PowerBI报表性能优化咨询：Azure数仓+复合模型聚合方案可行吗？

你的核心思路完全正确：将PowerQuery处理后的CSV数据写入Azure数据仓库，并基于Composite Models创建聚合表，确实能大幅解决当前矩阵视觉的性能问题。

方案有效性说明 #

900万行的SalesFact事实表+8级Product层级的矩阵场景，核心性能瓶颈在于每次交互都要全表扫描计算度量值。通过以下步骤可彻底缓解：

1. 将清洗后的CSV数据写入Azure数据仓库（如Azure Synapse Analytics），利用其列式存储、分区索引等原生优化，替代纯CSV的文件存储；
2. 在PowerBI中以Composite Models模式连接该数据仓库，针对求和、平均值这类简单度量值，按Product各层级（Category、Subcategory…）+常用日期粒度（如日/月）创建预聚合表；
3. 配置聚合规则后，矩阵交互时会自动读取预聚合数据，避免全表扫描，性能提升非常明显。

你可能遗漏的额外优化点 #

即使暂时不迁移到数据仓库，也有一些手段能临时提升性能：

• PowerQuery折叠优化：确保CSV的过滤、筛选逻辑能下推到Azure Blob Storage（需使用ADLS Gen2并配置正确的数据源连接），减少加载到PowerBI模型的数据量；
• 模型层优化：
  • 关闭模型的「自动日期/时间」功能，避免生成冗余日期表；
  • 为Product维度的层级列设置排序依据（如用ProductKey排序Category列），避免UI渲染时的排序卡顿；
  • 为SalesFact的ProductKey、DateKey等关联列创建列索引；
• 视觉对象优化：
  • 避免在矩阵中一次性展开所有Product层级，使用钻取功能逐步查看；
  • 将平均值度量值拆分为SUM(数值)/COUNT(数值)的组合，预聚合求和与计数比直接聚合平均更高效。

关于聚合表的前提补充 #

你的判断准确：纯CSV文件的Import模型无法创建聚合表，必须依赖支持DirectQuery/Import的数据库后端（如Azure数据仓库、SQL Server），因此迁移数据是实现聚合表优化的必要步骤。

内容的提问来源于stack exchange，提问作者Pieter