125_Power BI 中 DAX 的性能测试

一、背景

最近在看DAX“圣经”第二版《The Definitive Guide to DAX (2nd ed.)》的时候，迭代函数并不慢。所以今天我们来用实验来验证一把。

二、实验过程

1、一个1000万的数据，数据好看出差异。

看到1000万行了吗？

还有一个维度表

关系

实验电脑配置

2、把度量写好。

//1、基础度量
total = SUM(data[NUM]) 

//2、SC
_sum_calculate =
CALCULATE ( SUM ( data[NUM] ), 'dim'[DIM] = "A", 'data'[ID] < 50000001 )

//3、SCV
_sum_calculatetable_var =
VAR T1 =
CALCULATETABLE ( 'dim', 'dim'[DIM] = "A" )
VAR T2 =
CALCULATETABLE ( 'data', 'data'[NUM] < 5000001 )
VAR V =
CALCULATE ( SUM ( data[NUM] ), T1, T2 )
RETURN
    V

//4、SF
_sum_filter =
CALCULATE (
SUM ( data[NUM] ),
FILTER ( 'dim', 'dim'[DIM] = "A" ),
FILTER ( 'data', 'data'[NUM] < 5000001 )
)

//5、SFV
_sum_filter_var =
VAR T1 =
FILTER ( 'dim', 'dim'[DIM] = "A" )
VAR T2 =
FILTER ( 'data', 'data'[NUM] < 5000001 )
VAR V =
CALCULATE ( SUM ( 'data'[NUM] ), T1, T2 )
RETURN
    V

//6、TC
_total_calculate =
CALCULATE ( 'measure'[total], 'dim'[DIM] = "A", 'data'[ID] < 50000001 )

//7、TCV
_total_calculatetable_var =
VAR T1 =
CALCULATETABLE ( 'dim', 'dim'[DIM] = "A" )
VAR T2 =
CALCULATETABLE ( 'data', 'data'[NUM] < 5000001 )
VAR V =
CALCULATE ( 'measure'[total], T1, T2 )
RETURN
    V

//8、TF
_total_filter =
CALCULATE (
'measure'[total],
FILTER ( 'dim', 'dim'[DIM] = "A" ),
FILTER ( 'data', 'data'[NUM] < 5000001 )
)

//9、TFV
_total_filter_var =
VAR T1 =
FILTER ( 'dim', 'dim'[DIM] = "A" )
VAR T2 =
FILTER ( 'data', 'data'[NUM] < 5000001 )
VAR V =
CALCULATE ( 'measure'[total], T1, T2 )
RETURN
    V

3、每个度量都拉到画布中，同时打开性分析器，测试了20组。(visual名称是度量首字母简写，难得写。)

4、把测试数据导出，得到我们要的实验数据。

5、同时我们看到了底层计算逻辑其实都一样，只有一点细微的差别。

6、数据导回PBI，我们看看最后的结果怎么样。

三、总结

1、加入测试：calculate第一参数用基础度量更快，还是用直接聚合更快；

2、无论是单纯的查询时间还是总的时间，calculate第一参数用基础度量会更快(如：TF,SF;TC,SC)；

3、在查询中迭代函数的速度并不慢（如：TC,TF）；

4、用var要比直接套用慢（如果：TF,TFV）

5、最后我们看到底层计算逻辑都是一样，还是有细微差别，在做pbi项目的时候，动辄上百个的度量，一点点效率的累计，最终会有很大的时效收益。