【doris】OLAP引擎分类

1. 说明

• 1.OLAP（在线分析处理）引擎是数据仓库和商业智能系统的核心组件，用于支持复杂的多维数据分析。

2. MOLAP（多维OLAP）

• 1.特点：
  数据存储：以多维数组（Cube）的形式存储数据。
  性能：查询速度快，因为数据已经预聚合。
  灵活性：维度和度量固定，预定义的结构限制了灵活性。
  适用场景：需要快速查询的固定分析场景。
• 2.代表产品：
  Microsoft Analysis Services（SSAS）
  Oracle Essbase
  IBM Cognos TM1
• 3.示例：
  预定义的“销售数据立方体”，包含时间、地区、产品等维度，以及销售额、利润等度量。

3. ROLAP（关系OLAP）

• 1.特点：
  数据存储：基于关系型数据库（RDBMS），使用星型或雪花型模式。
  性能：查询速度较慢，因为需要实时计算聚合。
  灵活性：维度和度量可以动态定义，灵活性高。
  适用场景：需要处理大量动态数据或复杂查询的场景。
• 2.代表产品：
  SAP BusinessObjects
  MicroStrategy
  开源工具如 Pentaho
• 3.示例：
  使用 SQL 查询动态计算销售数据，而不是依赖预定义的 Cube。

4. HOLAP（混合OLAP）

• 1.特点：
  数据存储：结合了 MOLAP 和 ROLAP 的优点，部分数据以 Cube 形式存储，部分数据保留在关系型数据库中。
  性能：平衡了查询速度和灵活性。
  适用场景：需要同时支持快速查询和动态分析的场景。
• 2.代表产品：
  Microsoft Analysis Services（支持 HOLAP 模式）
  一些商业 OLAP 工具也提供类似功能。
• 3.示例：
  将常用的维度和度量存储在 Cube 中，而将不常用的数据保留在关系型数据库中。

5. DOLAP（桌面OLAP）

• 1.特点：
  数据存储：数据通常存储在本地文件或小型数据库中。
  性能：适合小规模数据集，查询速度较快。
  适用场景：个人用户或小型团队进行数据分析。
• 2.代表产品：
  Excel 数据透视表（简单实现 DOLAP）
  一些桌面级 OLAP 工具。
• 3.示例：
  使用 Excel 数据透视表对本地销售数据进行分析。

6. 其他相关技术

• 1.In-Memory OLAP：将数据加载到内存中进行快速分析，适合大数据量和高并发场景。
  代表产品：SAP HANA、Kyligence。

• 2.Cloud OLAP：基于云平台的 OLAP 服务，提供弹性计算和存储能力。
  代表产品：Amazon Redshift、Google BigQuery、Snowflake。

• 3.实时 OLAP：支持实时数据流分析，适用于需要低延迟的场景。
  代表产品：Apache Druid、ClickHouse。

7. 总结对比

类型	数据存储	性能	灵活性	适用场景
MOLAP	多维数组	快	低	固定分析场景
ROLAP	关系型数据库	较慢	高	动态分析场景
HOLAP	混合	平衡	中等	混合场景
DOLAP	本地文件	快	低	小规模数据
In-Memory	内存	快	中等	大数据量
Cloud	云平台	弹性	高	云服务场景

8. 选择建议

• 1.固定分析场景：MOLAP。
• 2.动态分析场景：ROLAP 或 HOLAP。
• 3.大数据量或高并发：In-Memory OLAP。
• 4.云服务需求：Cloud OLAP。