优化互斥计算

        本内容基于SQLBI官方文献整理的简体笔记 -- Power 零售 BI

      本文介绍如何使用优化：可能会导致查询性能下降的互斥（相互排斥）计算的DAX表达式 。
      在以前的文章中，我们讨论了变量的重要性以及如何运用其优化IF函数模式，以减少对同一表达式或度量的多次计算。 但是，有些情况下，在同一表达式的不同定义分支中（比如由IF定义的多个条件结果）执行的计算似乎很难被优化。 例如，请考虑以下模式：

Amount := IF (<Condition>, [Credit],  [Debit])-- 如果符合条件，则计算[Credit]，否则计算[Debit]。

      这种涉及到度量A和B的情况，似乎没有任何可能的优化。 然而，通过考虑两个度量A和B各自的性质：它们可能是基于某个相同基本度量的计算，只不过针对该度量定义了不同的筛选条件参数而产生不同的计算。 例如，度量A和B可以定义为：

Raw Amount :=SUM ( Transactions[Line Amount] )
Credit := CALCULATE (  [Raw Amount], Transactions[Type] = "Credit")
Debit : = CALCULATE ( [Raw Amount], Transactions[Type] = "Debit")

      在这种情况下，DAX可能会生成一个查询计划，其中这两种新度量均在内部进行计算，即使在报表中实际上仅显示其中的某一个度量（基于同一度量定义的不同度量）。例如，通过应用筛选来确定对IF条件的持续计算声明。
        当然，在一般的简单表达式中，DAX可能会应用short-circuit  --直接短路式计算，从而跳过不必要的任何分支的计算。 但是，在复杂报表中，为了生成批量计算的高效查询计划，此优化通常不可用。
        那么，怎样才能优化相类似的这种表达呢？

      我们知道，编写DAX代码时的一个经验法则是：
      先定义筛选器以筛选出计算列表，然后执行CALCULATE计算，这比针对不同的条件而编写不同的CALCULATE语句要更方便。 因此，以前的代码可以写成如下：

Raw Amount :=SUM ( Transactions[Line Amount] )
Amount := VAR TransactionType = IF ( <condition>,"Credit",  "Debit"  )
RETURN
CALCULATE (  [Raw Amount], Transactions[Type] = TransactionType  )

      虽然，在这样一个简单的例子中，这种编码可能不会转化为性能优势，但在一些复杂表达中，该方法可能会更快。 可以通过测试两种方法在特定用例上的性能来验证。
      但是，这种技术会带来两个额外的挑战：
    （1）使用不同变量在多个步骤中分割计算会更困难；
    （2）使用条件语句创建适当的过滤器可能更复杂。

      展示这种优化的好处的一个常见例子是：显示基于切片器选择的时间智能度量的计算：比如定义一个元度量[Sales Amount]，以及基于该度量添加一个或多个步骤、条件之后的新度量[Smart Sales]。

      原始[Sales Amount]度量和智能[Smart Sales]度量分别定义如下：

      Sales Amount :=
      SUMX ( Sales, Sales[Quantity] * Sales[Net Price] )
      Smart Sales := IF ( HASONEVALUE ( Period[Period] ),
      SWITCH ( VALUES ( Period[Period] ),
      "Last week",
      CALCULATE ([Sales Amount], 
      DATESINPERIOD ( 'Date'[Date], MAX ( 'Date'[Date] ),
      VALUES ( Period[Offset] ),DAY )  ),
      "Last 4 weeks",
      CALCULATE ( [Sales Amount],
        DATESINPERIOD (  'Date'[Date],MAX ( 'Date'[Date] ),
        VALUES ( Period[Offset] ),  DAY )  ),
      "Last quarter",
      CALCULATE ( [Sales Amount],
      DATESINPERIOD ( 'Date'[Date],MAX ( 'Date'[Date] ),
      VALUES ( Period[Offset] ),DAY )),
      "MTD", CALCULATE ( [Sales Amount], DATESMTD ( 'Date'[Date] ) ),
      "QTD",  CALCULATE ( [Sales Amount], DATESQTD ( 'Date'[Date] ) ),
      "YTD",  CALCULATE ( [Sales Amount], DATESYTD ( 'Date'[Date] ) ), BLANK()  ))

        该公式中 Swith的多个结果引用的是同一CaⅠculate条件。 Period--周期表包含每个时间段的period列的period  type—周期类型的定义。 在这一列中，“D”表示从所选时间段的最后一天开始的日期范围，“I”表示必须根据时间段名称（MTD， QTD，YTD）在特定时间智能函数中转换的时间段。这里唯一可见的列是Period(其他参数列为隐式)，它是上图切片器中使用的列：

        通过定义变量作为Date表的筛选器，你可以只使用单个CALCULATE来重写[Smart Sales]--智能销售度量。 试想，倘若能够使用SWITCH函数来创建该筛器表达式，这当然不失为一个好办法，但遗憾的是：IF和SWITCH都返回标量值而不是表格。 因此不可能编写下面的语法：

VAR FilterDates = （前面[Smart Sales]度量公式中，从SWITCH开始的部分）

        由于IF与SWITCH无法返回表，因此，可以使用它们定义计算所需的日期范围，并将该时期范围筛选传递给单个DATESBETWEEN函数。 一种可能的实现方式是以下度量：

      简体注：该公式是使用变量来定义筛选器书写DAX步骤的又一个案例。其中变量FirstDaySelected需要具备一定的DAX内部引擎知识。

        [Smart Sales New]度量可能有更好的性能。当然，构建DAX筛选器需要额外的成本，但这可能比定义不同的CALCULATE语句更有效。在本文所示的包含不同[Smart Sales]度量的小样本数据文件中，这种差异并不明显。然而，这种技术在更大的数据库中会产生较大的影响，因为这种类型的数据库不容易复制和下载。
      像往常一样，了解DAX中解决问题的不同方法总是一个好习惯。实际上，性能可能会因需求的具体细节和数据分发的不同而有所不同。
        当出现性能问题时，在没有可用的特殊方式（如考虑索引或聚合优化）来解决问题时。 有必要通过更改DAX代码以获得更好的执行计划。