OLTP und OLAP

Kurz gesagt: OLTP sind die vielen kleinen Abfragen einer Anwendung wie einer Kasse, und OLAP sind die wenigen großen Berichtsabfragen, die alle Zeilen lesen.

Problem

Die Kasse und die Buchhaltung

Die Datenbank des Shops macht zwei sehr verschiedene Aufgaben gleichzeitig. Der Kunde an der Kasse fragt nach einer Bestellung und will die Antwort sofort. Der Inhaber fragt am Montagmorgen „wie viel haben wir pro Monat und pro Kategorie verkauft“, und dafür braucht es alle Bestellungen des Jahres.

Die ersten sind tausende pro Minute, klein und über einen Schlüssel. Die zweiten sind ein paar am Tag, aber jede liest alles. Dieselbe Datenbank ist selten in beidem gut. Deshalb gibt es verschiedene Arten von Datenbanken, und um sie geht es in diesem Modul.

Die Idee

OLTP: viele kleine Abfragen

OLTP (online transaction processing) ist die Aufgabe der Kasse: ein paar Zeilen lesen oder ändern, die du über einen Schlüssel kennst. Die Produkte in Bestellung 42:

SQLDatenbank: Shop

SELECT p.name, oi.quantity, oi.unit_price
FROM order_items oi
JOIN products p ON p.id = oi.product_id
WHERE oi.order_id = 42;

SELECT p.name, oi.quantity, oi.unit_price FROM order_items oi JOIN products p ON p.id = oi.product_id WHERE oi.order_id = 42;

▶ AusführenAbfrage zurücksetzenNeue Datenbank

Der Plan zeigt, dass die Datenbank nicht die ganze Tabelle liest. Sie sucht (SEARCH) mit dem Index des Primärschlüssels und geht direkt zu den zwei Zeilen:

SQLDatenbank: Shop

EXPLAIN QUERY PLAN
SELECT p.name, oi.quantity, oi.unit_price
FROM order_items oi
JOIN products p ON p.id = oi.product_id
WHERE oi.order_id = 42;

EXPLAIN QUERY PLAN SELECT p.name, oi.quantity, oi.unit_price FROM order_items oi JOIN products p ON p.id = oi.product_id WHERE oi.order_id = 42;

▶ AusführenAbfrage zurücksetzenNeue Datenbank

OLTP-Abfragen schreiben auch. Ein Kauf ist eine Transaktion: Die Bestellung, ihre Zeile und der Bestand werden zusammen geschrieben oder gar nicht:

SQLDatenbank: Shop

BEGIN;
INSERT INTO orders (id, customer_id, ordered_at, status) VALUES (61, 3, '2026-10-25', 'new');
INSERT INTO order_items (order_id, product_id, quantity, unit_price) VALUES (61, 9, 2, 3.2);
UPDATE products SET stock = stock - 2 WHERE id = 9;
COMMIT;

SELECT name, stock FROM products WHERE id = 9;

BEGIN; INSERT INTO orders (id, customer_id, ordered_at, status) VALUES (61, 3, '2026-10-25', 'new'); INSERT INTO order_items (order_id, product_id, quantity, unit_price) VALUES (61, 9, 2, 3.2); UPDATE products SET stock = stock - 2 WHERE id = 9; COMMIT; SELECT name, stock FROM products WHERE id = 9;

▶ AusführenAbfrage zurücksetzenNeue Datenbank

Probier es aus

Der Kunde fragt nach

Der Kunde ruft wegen Bestellung 15 an. Zeige ihren Status und ihr Datum (die Spalten status und ordered_at).

SQLDatenbank: Shop

SELECT status, ordered_at FROM orders;

SELECT status, ordered_at FROM orders;

Prüfen▶ Ausführen

Die Idee

OLAP: wenige große Abfragen

OLAP (online analytical processing) ist die Aufgabe der Analyse: viele Zeilen sammeln, gruppieren und vergleichen. Der Umsatz pro Monat für 2026:

SQLDatenbank: Shop

SELECT substr(o.ordered_at, 1, 7) AS month,
       ROUND(SUM(oi.quantity * oi.unit_price), 2) AS revenue
FROM orders o
JOIN order_items oi ON oi.order_id = o.id
WHERE o.status <> 'cancelled' AND o.ordered_at >= '2026-01-01'
GROUP BY month
ORDER BY month;

SELECT substr(o.ordered_at, 1, 7) AS month, ROUND(SUM(oi.quantity * oi.unit_price), 2) AS revenue FROM orders o JOIN order_items oi ON oi.order_id = o.id WHERE o.status <> 'cancelled' AND o.ordered_at >= '2026-01-01' GROUP BY month ORDER BY month;

▶ AusführenAbfrage zurücksetzenNeue Datenbank

Ein Schlüssel hilft hier nicht. Der Bericht braucht alle Bestellzeilen, deshalb beginnt der Plan mit SCAN:

SQLDatenbank: Shop

EXPLAIN QUERY PLAN
SELECT substr(o.ordered_at, 1, 7) AS month,
       ROUND(SUM(oi.quantity * oi.unit_price), 2) AS revenue
FROM orders o
JOIN order_items oi ON oi.order_id = o.id
WHERE o.status <> 'cancelled' AND o.ordered_at >= '2026-01-01'
GROUP BY month
ORDER BY month;

EXPLAIN QUERY PLAN SELECT substr(o.ordered_at, 1, 7) AS month, ROUND(SUM(oi.quantity * oi.unit_price), 2) AS revenue FROM orders o JOIN order_items oi ON oi.order_id = o.id WHERE o.status <> 'cancelled' AND o.ordered_at >= '2026-01-01' GROUP BY month ORDER BY month;

▶ AusführenAbfrage zurücksetzenNeue Datenbank

Bei 152 Zeilen ist das sofort fertig. Bei 50 Millionen Zeilen liest der Bericht Gigabytes und belastet Platte, Speicher und Prozessor minutenlang. Währenddessen wartet die Kasse. Und ein Index hilft nicht, weil der Bericht ohnehin alles will.

Die Idee

Das Data Warehouse

Die Lösung ist, dass die Berichte die Datenbank der Website nicht anfassen. Jede Nacht kopiert ein Programm die Daten in eine eigene Datenbank für die Analyse, das Data Warehouse. Das Kopieren heißt ETL: extract, transform, load (extrahieren, umwandeln, laden).

Beim Umwandeln werden die Tabellen meist zu einer breiten Tabelle zusammengeführt: alles zu einem Verkauf in einer Zeile. Das ist Denormalisierung, die in der Datenbank der Website ein Fehler wäre: Der Name des Produkts wiederholt sich in jeder Zeile. Hier ist es Absicht, weil die Daten nur gelesen werden und der Bericht kein JOIN braucht. CREATE TABLE … AS SELECT macht aus dem Ergebnis einer Abfrage eine neue Tabelle:

SQLDatenbank: Shop

CREATE TABLE sales AS
SELECT o.id AS order_id, o.ordered_at AS day, c.city,
       cat.name AS category, p.name AS product, oi.quantity,
       ROUND(oi.quantity * oi.unit_price, 2) AS amount
FROM orders o
JOIN customers c ON c.id = o.customer_id
JOIN order_items oi ON oi.order_id = o.id
JOIN products p ON p.id = oi.product_id
JOIN categories cat ON cat.id = p.category_id
WHERE o.status <> 'cancelled';

SELECT * FROM sales ORDER BY order_id, product LIMIT 3;

CREATE TABLE sales AS SELECT o.id AS order_id, o.ordered_at AS day, c.city, cat.name AS category, p.name AS product, oi.quantity, ROUND(oi.quantity * oi.unit_price, 2) AS amount FROM orders o JOIN customers c ON c.id = o.customer_id JOIN order_items oi ON oi.order_id = o.id JOIN products p ON p.id = oi.product_id JOIN categories cat ON cat.id = p.category_id WHERE o.status <> 'cancelled'; SELECT * FROM sales ORDER BY order_id, product LIMIT 3;

▶ AusführenAbfrage zurücksetzenNeue Datenbank

Die stornierten Bestellungen werden schon beim Kopieren entfernt, damit die Berichte nicht an sie denken müssen.

Genauer, für Neugierige

Echte Data Warehouses (ClickHouse, BigQuery, Snowflake, Amazon Redshift) speichern die Daten spaltenweise, nicht zeilenweise. Ein Umsatzbericht liest nur die Spalten day, category und amount und überspringt den Rest. Dafür ist die Lektion über spaltenorientierte Datenbanken da. Die breite Tabelle ist meist eine „Faktentabelle“ mit kleinen Nachschlagetabellen drumherum (Dimensionen: Datum, Produkt, Filiale), und das Ganze heißt Sternschema.

Probier es aus

Ein Bericht pro Kategorie

Aus der Tabelle sales: der Umsatz pro Kategorie für 2026 (die Spalten category und revenue, auf Cent gerundet), vom größten abwärts.

SQLDatenbank: Shop

SELECT * FROM sales LIMIT 5;

SELECT * FROM sales LIMIT 5;

Prüfen▶ Ausführen

Übung

Wie viele Bestellungen pro Stadt

Aus der Tabelle sales: wie viele Bestellungen es aus jeder Stadt gibt (die Spalten city und orders), die meisten zuerst, bei Gleichstand nach dem Namen der Stadt. Ein Kunde ohne Stadt ist eine Zeile mit NULL.

SQLDatenbank: Shop

SELECT city, order_id FROM sales LIMIT 5;

SELECT city, order_id FROM sales LIMIT 5;

Prüfen▶ Ausführen

Die Idee

Die Art der Daten und die Art der Frage

OLTP und OLAP sind die erste Trennung. Die übrigen ergeben sich daraus, wie die Daten aussehen und was du sie fragst. Jede Lektion des Moduls ist ein solches Paar, und die meisten haben einen Simulator der echten Datenbank im Browser:

Die Daten und die Frage	Art der Datenbank	Beispiele
Ich hole über einen Schlüssel, schnell, oft	Key-Value	Redis, Valkey, DynamoDB
Ein ganzes Dokument mit verschachtelten Teilen	Dokumentendatenbank	MongoDB
Was geschehen ist und in welcher Reihenfolge	Ereignisstrom	Kafka, Redpanda
Wer mit wem verbunden ist, in wie vielen Schritten	Graph	Neo4j
Summen über Millionen Zeilen, über die Zeit	spaltenorientiert, Zeitreihen	ClickHouse, TimescaleDB
Wörter im Text	Volltextsuche	Elasticsearch, OpenSearch
Ähnlich in der Bedeutung	Vektor	pgvector, Qdrant
Mehr Daten und Abfragen, als ein Server verkraftet	Cluster	Replikation, Sharding

Am Ende steht die Lektion, wie du wählst. Die Antwort ist fast immer: eine relationale Datenbank für die Wahrheit und eine andere Art daneben, nur für die Frage, bei der sie schwach ist.

Test

Teste dich

1. Welche davon ist eine OLTP-Abfrage?

Die durchschnittliche Bewertung pro KategorieDer Warenkorb von Kunde 42, während er bezahltDer Umsatz pro Monat der letzten drei Jahre

2. In der breiten Tabelle sales ist jede Zeile ein Produkt einer Bestellung. Wie zählst du die Bestellungen?

COUNT(DISTINCT order_id)COUNT(*)SUM(quantity)

3. Warum führt man Berichte meist nicht auf der Datenbank aus, auf der die Website läuft?

Weil sie alles lesen und die kleinen Abfragen der Kunden bremsenWeil SQL sie nicht kannWeil sie verboten sind

Prüfen

Lektion von vorn beginnen

Verwandte Lektionen

• Baut auf: ACID: alles oder nichts · BEGIN, COMMIT, ROLLBACK · Indizes · EXPLAIN: der Abfrageplan
• Geht weiter in: Key-Value und der Cache · Graphdatenbanken · Spaltenorientierte Datenbanken und Zeitreihen · Wie du eine Datenbank wählst
• Aufgaben zum Thema: Arten von Datenbanken