【翻译】凝视深渊：千核并发控制的评估
本文探讨了多核芯片上OLTP工作负载的并发控制问题。作者实现了七种并发控制算法，并通过模拟器将其扩展到1024个核心，以评估其性能。研究发现，所有算法在大规模核心环境下均无法有效扩展，主要瓶颈包括锁抖动、死锁检测、时间戳分配等。实验结果表明，在高争用场景下，非等待死锁预防方案（如NO_WAIT）表现优于死锁检测方案（如DL_DETECT）。基于时间戳排序（T/O）的算法在处理复杂OLTP工作负载时表现较好，但在高吞吐量下受限于时间戳分配瓶颈。作者建议未来需硬件与软件协同设计的新架构来解决这些瓶颈，以充分利用多核芯片潜力。此外，还应探索日志记录和索引实现等方面的优化，以构建真正可扩展的DBMS。
深入剖析 OALP 与 OLTP：概念、区别、技术、场景
本文深入剖析了OLTP（在线事务处理）与OLAP（在线分析处理）的概念、区别、技术及应用场景。OLTP专注于实时业务操作，确保数据一致性和高效性，适用于金融、电商等行业；OLAP则侧重于历史数据分析，支持复杂查询和多维分析，助力企业决策。两者在数据特点、系统设计、用户类型及数据库设计上存在显著差异。合理结合OLTP和OLAP，可提升企业的运营效率和决策水平。
YashanDB混合存储大揭秘：行式存储设计如何为高效TP业务保驾护航
数据库底层组织数据的方式主要分为行式存储和列式存储两大类。YashanDB在存储引擎设计上采用融合架构，基于统一存储底座构建了不同的存储结构，支持In-place Update行式存储，适应在线事务处理场景(OLTP)；支持原位更新（In-place Update）和追加式（Append-only）两种列式存储，具备原生混合负载处理能力(HTAP)和海量数据分析能力(OLAP)。
YashanDB混合存储大揭秘：行式存储设计如何为高效TP业务保驾护航
数据库底层组织数据的方式主要分为行式存储和列式存储两大类。YashanDB在存储引擎设计上采用融合架构，基于统一存储底座构建了不同的存储结构，支持In-place Update行式存储，适应在线事务处理场景(OLTP);支持原位更新(In-place Update)和追加式(Append-only)两种列式存储，具备原生混合负载处理能力(HTAP)和海量数据分析能力(OLAP)。
OLAP技术：数据分析的修仙秘籍初探
OLAP（联机分析处理）是一种多维数据分析技术，能够从不同角度洞察数据，揭示隐藏的趋势和模式。它最早由Edgar F. Codd在1993年提出，旨在弥补传统OLTP系统的不足，支持复杂的数据分析与决策支持。OLAP操作包括钻取、上卷、切片、切块和旋转等，帮助用户灵活地探索数据。广泛应用于财务报告、市场分析、库存管理和预测分析等领域，是现代商业智能的重要工具。