Online Transaction Processing (OLTP)

Was ist OLTP (Online Transaction Processing)?

OLTP (Online Transaction Processing) ist eine Klasse von Softwareprogrammen, die transaktionsorientierte Anwendungen unterstützen können. In der Informatik ist eine Transaktion eine Abfolge von diskreten Informationsaustauschen, die als Einheit behandelt werden. Viele alltägliche Handlungen enthalten OLTP, darunter Online-Banking, Online-Shopping und sogar Einkäufe im Laden, wenn das POS-Terminal (Point of Sale) mit einer Bestandsverwaltungssoftware verbunden ist.

Wichtiges Merkmal eines OLTP-Systems ist die Einhaltung der ACID-Eigenschaften (Atomicity, Consistency, Isolation und Durability). Atomizität garantiert, dass der Prozess nicht fortgesetzt wird, wenn ein Schritt während der Transaktion unvollständig ist oder fehlschlägt. Isolation stellt sicher, dass mehrere Benutzer gleichzeitig Transaktionen ausführen können, ohne dass sich deren Ergebnisse gegenseitig beeinflussen. Damit eine Transaktion erfolgreich abgeschlossen werden kann, müssen alle Datenbankänderungen dauerhaft sein, eine Bedingung, die in der Informatik als Durability (Dauerhaftigkeit) bezeichnet wird.

Um einzelne Fehlerquellen zu vermeiden und eine höhere Verfügbarkeit zu erreichen, können OLTP-Systeme auch verteilt ausgelegt sein. Google Cloud Spanner ist beispielsweise ein verteilter relationaler Datenbankdienst, der auf Google Cloud läuft. Er wurde entwickelt, um die globale Online-Transaktionsverarbeitung zu unterstützen.

So funktioniert OLTP

Bei OLTP werden Transaktionsdaten erfasst, verarbeitet und eine Backend-Datenbank aktualisiert, um die neuen Eingaben widerzuspiegeln. Während die Anwendungen komplex sein können, sind diese Aktualisierungen in der Regel einfach und betreffen nur wenige Datenbankdatensätze.

Zur Verwaltung von OLTP wird häufig ein relationales Datenbankmanagementsystem (DBMS) verwendet. Relationale Datenbanken sind eine gute Option für OLTP, da hierfür eine Datenbank erforderlich ist, die eine große Anzahl von Abfragen und Aktualisierungen verarbeiten kann und gleichzeitig schnelle Antwortzeiten unterstützt.

OLTP wird für die Ausführung von Online-Datenbanktransaktionen verwendet, die von Mitarbeitern mit Kundenkontakt wie Kassierern und Bankangestellten generiert werden. Selbstbedienungsanwendungen für Kunden wie Online-Banking, Reisen und E-Commerce generieren ebenfalls Datenbanktransaktionen und sind mit OLTP-Systemen verbunden. Online-Transaktionsverarbeitungssysteme verwenden in der Regel eine dreistufige Architektur, die aus Präsentations-, Anwendungs- und Datenebenen besteht.

Merkmale von OLTP

OLTP-basierte Anwendungen weisen eine Reihe von Merkmalen und Funktionen auf. Dazu gehören die folgenden:

• hohe Anzahl gleichzeitiger Benutzer, die auf Daten zugreifen
• häufige Datenänderungen
• Datenintegrität durch Transaktionskontrolle, sodass konkurrierende Zugriffe korrekt verarbeitet werden
• Transaktionen, die in der Regel nur wenige Datenbankdatensätze und geringe Datenmengen umfassen
• einfache Transaktionen wie Datenaktualisierungen, Einfügungen, Löschungen und einfache Abfragen
• indizierte Datensätze für schnelle Suche, Abfrage und Abruf
• schnelle Antwortzeiten, die in der Regel in Millisekunden gemessen werden
• hohe Verfügbarkeit, da Ausfallzeiten in einer OLTP-Anwendung negative Folgen wie Umsatzverluste haben können

OLTP vs. OLAP

Es ist wichtig, zwischen OLTP-Datenbanken und Online-Analytical-Processing-Datenbanken (OLAP) zu unterscheiden. Um eine Brücke zwischen den beiden Systemen zu schlagen, können Extraktions-, Transformations- und Ladeprozesse regelmäßig Daten aus einer OLTP-Datenbank in eine OLAP-Datenbank verschieben.

OLTP

OLTP-Systeme wurden ursprünglich nur für die Verarbeitung von Betriebsdaten entwickelt. Sie verarbeiten verschiedene Arten von Abfragen und sind auf oberflächliche Transaktionen ausgerichtet.

Heute sind einige In-Memory-Datenbanken in der Lage, speicheroptimierte Tabellen mit Transaktionsdaten zu verarbeiten, die im Systemspeicher gespeichert sind, anstatt sie aus dem Festplattenspeicher abrufen zu müssen. Dieser Ansatz wird als In-Memory-OLTP bezeichnet.

OLTP-Transaktionen liefern Daten, die von OLAP-Systemen analysiert werden. Die Ergebnisse der Analyse werden dann verwendet, um die Funktionsweise des OLTP-Systems zu ändern.

OLAP

OLAP-Datenbanken verarbeiten alle analytischen Prozesse. Sie sind in der Regel für schreibgeschützte Abfragen optimiert und auf „Was-wäre-wenn“-Überlegungen, komplexere Abfragen und tiefgreifendere Geschäftsanalysen ausgerichtet.

Die aus OLAP-Systemen gewonnenen Business-Intelligence-Erkenntnisse (BI) können zur Gestaltung der OLTP-Strategie eines Unternehmens genutzt werden.

Vorteile und Herausforderungen von OLTP

OLTP-Systeme bieten Anwendern mehrere Vorteile, bringen aber auch Herausforderungen mit sich.

Vorteile

Wie bereits erwähnt, sind die ACID-Eigenschaften die Hauptvorteile von OLTP. Zusammen sorgen sie für Ordnung bei Echtzeit-Online-Transaktionen mit den folgenden Funktionen:

• Parallelität ist die Fähigkeit, mehrere Benutzer gleichzeitig zu bedienen. Wenn ein Benutzer gleichzeitig mit einem anderen eine Transaktion durchführt, stellt die OLTP-Anwendung durch geeignete Synchronisationsmechanismen sicher, dass sich diese nicht überschneiden und dass jede Transaktion korrekt berücksichtigt wird.
• Die Einhaltung der ACID-Kriterien (Atomicity, Consistency, Isolation und Durability) ermöglicht es OLTP-Anwendungen, Transaktionen ordnungsgemäß zu verwalten.

Diese Eigenschaften bieten Unternehmen mehrere Vorteile, darunter die folgenden:

• Geschäftseinblicke. Die aus OLTP-Transaktionen gesammelten Daten können zur Verbesserung der Geschäftsanalyse und -intelligenz verwendet werden. Diese Analyse kann zusammen mit der einer OLAP-Anwendung sowohl die OLTP- als auch die Geschäftsstrategien eines Unternehmens verbessern.
• Benutzerfreundlichkeit. OLTP-Systeme sind einfach, zuverlässig und bequem zu bedienen, was neue Kunden anzieht.
• Geschwindigkeit. Diese Systeme führen Geschäftstransaktionen schnell und zuverlässig aus.

Herausforderungen

Trotz ihrer Vorteile gibt es Herausforderungen und Mängel bei OLTP-Systemen, wenn sie nicht richtig konzipiert und verwaltet werden. Dazu gehören die folgenden:

• Datenüberlastung. Zu viele Daten können es für Unternehmen schwierig machen, aussagekräftige Geschäftseinblicke in einer Backend-OLAP-Datenbank oder einem Data Warehouse zu verarbeiten.
• Datensilos. Da jede Anwendung über eine eigene Datenbank verfügt, werden die Daten in Silos getrennt und können nur schwer zwischen den Anwendungen ausgetauscht werden.
• Eingeschränkte Analyse. OLTP-Anwendungen sind für schnelle, einfache Datenbanktransaktionen ausgelegt und eignen sich nicht so gut für strengere Analysen.
• Probleme bei der Skalierung. Während auch kleine und mittlere Unternehmen OLTP nutzen, erfordern sehr große Transaktionsvolumina spezielle Architekturen und leistungsfähige Hardware.
• Hardwarebezogene Mängel. Wenn etwas mit der Hardware passiert – beispielsweise mit dem Server, auf dem die relationale Datenbank gehostet wird –, werden die kundenorientierten Prozesse stark beeinträchtigt.

Beispiele für OLTP-Systeme und -Transaktionen

OLTP-Systeme werden in einer Vielzahl von Branchen eingesetzt und sind in vielen kundenorientierten Systemen zu finden. Einige gängige Beispiele für Systeme, die OLTP verwenden, sind:

• Geldautomaten, Finanztransaktionssysteme und Online-Banking-Anwendungen
• Online-Buchungs-, Ticket- und Reservierungssysteme
• Anwendungen zur Datenerfassung, zum Beipiel Gesundheitsakten, Bestandskontrolle und Produktionsplanung

Ein Beispiel für eine OLTP-Transaktion wäre ein Geldautomat. In diesem Szenario teilen sich zwei Personen ein gemeinsames Bankkonto. Sie gehen etwa zur gleichen Zeit zu Geldautomaten an verschiedenen Orten und versuchen, das gesamte Geld auf dem gemeinsamen Konto abzuheben. Das OLTP-System verarbeitet diese Transaktion in Echtzeit. Es ermöglicht die Abhebung an dem Geldautomaten, der den Authentifizierungsprozess zuerst abschließt, und verarbeitet dann die zweite Anfrage und lehnt sie schließlich ab.

Trends beim OLTP

Die heutigen Big-Data-Speicher sind zu komplex und umfangreich, als dass ältere OLTP-Systeme sie verarbeiten und daraus sofort Erkenntnisse gewinnen könnten. Um die riesigen Datenmengen, mit denen Unternehmen zu tun haben, erfolgreich nutzen zu können, müssen die tiefergehenden Verarbeitungsfähigkeiten von OLAP mit der Fähigkeit von OLTP, Daten schnell zu analysieren, zusammengeführt werden.

Daher könnten Unternehmen auf fortschrittlichere Datenverarbeitungstechnologien wie Predictive Analytics und Datenstrukturen wie probabilistische Datenbanken zurückgreifen, die nur unter bestimmten Bedingungen aufgezeichnete Daten verarbeiten.

Dennoch werden OLTP-Systeme wahrscheinlich auf absehbare Zeit in vielen Transaktionsanwendungen und in Fällen eingesetzt werden, in denen eine Zusammenführung der Echtzeitfunktionen von OLTP und OLAP nicht möglich ist.