Power BI中行级安全(RLS)是否一定会降低查询性能？

你的推测完全准确：RLS不存在任何正面性能增益的可能，只会带来额外的性能开销，存在拖慢查询的风险。

示例场景的实际查询执行逻辑 #

针对总表10000行、单用户仅有权访问1000行的场景，Power BI不会预先切分数据、只针对该用户有权限的1000行执行查询，实际执行逻辑是：

• 所有访问该数据集的用户，底层命中的是同一个物理存储的模型，不会因为权限差异提前拆分独立数据副本
• RLS定义的权限规则会作为强制全局筛选器，在DAX查询执行的最早期注入整个计算链路
• 哪怕最终只返回1000行结果，引擎在扫描、聚合计算阶段，依然需要先对全量10000行数据做权限标签匹配，筛出符合权限的行之后再执行后续计算，这部分全量匹配的动作就是RLS带来的固定额外开销。

无RLS方案性能更优的底层原因 #

官方文档明确说明：避免使用RLS、换用拆分模型/独立工作区方案的核心优势包含查询性能提升——由于涉及的筛选条件更少，可带来性能改善。

这个性能差异的本质是数据访问逻辑的区别：拆分模型、独立工作区方案是从物理层面对数据做了权限切分，不同权限的用户直接访问自己对应范围的独立数据集。对应你举的例子，用户直接访问只存了自己有权限的1000行的独立模型，查询全程不需要额外做权限筛选判断，少了一层全局筛选的计算成本，自然性能比挂载RLS的全量模型更好。

常见认知误区纠正 #

不要混淆「最终返回结果量少」和「查询性能高」：RLS场景下，为了筛出用户有权限的少量数据，引擎必须先遍历全量数据做权限校验，这个校验步骤是额外的成本。同样是返回1000行结果，挂载RLS的全量模型查询，一定比直接查询无RLS的1000行独立小模型要慢，不存在“因为用户能看的数据少所以RLS让查询更快”的情况。

内容的提问来源于stack exchange，提问作者Matt Kocak