2020-11-15 阅读量: 964
一、power povit计算列：
DAX计算列在将模型内容导入内存后计算DAX表达式的结果。DAX表达式对表的每一行执行，可以通过行上下文使用同一表的列，并且可以使用最初为空的筛选器上下文聚合数据。对每一行求值的DAX表达式的结果作为表的附加列存储在内存中;此结果可用于其他计算，以及筛选和分组数据。下面的屏幕截图显示了销售表中计算的价格范围列，它只取决于销售表[净价]列的值。
二、power query自定义列：
Power Query自定义列是一个M表达式，它定义了在将表导入数据模型之前应用于数据源的转换。根据表达式和数据源，Power Query自定义列的M表达式可以转换为对数据源的等效请求——就像SQL查询中的列表达式一样;Power Query引擎也可以计算它，修改来自数据源的行，这些行用于填充数据模型中的表。
三、power povit计算列和power query自定义列区别：
在模型中添加一列
一个新的DAX计算列不需要完全刷新该表
一个新的Power Query 自定义列需要完全刷新该表
完全刷新表格
在所有分区的数据加载并在内存中压缩后，引擎开始处理DAX计算列。
处理一个Power Query自定义列与处理来自数据源的任何其他列一样。
增量刷新和分区刷新
即使表中仅添加或刷新了几行，引擎也会处理表中所有行的DAX计算列。
引擎只计算在部分刷新中处理的行的PowerQuery自定义列的值。
压缩比较
DAX计算列不参与对最佳压缩排序顺序的评估。因此，对列的压缩可能非常不理想，特别是对于具有少量唯一值的列。
Power Query的自定义列与表中的任何其他列一样被压缩。
处理时间
处理单个DAX计算列的成本相当于对刷新操作中包含的每一行的DAX表达式进行连续计算。同一张表中的多个DAX计算列以一个与计算依赖项兼容的顺序依次处理。
当使用查询折叠优化表达式时，处理Power Query自定义列的成本主要取决于数据源。例如，如果将M表达式转换为等效的SQL表达式，那么性能和并行性完全依赖于SQL数据源。
改善一列的压缩可能会对数据模型中其他列的压缩产生负面影响。
查询性能
压缩效果更好的列的内存较小，通常可以提供更好的性能，这在涉及该列的筛选，分组和聚合操作中很重要。
DAX计算列的压缩率可能低于Power Query自定义列的压缩率。
一列压缩的改进可能会对数据模型中其他列的压缩产生负面影响
四、1.何时使用power query自定义列
当表达式仅依赖于创建新列的表的同一行的其他列时，应该使用Power Query 自定义列。
如果数据源是关系数据库，并且您能够合并可以有效地连接到数据源中的表，那么最好使用PowerQuery函数对表进行非规范化-而不是将多个表导入数据模型然后创建DAX 计算列使用RELATED函数从其他表中检索相应数据。
如果需要聚合来自其他表的行，那么在决定是否使用Power Query自定义列时需要注意。PowerQuery自定义列在数据源上执行聚合，这可能需要很长的执行时间。如果发生这种情况，应该考虑使用DAX计算列，以避免长时间的处理。
2.何时使用DAX计算列
每当无法在Power Query自定义列中实现相同计算时，都应使用DAX计算列。典型的情况是从模型中的其他表聚合数据。另一种情况是来自不同数据源的表的非规范化，因为无法使用Power Query中的查询折叠技术对其进行优化。
