采用复制表方式构建星型架构后，如何配置Power BI增量刷新？

一、可行性结论 #

完全可行，但维度表的增量刷新要重点处理重复数据过滤和ID唯一性——毕竟维度是从原销售表衍生的，新数据会带来新产品/区域，得避免重复生成ID。

二、具体配置步骤 #

（一）事实表sale的增量刷新 #

1. 创建日期参数：在Power Query中新建两个日期参数StartDate（可设置默认起始值）和EndDate（默认设为当前日期），参数类型选择日期/时间。
2. 筛选数据范围：在sale表的Power Query编辑器中，对saledate字段添加筛选条件，仅保留[StartDate]至[EndDate]之间的记录。
3. 启用增量刷新：
   • 返回报表视图，右键点击sale表 → 选择增量刷新
   • 勾选「启用增量刷新」，配置刷新策略：
     • 选择saledate作为增量刷新的日期列
     • 设置「存档数据起始点」（例如保留过去3年的数据）和「增量刷新范围」（例如刷新最近7天的数据）
     • 勾选「仅刷新增量数据」，减少刷新耗时
4. 绑定参数逻辑：确保Power Query中的筛选逻辑与增量刷新参数绑定，每次刷新仅拉取指定时间范围内的新销售数据。

（二）维度表（productdim/regiondim）的增量刷新 #

因为维度表是从原sale表复制衍生的，核心是只提取新增的维度值，避免重复生成ID：

以productdim为例：

1. 提取新增产品数据：
   • 在Power Query中，基于原sale表（或已做增量筛选的sale表），仅保留productname列，然后执行移除重复项操作，得到当前所有唯一产品的列表。
   • 添加合并查询，将该列表与已加载到数据模型的productdim表进行左外连接，匹配productname字段，筛选出productdim[ID]为空的行——这些就是新增的产品。
2. 生成唯一新ID：
   • 对新增产品列表添加索引列，索引的起始值需基于现有productdim表的最大ID计算（例如使用公式List.Max(productdim[ID]) + 索引列值），确保ID的唯一性与连续性。
3. 启用增量刷新：
   • 同样创建日期参数，基于saledate筛选原sale表中新增数据对应的产品（新产品只会出现在新的销售记录中）。
   • 在productdim的增量刷新设置中，选择saledate作为触发增量的日期列，设置刷新范围（例如最近7天），确保每次刷新仅处理该时间段内出现的新产品。
   • 注意：维度表采用追加模式，将带新ID的新产品追加到现有productdim表中，而非覆盖原有数据。

regiondim的配置逻辑与productdim完全一致，仅需将productname替换为saleregion字段即可。

（三）关联与刷新顺序要点 #

1. 表关联一致性：确保sale事实表中的产品ID/区域ID与维度表的ID保持对应，新销售数据中的产品/区域会自动匹配维度表的新ID（合并操作基于名称字段实现）。
2. 刷新顺序：建议先刷新维度表，再刷新事实表，避免新销售数据中的产品/区域在维度表中找不到对应ID的情况。可在Power BI的刷新计划中设置执行顺序，手动刷新时也遵循此逻辑。

三、关键注意事项 #

• ID唯一性保障：绝对不能重复生成维度表ID，否则会导致表关联错误，必须基于现有维度表的最大ID计算新索引值。
• 重复数据过滤：维度表每次增量刷新前必须对产品/区域名称执行去重操作，避免重复追加数据。
• 参数范围一致性：事实表与维度表的增量刷新日期参数范围要保持一致，确保新销售数据对应的维度值能同步到维度表中。

内容的提问来源于stack exchange，提问作者variable