Quicksight数据集JOIN导致记录重复、父表求和结果异常问题

问题根源 #

Quicksight的默认表关联逻辑和Power BI的关系模型存在差异：Power BI会保留维度关系结构，计算时自动按查询上下文做聚合避免重复计数，但Quicksight在数据集层定义的表连接默认是物理JOIN，会先将多张表拼接为一张宽表后再做计算。1:M关系下父表的每行都会按子表匹配的行数重复展开，最终求和时就会产生超出预期的结果。你给出的示例中，ABC账号对应3条子表行、XYZ账号对应2条子表行，求和时实际计算逻辑为1000*3 + 2000*2 = 7000，和你看到的错误结果一致。

解决方法 #

• 使用distinctSum聚合函数
  不要使用默认的sum对父表字段求和，改用Quicksight提供的去重求和函数，指定父表的主键作为去重依据即可。你的场景直接创建计算字段，填入公式：
  distinctSum({Annual Revenue}, {AccountID})
  即可得到正确的3000汇总结果。
• 分析层建立数据集关联
  若你经常需要分别对父子表做指标聚合，不需要提前将两张表JOIN为同一个数据集，可分别创建Accounts、Opportunities两个独立数据集，在分析编辑页的数据集管理模块中建立两者的1:M关系，Quicksight的分析层关联会按照类似Power BI的模型逻辑计算，不会提前做物理JOIN导致行重复。
• 预处理层提前聚合
  若你的分析场景固定，可在ETL流程、或者数据集的自定义SQL阶段提前对子表按AccountID做聚合，再和父表做1:1 JOIN，从根源上避免行重复的问题。

内容的提问来源于stack exchange，提问作者dmarx