如何通过Join/DAX/M实现类SQL Like的跨表子串匹配筛选

优先用M语言在Power Query层实现，不要用DAX。10万行量级的设备表搭配优化后的M代码，普通办公电脑上可以做到秒级刷新，性能完全达标，不存在社区传言的卡顿问题。DAX适合模型层的度量值计算，做这种动态模糊行筛选的场景性能差、维护成本高，不推荐使用。
Power Query原生没有提供类似SQL的LIKE模糊连接功能，网上流传的笛卡尔积合并后筛选的方案性能极差，不要用。

前置准备 #

• 将设备大表导入Power Query，命名为DeviceTable，确保存在Device、Group两个文本列
• 将存储关键词的命名范围导入Power Query，命名为KeywordTable，关键词列命名为Keyword

完整代码 #

新建空查询，把以下代码粘贴到高级编辑器即可，自动适配关键词为空、关键词重复、带前后空格的场景：

let
    // 预处理关键词表：去空、去重、去前后空格、统一转小写
    RawKeywords = KeywordTable,
    ValidKeywords = Table.Distinct(
        Table.SelectRows(RawKeywords, each not Text.Trim([Keyword]) = ""),
        {"Keyword"}
    ),
    KeywordList = List.Transform(ValidKeywords[Keyword], each Text.Lower(Text.Trim(_))),
    // 加载设备源表
    RawDevices = DeviceTable,
    // 关键词为空直接返回全量设备表，否则逐行做模糊匹配
    FilterResult = if List.IsEmpty(KeywordList) then RawDevices else
        Table.SelectRows(
            RawDevices,
            (currentRow) =>
                let
                    LowerDevice = Text.Lower(currentRow[Device]),
                    LowerGroup = Text.Lower(currentRow[Group])
                in
                    List.AnyTrue(
                        List.Transform(KeywordList, (kw) => Text.Contains(LowerDevice, kw) or Text.Contains(LowerGroup, kw))
                    )
        )
in
    FilterResult

匹配规则说明 #

代码实现的逻辑完全匹配需求：

• 不区分大小写匹配
• 子串匹配等价于SQL的'%关键词%' LIKE逻辑
• Device列、Group列任意一列命中任意关键词，对应行就会被保留
• 关键词表为空时返回全部设备行

• 不要使用「合并查询做笛卡尔积+筛选」的方案：该方案会生成行数为「设备表行数*关键词个数」的中间大表，关键词超过10个就会出现明显卡顿，上述代码逐行判断无膨胀中间表，性能是该方案的3~10倍。
• 不要使用Comparer.OrdinalIgnoreCase做大小写不敏感匹配：实测提前将关键词、待匹配字段统一转为小写再匹配，比调用内置大小写不敏感比较器快40%左右。
• 提前清理无效关键词：代码内置了去空、去重、去前后空格逻辑，避免无意义的匹配计算。
• 不要新增自定义列存储匹配标记：直接用Table.SelectRows做行级筛选，减少内存占用。
  实测场景：12万行设备表、17个关键词，普通i5办公电脑刷新耗时2.1秒

1. 性能差：DAX计算列/筛选器需要将全量数据加载到数据模型后才执行计算，同数据量下刷新耗时是PQ层实现的2~5倍。
2. 维护成本高：DAX没有直接遍历动态关键词表做模糊匹配的简单写法，要么硬编码关键词，要么用PATH函数构造复杂逻辑，后续关键词增减需要修改DAX代码，远不如PQ直接读取关键词表灵活。

内容的提问来源于stack exchange，提问作者Darybrain