عملکرد مقدار جستجوی Power BI 101: نحو و استفاده ساده شده

درک داده های جمع آوری و ذخیره شده در چندین پایگاه داده در سراسر یک تجارت همیشه یک چالش است. مشاغل در سطح جهانی از ابزارهای تجسم داده مانند Power BI استفاده می کنند که تجزیه و تحلیل داده ها و هوش تجاری را ساده می کند. با یک رابط کاربری بصری ، می توانید در عرض چند دقیقه شروع کنید و داشبورد و گزارش های بصری خیره کننده و آموزنده را شروع کنید.

فهرست مطالب

Power BI توابع DAX را ارائه می دهد تا به راحتی چندین عملیات را در مجموعه داده های خود انجام دهید. یکی از توابع متداول فیلتر DAX ، تابع مقدار جستجوی Power BI است. به دنبال یک مقدار ستون در یک جدول است و یک مقدار واحد را برمی گرداند.

در این مقاله ، شما یاد می گیرید که چگونه به طور مؤثر از تابع ارزش جستجوی Power BI استفاده کنید.

فهرست مطالب

• Power BI چیست؟
  • ویژگی های اصلی قدرت BI
  • SYNTAX مقدار جستجو BI
  • پارامترهای مقدار جستجو BI BI
  • مقادیر چندگانه به عنوان خروجی
  • مقدار یافت نشد
  • اضافه کردن معیارهای بیشتر

  Power BI چیست؟

  Power BI یک ابزار تجسم داده و اطلاعات تجاری است که داده ها را از انواع منابع داده به داشبوردهای تعاملی و گزارش های BI تبدیل می کند. Power Bi Suite چندین نرم افزار ، اتصالات و خدمات Power BI Desktop ، Power BI Services مبتنی بر SAAS و برنامه های موبایل Power BI را که در سیستم عامل های مختلفی موجود است ، ارائه می دهد. این مجموعه از خدمات توسط کاربران تجاری برای مصرف داده ها و ایجاد گزارش های BI استفاده می شود.

  ویژگی های اصلی قدرت BI

  • توابع DAX: عملکرد DAX یک بیان تجزیه و تحلیل داده ها در Power BI است. این توابع تحلیلی کدهای از پیش تعریف شده برای انجام عملیات مرتبط با تجزیه و تحلیل بر روی داده های شما هستند. به عنوان مثال ، مقدار جستجوی BI BI یک تابع فیلتر DAX است که با توجه به مجموعه ای از مقادیر برای ستون های دیگر در همان جدول ، جدول را برای مقدار ستون جستجو می کند. در حال حاضر ، حدود 200 کارکرد در کتابخانه عملکرد BI وجود دارد.
  • امنیت داده ها: Power BI با ویژگی های امنیتی داده های پیشرو در صنعت مانند برچسب زدن حساسیت ، رمزگذاری پایان به پایان و نظارت بر دسترسی در زمان واقعی ، از داده های شما محافظت می کند.
  • انعطاف پذیری: Power BI به شما امکان می دهد داده ها را از منابع مختلف استخراج کنید. از پیش فرض تا پایگاه داده مبتنی بر ابر ، ساختار داده شده تا داده های بدون ساختار داده BI به شما امکان می دهد با طیف گسترده تری از مجموعه داده ها کار کنید.
  • فیلتر داده ها: در Power BI ، می توانید زیر مجموعه های داده را از چندین پایگاه داده ایجاد کنید و فقط بر روی داده های فیلتر شده که دارای ارتباط متنی هستند ، کار کنید.

  DAX در Power BI چیست؟

  عبارات تجزیه و تحلیل داده ها ، که بیشتر به عنوان DAX شناخته می شود ، یک زبان بیان فرمول است که توسط خدمات تجزیه و تحلیل ، قدرت BI و Power Pivot در اکسل استفاده می شود. فرمول های DAX برای انجام محاسبات و نمایش داده های پیشرفته در مورد داده ها در جداول و ستون های مرتبط در مدل های داده های جدولی استفاده می شود. به عنوان مثال ، می توانید یک ستون جدید به یک جدول موجود اضافه کنید و مقادیر ستون توسط فرمول DAX تعریف شده است. بخش مهمی از فرمول های DAX توابع DAX است. این توابع شما را ملزم به ارائه ورودی برای آرگومان های اختیاری یا مورد نیاز آن (پارامترها) می کند. پس از اجرای عملکرد ، یک مقدار را برمی گرداند. DAX لیست کاملی از توابع مانند:

  • توابع کل: این توابع به شما امکان می دهد مقادیری مانند تعداد ، جمع ، میانگین ، حداقل یا حداکثر را برای همه ردیف های یک ستون یا جدول محاسبه کنید.
  • توابع تاریخ و زمان: اگرچه توابع DAX مبتنی بر نوع داده DateTime است که از اول مارس 1900 شروع می شود ، اما آنها به طور مشابه با توابع تاریخ و زمان مورد استفاده در Microsoft Excel رفتار می کنند.
  • توابع فیلتر: این توابع به شما در بازگشت انواع داده های خاص ، مقادیر جستجو در داستان های مرتبط و فیلتر توسط مقادیر مرتبط کمک می کنند. به عنوان مثال ، توابع مقدار جستجوی Power BI توابع فیلتر هستند که با استفاده از جداول و روابط مانند یک پایگاه داده کار می کنند.
  • کارکردهای مالی: مشابه عملکردهای مالی در مایکروسافت اکسل ، این توابع در فرمول هایی که محاسبات مالی را انجام می دهند ، مانند ارزش فعلی خالص و نرخ بازده استفاده می شود.
  • توابع اطلاعات: این سلول یا ردیف مشخص شده به عنوان آرگومان را بررسی می کنند تا بگویند آیا مقدار از نوع مورد انتظار است یا خیر. به عنوان مثال ، اگر مقدار ارجاع شده حاوی خطایی باشد ، عملکرد ISError صحیح است.
  • توابع منطقی: آنها مقدار عبارت داده شده را بررسی می کنند و اطلاعات لازم را در مورد آن باز می گردانند. به عنوان مثال ، برای بررسی اینکه آیا عبارات شما یک مقدار واقعی را برمی گرداند یا خیر ، می توانید از عملکرد واقعی استفاده کنید.
  • توابع ریاضی و مثلثاتی: مشابه توابع ریاضی مورد استفاده در اکسل ، این DAX با تفاوت های جزئی در انواع داده های عددی کمی متفاوت است.
  • توابع روابط: با استفاده از این توابع DAX ، می توانید مقادیر را از جدول مرتبط دیگر برگردانید ، یک رابطه خاص را برای استفاده در یک عبارت مشخص کنید و جهت فیلتر متقابل را مشخص کنید.
  • عملکردهای آماری: آنها با توزیع آماری و احتمال ، مانند انحراف استاندارد و تعداد مجوزها همراه هستند.
  • توابع متن: مشابه اکسل ، در اینجا می توانید بخشی از یک رشته را برگردانید ، متن را در یک رشته جستجو کنید یا مقادیر رشته را به هم بزنید.
  • توابع اطلاعاتی زمانی: با استفاده از دانش داخلی در مورد تقویم ها و تاریخ ها ، این توابع DAX به شما امکان می دهد تا مقایسه های معنی داری را در دوره های زمانی قابل مقایسه برای فروش ، موجودی و غیره ایجاد کنید.
  • توابع دستکاری جدول: آنها به شما امکان می دهند یک جدول را برگردانید یا حتی جداول موجود را دستکاری کنید.

  تجزیه و تحلیل داده های BI خود را با استفاده از خطوط لوله داده بدون کد HEVO ساده کنید

  HEVO DATA ، یک خط لوله داده بدون کد به انتقال داده ها از 100+ منبع به یک انبار داده/مقصد مورد نظر شما کمک می کند و آن را در ابزار BI مورد نظر خود مانند Power BI تجسم می کند. HEVO به طور کامل مدیریت می شود و فرایند را نه تنها بارگیری داده ها از منبع مورد نظر شما بلکه به طور کامل خودکار می کند بلکه داده ها را نیز غنی می کند و آن را به یک فرم آماده تجزیه و تحلیل تبدیل می کند و حتی مجبور به نوشتن یک خط کد واحد می شود. معماری تحمل گسل آن تضمین می کند که داده ها به صورت ایمن و سازگار با از دست دادن داده صفر اداره می شوند.

  این یک راه حل سازگار و قابل اعتماد برای مدیریت داده ها در زمان واقعی و همیشه داده های آماده تجزیه و تحلیل در مقصد مورد نظر خود را ارائه می دهد. این امکان را به شما می دهد تا با استفاده از یک ابزار BI از انتخاب خود ، روی نیازهای اصلی تجارت تمرکز کنید و تجزیه و تحلیل روشنگری را انجام دهید.

  بررسی کنید که چه چیزی Hevo را شگفت انگیز می کند:

  • امن: HEVO دارای معماری تحمل گسل است که تضمین می کند که داده ها به صورت ایمن و سازگار با از دست دادن داده های صفر اداره می شوند.
  • مدیریت طرحواره: HEVO وظیفه خسته کننده مدیریت طرحواره را از بین می برد و به طور خودکار طرح داده های دریافتی را تشخیص می دهد و آن را به طرح مقصد می رساند.
  • یادگیری حداقل: HEVO با UI ساده و تعاملی خود ، برای مشتریان جدید بسیار ساده است که بتوانند روی آنها کار کنند و عملیات را انجام دهند.
  • Hevo برای مقیاس ساخته شده است: با افزایش تعداد منابع و حجم داده های شما ، Hevo به صورت افقی مقیاس می کند و میلیون ها رکورد در دقیقه را با تأخیر بسیار کمی اداره می کند.
  • بار داده های افزایشی: HEVO امکان انتقال داده هایی را که در زمان واقعی اصلاح شده است ، امکان پذیر است. این کار استفاده کارآمد از پهنای باند را در هر دو انتها تضمین می کند.
  • پشتیبانی زنده: تیم HEVO در طول ساعت در دسترس است تا از طریق چت ، ایمیل و تماس های پشتیبانی ، پشتیبانی استثنایی از مشتریان خود را گسترش دهد.
  • نظارت زنده: HEVO به شما امکان می دهد تا جریان داده ها را رصد کنید و بررسی کنید که داده های شما در یک نقطه خاص از زمان قرار دارد.

  عملکرد مقدار جستجوی Power BI چیست؟

  Power BI Calrepy یکی از متداول ترین توابع فیلتر است ، به خصوص برای توسعه دهندگان DAX با پس زمینه اکسل. با مجموعه ای از مقادیر مشخص برای هر ستون در یک جدول ، تابع مقدار جستجوی Power BI جدول شما را برای یک مقدار خاص از یک ستون جستجو می کند. برای درک کار و استفاده از عملکرد ارزش جستجوی Power BI ، می توانید جنبه های زیر را طی کنید:

  • SYNTAX مقدار جستجو BI
  • پارامترهای مقدار جستجو BI BI
  • مقادیر چندگانه به عنوان خروجی
  • مقدار یافت نشد
  • اضافه کردن معیارهای بیشتر

  1. نحو ارزش جستجوی BI BI

  LookupValue (، ، ، [، [،.]] ، [،])

  2. پارامترهای مقدار جستجو BI BI

  نحو مقدار جستجوی BI Power BI شامل 4 پارامتر زیر است:

  • نتیجه_ columnname: ستون حاوی مقدار مورد نظر.
  • search_columnname: ستون حاوی search_value.
  • SEARCH_VALUE: ارزشی که در جستجوی آن هستید.
  • Alteate_Result: مقداری که در صورت عدم وجود مقدار یا بیش از یک مقدار در ستون مشخص شده بازگردانده می شود. اگر این آرگومان اختیاری را ارائه ندهید ، عملکرد مقدار جستجوی Power BI ، به طور پیش فرض ، بدون هیچ مقدار خالی باز می گردد و خطایی برای بیش از یک مقدار بازگردانده می شود.

  برای این مقاله ، می توانید یک مجموعه داده نمونه حاوی جدول DimeMployee را در زیر آورده باشید:

  به عنوان مثال ، اگر سعی می کنید از عملکرد ارزش جستجوی Power BI استفاده کنید تا یک کارمند با کلید کارمند 31 پیدا کنید:

  کارمند 31 = LookUpvalue (Dimemployee [FirstName] ، Dimemployee [کارمندک] ، 31)

  در اینجا ، DimeMployee [FirstName] ستونی است که شامل نام کارمند مورد نظر است. DIMEMPLOYEE [EMPLOYEEKEEKEY] ستونی است که شامل کلید 31 کارمند است.

  3. مقادیر چندگانه به عنوان خروجی

  عملکرد مقدار جستجوی Power BI هنگامی که فقط به یک مقدار واحد برگردانده شده است بهینه کار می کند. در مورد مقادیر متعدد ، عملکرد مقدار جستجوی Power BI یا نتیجه پیش فرض تعیین شده توسط شما در آرگومان نتیجه جایگزین را نشان می دهد ، یا در غیر این صورت خطایی را برمی گرداند.

  به عنوان مثال ، تلاش برای یافتن کارمندانی که به عنوان نام میانی خود R دارند ، یک مورد مناسب از مقادیر متعدد به عنوان خروجی است.

  کارمند 31 = LookupValue (Dimemployee [FirstName] ، Dimemployee [Middlename] ، "R" ، "پیدا نشده یا چند نتیجه"

  4. مقدار یافت نشد

  هنگامی که مقدار جستجو که مشخص کرده اید در search_column موجود نیست ، عملکرد مقدار جستجوی Power BI آرگومان نتیجه جایگزین را برمی گرداند. به طور پیش فرض ، اگر مقداری برای نتیجه متناوب مشخص نکرده اید ، یک خالی را باز می گرداند.

  به عنوان مثال ، جستجوی کلید کارکنان 2222222 یک مورد مناسب از ارزش است که در search_column یافت نمی شود.

  کارمند 31 = LookupValue (Dimemployee [FirstName] ، Dimemployee [کارمند] ، 2222222 ، "یافت نشد!")

  5. اضافه کردن معیارهای بیشتر

  تابع مقدار جستجوی Power BI همچنین به شما امکان می دهد مقادیر جستجو را با ستون جستجو مشخص شده اضافه کنید. به عنوان مثال ، می توانید کارمندی را پیدا کنید که نام میانی آن "R" باشد و نام خانوادگی "گیلبرت" است.

  کارمند 31 = LookUpvalue (Dimemployee [FirstName] ، Diremployee [Middlename] ، "R" ، Diremployee [نام خانوادگی] ، "گیلبرت" ، "پیدا نشده یا نتایج چندگانه")

  چگونه می توان از عملکرد مقدار جستجوی Power BI در جداول گسترش یافته استفاده کرد؟

  مدلی را در نظر بگیرید که جداول مختلف با هم در ارتباط هستند. شکل نشان داده شده در زیر جداول مانند فروش ، نرخ ارز روزانه ، ارز و غیره را نشان می دهد.

  به عنوان مثال ، می توانید برای پیدا کردن مقدار نرخ ارز برای یک ارز و تاریخ مشخص ، از تابع مقدار جستجوی Power BI استفاده کنید. این امر به شما نیاز دارد تا کد ارزی را برای کلید ارز و تاریخ از جدول فروش استخراج کنید.

  ExchangeRateToeur = var CurrencyKey = LookupValue ("ارز" [CurrencyKey] ، "ارز" [کد ارز] ، "EUR") VAR CURRENTDATE = فروش [تاریخ سفارش] نتیجه VAR = LookupValue ("نرخ ارز روزانه" ، "روزانهنرخ ارز "[CurrencyKey] ، CurrencyKey ،" نرخ ارز روزانه "[تاریخ] ، جریان فعلی) نتیجه بازگشت

  موارد فوق را می توان با استفاده از جداول گسترش یافته بیشتر بهینه کرد. یک جدول گسترده با قدرت شامل تمام ستونهای جدول پایه و تمام ستون های جدول مربوط به جدول پایه توسط یک یا چند رابطه بسیار زیاد یا یک به یک آبشار است. از آنجا که فروش ، نرخ ارز روزانه و جداول ارزی به یکدیگر مرتبط است ، می توانید مستقیماً در ستون [کد ارز] ارز جستجو کنید:

  ExchangeRateToeur = var currentDate = فروش [تاریخ سفارش] نتیجه VAR = LookupValue ("نرخ ارز روزانه" [نرخ] ، "ارز" [کد ارزی] ، "یورو" ، "نرخ ارز روزانه" ، جریان فعلی) نتیجه بازگشت

  ملاحظات عملکرد برای عملکرد ارزش جستجوی BI

  برای استفاده از عملکرد ارزش جستجوی Power BI برای عملکرد بهینه ، می توانید نکات زیر را در نظر بگیرید:

  • اگر استفاده از عملکرد مرتبط امکان پذیر نیست ، می توانید عملکرد Power BI را انتخاب کنید. برنامه های پرس و جو تولید شده توسط مقدار جستجو معمولاً نسبتاً بهینه شده اند. با این حال ، در شرایط خاص ، درخواست های CallbackDataid می تواند در پرس و جو موتور ذخیره سازی گنجانیده شود و در نتیجه اجرای کندتر ، عملکرد کندتر و از دست دادن بازدیدهای حافظه پنهان باشد. در این حالت ، شما باید یک روش جایگزین را در نظر بگیرید.
  • همچنین می توانید از محاسبه عملکرد مقدار جستجو استفاده کنید. نحو زیر را در نظر بگیرید:

  محاسبه (SelectedValue (جدول [نتیجه_ column]) ، فیلتر (allnoblankrow (جدول [search_column_1]) ، جدول [search_column_1] ==) ، فیلتر (allnoblankrow (جدول [search_column_2]) ، جدول [search_column_2] ==) ، remplevilters ())

  محاسبه به شرط آنکه مقادیر ثابت باشد ، بسیار خوب کار خواهد کرد. اگرچه اغلب متوجه خواهید شد که این عبارات پویاتر هستند ، اما این می تواند یک برنامه پرس و جو گرانتر ایجاد کند که شامل درخواست های CallbackDataid به موتور ذخیره سازی است. رفتار مشابهی نیز در مورد عملکرد ارزش جستجوی BI BI مشاهده خواهد شد.

  بر خلاف Lookup ، می توانید این وضعیت را برای محاسبه اصلاح کنید. با حرکت بیان در خارج از پیش بینی های فیلتر در محاسبه ، می توانید تلاش پرس و جو را کاهش دهید.

  • روش بحث شده در بالا مبتنی بر درمان است:

  محاسبه (متمایز (جدول [نتیجه_کولون]) ، درمان (<>، جدول [search_column_1]) ، درمان (<>، جدول [search_column_2]) ، حذف کننده ())

  به جای چندین فیلتر در تابع مقدار جستجوی Power BI ، می توانید یک فیلتر چند ستونی واحد ایجاد کنید. این می تواند سناریوهای پیچیده ای را بهینه کند که در آن وجود ارزش جستجو در یک تکرار کننده عملکرد ضعیفی ایجاد می کند. این امر به طور کلی هنگامی اتفاق می افتد که نمایش داده های موتور ذخیره سازی شامل تماس های CallbackDataid است و در حافظه نهان ذخیره نمی شود.

  var filterlookup = درمان (<( , )>، جدول [search_column_1] ، جدول [search_column_2]) بازگشت محاسبه (مجزا (جدول [نتیجه_کولون]) ، FilterLookup ، removeFilters ())

  با استفاده از عملکرد مقدار جستجوی Power BI در امنیت سطح ردیف

  برای محدود کردن دسترسی به داده ها برای کاربران خاص می توانید از سطح Row-Level Security (RLS) با Power BI استفاده کنید. فیلترها دسترسی به داده ها را در سطح ردیف محدود می کنند و به شما امکان می دهند فیلترها را در نقش ها تعریف کنید. غالباً ، تابع مقدار جستجوی Power BI در داخل یک عملکرد دیگر استفاده می شود. با استفاده از تابع Power BI Lookup مقدار ، می توانید مقداری از ستون دیگری در جدول پیدا کنید وقتی که مقدار از ستون دیگر با مقداری مقدار برابر است ، و سپس از نتیجه ای که می خواهید برخی از فیلترها یا برخی از کارهای دیگر استفاده کنید ، استفاده کنید.

  به عنوان مثال ، می توانید از عملکرد مقدار جستجو در داخل یک عملکرد دیگر استفاده کنید تا شناسه کاربر کاربر وارد شده را بدست آورید.

  [id] در مجزا (SelectColumns (فیلتر (addColumns (crossjoin "(فیلتر (" سازمانهای کاربران "، سازمان های کاربران" [شناسه کاربر] = LookupValue (کاربران [ID] ، کاربران [ایمیل] ، userprincipalname ()) ، سازمان))، "مسیر شامل این سازمان" ، pathcontains (سازمان [مسیر] ، [شناسه سازمان]) ، [مسیر شامل این سازمان]) ، "شناسه سازمان" ، سازمان [شناسه]))

  با استفاده از عملکرد مقدار جستجوی Power BI در مقابل محاسبه عملکرد

  ممکن است بازنویسی مقدار جستجو با یک عملکرد ساده تر برای اجرای یک برنامه پرس و جو خاص مفید باشد. به خاطر داشته باشید که این نوع بهینه سازی ها برای مدل ، توزیع داده ها یا پرس و جو خاص بسیار خاص است. استفاده از محاسبه اغلب می تواند یک جایگزین سریعتر برای عملکرد مقدار جستجو باشد. اگرچه ، آزمایش عملکرد گسترده همیشه برای موارد استفاده فردی توصیه می شود. برای درک تفاوت بین عملکرد مقدار جستجو و عملکرد محاسبه می توانید نشانگرهای زیر را طی کنید:

  • مقدار جستجو تست ها را روی ستون های مشخص شده به عنوان معیارهای جستجو به صورت جداگانه اجرا می کند. در برخی از سناریوها ، توصیه می شود که از یک فیلتر چند ستون واحد برای فیلتر کردن چندین ستون استفاده کنید یا به جای ستون های فیلتر از درمان استفاده کنید. مقدار جستجو این امکان را فراهم نمی کند ، اما می توانید مقدار جستجو را به یک اجرای کامل با یک عملکرد ساده تر گسترش دهید تا انعطاف پذیری بیشتری در تغییر فیلتر به شما بدهد.

  اندازه گیری اندازه گیری [مقدار یورو] = sumx (خلاصه (فروش ، "تاریخ" [تاریخ]) ، [مبلغ فروش] * جستجو ("نرخ ارز روزانه" [نرخ] ، "نرخ ارز روزانه" [تاریخ] ، "تاریخ"[تاریخ] ، ارز [کد ارز] ، "یورو")) ارزیابی Summarizecolumns ("تاریخ" [سال تقویم] ، "مقدار_ر" ، "فروش" [مقدار یورو])

  • برنامه پرس و جو فوق را می توان به یک پرس و جو ساده SQL همانطور که در زیر نشان داده شده است ترجمه کنید:

  "جدول" [تاریخ] ، "جدول" را از "جدول" از "جدول" به سمت چپ "ارز" در "جدول" [CurrencyKey] = "ارز" [CurrencyKey] که در آن "جدول" [تاریخ] (39955. 000000 ، 39996. 000000 را انتخاب کنید ، انتخاب کنید.، 39791. 000000 ، .. [926 مقادیر کل ، همه نمایش داده نمی شود]) واند "ارز" [کد ارز] inindex '$ ttable2' [$ semijoinprojection] ؛

  • برای اجرای همان پرس و جو SQL کمی کارآمدتر از عملکرد مقدار جستجو می توانید از محاسبه و درمان استفاده کنید.

  اندازه گیری فروش [مقدار EUR] = SUMX (خلاصه (فروش ، تاریخ "[تاریخ]) ، [مبلغ فروش] * محاسبه (انتخاب شده (" نرخ ارز روزانه "[نرخ]) ، درمان ها (<'Date'[Date]>، "نرخ ارز روزانه" [تاریخ]) ، درمان (<"EUR">، ارز [کد ارزی]))) Summarizecolumns ("تاریخ" [سال تقویم] ، "مقدار_ر" ، "فروش" [مقدار یورو]) را ارزیابی کنید

  اگرچه هر دو مورد از دو شرایط فیلتر به طور جداگانه استفاده می کنند ، با استفاده از درمان ها می تواند مفید باشد. درمان به خوبی بهینه شده است ، و در برخی از سناریوهای خاص ، درمان ها می توانند از ظهور CallbackDataid جلوگیری کنند و از این طریق فشار بر روی FE (موتور فرمول) را کاهش می دهد.

  با محاسبه می توانید انعطاف پذیری بیشتری را اضافه کنید.

  • پرس و جو DAX که در آن مقدار جستجو با محاسبه کامل جایگزین شده است ، گزینه استفاده از فیلتر را با استفاده از Treatas با یک جدول دو ستونی حاوی جفت تاریخ و کد ارز به شما می دهد:

  اندازه گیری فروش [مقدار EUR] = SUMX (خلاصه (فروش ، تاریخ "[تاریخ]) ، [مبلغ فروش] * محاسبه (انتخاب شده (" نرخ ارز روزانه "[نرخ]) ، درمان ها (<( 'Date'[Date], "EUR" )>، "نرخ ارز روزانه" [تاریخ] ، ارز [کد ارزی]))) ارزیابی Summarizecolumns ("تاریخ" [سال تقویم] ، "مقدار_ر" ، "فروش" [مقدار یورو])

  فیلترهای چند ستونی به طور معمول در مقایسه با چندین فیلتر تک ستون عملکرد ضعیفی دارند. با این حال ، اگر تعداد ترکیباتی که باید فیلتر شود بسیار اندک است ، یک فیلتر چند ستونی بهتر از دو فیلتر تک ستونی انتخابی کمتر است.

  اگرچه ، این سطح از بهینه سازی به ندرت مورد نیاز است. در مقیاس کلی ، هیچ تفاوتی بین مقدار جستجو و محاسبه از نظر سرعت وجود ندارد. با این حال ، بر اساس توزیع داده های فردی یا مجموعه ای از ستون ها ، عملکرد ممکن است متفاوت باشد. اطمینان حاصل کنید که همیشه این تکنیک ها را قبل از اجرای فرمول ها آزمایش کنید. بهینه سازی شدید نیاز به آزمایش گسترده و دانش خوبی از داخل موتور DAX دارد.

  با استفاده از عملکرد ارزش جستجوی Power BI در مقابل روابط

  غالباً استفاده از تابع مقدار جستجوی Power BI در کد شما نشان می دهد که یک رابطه از دست رفته است یا اینکه این مدل می تواند با کارآیی بیشتری از بین برود. مقدار جستجو از ویژگی SE (موتور ذخیره سازی) به کارآمدترین روش استفاده نمی کند زیرا برای جابجایی فیلتر به محاسبه نیاز دارد. به عنوان مثال ، می توانید مورد محاسبه میانگین سن مشتریان خود را به مرور زمان در نظر بگیرید.

  • نسخه اول از ارزش جستجو برای به دست آوردن تاریخ تولد مشتری استفاده می کند:

  ارزیابی کردن

  پس از بررسی زمان بندی سرور ضبط شده با DAX Studio ، متوجه خواهید شد که سطح تحقق بزرگ است و موتور فرمول (FE) مسئول بیشتر زمان اجرای است.

  • اکنون ، پرس و جو مربوطه را که از روابط موجود بین مشتری و فروش استفاده می کند ، یک برنامه پرس و جو بهتر را ایجاد کنید ، جایی که بیشتر تلاش های محاسباتی به SE (موتور ذخیره سازی) منتقل می شود:

  ارزیابی کردن

  شما می توانید از اندازه گیری های موجود در استودیوی DAX مشاهده کنید که با تنها 7ms زمان اجرای ، پیشرفت قابل توجهی را نشان می دهد.

  استفاده از روابط نه تنها پرس و جو را خیلی سریعتر کرده است ، بلکه استفاده بهتر از SE را نیز تشویق می کند ، به طور قابل توجهی کاهش یافته و از بین رفته است. همه این عوامل به وضوح نشان می دهد که روابط همیشه از استفاده بیش از حد از ارزش جستجو ترجیح می دهند. از این رو ، همیشه توصیه می شود برای جایگزینی ارزش جستجو با استفاده از روابط مناسب برای بهبود عملکرد تلاش کنید.

  نتیجه

  در این مقاله ، شما یاد گرفته اید که چگونه به طور مؤثر از عملکرد ارزش جستجوی BI استفاده کنید. این یک عملکرد ساده و در عین حال قدرتمند برای جستجوی یک مقدار واحد است که شرایط موجود در جدول هدف را برآورده می کند. اگر مقدار جستجو نتواند یک ردیف تطبیق مناسب پیدا کند ، مقدار پیش فرض مشخص شده توسط شما را برمی گرداند یا به طور پیش فرض خالی است.

  مقدار جستجو هنگام ایجاد ستون های محاسبه شده در یک جدول که مقادیر ستون های جدول را بازیابی می کند بسیار مفید است. سناریوی دیگری که مقدار جستجو برای روابط در مدل ارجح است ، زمانی است که شرایطی که شما تنظیم می کنید یک وضعیت پیچیده تر بر اساس ستون های مختلف به جای یک ستون واحد است. در این حالت ، مقدار جستجو از روابط انعطاف پذیر تر است.

  همانطور که داده های خود را در چندین برنامه و پایگاه داده در تجارت خود جمع آوری و مدیریت می کنید ، مهم است که آن را برای تجزیه و تحلیل عملکرد کامل از تجارت خود ادغام کنید. برای دستیابی به این هدف ، شما باید بخشی از پهنای باند مهندسی خود را برای ادغام داده ها از همه منابع ، تمیز و تبدیل آن ، و در آخر ، بارگذاری آن را به یک انبار داده ابری ، ابزار BI مانند Power BI یا مقصد مورد نظر خود اختصاص دهید. تجزیه و تحلیل تجارت. همه این چالش ها را می توان با یک ابزار ETL مبتنی بر ابر مانند داده های HEVO به راحتی حل کرد.

  HEVO DATA ، یک خط لوله داده بدون کد می تواند یکپارچه داده ها را از دریای وسیع 100+ منبع به یک انبار داده ، ابزار BI مانند Power BI یا مقصد مورد نظر خود منتقل کند. این یک سرویس مطمئن ، کاملاً خودکار و ایمن است که نیازی به نوشتن هر کد ندارد!

  اگر از Power BI به عنوان پلت فرم Analytics Data Analytics & Business خود استفاده می کنید و به دنبال یک جایگزین بدون سرنشین برای ادغام داده های دستی هستید ، پس Hevo می تواند با زحمت این کار را برای شما انجام دهد. HEVO با ادغام قوی خود با 100+ منبع و ابزارهای BI (از جمله 40+ منبع رایگان) به شما امکان می دهد نه تنها داده های صادراتی و بارگذاری را انجام دهید بلکه داده های خود را نیز تبدیل و غنی سازی کرده و آن را در یک جیفی آماده کنید.

  آیا می خواهید Hevo را برای سوار شدن ببرید؟برای یک آزمایش رایگان 14 روزه ثبت نام کنید و فرآیند ادغام داده های خود را ساده کنید. جزئیات قیمت گذاری را بررسی کنید تا بفهمید کدام برنامه تمام نیازهای تجاری شما را برآورده می کند.

  در مورد تجربه خود در استفاده از عملکرد ارزش جستجوی Power BI برای ما بگویید! نظرات خود را در بخش نظرات زیر با ما به اشتراک بگذارید.< SPAN> اگر از Power BI به عنوان پلت فرم تجزیه و تحلیل داده های خود و کسب و کار خود استفاده می کنید و به دنبال یک جایگزین بدون سر و صدا برای ادغام داده های دستی هستید ، پس Hevo می تواند با زحمت این کار را برای شما انجام دهد. HEVO با ادغام قوی خود با 100+ منبع و ابزارهای BI (از جمله 40+ منبع رایگان) به شما امکان می دهد نه تنها داده های صادراتی و بارگذاری را انجام دهید بلکه داده های خود را نیز تبدیل و غنی سازی کرده و آن را در یک جیفی آماده کنید.