如何加速DAX时点度量计算？110万行事实表场景优化需求

首先回答你关于REMOVEFILTERS vs ALL的疑问：

• REMOVEFILTERS是较新的DAX函数，语义更精准：仅移除指定表/列的筛选上下文，不会像ALL那样返回整个表并重置所有上下文。
• 性能上，针对日期表这类维度表，两者差异极小，但优先推荐REMOVEFILTERS，因为它的语义更清晰，能避免因ALL的表上下文带来的意外问题。

接下来是针对你110万行事实表的核心优化方案，解决当前1分钟计算、切片器无响应的问题：

1. 预计算工单活跃区间（最关键优化） #

当前度量的最大问题是：每个日期点都要全表扫描，逐行判断3个含ISBLANK和||的条件，计算量极大。通过在事实表中添加两个计算列，预存工单的活跃周期，能将复杂判断转为简单的区间匹配：

步骤1：添加计算列 #

在Fact表中创建以下两个计算列：

ActiveStartDate = Fact[IssuedDate]

ActiveEndDate = 
COALESCE(
    Fact[Completed Date Calculated],
    Fact[Cancelled Date Calculated],
    DATE(9999, 12, 31) // 未完成/未取消的工单，设为极晚日期表示永久活跃
)

这两个列将工单的活跃区间定义为[ActiveStartDate, ActiveEndDate)——即从创建日开始，到完成/取消日的前一天结束，未结束的工单则永久处于活跃状态。

步骤2：重构度量 #

用预计算的区间列替换原有的复杂条件，同时替换ALL为REMOVEFILTERS：

Open Work Orders = 
VAR CurrentWeekEnd = SELECTEDVALUE(Dates[FinancialWeekEnding], MAX(Dates[FinancialWeekEnding]))
RETURN
CALCULATE(
    COUNTROWS(Fact),
    REMOVEFILTERS(Dates),
    Fact[ActiveStartDate] <= CurrentWeekEnd,
    Fact[ActiveEndDate] > CurrentWeekEnd
)

这个重构后的度量利用了列存储索引的优势，将逐行的OR/ISBLANK判断转为简单的数值比较，计算效率会大幅提升。

2. 引擎层面的优化 #

• 标记日期表：确保你的Dates表被标记为“日期表”（Power BI中右键表 > 标记为日期表），启用时间智能优化，DAX引擎会针对日期相关计算做专门优化。
• 列索引与压缩：确保Fact表的IssuedDate、Completed Date Calculated、Cancelled Date Calculated、ActiveStartDate、ActiveEndDate列启用了列存储索引（Tabular模型默认开启），Power BI会自动对这些列进行压缩，减少内存占用和扫描时间。

3. 切片器响应优化 #

• 使用维度表字段做切片器：避免直接用事实表的字段做切片器，尽量用维度表（如日期表、其他业务维度表）的字段，这样筛选上下文的传递更高效，DAX引擎能快速过滤事实表。
• 减少折线图数据点：如果折线图的X轴日期粒度太细（比如每天），可以考虑聚合到周/月（与你的FinancialWeekEnding粒度匹配），减少需要计算的数据点数量，提升交互速度。

4. 进阶优化：批量计算所有日期快照 #

如果折线图需要展示多个日期点的快照，可以用SUMX配合VALUES一次性计算所有日期的结果，避免逐点重复扫描：

Open Work Orders (批量计算) = 
SUMX(
    VALUES(Dates[FinancialWeekEnding]),
    VAR CurrentWeekEnd = Dates[FinancialWeekEnding]
    RETURN
    CALCULATE(
        COUNTROWS(Fact),
        REMOVEFILTERS(Dates),
        Fact[ActiveStartDate] <= CurrentWeekEnd,
        Fact[ActiveEndDate] > CurrentWeekEnd
    )
)

这个版本适合需要展示连续日期快照的场景，能减少重复计算的开销。

内容的提问来源于stack exchange，提问作者deethreenovice