Resumo TI Banco de Dados: Modelos OLTP, OLAP e HTAP

Nem todo banco de dados serve para o mesmo propósito: um sistema que processa milhares de vendas por segundo tem exigências completamente diferentes de um sistema que gera um relatório consolidando cinco anos de histórico. Essa diferença de propósito é capturada pelos modelos OLTP e OLAP — e mais recentemente pelo modelo híbrido HTAP, cada vez mais cobrado em concursos de TI.

Neste resumo, você vai entender o que caracteriza uma carga de trabalho OLTP e uma OLAP, por que elas normalmente exigem bancos de dados otimizados de formas diferentes, e como o HTAP tenta unir os dois mundos.

⚡ OLTP: processamento transacional

OLTP (Online Transaction Processing) caracteriza sistemas voltados para o dia a dia operacional de uma organização: registrar uma venda, atualizar um saldo, criar um pedido. É o tipo de carga de trabalho mais comum em aplicações de produção.

• Operações: curtas e simples — geralmente INSERT, UPDATE e DELETE afetando poucas linhas por vez;
• Volume de transações: alto — muitas transações concorrentes por segundo, cada uma rápida;
• Prioridade: consistência forte (propriedades ACID) e baixa latência por transação;
• Modelagem típica: altamente normalizada, para evitar redundância e garantir integridade nas escritas frequentes;
• Exemplos: sistema de caixa de loja, aplicativo bancário, sistema de reservas.

📊 OLAP: processamento analítico

OLAP (Online Analytical Processing) caracteriza sistemas voltados para análise e apoio à decisão: relatórios gerenciais, painéis executivos, análise de tendências históricas.

• Operações: longas e complexas — consultas que agregam, agrupam e cruzam grandes volumes de dados (GROUP BY, JOIN pesados, funções analíticas);
• Volume de transações: baixo — poucas consultas, mas cada uma processando milhões de registros;
• Prioridade: desempenho de leitura em larga escala, não a atomicidade de escritas individuais;
• Modelagem típica: desnormalizada, geralmente em esquema estrela ou floco de neve (ver próximos resumos sobre Data Warehouse), para acelerar agregações;
• Exemplos: Data Warehouse corporativo, ferramentas de Business Intelligence, dashboards executivos.

🔀 OLTP vs. OLAP: comparação direta

• Tipo de operação: OLTP = escrita frequente e pontual; OLAP = leitura pesada e agregada;
• Modelagem: OLTP = normalizada; OLAP = desnormalizada (dimensional);
• Usuário típico: OLTP = sistema operacional/atendente; OLAP = analista/executivo;
• Janela de tempo dos dados: OLTP = estado atual; OLAP = histórico acumulado;
• Prioridade de design: OLTP = integridade e concorrência; OLAP = velocidade de agregação.

Por isso é comum uma organização manter os dois separados: um banco relacional OLTP para a operação do dia a dia, e um Data Warehouse OLAP alimentado periodicamente a partir do OLTP via processos de ETL (Extract, Transform, Load).

🔄 HTAP: unindo os dois mundos

HTAP (Hybrid Transactional/Analytical Processing) é uma categoria mais recente de SGBDs que tenta suportar cargas OLTP e OLAP simultaneamente, no mesmo sistema, sem depender de um processo de ETL separado para mover dados até um Data Warehouse.

• Motivação: eliminar o atraso (latência) entre um dado ser gravado no OLTP e ficar disponível para análise no OLAP — no modelo tradicional, esse atraso pode ser de horas ou de um dia inteiro (ETL noturno, por exemplo);
• Como funciona: tipicamente combina motores de armazenamento otimizados para ambos os padrões de acesso (linha para OLTP, coluna para OLAP) dentro do mesmo produto, ou replica dados internamente entre formatos de forma transparente;
• Exemplos de SGBDs com propostas HTAP: SAP HANA, TiDB, MemSQL/SingleStore.

⚠️ Pegadinhas comuns

• OLAP não significa “banco de dados lento”: ele é otimizado para um tipo diferente de consulta (agregação em massa), não simplesmente mais lento — para o propósito dele, é rápido;
• OLTP normalizado, OLAP desnormalizado — não o contrário: essa é a relação mais cobrada e mais fácil de inverter por engano na hora da prova;
• HTAP não substitui necessariamente o Data Warehouse: em muitos cenários corporativos, ainda faz sentido ter um DW dedicado para análises mais profundas e históricas, mesmo com HTAP cobrindo análises em tempo real sobre dados recentes;
• Nem todo NoSQL é OLAP, nem todo relacional é OLTP: a classificação OLTP/OLAP é sobre o padrão de carga de trabalho, não sobre o modelo de dados subjacente — existem bancos NoSQL usados em OLTP (ex.: DynamoDB para carrinho de compras) e relacionais usados em OLAP (ex.: um Data Warehouse construído sobre PostgreSQL).

🎯 Dica Final para a Prova

Associe o tipo de operação descrita: transações curtas, frequentes, alterando poucos registros e exigindo ACID forte → OLTP. Consultas complexas, esparsas, agregando muitos registros para apoiar decisão → OLAP. Sistema que tenta fazer as duas coisas ao mesmo tempo, no mesmo motor, sem ETL separado → HTAP.

✓ Agora que você distingue as cargas de trabalho OLTP, OLAP e HTAP, o próximo passo é fechar este primeiro bloco da trilha com uma visão panorâmica dos ecossistemas relacionais e não relacionais — o mapa geral que vai orientar todos os tópicos futuros.

📍Gostou do conteúdo? Deixe um comentário, compartilhe e continue acompanhando o Dicionário do Concurseiro para mais Resumos de TI – Banco de Dados. Aqui você encontra explicações claras, atualizadas e com foco total no que cai em prova!

👉 Leia também no Dicionário do Concurseiro: Resumo TI Banco de Dados: Visão geral de ecossistemas relacionais e não relacionais

📘 Saber se uma pergunta é sobre operar ou sobre analisar dados é o primeiro passo para escolher a ferramenta certa — e para não confundir a lógica de otimização de cada uma. Continue estudando!