在 Power BI 中，设计高效的数据模型是实现高性能、可扩展报表的关键。本篇文章将分享设计星型模型、优化存储模式、减少内存消耗及提升数据加载性能的八大实用技巧，帮助你打造一个简洁、高效的数据模型。
采用星型模型设计
星型模型是创建高效、用户友好 Power BI 语义模型的最佳方法。它将数据分为两大类：
• 事实表：存储数值型数据，通过外键与维度表相连。（如销售订单）。
• 维度表：提供业务实体（如产品、客户、地区）描述性数据，支持筛选和分组操作，简化报告生成，提供数据上下文。
星型模型的优势：
• 更易理解和使用
• 简化开发和维护
• DAX 公式更简单
• 加速数据刷新
• 减少数据冗余
设计关键点：
• 粒度：决定数据的详细程度。高粒度意味着数据更详细，如交易明细，但会增加模型大小。
• 规范化：减少冗余，效率更高（适合复杂数据模型）。
• 非规范化：将相关数据合并到单个表中，适用于简单数据源，但效率较低。
选择合适的存储模式
Power BI 提供三种存储模式，针对不同场景选择正确的存储模式至关重要。
导入模式
• 数据完全缓存到内存中，提供最佳查询性能。
• 适用于中小型数据集或不需要实时更新的场景。
DirectQuery 模式
• 直接从数据源查询数据，不进行缓存。
• 适用于大数据集或需要实时数据的场景。
双重模式
• 支持在缓存（导入）和非缓存（DirectQuery）之间动态切换。
• 适合复合模型中共享的维度表，提升性能并优化查询。
• 通过减少有限关系的数量和优化查询来提高性能。
👉 建议：参考微软文档，了解每种模式的优势、缺点和限制，选择最佳方案，网址：https://learn.microsoft.com/zh-cn/power-bi/transform-model/desktop-storage-mode
移除不必要的表和列
简化数据模型对于性能优化至关重要。随着时间的推移，数据模型可能会积累不必要的表和列，导致刷新时间变长、复杂度增加，用户导航困难。
关键：
• 定期识别并安全删除不必要的列和表。
• 在删除前确保不影响依赖报告，避免数据断裂。
分组和汇总数据
通过对数据进行分组和汇总，可以有效减少模型大小并提升性能。例如，按天、月或客户预聚合事实表，可以显著减少行数。
虽然这会将模型大小减少多达 90%，但它限制了详细分析。一种平衡的方法是在导入模式下使用聚合表进行快速报告，使用 DirectQuery 表获取详细数据。例如，可以使用导入模式表来获取快速摘要报告（例如，每月销售额），并使用 DirectQuery 模式表来深入浏览各个销售订单。这种组合确保了高性能，同时保持了在必要时分析更精细细节的灵活性。
对大型数据集进行分区
冷热分区通过按数据使用情况拆分表，提高大数据集的性能：
• 热数据：近期数据，存储在导入模式中，快速访问。
• 冷数据：历史数据，使用 DirectQuery 模式，节省内存并减少导入大小。
主要优势：
• 提高查询速度，特别是对经常访问的数据。
• 高效利用资源，保留历史数据的访问能力。
• 减轻数据源压力，仅在必要时查询数据源。
优化关系设计
避免多对多关系
在可能的情况下，尽量避免在数据模型中使用多对多关系，因为它们会使性能变得复杂，并在计算中引入歧义。可以创建一个包含唯一值的桥接表，将相关表连接起来，并从桥接表到事实表建立一对多关系。
避免双向关系
双向关系允许筛选器在两个方向上传播，但由于其可能对性能和用户体验产生负面影响，因此应谨慎使用。Power BI 模型设计者应仔细评估是否有必要使用双向筛选，并在可能的情况下探索替代方案，以保持最佳性能并确保清晰的用户体验。
例如，请考虑使用 CROSSFILTER 函数，而不是创建双向关系。此方法仅在特定计算的范围内激活双向筛选，从而减少与永久双向关系相关的更广泛性能影响。
Crossfilter example =CALCULATE (SUM ( FactTable[ValueColumn] ) ,CROSSFILTER ( FactTable[KeyColumn] , DimensionTable[KeyColumn] , BOTH ))
使用日期表
一个设计良好的日期表对于时间智能计算非常重要。
最佳实践：
• 使用预构建的日期表，避免使用 Power BI 自动生成的层级。
• 将日期表标记为“日期表”，以获得更好的功能支持。
• 对于多日期（如订单日期、发货日期），可以复制日期表或使用 DAX 度量值来处理多日期。
Power BI 设置优化
禁用 Power BI 的自动日期
为了更好地控制模型并减小模型大小，建议禁用 Power BI 的自动日期/时间层次结构，替换为手动创建的自定义日期表及其层次结构。
关闭方法：选项 > 当前文件 > 数据加载 > 时间智能 > 自动日期/时间。
禁用加载数据后自动检测新关系
此功能可能会意外创建关系，从而破坏数据模型的结构，尤其是对于缺乏数据建模经验的用户。
关闭方法：选项 > 当前文件 > 数据加载 > 关系 > 加载数据后自动检测新关系。
总结
通过遵循以上八大最佳实践，你可以确保 Power BI 数据模型性能出色、易于维护且具备良好的扩展性。高效的数据建模不仅能加快报表响应速度，还能降低系统资源消耗，满足不断增长的业务需求。
定期审查与优化你的数据模型，让 Power BI 真正成为数据驱动决策的利器！
对企业数据分析有问题？点击下方预约直播，还可现场连麦咨询哦。
一更专业的数据分析师训练营一
📈【高级课程】：业务人（管理、销售、财务、供应链）彻底解决企业数据分析。
🔍【企业咨询】：十大行业，十大领域，企业案例，咨询，培训，实施。
🔗 如何获取更多信息？扫描下方二维码具体咨询。
点击“阅读原文”获取更多资源
