爲何個人Power BI Matrix或Table Visual很慢（下）

​

//解決方案：調整度量值的性能，設計適當的數據模型//

若是你真的想以正確的方式解決問題，那麼你應該考慮兩件事：數據模型設計和度量性能。這二者緊密相關。若是沒有適當的數據模型設計，你就沒法得到良好的性能指標。在建模和計算最佳實踐時，須要討論大量細節。這篇文章不適合討論它。

 

下來列出Power BI實現構建適當的數據模型，須要要掌握的知識點：

什麼是關係？

什麼是關係的基數？

關係的方向是什麼？

數據準備

什麼是Dimension表以及爲何對一個大表說不

Power BI中的建模基礎：事實表

使用Power Query在Power BI中組合維度表; Power BI中的建模基礎

星型架構及其構建方法

使用Power Query和Power BI建立共享維度

構建你的第一個星型模式模型

大多數時候，我看到有許多表格的模型都具備雙向關係，所以性能問題，請認真考慮星星模型設計！

在Power BI Desktop中，咱們有性能分析器，它有助於找出哪些視覺運行較慢，並找出它的DAX計算，以便可以進一步提升性能。咱們在這以前已發過相關文章介紹PowerBI的性能分析器。

//解決方案：考慮預先計算//

並不是全部計算都應在運行時完成，有許多計算應該逐行進行，能夠預先評估大多數逐行計算。而後，切片器的選擇將僅過濾輸出中的行數，而且聚合也會在過濾的行上發生，實際的逐行計算事先發生了。有兩種方法能夠事先進行計算; 使用計算列或使用Power Query。這邊強烈推薦Power Query方法。若是你的方案中存在逐行計算，請經過Power Query執行此操做。而後，度量值能夠更簡單，它能夠在它上面聚合。

//解決方法：減小計算次數//

最終解決方案是一開始提到的；要設計合適的模型，性能會調整度量計算，並對Power Query進行更多逐行計算。

所以，解決方法是減小計算次數。你怎麼能減小它？減小行數（在表格和矩陣中），和/或減小矩陣中的列數，並減小度量數量（表格或矩陣中的值）。具備五行的表將具備一半的計算而不是具備10行的表。具備10行和5列的矩陣將比具備100行和5列的矩陣少10倍的計算。這只是簡單的數學。

你可能會說，但我想顯示詳細的數據，我沒法刪除它，這是這樣作的方法：

 

//考慮主 - 詳細報告設計//

若是你的矩陣和表格視覺效果顯示詳細數據，那麼該用戶將僅瀏覽選定過濾器的頁面。你須要擁有一個母版頁（或多個母版頁），而後在Power BI中使用鑽取功能，讓用戶可以導航到詳細信息。使用鑽取將在到達詳細信息頁面時過濾數據，所以，計算次數會更少，性能會更好。

//總結//

在Power BI中，矩陣和表格視覺效果並不慢！它們很慢的緣由是數據模型很差以及執行性能不佳的度量值。最佳的解決方案是正確設計數據模型，並調整計算性能。也有一些小技巧，例如使用Power BI中的鑽取過濾器減小計算次數。