BI 性能调优：为什么你应该在维度表（主表）中编写度量值？

🤬 场景需求

很多制造业财务在搭建 BI 模型时，习惯把所有的度量值（如：总产值、平均单耗、毛利额）全都塞进“事实表（流水表）”里，甚至直接在事实表里新建计算列。当数据量达到百万级，或者需要跨多个事业部进行复杂维度穿透时，你会发现报表渲染变得奇慢无比，刷新一次要等好几分钟，严重影响决策效率。

💡 知识点破局

在 DAX 建模中，遵循“度量值归属于维度表或独立度量值表”的原则，是性能优化的基石。

1. 减少引擎扫描开销：
DAX 引擎是列式存储。如果你在包含数百万行、数十个字段的事实表中编写度量值，虽然结果正确，但引擎在定位和元数据查询时会产生不必要的负担。将度量值逻辑与维度关联，能更好地利用关系传递。

2. 优化上下文转换 (Context Transition):
当度量值在计算列中被调用，或者配合 SUMMARIZE 等函数使用时，如果度量值位于事实表，容易触发低效的行上下文到筛选上下文的转换。

// 推荐写法：在度量值表中使用显式引用
Total_Sales = SUM('Fact_Sales'[Amount])

3. 提升模型的可读性与维护性：
使用“独立度量值表（Measure Table）”管理公式，通过“维度表”进行业务归类（如产品维度度量、日期维度度量），可以防止流水表字段过多导致的混乱。

⚠️ 避坑提醒

• 严禁在事实表建“计算列”：** 事实表计算列（Calculated Column）会消耗极大的内存（RAM），并降低压缩率。除非该列必须作为“切片器”或“坐标轴”使用，否则一律改用度量值（Measure）。
• 注意关系方向：** 度量值计算时，确保筛选器是从“1”端维度表流向“*”端事实表。避免使用单向关系下的反向聚合，这会迫使引擎执行低效的跨表扫描。
• 度量值表的小秘密：** 在 Power BI 中创建一个空表作为度量值容器，并将字段隐藏，它会自动变成带计算器图标的特殊表，这才是专业选手的建模姿势。