DirectQuery对接20亿行事实表计算平均值时移除int字段CAST

1. 能不能移除CAST(int_field AS DOUBLE)？ #

取决于你的int_field数据类型和数据范围：

• 如果int_field是64位整数类型（比如Databricks的BIGINT）：20亿行的SUM结果不会超出BIGINT的取值范围（BIGINT最大值为9e18），这种情况可以直接移除CAST，用SUM(int_field)即可，既不会有溢出风险，性能也最优。
• 如果int_field是32位整数类型（比如INT）：INT最大值约为2e9，20亿行若每行都是最大值，SUM会直接溢出，Power BI默认转DOUBLE就是为了规避这个问题，这种情况不能直接移除CAST，否则会出现计算错误。

2. 把CAST放到SUM外部（CAST(SUM(int_field) AS DOUBLE)）性能会更优吗？ #

绝对会。
原写法是对每行的int_field都做一次CAST转换再求和，20亿行的转换操作会带来极大计算开销，在大规模数据场景下会显著拖慢查询速度。
而将CAST放到SUM外部时，仅需对最终的SUM结果做一次转换，转换操作的次数从20亿次降到1次，Databricks执行引擎能大幅减少计算量，查询性能会有明显提升。

3. 怎么让Power BI生成CAST(SUM(int_field) AS DOUBLE)的SQL？ #

因为是DirectQuery模式，Power BI会自动生成SQL，你可以通过自定义度量值来控制计算逻辑：
创建如下度量值：

自定义平均值 = DIVIDE(CAST(SUM('fact'[int_field]) AS DOUBLE), COUNT('fact'[int_field]))

用这个度量值替代Power BI自动生成的平均值计算，就能让DirectQuery生成先求和再转换的SQL语句。

注意事项 #

如果你的int_field是32位INT，先SUM可能会在Databricks中溢出，导致转换前就出现错误。这种情况下，建议先在Databricks端把int_field转成BIGINT（比如创建视图或修改表结构），再对接Power BI，这样既避免溢出，又能实现先SUM再转DOUBLE的高效计算。

内容的提问来源于stack exchange，提问作者Nathan Jones