DAX 性能优化实战:Performance Analyzer 定位 + 6 个改写技巧

0 阅读8分钟

DAX 性能优化的第一步不是改公式,是量。同一张报表卡,可能是 DAX 查询慢,可能是视觉对象太多,也可能是模型里有一列根本不该进来。改错地方,公式写得再漂亮也没用。

这篇按「先定位、再改写、最后看模型」的顺序讲 6 个技巧。每个都给改前和改后的写法,你能直接对照自己手上的度量值。要有人帮你把整份报表过一遍,服务 页写了范围;只是想先把手上的慢查询压下去,照着做就行,卡住了从 联系 页找我。

先定位:Performance Analyzer 看的是两段时间

视图 → 性能分析器 → 开始记录 → 刷新页面或单个视觉对象。每一行有两列关键数字:DAX 查询时间和视觉对象显示时间。

  • DAX 查询时间高:引擎在算,往下看公式和模型。
  • 视觉对象显示时间高、DAX 时间低:数据早就回来了,卡在渲染。多半是表格列太多、卡片堆太密、一页刷十几个视觉对象。
  • 两者都低但页面还是慢:查网络、网关、容量,不是 DAX。

定位到具体视觉对象后,把它的 DAX 查询复制到 DAX Studio,打开 Server Timings,再点 Clear Cache。看两个数:FE(Formula Engine,公式引擎,单线程)和 SE(Storage Engine,存储引擎,多线程)。SE 时间长,通常是扫描的数据量太大;FE 时间长,通常是公式结构复杂、迭代次数多。

注意一点:不清缓存,第二次测的是缓存结果,数字会好看到失真。

技巧 1:能算一次的,别算两次

同一个表达式在一次求值里被引用多次,用 VAR 收起来。

改前:

同比增长率 =
DIVIDE(
    [销售额] - CALCULATE([销售额], SAMEPERIODLASTYEAR('日期'[Date])),
    CALCULATE([销售额], SAMEPERIODLASTYEAR('日期'[Date]))
)

改后:

同比增长率 =
VAR 本期 = [销售额]
VAR 同期 = CALCULATE([销售额], SAMEPERIODLASTYEAR('日期'[Date]))
RETURN DIVIDE(本期 - 同期, 同期)

公式引擎不用把同一个 CALCULATE 解析两遍,公式也读得懂。

注意:VAR 不是缓存。它只在当前这一次求值里生效,不会跨行、跨视觉对象复用。别指望加几个 VAR 就把慢查询救回来——它解决的是重复计算和可读性,不是数据量。

技巧 2:迭代器只迭代该迭代的行

SUMX、AVERAGEX、MAXX 都是迭代器:对一张表逐行算,再把结果聚合。慢不慢,取决于你喂给它多少行。

改前:

大单销售额 =
SUMX(
    FILTER(Sales, Sales[Amount] > 1000),
    Sales[Amount] * Sales[Qty]
)

FILTER 会先把整张 Sales 物化成一张新表,再逐行迭代。

改后:

大单销售额 =
CALCULATE(
    SUMX(Sales, Sales[Amount] * Sales[Qty]),
    Sales[Amount] > 1000
)

布尔条件交给 CALCULATE,引擎会把它翻译成对 Sales[Amount] 这一列的筛选,不用先造表。

注意:条件跨两张表、或者需要 OR 组合时,FILTER 仍然是对的写法。但把它套在最小那张表上,别套事实表。

技巧 3:计算列、度量值、Power Query,选对计算发生的层

计算列在刷新时算一次,按行存进 VertiPaq,占内存;度量值在查询时按视觉对象的粒度算,不占存储。事实表上的计算列,几百万行就是几百万次计算,还会抬高模型体积。

改前,在 Sales 事实表加计算列:

利润 = Sales[Amount] - Sales[Cost]

改后,改成度量值:

利润 = SUM(Sales[Amount]) - SUM(Sales[Cost])

度量值只算当前视觉对象需要的那些行。

什么时候该用计算列:这一列要拿来切片、分组、做关系键,度量值做不到。即便这样,也先看 Power Query 能不能做——能在刷新前的 M 里算完的,别留到 DAX。

注意:SUM(A) - SUM(B) 和逐行相减再求和的结果一样,但涉及除法、空值、单位换算时,先确认口径再换。

技巧 4:别在度量值里做模型该做的事

有些慢,改公式救不回来,问题在模型。

  • 高基数无用列:订单号、时间戳、备注,基数几十万上百万,压缩率极低。不用就删。
  • 双向关系:筛选器传播路径变多,查询计划变复杂。需要时用 CROSSFILTER 在单个度量值里局部打开:
按客户看销售额 =
CALCULATE(
    [销售额],
    CROSSFILTER(Customer[CustomerKey], Sales[CustomerKey], BOTH)
)
  • 没标记的日期表:时间智能函数会退化成逐行扫描。日期表要连续、无重复、标记为日期表。
  • 事实表直接对事实表建关系:先想清楚粒度,多数情况该补一张维度。

之前做的 FinOps 看板有 27 个业务单元、28 个 RLS 角色,这种模型里双向关系尤其要克制:每多一条,RLS 的筛选就要多传播一次。

技巧 5:把筛选条件写简单,让引擎少猜

CALCULATE 的筛选参数越简单,引擎越容易走索引式扫描。

改前:

华东销售额 =
CALCULATE(
    [销售额],
    FILTER(ALL(Region), Region[RegionName] = "华东")
)

改后:

华东销售额 =
CALCULATE(
    [销售额],
    Region[RegionName] = "华东"
)

第二种是列筛选,引擎直接定位;第一种先解除筛选、再物化、再过滤。

注意:需要保留外部切片器时加 KEEPFILTERS;需要跨表条件时才回到 FILTER。

技巧 6:Direct Lake 慢,先查表是怎么写的

如果模型是 Direct Lake,DAX 可能根本不是瓶颈。

Data Mozart 上个月做过一组测试:同一个 5 亿行的数据集,写成七张 Delta 表,每张只改一个变量——文件数、row group 大小、V-Order、分区方式。然后用同一个 Direct Lake 模型跑同样的查询。结果很直接:数据进内存之后,七张表都在半秒内返回;差别全在冷查询,也就是把数据读进内存那一次,从 0.8 秒到 14 秒不等。

所以 Direct Lake 报表第一次打开慢、后面快,先查这几件事:

  1. 表是不是小文件太多,或者单个文件太大。
  2. 有没有开 V-Order。
  3. 分区键是不是和常用筛选对得上。
  4. 容量有没有触发 guardrail,导致表被踢出内存。

这些都不是 DAX 能解决的。改公式之前,先确认慢在哪一层。

常见问题

用了 VAR,为什么没变快? VAR 只避免同一次求值里的重复计算,不会减少扫描的行数。如果瓶颈是 SE 时间,也就是读数据的量,VAR 帮不上。先看 Server Timings 里 FE 和 SE 谁占大头。

计算列一定比度量值慢吗? 不是一定,但代价不同。计算列在刷新时算、按行存、占内存;度量值在查询时算、不占存储。事实表上的高基数计算列最容易拖慢模型。维度表上几十行的计算列,影响可以忽略。

DAX Studio 里 FE 和 SE 分别是什么? FE 是公式引擎,负责解析公式、做上下文转换和迭代,单线程;SE 是存储引擎,负责扫描和聚合 VertiPaq 数据,多线程。SE 时间长说明读得太多,FE 时间长说明算得太碎。

报表第一次打开慢,第二次快,是 DAX 问题吗? 多数不是。第一次要把数据读进内存,后面命中缓存。Import 模型看容量和内存,Direct Lake 看表文件和 framing。这种情况改 DAX 基本无效。

我的判断

优先级排一下:

必学:Performance Analyzer 和 DAX Studio 的 Server Timings。不会量,就只能猜。这两个工具半小时能上手,收益比背二十个函数大。

必学:VAR。哪怕不提速,公式的可读性也值回票价。团队协作里,一条能一眼看懂的度量值比省 50 毫秒重要。

可选:SUMX、FILTER 的改写。数据量在百万行以下、页面响应在 2 秒以内,别折腾。到了千万行、或者 SE 时间明显偏高,再按第 2、5 条改。

优先级最高但最容易被跳过:模型层。删无用列、克制双向关系、标记日期表,这三件事的收益通常比改十条公式大。想先看一份模型检查清单,博客 里有更细的拆解。

什么情况下别做:报表只有几十万行、刷新和打开都在 2 秒内,优化是浪费。Direct Lake 冷查询慢,也别从 DAX 下手——先去看 Delta 表是怎么写的。

你手上最慢的那个视觉对象,DAX 查询时间和显示时间各是多少?先看这两个数,再决定改哪里。


你们团队现在怎么做的?评论区聊聊。

关于作者

Jevon Zhu,成都 Power BI 顾问。 从业 10 年,世界 500 强公司 BI 开发者。 报表开发 · 语义模型与 DAX · 企业培训。 B 站「人人都爱PowerBI」。

个人站点:ipowerbi.icu