考慮這樣的一個問題，一個公司有這樣的一個需求：

設計銷售領域的訂單事實表，該事實表應該包含哪些維度和度量？事實表和維表該分別如何去設計？

好了，我們把關鍵信息拿出來，首先我們要有維度包括：銷售員、銷售員所屬部門、下訂單的時間；度量：銷售量；

那么，訂單事實表，其實就是一個商品銷售的清單；

依照這個思路，我們建立的第一個模型可能是以下這樣的：

單單看上去，貌似是符合我們的問題的需要，而且符合數據庫的范式設計：沒有冗余字段；但是情況真的就是這樣嗎？

答案是否定的，確實對于一般的OLTP系統而言這樣的表設計確實減少了冗余和，增刪改查等操作也很方便，但是往往對于我們的統計系統、OLAP、數據挖掘而言，情況卻并非如此，舉個例子：我們要統計每個部門各自的銷售量為多少？那么對于上表,sql是這樣的：

select a.*,b.sid into #dep_saleser from department a,saleser_dim b on a.dep_id = b.dep_id;select count(1),a.dep_name from #dep_saleser a,order_fact b on a.sid=b.sid group by a.dep_name;

對于這么一個簡單的需求已經要寫兩了sql去實現了，其實數據庫表模型的的設計是靈活的，我們完全可以根據我們的業務去設計我們的數據表；考慮到部門和銷售員可以是同屬于銷售者這個維度，只是他們是有上下級別關系的那么依照這個思路，我們的模型可以建立為下面這樣：

那么統計每個部門各自的銷售量，可以用如下sql去實現：

select count(1),a.dep_name from saleser_dim a,order_fact bon a.sid=b.sid group by a.dep_name;

確實對于這個模型而言，有些情況下會出現冗余（填寫用戶，沒有填寫部門；填寫部門沒填寫用戶）；但是對于提取數統計的邏輯又相對來說要簡單了好多；

考慮到要實現取數簡單，我們還可以想出另外一種方法：

看上去好像不錯哦~~，取數據也就一句sql就搞掂了，但是卻是最最槽糕的情況，有可能一個銷售員，前幾天登記的部門是a，但是其實他的所屬于的部門為b，那么對于上面這個模型，我們得改動銷售員和訂單表；而對于上面的其他兩個模型都僅僅需要改動一張表就行了，造成查詢數據部一致往往也就是這種數據模型所造成的。

所謂的寬表就是字段比較多的表，包含的維度層次比較多，造成冗余也比較多，`毀范式設計`， 但是`利于取數統計`，而窄表往往對于OLTP比較合適，符合范式設計原則；

作者：Leo_wl
　　　　
出處：http://www.cnblogs.com/Leo_wl/

總結

以上是生活随笔為你收集整理的宽表和窄表的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。