了解数据库和数据仓库的区别之前，首先掌握三个概念：数据库软件、数据库、数据仓库。
一种软件，可以看得见可以操作的系统，用来实现数据库逻辑功能，属于物理层。Oracle、MySQL、Redis、Neo4j、MongoDB等等，还有一些可视化界面Navicat、Hue等。
一种逻辑概念，用来存放数据的仓库。通过数据库软件来实现。数据库由很多表组成，表是二维的，可以表现多维，一张表里可以有很多字段。目前市面上的数据库还都是二维数据库。如：Oracle、MySQL、DB2等。
在IT架构体系中，数据库是必须存在的。必须是有地方存放数据。比如现在的电商，物品的存货数量，用户信息等。数据库在生产环境就是用来干活的，凡是跟业务应用挂钩的，都会使用到数据库。
数据库的概念的升级。从逻辑上理解，数据库和数据仓库没有区别，都是通过数据库软件实现的存放数据的地方。只不过从数据量来讲，数据仓库要比数据库大得多。数据仓库主要用于数据挖掘和数据分析，辅助领导做决策。
数据仓库是商业智能(BI)下的其中一种技术。由于数据库是跟业务应用挂钩的，所以一个数据库不可能装下一家公司的所有数据。数据库的表设计往往是针对某一个应用设计得。如果需要分析数据，就得重新设计数据库的表结构。对于数据分析和数据挖掘，引入数据仓库的概念，数据仓库的表结构是依照分析需求、分析维度、分析指标进行设计得。
数据库与数据仓库的区别实际讲的是OLTP与OLAP的区别。
操作型处理：叫联机事务处理OLTP（On-Line Transaction Processing），也可以称面向交易的处理系统，它是针对具体业务在数据库联机的日常操作，通常对少数记录进行查询、修改。用户较为关心操作的响应时间、数据的安全性、完整性和并发支持的用户数等问题。传统的数据库系统作为数据管理的主要手段，主要用于操作型处理。
分析型处理：叫联机分析处理OLAP（On-Line Analytical Processing）一般针对某些主题的历史数据进行分析，支持管理决策，ETL。
| OLTP | OLAP |
|---|---|
| 细节的 | 综合的 |
| 实体-关系(三范式) | 星型模型、雪花模型 |
| 存取瞬间数据 | 存储历史数据 |
| 可更新的 | 只读、追加 |
| 一次操作一个单元 | 一次操作一个集合 |
| 响应性能要求高 | 性能要求宽松 |
| 面向事务 | 面向分析 |
| 一次操作数据量小 | 一次操作数据量大 |
| 支持日常操作 | 支持决策需求 |
| 数据量小 | 数据量大 |