看起来你在使用DAX计算年初至今销售额时遇到了筛选卡顿的问题，结合你的场景，我整理了几个实用的优化思路：

• 统一日期维度表，避免上下文混乱
  目前你直接用两个工作表里的MoYr列做计算，很可能导致DAX在处理筛选时生成不必要的笛卡尔积。建议创建一个独立的日期维度表，包含完整的日期序列（比如从最早的Jan-17到最新的Apr-18，每个月对应一个标准日期值，比如2017-01-01），然后将Sheet1和Sheet2的MoYr列（先转成日期类型，别用文本格式）与日期表的日期列建立关系。之后修改KPI表达式，明确指定日期列：

  KPI1 = TOTALYTD(SUM(Sheet1[OnlineSales]), 'DateTable'[Date])
  KPI2 = TOTALYTD(SUM(Sheet2[OfflineSales]), 'DateTable'[Date])
  

  统一的日期表能让DAX更高效地处理时间上下文，减少无效计算量。

• 简化DAX表达式，移除冗余计算
  你原来的KPI里嵌套了CALCULATE，其实TOTALYTD本身就会自动应用时间筛选上下文，完全不需要额外的CALCULATE。去掉这个冗余部分后，表达式更简洁，计算效率也会明显提升。

• 合并事实表，优化模型结构
  既然Sheet1和Sheet2的结构完全一致，只是销售渠道不同，建议把它们合并成一个单一的事实表，新增一列SalesChannel标记是线上还是线下。这样你只需要一个通用的YTD度量值：

  YTD Sales = TOTALYTD(SUM(SalesTable[SalesAmount]), 'DateTable'[Date])
  

  GrandKPI直接就是这个度量值的总计，或者用SUMX(SUMMARIZE(SalesTable, SalesTable[SalesChannel]), [YTD Sales])来汇总。合并后的模型更紧凑，避免了两个独立表带来的重复计算开销。

• 检查数据类型与数据量
  确保MoYr列是日期类型而不是文本类型——文本格式的日期会让DAX在计算时做额外的类型转换，拖慢筛选速度。如果数据量较大，还可以考虑开启Power BI的列存储优化（导入模式下默认开启），或者对日期表设置适当的筛选范围，减少每次计算需要处理的数据量。

• 避免度量值嵌套的重复计算
  有时候直接引用其他度量值（比如GrandKPI = KPI1 + KPI2）会导致DAX重复计算上下文。可以尝试把GrandKPI直接写成合并后的表达式：

  GrandKPI = TOTALYTD(SUM(Sheet1[OnlineSales]), 'DateTable'[Date]) + TOTALYTD(SUM(Sheet2[OfflineSales]), 'DateTable'[Date])
  

  这样减少了度量值嵌套带来的额外计算步骤。

内容的提问来源于stack exchange，提问作者machump