如何优化高基数场景下按时间段去重计数的DAX度量

我有一个仅包含Account ID列的维度表：

以及一个事实表：

需要创建DAX度量，在可视化表格中展示每个Merchant在选定时间段（如YTD）内的使用账户数量。例如：

• 2月YTD统计结果：

• 1月YTD统计结果：

当前编写的度量如下：

YTD count = CALCULATE(COUNTROWS(FILTER(VALUES(Dim[Account ID]),CALCULATE(SUM(Fact[Value])>0),ALL('Dates'),DATESYTD('Dates'[Date]))

但由于Merchant列基数极高，数据量达数百万条，该度量运行时超出资源限制，需要优化。

1. 替换嵌套计算，改用直接聚合 #

原度量中嵌套CALCULATE(SUM(Fact[Value])>0)会对每个Account ID重复计算求和，性能开销极大。直接在事实表上使用DISTINCTCOUNT，并添加交易有效性过滤，效率提升明显：

YTD Count = 
CALCULATE(
    DISTINCTCOUNT(Fact[Account ID]),
    DATESYTD('Dates'[Date]),
    Fact[Value] > 0 -- 过滤有有效交易的行，若只要有记录就统计可移除该条件
)

2. 跳过维度表循环，直接基于事实表计算 #

原度量基于维度表的VALUES(Dim[Account ID])遍历判断，而事实表本身已包含Merchant与Account ID的关联，直接在事实表上做聚合可避免不必要的维度表遍历，大幅降低计算量。

3. 移除冗余上下文修改 #

DATESYTD函数会自动处理日期上下文，无需额外添加ALL('Dates')，多余的上下文修改会增加计算开销。

4. 预计算聚合表（超大数据量场景可选） #

若数据量达千万级以上，可在模型中添加预计算聚合表，按Merchant、年度、月份提前聚合账户数量：

Merchant Account YTD Agg = 
SUMMARIZE(
    Fact,
    Fact[Merchant],
    'Dates'[Year],
    'Dates'[Month],
    "Account Count", DISTINCTCOUNT(Fact[Account ID])
)

后续基于该聚合表创建度量，查询时直接读取预计算结果，性能提升显著。

5. 优化模型关系与索引 #

• 确认Dim[Account ID]与Fact[Account ID]为一对多的正确关系，交叉筛选方向设为单向（从Dim到Fact）。
• 对Fact[Merchant]、Fact[Account ID]、Dates[Date]列创建索引，加速筛选与聚合操作。

内容的提问来源于stack exchange，提问作者Andrew Leary