DirectQuery 模式下的 AAS 表格模型性能优势
AAS tabular model in DirectQuery mode performance benefits
假设您有 10 个相当大的事实表（每个 50-100 GB）应该使用 Power BI 进行查询。它们不适合 Azure Analysis Services RAM（合理的价格）。因此，为了使用表格模型和 AAS，您必须使用以下架构：
(1) Power BI Desktop -> Azure Analysis Services -> [DirectQuery] -> SQL Database
但据我所知 this article，AAS 表格模型不会缓存任何聚合结果（意味着不会暗示任何额外的性能优化）。此外，据我所知，Power BI (PowerPivot) 已经嵌入了 AAS。
或者，我可以直接从 Power BI 查询 SQL 数据源：
(2) Power BI Desktop -> [DirectQuery] -> SQL Database
第一个模式（使用 AAS）是否比第二个模式（不使用 AAS）提供任何性能优势？
P.S。我的问题不是关于语义层的优缺点，请参阅 this article. This question isn't the same as ，因为它只询问 ASS DirectQuery 的性能方面。
性能优势需要根据您的工作负载和其他因素进行测试。
警告（此答案基于我自己和同事的经验和测试）
服务标准：
从服务的角度来看，Azure Analysis Services (AAS) 和 Power BI Service (PBIS) 之间的主要区别在于 AAS 是一组已知的 hardware/performance，而 PBIS 是共享容量，并且可能会遇到 'noisy neighbour' 问题，如果另一个客户在同一个集群上并大量使用它，它将对您的报告性能产生影响。
性能：
本质上，PBI 和 AAS 正在做同样的事情，将 DAX 转换为 SQL 查询，然后返回数据。根据我在性能方面构建 PBI 和 AAS 的经验，两者之间没有太大区别。往往成为瓶颈的主要问题是使用通往本地 SQL 的网关以及本地或云端 SQL 服务器的容量。例如，为了获得更好的性能，您可以使用聚簇列索引将事实表带入内存，并且在工作时间更容易 increase/decrease Azure SQL 数据库 DTU's/capacity。
目前AAS没有PBI那样的聚合模式，它可以减少发回查询的数量并且速度更快，但也有一个缺点是它们必须在某个时候刷新.
我建议使用 DAX Studio 等进行测试，以了解您可能会在性能上获得什么样的可变性。我自己的测试显示毫秒到 1 秒范围内的差异有利于 AAS。
然而，语义层的好处是一个强有力的考虑因素
连接数：
AAS 比 Power BI 更好地支持其他连接，例如 Excel、SSMS、SSRS 等。 Excel 可以使用附加插件连接到 Power BI 模型。
可维护性：
在使用 Azure DevOps 的 Visual Studio/SSDT、Git 等中，在整个生命周期中维护数据模型比在 Power BI Desktop 中要容易得多。使用 AAS，您还可以使用计算组进行时间智能计算，而不是针对 YTD、并行期、MTD 等的多个度量或解决方法
如果纯 Power BI 方法的性能稍微好一些，由于 none 性能因素的好处，我仍然会使用 AAS，它必须在切换之前显示出显着改进的性能。
希望对您有所帮助
假设您有 10 个相当大的事实表（每个 50-100 GB）应该使用 Power BI 进行查询。它们不适合 Azure Analysis Services RAM（合理的价格）。因此，为了使用表格模型和 AAS，您必须使用以下架构：
(1) Power BI Desktop -> Azure Analysis Services -> [DirectQuery] -> SQL Database
但据我所知 this article，AAS 表格模型不会缓存任何聚合结果（意味着不会暗示任何额外的性能优化）。此外，据我所知，Power BI (PowerPivot) 已经嵌入了 AAS。
或者，我可以直接从 Power BI 查询 SQL 数据源：
(2) Power BI Desktop -> [DirectQuery] -> SQL Database
第一个模式（使用 AAS）是否比第二个模式（不使用 AAS）提供任何性能优势？
P.S。我的问题不是关于语义层的优缺点，请参阅 this article. This question isn't the same as
性能优势需要根据您的工作负载和其他因素进行测试。
警告（此答案基于我自己和同事的经验和测试）
服务标准： 从服务的角度来看，Azure Analysis Services (AAS) 和 Power BI Service (PBIS) 之间的主要区别在于 AAS 是一组已知的 hardware/performance，而 PBIS 是共享容量，并且可能会遇到 'noisy neighbour' 问题，如果另一个客户在同一个集群上并大量使用它，它将对您的报告性能产生影响。
性能： 本质上，PBI 和 AAS 正在做同样的事情，将 DAX 转换为 SQL 查询，然后返回数据。根据我在性能方面构建 PBI 和 AAS 的经验，两者之间没有太大区别。往往成为瓶颈的主要问题是使用通往本地 SQL 的网关以及本地或云端 SQL 服务器的容量。例如，为了获得更好的性能，您可以使用聚簇列索引将事实表带入内存，并且在工作时间更容易 increase/decrease Azure SQL 数据库 DTU's/capacity。
目前AAS没有PBI那样的聚合模式，它可以减少发回查询的数量并且速度更快，但也有一个缺点是它们必须在某个时候刷新.
我建议使用 DAX Studio 等进行测试，以了解您可能会在性能上获得什么样的可变性。我自己的测试显示毫秒到 1 秒范围内的差异有利于 AAS。
然而，语义层的好处是一个强有力的考虑因素
连接数： AAS 比 Power BI 更好地支持其他连接，例如 Excel、SSMS、SSRS 等。 Excel 可以使用附加插件连接到 Power BI 模型。
可维护性： 在使用 Azure DevOps 的 Visual Studio/SSDT、Git 等中，在整个生命周期中维护数据模型比在 Power BI Desktop 中要容易得多。使用 AAS，您还可以使用计算组进行时间智能计算，而不是针对 YTD、并行期、MTD 等的多个度量或解决方法
如果纯 Power BI 方法的性能稍微好一些，由于 none 性能因素的好处，我仍然会使用 AAS，它必须在切换之前显示出显着改进的性能。
希望对您有所帮助