什么是雪花维度？Power BI里如何降低模型复杂度？

关系模型是Power BI的独特优势，但是，在日常数据分析中，过多的表间关系，会使得数据模型变得非常复杂而且难以分析。

因此，在合适的情况下，借鉴其他BI工具（如SAP BW等）的“并表”模型构建方式，减少数据模型中的层次关系以及操作表，可以在适当牺牲数据存储以及模型的灵活性，而使得模型更加简单，数据分析更加便捷——实际上，这也是数据仓库的核心建模形式。

更重要的是，简单的模型，更有利于和同事之间的交流、协作。

什么是雪花维度？

雪花维度是一组规范化表 。 例如，按类别和子类别将产品分类。 类别包含子类别，而产品又相应地属于不同的子类别。 在关系数据库中，“产品”维度经过了规范化并存储在三个相关表中：DimProductCategory 、DimProductSubcategory 和 DimProduct 。

想象一下很多个这样的一层套一层的表和事实数据表（如销售订单表）的关联，形成雪花形状的设计。

在 Power BI Desktop 中，可以选择模仿雪花维度设计（可能是因为源数据如此），也可以将源表集成（非规范化，合并查询）到单个模型表中。具体操作方法可参考《合并查询_入门：vlookup虽好，然难承大数据之重》。

一般来说，单个模型表的优点比多个模型表的优点更多。 主要问题如下：

• 从存储和性能角度，Power BI 加载的表越多，效率较低。 这些表必须包括支持模型关系的列，因此可能会导致模型较大。
• 和单个表里的筛选器相比，需要遍历较长的关系链，效率也会更低。
• 设计窗口显示的模型表会很多，体验较差，特别是当雪花维度表只包含一列或两列时 。
• 不能创建跨越表的层次结构。集成到一个模型表时，可以定义一个层次结构，其中包含维度的最高和最低粒度。

当然，冗余非规范化数据的存储也可能会增加模型存储大小，尤其是在维度表很大的情况下。所以，最理想的方式取决于数据量和实际分析的要求——而这一点，需要的就是不断的在实际工作中应用、总结。

后面，我将继续结合案例对模型设计等Power BI的实际应用问题进行举例说明。敬请关注！