双向关系指南

  • 项目

本文面向使用 Power BI Desktop 的数据建模者。 它指导你何时创建双向模型关系。 双向关系是一种双向筛选的关系。

注意

本文不涵盖对模型关系的介绍。 如果你对模型关系、其属性或配置方法并非完全熟悉，建议先阅读 Power BI Desktop 中的模型关系一文。

此外，还应了解星型架构设计，这一点也很重要。 有关详细信息，请参阅了解星型架构和 Power BI 的重要性。

通常，建议尽量减少使用双向关系。 此类关系可能会对模型查询性能产生负面影响，并可能会为报表用户带来令其困惑的体验。

双向筛选可以满足特定要求的场景有以下三种：

特殊模型关系

在创建以下两种特殊模型关系类型时，双向关系起着重要作用：

  • 一对一关系：所有一对一关系都必须是双向的，否则无法进行配置。 通常，建议不要创建这种类型的关系。 有关完整讨论和替换设计，请参阅一对一关系指南。
  • 多对多关系：关联两个维度类型表时，必须有桥接表。 为了确保筛选器跨桥接表传播，必须使用双向筛选器。 有关详细信息，请参阅多对多关系指南（关联多对多维度）。

“使用数据”的切片器项

双向关系可以将切片器限制为，显示与数据所在位置相关的项。 （如果你熟悉 Excel 数据透视表和切片器，就会发现这是从 Power BI 语义模型（以前被称为数据集）或 Analysis Services 模型获取源数据时的默认行为。） 为了帮助解释它的含义，先来看看下面的模型图。

Diagram showing a model containing three tables. The design is described in the following paragraph.

第一个表名为 Customer，它包含以下三列：Country-Region、Customer 和 CustomerCode。 第二个表名为 Product，它包含以下三列：Color、Product 和 SKU。 第三个表名为 Sales，它包含以下四列：CustomerCode、OrderDate、Quantity 和 SKU。 Customer 和 Product 表是维度类型表，它们与 Sales 表之间都有一对多关系。 每个关系都是单向筛选。

为了帮助介绍双向筛选的工作原理，模型图已修改为显示表行。 本文中的所有示例都以此数据为依据。

注意

本来是不可以在 Power BI Desktop 模型关系图中显示表行的。 本文显示出来为的是通过提供清晰的示例来支持讨论。

Diagram showing that the model now reveals the table rows. The row details are described in the following paragraph.

下面的项目符号列表介绍了三个表的行详细信息：

  • “Customer”表有两行：
    • CustomerCode CUST-01、Customer Customer-1、Country-Region United States
    • CustomerCode CUST-02、Customer Customer-2、Country-Region Australia
  • Product 表包含以下三行：
    • SKU CL-01、Product T-shirt、Color Green
    • SKU CL-02、Product Jeans、Color Blue
    • SKU AC-01、Product Hat、Color Blue
  • Sales 表包含以下三行：
    • OrderDate January 1 2019、CustomerCode CUST-01、SKU CL-01、Quantity 10
    • OrderDate February 2 2019、CustomerCode CUST-01、SKU CL-02、Quantity 20
    • OrderDate March 3 2019、CustomerCode CUST-02、SKU CL-01、Quantity 30

现在来看看下面的报表页。

Diagram showing the report page containing three visuals. The details are described in the following paragraph.

报表页包含两个切片器和一个卡视觉对象。 第一个切片器是“国家/地区”，它包含以下两项：“澳大利亚”和“美国”。 此切片器当前按“澳大利亚”切片。 第二个切片器是“产品”，它包含以下三项：“帽子”、“牛仔裤”和“T 恤”。 未选中任何项（即未按任何产品筛选）。 卡视觉对象显示数量 30。

当报表用户按“澳大利亚”切片时，不妨将“产品”切片器限制为，显示数据与澳大利亚销售相关的项。 这就是显示“使用数据”的切片器项的含义。 为了实现此行为，可以将 Product 与 Sales 表之间的关系配置为双向筛选。

Diagram showing a model that the relationship between the Product and Sales table is now bi-directional.

“产品”切片器现在列出一个项，即“T 恤”。 此项表示唯一销售给澳大利亚客户的产品。

Diagram showing the report page containing three visuals with Product called out. The details are described in the following paragraph.

首先，建议仔细考虑这种设计是否适用于报表用户。 一些报表用户觉得这种体验令人困惑。 他们不理解为什么在自己与其他切片器交互时，切片器项会动态显示或消失。

如果你确实决定显示“使用数据”的切片器项，建议不要配置双向关系。 双向关系需要更多处理，因此可能会对查询性能产生负面影响，尤其是在模型中的双向关系数量增加时。

有一种更好的方法可以达到同样的效果：可以将视觉对象级别筛选器应用于“产品”切片器本身，而不是使用双向筛选器。

现在来看看，Product 与 Sales 表之间的关系不再是双向筛选。 此外，以下度量值定义已添加到 Sales 表中。

Total Quantity = SUM(Sales[Quantity])

若要显示“使用数据”的“产品”切片器项，只需按使用“非空白”条件的“总数量”度量值筛选即可。

Diagram showing that the Filters pane for the Product slicer now filters by

维度到维度分析

另一种涉及双向关系的场景是，将事实类型表视为桥接表。 通过这种方式，支持在不同维度类型表的筛选器上下文中分析维度类型表数据。

使用本文中的示例模型，考虑如何回答下列问题：

  • 有多少种颜色销售给澳大利亚客户？
  • 有多少个国家/地区购买了牛仔裤？

这两个问题都可以回答，无需汇总桥接事实类型表中的数据。 不过，确实需要筛选器从一个维度类型表传播到另一个。 在筛选器通过事实类型表传播后，就可以使用 DISTINCTCOUNT DAX 函数（可能还有 MIN 和 MAX DAX 函数）汇总维度类型表列。

由于事实类型表的行为类似于桥接表，因此可以按照多对多关系指南操作，关联两个维度类型表。 需要配置至少一个双向筛选关系。 有关详细信息，请参阅多对多关系指南（关联多对多维度）。

不过，正如本文中所述，这种设计可能会对性能产生负面影响，并对用户体验产生与“使用数据”的切片器项相关的影响。 因此，建议改用 CROSSFILTER DAX 函数在度量值定义中激活双向筛选。 CROSSFILTER 函数可用于在表达式求值期间修改筛选器方向，甚至还可用于禁用关系。

现在来看看添加到 Sales 表中的以下度量值定义。 在此示例中，Customer 与 Sales 表之间的模型关系已配置为单向筛选。

Different Countries Sold =
CALCULATE(
    DISTINCTCOUNT(Customer[Country-Region]),
    CROSSFILTER(
        Customer[CustomerCode],
        Sales[CustomerCode],
        BOTH
    )
)

在“不同国家/地区销售数量”度量值表达式求值期间，Customer 与 Sales 表之间的关系为双向筛选。

下面的表视觉对象显示了每种售出产品的统计信息。 “数量”列只计算数量值的总和。 “不同国家/地区销售数量”列显示所有已购买产品的客户的国家/地区值的非重复计数。

Diagram showing that two products are listed in a table visual. In the

相关内容

有关本文的详细信息，请参阅以下资源：