比性与业务背景。
OLAP 与 OLTP 有何区别?
| 比较项 | OLAP | OLTP |
|---|---|---|
| 主要任务 | 多维分析、汇总和历史比较 | 日常交易与业务状态更新 |
| 常见访问 | 读取较多记录,执行复杂聚合 | 处理较小范围、频繁增删改 |
| 典型问题 | 各地区本月销售趋势如何 | 这笔订单是否支付成功 |
OLTP 即联机事务处理。二者可以组合,但目标不同。某数据库同时支持部分交易和分析,不代表所有负载都能在相同资源上无代价运行。
MPP 是并行处理架构,列式存储是数据组织方式,它们可以帮助实现 OLAP,却不是 OLAP 的同义词。
所有指标都可以随意汇总吗?
不可以。金额和数量可能可以相加,库存余额通常不能跨时间直接累加,比例则需要先明确分子与分母。多个门店的转化率,也不宜不考虑规模就取简单平均。
关联关系同样重要。订单与多条退款直接关联后,订单金额可能被重复计算。OLAP 提供分析能力,但正确汇总依赖模型与口径。
因此,好的分析环境既要快,也要让使用者理解可以按哪些维度计算,以及哪些组合存在限制。
什么时候值得采用?
数据规模较大、维度多、使用者需要反复交互探索时,专门 OLAP 能力更有价值。若只是按主键查看单条业务记录,交易数据库可能更合适。
响应时间还受预计算、索引、缓存和并发影响。评价时应看真实查询与数据更新方式,而不是只比较某个演示查询。
预计算与即时查询怎样取舍?
提前保存常用汇总,可以让重复查询更快,但会增加存储与更新工作;即时计算更灵活,却可能在复杂或高并发场景中消耗更多资源。
不同 OLAP 实现可以组合两者。常用经营指标预先整理,偶发探索读取更细数据,并不矛盾。选择取决于查询规律和更新要求。
预计算还需要明确支持哪些维度。已经按地区与月份汇总的数据,通常不能无条件还原每个客户的明细;缺少分子分母的平均值,也难以再次正确聚合。
因此,分析速度与可回答范围之间存在设计关系。用户看到快速结果时,应知道它来自什么粒度、更新到何时,以及哪些进一步拆分不成立。OLAP 的交互价值建立在正确模型之上,而不是只依赖更多缓存或更强算力。
多维分析还应关注缺失组合。某地区没有某商品记录,可能表示未销售、未经营或数据未接入,不能一律解释成零。系统需要保留这些差异,才能让进一步汇总与比较成立。
对于频繁使用的分析,还可以保存查询条件与指标说明,方便其他人复核。同一个图表如果筛选范围不同,结果就未必可比,因此分享时应让这些条件保持可见。
袋鼠云可以提供哪些相关能力?
袋鼠云 EasyMR提供多类分析负载的底座能力,AIMetrics面向指标定义与分析消费,可共同支撑多维观察和经营分析。

