计算 table 与从服务器导入
Calculating a table vs Importing from server
我有一个预期的 DW 维度模型，包含事实和维度以及日期 table。这个日期 table 从 2015 年到 2050 年，还有两个额外的极值（1900-01-01 和 9999-12-31）。
从这个 DW 中，创建了一个表格模型，它将用作 Power BI 的连接，并且由于 Power BI 时间智能功能要求日期是连续的，因此从导入中消除了两个极端元素。
但是，我也可以从 DAX 函数创建 table，因为行数相当少，而且它将是一个 table 和几列。
处理表格模型时哪种方法更省时？导入具有限制的完整 table 或执行 DAX 查询以创建计算的 table?
感谢您提供任何信息。
尽可能在数据仓库中预先计算属性并将它们导入表格模型。它的效率要高得多。导入比计算更有效的关键原因与存储优化有关——导入被优化而计算列没有。计算列还可以显着增加数据刷新时间。
对于日历table来说，这可能是一个微不足道的差异（很小），但这只是养成保持一致的好习惯。通常，避免在表格（和 Power BI）中使用计算列——它们应该只在原型制作过程中使用；一旦你弄清楚你想要什么，就把它移到数据库中。计算列和 table 对无法有效访问数据仓库的人很有用。如果这样做，请不要使用它们（在我 5 年的建模生涯中，我的模型中还没有一个计算列）。
我有一个预期的 DW 维度模型，包含事实和维度以及日期 table。这个日期 table 从 2015 年到 2050 年，还有两个额外的极值（1900-01-01 和 9999-12-31）。
从这个 DW 中，创建了一个表格模型，它将用作 Power BI 的连接，并且由于 Power BI 时间智能功能要求日期是连续的，因此从导入中消除了两个极端元素。
但是，我也可以从 DAX 函数创建 table，因为行数相当少，而且它将是一个 table 和几列。
处理表格模型时哪种方法更省时？导入具有限制的完整 table 或执行 DAX 查询以创建计算的 table?
感谢您提供任何信息。
尽可能在数据仓库中预先计算属性并将它们导入表格模型。它的效率要高得多。导入比计算更有效的关键原因与存储优化有关——导入被优化而计算列没有。计算列还可以显着增加数据刷新时间。
对于日历table来说，这可能是一个微不足道的差异（很小），但这只是养成保持一致的好习惯。通常，避免在表格（和 Power BI）中使用计算列——它们应该只在原型制作过程中使用；一旦你弄清楚你想要什么，就把它移到数据库中。计算列和 table 对无法有效访问数据仓库的人很有用。如果这样做，请不要使用它们（在我 5 年的建模生涯中，我的模型中还没有一个计算列）。