OLTP vs OLAP：トランザクションデータベースと分析データベースの理解

Created 2020-02-14 Updated 2025-10-18

データ処理の2つの世界
OLTP：運用の主力
OLAP：分析の強力なツール
並列比較
実世界の例：eコマースプラットフォーム
適切なシステムの選択
まとめ
参考文献

2つの異なるタイプの店を想像してください。1つ目は、顧客が素早くアイテムを手に取り、支払いをして去る忙しいコンビニエンスストアです——毎時間何百もの小さく速いトランザクション。2つ目は、アナリストが購買パターン、在庫トレンド、季節的需要を研究する倉庫です——操作は少ないですが、それぞれが膨大な量のデータを調査します。これらは、データベースシステムへの2つの基本的なアプローチを表しています：OLTPとOLAP。

データ処理の2つの世界

モダンなビジネスは、2つの異なる目的のためにデータベースを必要とします：

OLTP（Online Transaction Processing）：日常業務を処理

顧客注文を処理
在庫を更新
支払いを記録
ユーザーアカウントを管理

OLAP（Online Analytical Processing）：ビジネスインテリジェンスをサポート

販売トレンドを分析
レポートを生成
需要を予測
パターンを特定

graph TB subgraph OLTP["🏪 OLTPシステム"] T1[顧客注文] T2[支払い処理] T3[在庫更新] T4[ユーザー登録] T1 --> DB1[(トランザクション
データベース)] T2 --> DB1 T3 --> DB1 T4 --> DB1 end subgraph ETL["🔄 ETLプロセス"] E1[抽出] E2[変換] E3[ロード] E1 --> E2 E2 --> E3 end subgraph OLAP["📊 OLAPシステム"] A1[販売分析] A2[トレンドレポート] A3[予測] A4[ビジネスインテリジェンス] DW[(データ
ウェアハウス)] --> A1 DW --> A2 DW --> A3 DW --> A4 end DB1 -.->|定期同期| E1 E3 --> DW style OLTP fill:#e3f2fd,stroke:#1976d2 style OLAP fill:#f3e5f5,stroke:#7b1fa2 style ETL fill:#fff3e0,stroke:#f57c00

OLTP：運用の主力

OLTPシステムは、高速で信頼性の高いトランザクションで日常業務を支えます。

特徴

// OLTP：高速で焦点を絞った操作
class OrderService {
  async createOrder(customerId, items) {
    // 少数の行に影響する単一トランザクション
    const connection = await db.getConnection();
    
    try {
      await connection.beginTransaction();
      
      // 注文を挿入（1行）
      const order = await connection.query(
        'INSERT INTO orders (customer_id, total, status) VALUES (?, ?, ?)',
        [customerId, this.calculateTotal(items), 'PENDING']
      );
      
      // 注文アイテムを挿入（数行）
      for (const item of items) {
        await connection.query(
          'INSERT INTO order_items (order_id, product_id, quantity, price) VALUES (?, ?, ?, ?)',
          [order.id, item.productId, item.quantity, item.price]
        );
        
        // 在庫を更新（アイテムごとに1行）
        await connection.query(
          'UPDATE products SET stock = stock - ? WHERE id = ?',
          [item.quantity, item.productId]
        );
      }
      
      await connection.commit();
      return order;
    } catch (error) {
      await connection.rollback();
      throw error;
    }
  }
}

OLTPデータベース設計：正規化スキーマ

-- 正規化設計は冗長性を最小化
-- INSERT、UPDATE、DELETEに最適化

CREATE TABLE customers (
  id INT PRIMARY KEY,
  name VARCHAR(100),
  email VARCHAR(100),
  created_at TIMESTAMP
);

CREATE TABLE orders (
  id INT PRIMARY KEY,
  customer_id INT,
  total DECIMAL(10,2),
  status VARCHAR(20),
  created_at TIMESTAMP,
  FOREIGN KEY (customer_id) REFERENCES customers(id)
);

CREATE TABLE order_items (
  id INT PRIMARY KEY,
  order_id INT,
  product_id INT,
  quantity INT,
  price DECIMAL(10,2),
  FOREIGN KEY (order_id) REFERENCES orders(id),
  FOREIGN KEY (product_id) REFERENCES products(id)
);

💡 OLTPの主要機能

高速応答時間：トランザクションあたりミリ秒

高い同時実行性：数千の同時ユーザー

ACID準拠：データ整合性の保証

正規化スキーマ：最小限のデータ冗長性

現在のデータ：リアルタイムで最新の情報

OLAP：分析の強力なツール

OLAPシステムは、ビジネス上の意思決定をサポートするために履歴データを分析します。

特徴

// OLAP：大規模データセット全体の複雑な分析
class SalesAnalytics {
  async getMonthlySalesTrend(year) {
    // クエリは数百万行をスキャン
    // 複数の次元でデータを集約
    const query = `
      SELECT 
        DATE_FORMAT(o.created_at, '%Y-%m') as month,
        c.region,
        p.category,
        COUNT(DISTINCT o.id) as order_count,
        SUM(oi.quantity) as units_sold,
        SUM(oi.quantity * oi.price) as revenue,
        AVG(o.total) as avg_order_value
      FROM orders o
      JOIN customers c ON o.customer_id = c.id
      JOIN order_items oi ON o.id = oi.order_id
      JOIN products p ON oi.product_id = p.id
      WHERE YEAR(o.created_at) = ?
      GROUP BY 
        DATE_FORMAT(o.created_at, '%Y-%m'),
        c.region,
        p.category
      ORDER BY month, region, category
    `;
    
    return await dataWarehouse.query(query, [year]);
  }
}

OLAPデータベース設計：スタースキーマ

-- クエリ用に最適化された非正規化設計
-- ファクトテーブルとディメンションテーブルを持つスタースキーマ

-- ファクトテーブル：メトリクスを含む
CREATE TABLE fact_sales (
  sale_id BIGINT PRIMARY KEY,
  date_key INT,
  customer_key INT,
  product_key INT,
  store_key INT,
  quantity INT,
  unit_price DECIMAL(10,2),
  revenue DECIMAL(10,2),
  profit DECIMAL(10,2),
  FOREIGN KEY (date_key) REFERENCES dim_date(date_key),
  FOREIGN KEY (customer_key) REFERENCES dim_customer(customer_key),
  FOREIGN KEY (product_key) REFERENCES dim_product(product_key)
);

-- ディメンションテーブル：記述属性を含む
CREATE TABLE dim_date (
  date_key INT PRIMARY KEY,
  full_date DATE,
  year INT,
  quarter INT,
  month INT,
  month_name VARCHAR(20),
  week INT,
  day_of_week INT
);

CREATE TABLE dim_customer (
  customer_key INT PRIMARY KEY,
  customer_id INT,
  name VARCHAR(100),
  segment VARCHAR(50),
  region VARCHAR(50),
  country VARCHAR(50)
);

graph TB F[ファクトテーブル
fact_sales
sale_id, quantity, revenue, profit] D1[ディメンション
dim_date
year, quarter, month, week] D2[ディメンション
dim_customer
name, segment, region] D3[ディメンション
dim_product
category, brand, supplier] F --> D1 F --> D2 F --> D3 style F fill:#ffeb3b,stroke:#f57f17 style D1 fill:#81c784,stroke:#388e3c style D2 fill:#81c784,stroke:#388e3c style D3 fill:#81c784,stroke:#388e3c

💡 OLAPの主要機能

複雑なクエリ：多次元分析

大量のデータボリューム：数百万から数十億行

履歴データ：時系列分析

非正規化スキーマ：読み取りパフォーマンスに最適化

バッチ更新：定期的なデータロード（ETL）

並列比較

側面	OLTP	OLAP
目的	日常業務	ビジネスインテリジェンス
ユーザー	数千の同時ユーザー	数十人のアナリスト
操作	INSERT、UPDATE、DELETE、SELECT	複雑な集約を伴うSELECT
クエリの複雑さ	シンプル、事前定義	複雑、アドホック
応答時間	ミリ秒	秒から分
クエリあたりのデータ量	数行	数百万行
データベース設計	正規化（3NF）	非正規化（スター/スノーフレーク）
データの鮮度	リアルタイム	定期更新
トランザクションサポート	ACID必須	重要ではない
システム例	MySQL、PostgreSQL、Oracle	Redshift、BigQuery、Snowflake

実世界の例：eコマースプラットフォーム

OLTP：注文処理

class OrderProcessingService {
  async processCheckout(cart, customerId) {
    // OLTP：高速トランザクション処理
    const connection = await this.db.getConnection();
    
    try {
      await connection.beginTransaction();
      
      // 注文を作成（1行に影響）
      const order = await connection.query(
        'INSERT INTO orders (customer_id, total, status) VALUES (?, ?, ?)',
        [customerId, cart.total, 'PROCESSING']
      );
      
      // 注文アイテムを追加（数行に影響）
      for (const item of cart.items) {
        await connection.query(
          'INSERT INTO order_items (order_id, product_id, quantity, price) VALUES (?, ?, ?, ?)',
          [order.id, item.id, item.quantity, item.price]
        );
        
        // 在庫を更新（1行に影響）
        await connection.query(
          'UPDATE products SET stock = stock - ? WHERE id = ?',
          [item.quantity, item.id]
        );
      }
      
      await connection.commit();
      
      // ミリ秒で応答
      return { orderId: order.id, status: 'SUCCESS' };
    } catch (error) {
      await connection.rollback();
      throw error;
    }
  }
}

OLAP：販売パフォーマンスの分析

class SalesReportingService {
  async generateQuarterlyReport(year, quarter) {
    // OLAP：複雑な分析クエリ
    const query = `
      SELECT 
        d.month_name,
        p.category,
        s.region,
        COUNT(DISTINCT f.sale_id) as transaction_count,
        SUM(f.quantity) as units_sold,
        SUM(f.revenue) as total_revenue,
        SUM(f.profit) as total_profit,
        AVG(f.revenue) as avg_transaction_value
      FROM fact_sales f
      JOIN dim_date d ON f.date_key = d.date_key
      JOIN dim_product p ON f.product_key = p.product_key
      JOIN dim_store s ON f.store_key = s.store_key
      WHERE d.year = ? AND d.quarter = ?
      GROUP BY d.month_name, p.category, s.region
      ORDER BY d.month_name, total_revenue DESC
    `;
    
    // クエリは数百万行をスキャン
    // 秒単位で応答
    const results = await this.dataWarehouse.query(query, [year, quarter]);
    
    return this.formatReport(results);
  }
}

適切なシステムの選択

OLTPを使用する場合：

✅ 高トランザクション量：数千の同時ユーザー

✅ データ整合性が重要：金融トランザクション、在庫管理

✅ リアルタイム更新：現在のデータが即座に利用可能である必要がある

✅ シンプルなクエリ：IDによる検索、挿入、更新、削除

✅ ACID準拠が必要：銀行、eコマース、予約システム

OLAPを使用する場合：

✅ 複雑な分析：多次元分析、集約

✅ 履歴分析：トレンド分析、予測

✅ 大量のデータボリューム：数百万または数十億行の分析

✅ ビジネスインテリジェンス：レポート、ダッシュボード、データマイニング

✅ 読み取り重視のワークロード：書き込みは少なく、複雑な読み取りが多い

まとめ

OLTPとOLAPを理解することは、効果的なデータシステムを設計するための基本です：

OLTPシステム：

高速で信頼性の高いトランザクションで日常業務を支える
書き込みとシンプルな読み取りに最適化
正規化スキーマがデータ整合性を保証
リアルタイムで現在のデータ

OLAPシステム：

ビジネスインテリジェンスと分析を可能にする
大規模データセットでの複雑なクエリに最適化
非正規化スキーマがクエリパフォーマンスを向上
トレンド分析のための履歴データ

重要なポイント：ほとんどの組織は両方を必要とします——業務のためのOLTPと分析のためのOLAP。ETLプロセスが2つを橋渡しし、トランザクションシステムから分析ウェアハウスにデータを移動し、運用パフォーマンスに影響を与えることなく分析できるようにします。

💡 ベストプラクティス

OLTPデータベースで直接複雑な分析クエリを実行しないでください。ETLを使用してデータを専用のOLAPシステムに移動し、運用データベースをパフォーマンス低下から保護します。

Decoding Digital Anomalies

Sometimes the feature is the bug in the digital rabbit hole, and vice versa

Architecture