OLTP Online Transaction Process   
OLAP Online Analyze Process  
HATP Hybird Analyze Transaction Process   例如TiDB、OceanBase等


OLTP数据库设计时使用实体-关系模型（Entity-Relationship Model，E-R Model ER模型）
ER模型的建模过程中有一个非常重要的规范化过程
规范化的目的在于通过一系列手段使得数据库设计符合数据规范化（Normal Form，NF）的原则
规范化是将数据表从低范式变成高范式的过程
一般情况下，OLTP中通常将数据规范化为第三范式（3NF）


第一范式 表中的每个属性都不可分割
第二范式 在第一范式的基础上，表中的所有属性都被主键的所有部分唯一确定
用户标签表 
用户ID和标签ID组成主键，标签名称 只依赖于标签ID，用户所在地只依赖于用户ID
这两个属性都不依赖由用户ID和标签ID组成的主键，从而不满足第二范式

第三范式 在第二范式的基础上，表中的属性不依赖除主键外的其他属性

不满足第一范式的所有情况都被称为第零范式


高范式的表适合事务处理，而低范式的表适合分析处理。
数仓建模就是一个逆规范化的过程，将来自原始业务数据库的规范化数据还原为低范式的过程，从而用于快速分析。
宽表就是一个低范式的表,将所有相关联的列全部都整合到一张表中，这样就不需要进行join操作了
这样做的缺点就是数据冗余

维度建模
基于事实表和维度表构建数据仓库
三层数据架构
ODS 层 Operational Data Store，运营数据存储 
DW  层 Data Warehouse，数据仓库
ADS 层 Application Data Service，应用数据服务 

ODS层的数据结构和业务数据库保持一致，复制一份数据到ODS层，避免建模过程直接访问业务数据库 
ODS层的数据 清洗、建模，最终生成DW层 
低范式的数据作为DW层的数据，对外提供分析服务

DW层可再次细分
DWD Data Warehouse Details 数据仓库明细层
DWM Data Warehouse Middle  数据仓库中间层 
DWS Data Warehouse Service 数据仓库服务层

ODS层的数据通过清洗后存储到DWD层，DWD层本质上是一个去除了脏数据的高质量的低范式的数据层
DWD层的数据通过聚合，形成宽表并保存到DWM层中
在某些场景中，可以对DWM层的数据进行业务重新聚合，以支持更复杂的业务，生成的数据保存到DWS层中

ADS层保存供业务使用的数据的结果，DW层的数据可以用于OLAP分析，
但分析过程通常比较慢，无法支撑实时的业务需求，因此需要引入ADS层作为缓存 
ADS层是可选的， ClickHouse的高性能计算引擎可以在一定程度上取代ADS层