Power BI星型模型新增维度表后增量刷新失效的解决方法

针对你遇到的因拆分CustomerName到DimCustomer导致查询无法折叠、增量刷新失效的问题，以下是几种落地性强的解决思路：

方案一：优先在数据仓库层面构建DimCustomer（最推荐） #

直接在数据仓库中创建正式的DimCustomer维度表：

• 从FactSales中提取去重的CustomerName，生成唯一的CustomerID（比如自增ID）
• 在FactSales表中新增CustomerID字段，通过CustomerName关联更新
• Power BI直接连接数据仓库中的DimCustomer和FactSales表，复用原有的增量刷新配置（基于OrderDate）

这种方式从根源上解决问题，数据仓库本身维护维度表是最佳实践，Power BI端无需额外处理，天然支持查询折叠和增量刷新。

方案二：在Power Query中保持DimCustomer的查询折叠 #

如果无法修改数据仓库，需在Power Query中构建DimCustomer时，确保所有操作都能折叠到数据源：

1. 用原生SQL生成DimCustomer：
   在Power Query中选择「SQL语句」连接，直接执行去重并生成CustomerID的SQL：

   SELECT DISTINCT 
       CustomerName,
       ROW_NUMBER() OVER (ORDER BY CustomerName) AS CustomerID
   FROM FactSales
   

   该查询完全在数据源端执行，支持查询折叠。
2. 配置DimCustomer的增量刷新：
   若要对DimCustomer做增量，需基于「客户首次出现的订单日期」，可以先在SQL中新增首次订单日期字段：

   SELECT 
       CustomerName,
       ROW_NUMBER() OVER (ORDER BY CustomerName) AS CustomerID,
       MIN(OrderDate) AS FirstOrderDate
   FROM FactSales
   GROUP BY CustomerName
   

   然后以FirstOrderDate作为增量刷新的依据，设置刷新范围。
3. 关联FactSales与DimCustomer时保持折叠：
   在FactSales的查询中，通过CustomerName与DimCustomer做Merge操作，确保Merge步骤使用「原生合并」而非Power Query端合并（需确认数据源支持Merge的SQL转换），这样整个FactSales的查询仍能保持折叠，不影响原有的增量刷新配置。

方案三：拆分FactSales的增量与维度关联逻辑 #

如果上述方案都无法实现，可采用“先增量取数，再关联维度”的方式：

• 对FactSales保留原有的增量刷新配置（仅取新增的OrderDate范围数据），先加载到Power BI的中间表（比如FactSales_Incremental）
• 对DimCustomer做全量刷新（如果客户数量不大，全量刷新成本可接受）
• 在模型中建立FactSales_Incremental与DimCustomer的关系，而非在Power Query中提前合并

这种方式牺牲了部分查询折叠能力，但保证了FactSales的增量刷新效率，适合客户数量较少的场景。

内容的提问来源于stack exchange，提问作者variable