🏗️Exemple concret
Banque : le système de paiement traite 50 000 transactions/seconde avec une latence de 5ms (OLTP sur PostgreSQL). Le reporting de risque agrège 2 milliards de transactions sur 3 ans pour calculer l'exposition par secteur (OLAP sur Redshift). Essayer de faire de l'OLAP sur PostgreSQL = timeouts. Essayer de faire de l'OLTP sur Redshift = latence de plusieurs secondes.
∑ Concept clé
OLTP : optimisé pour lecture/écriture de lignes (row-store). OLAP : optimisé pour lecture de colonnes spécifiques sur de nombreuses lignes (column-store). Column-store = lit uniquement les colonnes requises = 10-100x plus rapide en analytique.
🎯Quand l'utiliser ?
✓OLTP : applications transactionnelles (e-commerce, ERP, CRM)
✓OLAP : reporting, dashboarding, analyses décisionnelles
✓HTAP : systèmes hybrides (BigQuery BQML, Oracle, SAP HANA)
✅ Avantages
+Séparation claire des usages = optimisation maximale de chaque système
+OLAP column-store : très performant pour les agrégations
+OLTP row-store : optimal pour les mises à jour fréquentes
⚠️ Limites
−Nécessite de synchroniser les données entre OLTP et OLAP (ETL/ELT)
−Latence de fraîcheur des données dans le DW (batch vs temps réel)
−Coût de maintenance de deux systèmes distincts
🛠️ Outils principaux
OLTP : PostgreSQL, MySQL, Oracle, SQL Server
OLAP : Snowflake, BigQuery, Redshift, Synapse Analytics
Synchro : Airbyte, Fivetran, dbt
Data EngineeringArchitectureData WarehouseBases de donnéesPerformance