Power Query 系列 (19) - 使用混合查询 (Query Folding)提高性能

在本系列的第 18 篇文章中，我详细讲解了从 MS Access 数获取数据，通过 PQ 完成进出存查询的过程。在示例中， stock_movement_details 查询大约 28000+ 行，计算出基于月份的进出存大致耗时 20 秒左右。使用 Excel 实现这样的输出报表有一定难度，从这个角度来说 PQ 是一个巨大的飞跃。但 28000 条的数据耗时 20 秒，性能就比较低了，这引起了我的好奇。经过一番思考和探索，发现了一些可以提高性能的做法。

查看 PQ 查询消耗的时间可以这样做，在 Excel 结果输出表中，右键选择菜单的【刷新】，或者在右边【查询&连接】面板中点击【刷新】按钮，启动数据刷新。如果数据计算和上载耗时比较长，在Excel 状态栏出现 “正在后台执行查询...” 的提示。点击这个提示，可以中断刷新，或者观察查询的耗时。不过这个界面设计的不够友好，如果查询耗时比较短，就很难调出对话框查看; 另外执行完毕后，计时器也不停止，只能用眼睛观察究竟用了多长时间。

查询的过程大体分为三步:

• 数据从数据源加载到 Power Query
• Power Query 处理数据 (transformations)
• 数据上载到 Excel 工作表

当然这个过程消耗的时间还有很多外在因素，比如从数据库加载数据受网络的影响，从本地加载数据也受内存大小和硬盘读写速度的影响。如何确定这个耗时是谁的责任呢？经过搜索，也没有发现很好的方法。网上有介绍 PQ 的 Query Folding -- 简单的说，就是 Power Query 与关系型数据库、OData 等数据源连接的时候，会考虑将一些数据处理 (transformation) 传回数据源进行处理，从而提高速度。能执行 Query Folding 的数据源包括：

• Relational sources (SQL Server, Oracle, …). They support most Power Query functionality.
• OData sources (such as a SharePoint list for example and the Azure Marketplace)
• Active Directory
• Exchange
• HDFS, Folder.Files and Folder.Contents (for basic operations on paths)

SQL Server 数据库的 SQL Server Managment Studio 提供了 SQL Server Profiler 工具，所以为了比较和观察，我立即将数据源切换到 SQL Server，执行相同的计算后，发现在 MS Access 中原来需要 20 秒的操作缩短到 2 秒左右。这说明 Query Folding 在提高新能方面确实起了作用，有 SQL Server 参与计算的功劳。根据文章的介绍，我也近距离观察了 Power Query query folding 的一些细节。folding 在英文中主要是弯曲、折叠的意思，也有 mix an ingredient with another ingredient 的意思，所以我将其翻译为混合查询，不一定正确。

在查询编辑器中，选择右边步骤，右键菜单有查看本机查询菜单项，如果菜单为灰色，表示本步骤是 Power Query 做的处理，如果不是灰色，表示该步骤由 PQ 送回数据源（比如数据库）进行处理。比如，我们选择 ExpandedCols 这一步骤，查看本机查询：

可以看到这一步骤的操作实际上是一个 SQL 语句：

下面我们进入 SQL Server Management Studio 来观察这一过程。通过菜单 【工具】- 【SQL Server Profiler】打开 一个新的 Profiler：

在 SQL Server Profiler 中，首先切换到事件选择面板。因为我们只要监控 sql 语句，所以只需要保留 SQL: BatchCompleted 事件即可，减少 log 输出方便我们在后面查看日志快速定位。

在 Excel 中，对查询进行刷新操作，不要执行太多操作，以免干扰 SQL Server Profiler 日志内容。刷新后回到 SQL Server Profiler 界面， 停止 Trace。

没有运行之前，Profiler 的界面如下：

刷新之后，Profiler 界面如下：

在这个界面可以观察完整过程，比如 SQL Server 执行了哪些 SQL 语句，每一步骤消耗了多长时间。

不使用 Query Folding

• 如果在查询中使用了 Table.Buffer 函数对查询表进行缓存，则不会启动 query folding 功能，可以对数据源调用 Table.Buffer 函数，然后在 SQL Server Profiler 中测试看看两种方法的 sql 语句有什么不同。
• 如果在查询中使用了自定义的 SQL 语句，则不会启动 query folding 功能

其他还有一些不会启动 query folding 的场景，个人觉得没有必要刻意去记。有兴趣的话请参考我在本文的参考部分列出的文章，里面有具体说明。

一些观察的结论

• SQL Server 数据库启用 query folding 能提高性能，因为 SQL Server 作为专门的数据库，在服务器端运行，肯定比客户端的 Power Query 有更高性能
• MS Access 数据库如果对数据源调用 Table.Buffer，反而性能下降得非常厉害，不知道什么原因。在工作表刷新数据的过程中，Windows 任务管理器显示有两个与 Power Query 相关的进程，但耗用内存不大，也没有在计算的过程中占用更大的内存。
• 连接 csv 文件中的数据，PQ 处理的耗时也没有比 MS Access 更慢，说明 PQ 本身的处理性能还是可以的。
• 按网上的说法，在循环中（比如 List.Generate 函数）使用 Table.Buffer 能提高性能，未测试。

示例数据

github

参考

Query Folding in Power Query to Improve Performance