数据库设计的一个根基就是要弄清楚数据库的类型。
当今的数据处理大致可以分成两大类：联机事务处理OLTP（on-line transaction processing在线事务处理，联机事务处理）、联机分析处理OLAP（On-Line Analytical Processing在线分析处理，联机分析处理）。
OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。
OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。
这两类系统在数据库的设计上是如此不同，甚至有些地方的设计是貌似相悖的。比如OLTP系统强调数据库的内在效率，强调内存各种指标的命中率，强调绑定变量，强调并发操作；而OLAP系统则强调数据分析，强调SQL执行时长，强调磁盘I/O，强调分区等。因为这些区别，在数据库设计的阶段，弄清楚数据库类型是至关重要的，只在在这个前提之下，才能够讨论数据库的具体设计，否则设计必须是盲目的,"皮之不存毛将焉附".
OLTP：用户并发数都很多，但他们只对数据库做很小的操作，数据库侧重于对用户操作的快速响应，这是对数据库最重要的性能要求。
对于一个OLTP来讲，数据库内存的设计显得很重要，如果数据库可以在内存中处理，那么数据库的性能无疑会提高很多。内存的设计通常是通过调整Oracle和内存相关的初始化参数来实现的，比较重要的几个是内存相关的参数，包括SGA的大小（Data Buffer,Shared Pool)、PGA大小(排序区，Hash区等）,这些参一个OLTP系统里显得至关重要，OLTP系统是一个数据块变化非常频繁、SQL语句提交非常频繁的系统。对于数据块来说，应尽可能让数据块保存在内存当中，对于SQL来说，尽可能使用变量绑定技术来达到SQL的重用，减少物理I/O和重复的SQL解析，能极大地改善数据库性能。
常见的OLTP系统有：门票在线销售系统，银行交易等。
OLAP：相对于OLTP用户并发数较少，内存可以优化的余地较小，甚至觉得增加CPU处理速度和磁盘I/O速度是最直接的提高数据库性能的方式方式，但这将意味着成本的增加。实际上，用户对OLAP系统性能的期望远远没有对OLTP性能的期望那么高。在OLAP系统中，SQL的优化显得非常重要,分区技术在OLAP数据库中很重要。
OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。
联机分析处理（OLAP,On-line Analytical Processing），数据量大，DML少。使用数据仓库模板
联机事务处理（OLTP,On-line Transaction Processing），数据量少，DML频繁。使用一般用途或事务处理模板
业务性数据库 比较流行的有：MySQL, Oracle, SqlServer等，在一般的网站中用的很多，起到基础性的作用！
当需要依靠数据量决策的时候，需要从业务数据库转化到数据仓库的阶段
分析性数据库 即数据仓库 比较流行的有：AWS Redshift, Greenplum, Hive等，目标是对已有数据资源的优化分析，辅助决策。
分析性数据库 即数据仓库 比较流行的有：AWS Redshift, Greenplum, Hive等，目标是对已有数据资源的优化分析，辅助决策。