如何在 Daxstudio 中检查哪个 DAX 查询具有更好的性能？

Question

如何使用Daxstudio 检查两个 DAX 查询中哪一个的性能更好。在示例中，查询返回完全相同的结果。然而，统计数据不同，显示出不明确的提示。从两个查询的比较中我们可以掌握哪些有用的信息？

比较查询统计摘要：

+-------------------------+------------+---------+---------+
|                         |            | Query 1 | Query 2 |
+-------------------------+------------+---------+---------+
| Server timings          | Total      |       7 |       5 |
|                         | SE CPU     |       0 |       0 |
|                         | FE         |       6 |       4 |
|                         | SE         |       1 |       1 |
|                         | SE Queries |       3 |       2 |
|                         | SE Cashe   |       0 |       0 |
+-------------------------+------------+---------+---------+
| Query plan, no of lines | physical   |       7 |      28 |
|                         | logical    |      13 |       9 |
+-------------------------+------------+---------+---------+

• 第二个查询更快，但计划繁琐且更长。 2 次扫描。
• 第一个查询具有更长的服务器计时，但查询计划更简洁、更短。 3 次扫描。

因此，服务器计时有利于第二个查询，但其复杂的查询计划引起了人们的关注。了解统计信息和查询计划后，如果 SearchTable 有数百万行，我们可以期待什么？我们不应该喜欢更简单的查询计划吗，因为未来 DAX 优化可能会发生变化，对他们有利？

样本数据。我们有两个表 SearchTable 和 ThisTable：

SearchTable = 
DATATABLE (
    "Category", STRING,
    "Product", STRING,
    "Amount", INTEGER,
    {
        { BLANK ()      , "apple"       , 1 },
        { "Fruits"      , "apple"       , 1 },  -- watch out for multiple apples!
        { "Yummy Fruits", "apple"       , 2 },
        { "Fruits"      , "banana"      , 4 },
        { "Fruits"      , "wolfberry"   , 5 },
        { "Fruits"      , "cherry"      , 3 },
        { "Vegetables"  , "carrot"      , 3 },
        { "Vegetables"  , "potato"      , 1 },
        { "Vegetables"  , "onion"       , 7 },
        { "Fruits"      , "cherry"      , 3 }        
    }
)
---
ThisTable = 
DATATABLE (
    "Product", STRING,
    {
        { "apple" },
        { "banana" },
        { "blackberry" },
        { "carrot" },
        { "cherry" },
        { "onion " },
        { "potato" },
        { "watermelon" },
        { "wolfberry" }
    }
)

第 1 个查询。

EVALUATE
ADDCOLUMNS (
    VALUES ( ThisTable[Product] ),
    "FilterLookup",
    VAR LookupKey = ThisTable[Product]
    RETURN
        CALCULATE ( MAX ( SearchTable[Category] ), SearchTable[Product] = LookupKey )
)

查询具有以下统计信息：

及查询计划：

第 2 个查询。

EVALUATE
ADDCOLUMNS (
    VALUES ( ThisTable[Product] ),
    "FilterLookup", MAXX (
        FILTER ( SearchTable, SearchTable[Product] = ThisTable[Product] ),
        SearchTable[Category]
    )
)

统计：

查询计划：

问题与：

DAX lookup first non blank value in unrelated table

您可以下载带有示例数据的 pbix 文件：

DAX lookup top 1 value.pbix

Answer 1

您无法从 DAX Studio 中真正看出，什么时候数据集如此之小，但在大多数情况下，具有最简单查询计划的查询将是最快的。查询 #1 就是这种情况，这确实是您情况下最快的查询（忽略低于 ~20 毫秒的所有时间测量值 - 因为它不可靠，因为数据集太小了）。

另外，我想补充一点，以下查询应该提供相同的结果，并且速度更快，查询计划比您的两个查询更简单：

ADDCOLUMNS(
    ThisTable,
    "FilterLookup",
        LOOKUPVALUE(SearchTable[Category], SearchTable[Product], ThisTable[Product])
)

编辑：我没有注意到“apple”在SearchTable[Product] 列中出现了两次。这将导致上述对LOOKUPVALUE(...) 的调用失败，因为它无法找到SearchTable[Category] 的明确值。

Answer 2

由于固定的开销成本，很难将小型数据集的性能外推到大型数据集，因此我建议在更大的数据表上进行测试。

一般来说，您希望尽可能避免使用像 MAXX 这样的迭代器，而尽可能使用 MAX，因为后者具有引擎优化。很少有规则在优化查询方面是通用的，因此鉴于您显示的数据，这是一个相当基于意见的问题。