OLTP y OLAP

En resumen: OLTP son las muchas consultas pequeñas de una aplicación como una caja registradora, y OLAP son las pocas consultas grandes de informes que leen todas las filas.

Problema

La caja y la contabilidad

La base de datos de la tienda hace a la vez dos trabajos muy distintos. El cliente en la caja pregunta por un pedido y quiere la respuesta enseguida. El dueño el lunes por la mañana pregunta «cuánto vendimos por mes y por categoría», y eso necesita todos los pedidos del año.

Las primeras son miles por minuto, pequeñas y por clave. Las segundas son unas pocas al día, pero cada una lee todo. Una misma base de datos rara vez es buena en las dos cosas. Por eso hay distintos tipos de bases de datos, y de ellos trata este módulo.

La idea

OLTP: muchas consultas pequeñas

OLTP (online transaction processing, procesamiento de transacciones en línea) es el trabajo de la caja: leer o cambiar unas pocas filas que conoces por la clave. Los productos del pedido 42:

SQLbase de datos: tienda

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;

▶ EjecutarRestaurar la consultaBase nueva

El plan muestra que la base de datos no lee toda la tabla. Busca (SEARCH) con el índice de la clave primaria y va directa a las dos filas:

SQLbase de datos: tienda

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;

▶ EjecutarRestaurar la consultaBase nueva

Las consultas OLTP también escriben. Una compra es una transacción: el pedido, su línea y el stock se escriben juntos o no se escribe nada:

SQLbase de datos: tienda

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;

▶ EjecutarRestaurar la consultaBase nueva

Pruébalo

El cliente pregunta

El cliente llama por el pedido 15. Muestra su estado y su fecha (las columnas status y ordered_at).

SQLbase de datos: tienda

SELECT status, ordered_at FROM orders;

SELECT status, ordered_at FROM orders;

Comprobar▶ Ejecutar

La idea

OLAP: pocas consultas grandes

OLAP (online analytical processing, procesamiento analítico en línea) es el trabajo del análisis: reunir, agrupar y comparar muchas filas. Los ingresos por mes de 2026:

SQLbase de datos: tienda

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;

▶ EjecutarRestaurar la consultaBase nueva

Una clave no ayuda aquí. Necesita todas las filas de pedidos, así que el plan empieza con SCAN:

SQLbase de datos: tienda

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;

▶ EjecutarRestaurar la consultaBase nueva

Con 152 filas es instantáneo. Con 50 millones de filas el informe lee gigabytes y carga el disco, la memoria y el procesador durante minutos. Mientras tanto, la caja espera. Y un índice no ayuda, porque el informe quiere todo de todos modos.

La idea

El almacén de datos

La solución es que los informes no toquen la base de datos del sitio. Cada noche un programa copia los datos a una base de datos aparte para el análisis, llamada almacén de datos (data warehouse). La copia se llama ETL: extract, transform, load (extraer, transformar, cargar).

Durante la transformación las tablas suelen fundirse en una tabla ancha: todo sobre una venta en una fila. Eso es desnormalización, que en la base de datos del sitio sería un error: el nombre del producto se repite en cada fila. Aquí es a propósito, porque los datos solo se leen y el informe no necesita JOIN. CREATE TABLE … AS SELECT crea una tabla nueva a partir del resultado de una consulta:

SQLbase de datos: tienda

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;

▶ EjecutarRestaurar la consultaBase nueva

Los pedidos cancelados se quitan ya al copiar, para que los informes no tengan que acordarse de ellos.

Más precisamente, para curiosos

Los almacenes de datos reales (ClickHouse, BigQuery, Snowflake, Amazon Redshift) guardan los datos por columnas, no por filas. Un informe de ingresos lee solo las columnas day, category y amount y se salta el resto. Para eso sirve la lección sobre las bases de datos columnares. La tabla ancha suele ser una «tabla de hechos» con pequeñas tablas de consulta a su alrededor (dimensiones: fecha, producto, tienda), y el conjunto se llama esquema en estrella.

Pruébalo

Un informe por categoría

De la tabla sales: los ingresos por categoría de 2026 (las columnas category y revenue, redondeados al céntimo), del mayor hacia abajo.

SQLbase de datos: tienda

SELECT * FROM sales LIMIT 5;

SELECT * FROM sales LIMIT 5;

Comprobar▶ Ejecutar

Ejercicio

Cuántos pedidos por ciudad

De la tabla sales: cuántos pedidos hay de cada ciudad (las columnas city y orders), de más a menos y, en caso de empate, por el nombre de la ciudad. Un cliente sin ciudad es una fila con NULL.

SQLbase de datos: tienda

SELECT city, order_id FROM sales LIMIT 5;

SELECT city, order_id FROM sales LIMIT 5;

Comprobar▶ Ejecutar

La idea

El tipo de datos y el tipo de pregunta

OLTP y OLAP son la primera división. Las demás salen de cómo son los datos y de qué les preguntas. Cada lección del módulo es una pareja así, y la mayoría tienen un simulador de la base de datos real en el navegador:

Los datos y la pregunta	Tipo de base de datos	Ejemplos
Obtengo por clave, rápido, a menudo	clave-valor	Redis, Valkey, DynamoDB
Un documento entero con partes anidadas	documental	MongoDB
Qué ocurrió y en qué orden	flujo de eventos	Kafka, Redpanda
Quién está conectado con quién, en cuántos pasos	de grafos	Neo4j
Sumas sobre millones de filas, a lo largo del tiempo	columnar, series temporales	ClickHouse, TimescaleDB
Palabras en un texto	búsqueda de texto completo	Elasticsearch, OpenSearch
Parecido en significado	vectorial	pgvector, Qdrant
Más datos y consultas de los que cabe en un servidor	clúster	replicación, sharding

Al final está la lección de cómo elegir. La respuesta casi siempre es: una base de datos relacional para la verdad y otro tipo a su lado solo para la pregunta en la que ella es débil.

Test

Ponte a prueba

1. ¿Cuál de estas es una consulta OLTP?

El carrito del cliente 42 mientras pagaLos ingresos por mes de los últimos tres añosLa valoración media por categoría

2. En la tabla ancha sales cada fila es un producto de un pedido. ¿Cómo cuentas los pedidos?

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

3. ¿Por qué los informes normalmente no se ejecutan en la base de datos con la que trabaja el sitio web?

Porque leen todo y frenan las consultas pequeñas de los clientesPorque están prohibidosPorque SQL no puede hacerlos

Comprobar

Empezar la lección de nuevo

Lecciones relacionadas

• Se basa en: ACID: todo o nada · BEGIN, COMMIT, ROLLBACK · Índices · EXPLAIN: el plan de la consulta
• Continúa en: Clave-valor y la caché · Bases de datos de grafos · Bases de datos columnares y series temporales · Cómo elegir una base de datos
• Ejercicios sobre el tema: Tipos de bases de datos