网上的OLTP和OLAP资料很多，我也了解他们的内容和用途，但是对于实际的应用，还是无法结合，有几点疑问，恳请大家解惑
1、我们平常设计数据库时，基本都是OLTP类型，而如果需要大数据量的查询，才考虑加入OLAP，是吗？
2、如果目前有OLTP，现在需要加入OLAP，那么OLAP是和OLAP使用相同的数据库，但是重新建立适合OLAP的数据库架构？
3、同2，如果重新建立OLAP的数据库，那么OLAP所需的动辄几十T，上百T的数据如何从OLTP的数据库中获取？
4、如果对OLTP和OLAP有什么看法或者建议，请指点一二。
------解决思路----------------------
首先，定义给出，OLTP（on-line transaction process）联机事务处理，OLAP(on-line analytic process)联机分析处理。前者用于业务处理，强调系统的快速、稳定、以及一致性。后者用于企业分析处理，强调业务的表达以及分析交互性，后者的数据通常来源与前者。
他们的产生要追溯到蛮久之前了，最开始阶段，约莫60年代时，是只有OLTP的，发展到了90年代，93年的时候，跟现在很多企业以及能认识到的一样，关系数据库之父E.F.CODE认为OLTP已满足不了企业的数据查询分析统计等需求，提出了多维数据库多维分析的概念，他发表了OLAP的12项准则，由此OLAP的概念便慢慢被行业接受开来。
对应到我们现在的BI项目里，OLTP系统通常会指的是我们的各个业务系统，用户在其中每天进行着重复的操作，单据录入，档案维护，使得企业业务运营正常展开，OLAP系统可指我们的多维数据库，亦可以意指我们的BI系统，具体情况下会有不同意思。强调的是用于分析的系统，用于监控企业运用，发现问题，分析问题。
OLAP又可分为MOLAP、ROLAP、HOLAP，MOLAP存定义存聚合数，ROLAP通常存定义不存聚合（有时也有聚合表），HOLAP介于上述两者之间。
大概10年前的时候,MOLAP是很流行的，大部分项目中都要配置OLAP数据库，即多维数据库，那些年将BI的技术定义为三大块：数据仓库、OLAP、数据挖掘，也是这个情况了。十年河东十年河西，果然，现在很多企业都放弃了MOLAP，转向ROLAP产品了，这一状况，也与现在硬件的升级，内存等资源的性价比更合理有关。现在的主流产品，BIEE、BO、COGNOS的FM，都是类ROLAP的，微软SSAS、ORACEL收购的HYPERION的ESSBASE(不知还有无，以前真的很火），COGNOS TR，SAP BW等，都以MOLAP为基础的。至于现在新出现的Qlikview，设计为在内存中进行关联组合查询，就有点不太好归类了。
------解决思路----------------------
大部分数据库都是oltp的，也就是用于事务处理的，举个例子，比如 淘宝，我们经常去买东西，那么会产生一大堆的交易数据，这个就是oltp产生的，对于我们这些买家，我们可以经常查询之前买了多少东西，所以这个是最基础的系统。
而对于卖家，淘宝开发了 olap系统，也就是把很多数据集中起来，进行计算，这样就能给卖家提供分析报告，卖家每个月订阅这个服务，他就能看到 这段时间，那些品类卖的好，哪些单品卖的好，价格区间是多少，客户在买A产品时，也会买B产品，或者是否是因为 有促销，才使得销量上升等等，这些信息对你卖家的经营决策很有帮助，能产生价值。
1、我们平常设计数据库时，基本都是OLTP类型，而如果需要大数据量的查询，才考虑加入OLAP，是吗？
oltp一般都是交易性操作，查询少量数据，查询速度快，而查询大量数据的，一般都是报表，对于报表要加快查询速度，有很多方法，不一定要加入olap，我们公司 就只有一个数据库。
2、如果目前有OLTP，现在需要加入OLAP，那么OLAP是和OLAP使用相同的数据库，但是重新建立适合OLAP的数据库架构？
从长远的角度，还是建议设计一个单独的olap系统，可以使用相同的数据库，也可以使用不同的，这个问题不大的，看你熟悉那个数据库，性价比高的。
既然是要用单独的数据库，那就重新设计olap的数据库，其实就是你要设计有哪些表，每个表里有哪些字段，哪些是维度表（分析问题的角度，就是从哪些角度来看问题），哪些是事实表（交易数据）等等。
3、同2，如果重新建立OLAP的数据库，那么OLAP所需的动辄几十T，上百T的数据如何从OLTP的数据库中获取？
如果真是有上百T的数据，那也要加载到olap中，这个没有什么办法。
就算你用现在开源的hadoop ，也要一步一步的加载数据到 系统中，然后每天还要运行加载任务，把新增量的数据加载到系统中，加载的间隔，要看你分析的需求。
只是数据量一旦大了，单机处理不了几百T的数据，或者速度慢了，或者成本投入太大了，可以考虑用hadoop，本质上没有什么区别，只是这个大数据处理工具，一开始就考虑到了数据量大的问题，所以开始用 分布式存储，分布式处理，并行处理等手段很方法，加快处理速度。
4、如果对OLTP和OLAP有什么看法或者建议，请指点一二。
根据你的业务需求来设计系统，公司的领导要看什么样的数据，就怎么设计系统，当然要考虑以后的扩展性，一开始就尽力设计好，同时考虑到性能的问题，就是你的数据量有多大。