雪花维度合并查询重复列后，Power BI文件竟然还变小了！ | 数据模型优化

前几天，我发了文章《PowerBI数据模型优化，从导入数据开始》，没想到引起不少朋友的兴趣和认可。

的确，数据模型的优化，是深入应用Power BI的一项关键内容，所以，我也打算后续能把这个写成一个小的系列，给大家提供更多的例子和参考。

上次的文章里提到，影响Power BI文件大小和打开效率，一个很重要的影响因素是列和列基数。

这让我想起曾经写过文章《什么是雪花维度？Power BI里如何降低模型复杂度？》，其中提到，将维度表（如产品、类别、供应商等）上的列，尽可能通过合并查询的方式读到事实表（如订单表、订单明细表）里——就像在Excel里，为了做数据透视表，要先将多个表的数据整理到一个大表里一样，BI行业经常称之为“大宽表”：

这样，在后续的数据分析过程中，就可以直接在事实表里使用了，既方便，又简洁！

但是，毕竟，通过合并查询的方式将维度表里的很多列读取到事实表，数据就明显重复了，而且，事实表里的行数往往是最多的！那么，这些数据重复之后，Power BI文件会不会增大得很厉害呢？

下面我们就拿一份数据来试一下：30个供应商，500种产品，30万行订单，初始订单表4列信息：

数据导入Power BI后，文件大小为 3484 KB：

接下来，通过合并查询，将产品表的“产品名称”、“产品类型”、“供应商”等字段合并到订单表中，即，订单表此时增加了3列内容：

此时，Power BI文件竟然不是变得更大，而是变小了：3092KB ！！！

经过前面将产品信息合并到订单表后，再继续将供应商的“联系人”、“公众号”、“地址”等数据合并到订单表，此时，订单表增加到9列：

此时，Power BI文件略有增大，但也只是增大了5KB！

从这个例子可以看出，通过合并查询将维度表（如产品表）上的数据读取到事实表（如订单表），对数据模型的大小影响不大。

所以，对于类似雪花状的数据模型，我们可以放心地将常用的维度信息，通过合并查询的方式放入事实表中，避免后面在处理数据模型、制作图表等等过程中，要面临一个复杂的数据关系视图以及一个又长又不好控制的关系链！