OLAP 引擎与模型选择
传统分类按建模方式划：ROLAP 用关系表与聚合按需计算，灵活但依赖查询引擎能力；MOLAP 预先算好多维立方体，查询很快但加载与存储成本高；HOLAP 在关系层存明细、在立方体层存聚合。工程上更实用的分法是问“这批查询固定还是随意”：并发高的固定报表走预聚合（汇总表、物化视图、预计算立方体），维度组合随意的探索分析走明细加即席引擎（Trino、Spark SQL），要求秒级的实时看板则在写入侧先聚合或选择列存 OLAP 引擎（ClickHouse、Doris、StarRocks）。
基本信息
| ROLAP | 关系表加聚合视图，按需计算，灵活度高 |
|---|---|
| MOLAP | 预聚合立方体，查询快、加载与存储成本高 |
| HOLAP | 明细在关系层、聚合在立方体层，混合 |
| 即席引擎 | Trino、Spark SQL、Presto 系，适合探索分析 |
| 列存 OLAP | ClickHouse、Doris、StarRocks，适合高并发点查与实时聚合 |
典型使用场景
- 固定报表与看板：高并发同口径查询，用预聚合或物化视图承接
- 临时取数与探索：分析师要的维度事先不知道，走即席引擎查明细
- 实时大屏：要求秒级刷新，选择列存 OLAP 或在写入侧做流内聚合
- 明细回溯：出问题时需要下钻到单条记录，保留明细层与即席查询能力
- 成本权衡：把低频重查询固化到汇总表，减少对明细层的重复扫描
选择清单
选择清单
查询并发高、报表固定 → 预聚合模型（汇总表或物化视图）
分析维度随意、探索性强 → 明细 + 即席引擎（Trino / Spark SQL）
实时看板要求秒级 → 写入侧聚合或列存 OLAP 引擎
需要明细下钻与对账 → 保留明细层，不要只留聚合结果
混合负载 → 汇总层服务固定报表，明细层服务探索与回溯建模方式对照
| 方式 | 数据组织 | 优势 | 代价 |
|---|---|---|---|
| ROLAP | 关系表加聚合 | 灵活、明细可下钻 | 大范围查询依赖引擎能力 |
| MOLAP | 预计算立方体 | 查询极快 | 预计算范围有限、重建成本高 |
| HOLAP | 混合 | 兼顾明细与聚合 | 架构复杂度上升 |
| 列存 OLAP | 列式存储加索引 | 高并发聚合快 | 写入与更新模式受限 |
预聚合层要跟随口径变化重建，把预聚合清单纳入调度与变更流程，否则报表会展示过期数字而没人察觉。
跳过明细层直接建大量立方体的路线风险很高：口径一变就要全部重建，且出问题时无法下钻到原始记录核对。
选型不要只看查询速度：写入模式、并发规模、运维成本与团队熟悉度同样关键，切换引擎带来的迁移与培训成本常被低估。