导入模式聚合表显示过时数据：功能适用场景与差异疑问

模型结构 #

DimProduct: dual mode
DimStore: dual mode
FactSales: direct query mode
AggSalesByDate: import mode
AggSalesByProduct: import mode
AggSalesByStore: import mode
AggSalesByProductStore: import mode

注：最后4张表是FactSales的自动隐藏聚合表，采用import模式，每日刷新一次。当可视化使用可从聚合表派生的列时，显示过时数据；使用不属于聚合表的列时，会以direct query mode查询FactSales获取最新数据。

数据差异是否符合预期？ #

这种数据差异是完全符合预期的。

原因很明确：你的聚合表采用import模式且每日刷新，本身就存在和源表FactSales的时间差；而FactSales是Direct Query模式，能实时获取源数据。Power BI的聚合表逻辑就是优先匹配预聚合的导入数据（牺牲实时性换性能），只有当查询涉及聚合表未覆盖的列时，才会回退到Direct Query去源表拉取最新数据。这种“部分数据滞后、部分数据实时”的差异，是两种模式特性结合后的正常结果，只要清楚聚合表的刷新周期和覆盖维度，就是预期内的现象。

聚合表功能的具体适用场景 #

• 高并发的常规汇总分析：如果很多用户频繁查询按日期、产品、门店这类固定维度的销售额汇总，用预聚合的导入表能大幅降低源数据库的查询压力，报表加载速度会快很多，避免Direct Query在高并发下的卡顿或源库过载。
• 源数据库性能不足时：如果FactSales所在的源数据库算力有限，或者跑复杂聚合查询会拖慢业务系统，把聚合计算转移到Power BI的导入式聚合表上，能减少对源库的消耗，保障业务系统正常运行。
• 对实时性要求低的报表：像每日销售趋势、月度门店业绩汇总这类不需要实时数据的报表，用每日刷新的聚合表完全能满足需求，同时获得远优于Direct Query的性能体验。
• 维度固定的高频分析需求：如果用户的日常分析维度长期集中在几个固定维度（比如日期、产品、门店），提前创建对应的聚合表可以覆盖绝大多数常用查询，只有涉及小众维度或明细数据的特殊查询才会用Direct Query，完美平衡性能和数据新鲜度。

内容的提问来源于stack exchange，提问作者variable