在 Linux 系统中一切皆文件,除了通常所说的狭义的文件以外,目录、设备、套接字和管道等都是文件。
前些日子,有一位读者留言一个问题,我写了个公式过去,来回几次都没有解决,最后发现她竟然把DAX公式写在了编辑查询器里,我是五十步笑百步,因为本人也犯过同样的错误!我想告诉她没关系,自学成材这件事注定要有试错的弯路,而这些弯路都会让你更深刻地认识一个知识点。
虽然 PowerBI 发展得如火如荼,很多人进入 PowerBI 领域却遇到很多障碍,最明显的一项就是来自 DAX 的挑战。
AEP是Intel推出的一种新型的非易失Optane Memory设备,又被称作Apache Pass,所以一般习惯称作AEP。在这之前也有类似的设备称作NVDIMM或PMEM,目前Linux创建的AEP设备节点也是叫做pmem(如/dev/pmem0), 所以本文中NVDIMM或PMEM都指AEP。 但是本文不是为了科普AEP,如果想了解AEP的一些基本知识,可以参考以下几篇文章: NVDIMM Enabling in SUSE Linux Enterprise Part 1 NVDIMM Enabling in SUSE Linux Enterprise Part 2 Persistent Memory Wiki
《PowerBI 重构》系列(代指:Power BI DAX 重构系列)将是一系列新的话题,旨在将PowerBI 技艺提升到更高的阶段。该阶段需要坚实的DAX基础,这些基础内容已经在其他文章讨论过并提供了达成方法。
很多人说国内的学习资料太少,在学习的过程中坎坷不断,我与大多数PowerBI学习者一样,一边读外文的博客摸索一边铺路,在不断尝试和与人分享的过程中,总结了个人认为最宝贵的十条DAX学习经验,分享给读者。
2013年6月我写了关于非易失性内存(NVM)的未来接口。其中描述了SNIA NVM Programming technical work group(TWG)正在开发的NVM编程模型。在过去的四年里,规范已经发布,正如预测的那样,编程模型已成为大量后续工作的重点。该编程模型,在规范中描述为NVM.PM.FILE,可以将PM当做文件被操作系统映射到内存。本文,介绍持久内存编程模型如何在操作系统中实现,已经做了哪些工作,以及我们还面临着哪些挑战。
小勤:上次说可以通过对逆向连接表编辑DAX公式按需要返回模型中的数据(具体见文章《链接回表,让Power Pivot和Excel的互动更加精彩》),具体是怎么弄的?
近日,一场和 PowerBI DAX 之父 Jeffery Wang 的 AMA 活动。AMA 的意思是:Ask Me Anything。Jeffery Wang 在该活动中回答了很多关于 Power BI 尤其是 DAX 的相关重要问题。
在 PowerBI DAX 中,为了简化,数据结构只有一种表面形态:表。那当需要按照不同逻辑结构思考问题的时候,如何从表的结构形态衍生出其他结构形态?
很多朋友反映,在学习Power Pivot的DAX过程中,越是不断接触各类函数、计算方式、模型设计以及案例,就感觉越是“懵”,为什么?
在 DAX 中有一个神奇的函数 ALL,被誉为 DAX 圣经的书中有专门的多页篇幅来讲解这个 ALL 以及其相关系列。在 2019年9月 DAX中又新增了一个函数 REMOVEFILTERS,那么,ALL 到底是怎么回事?与 REMOVEFILTERS 到底有何不同?如果你看 DAX圣经 你需要看很久,而罗叔则让你秒懂,永远不会错。
2019年3月1日,在SqlBits大会上,微软宣布DAX引入一项重大更新:Calculation Group(暂且不做翻译)。这项更新将对PowerBI及SSAS均构成重要影响。为此,微软SSAS团队官方,SQLBI.com以及Chris Webb分别在各自博客记录这一内容。(后两者为SSAS领域国际顶级专家博客)
这个问题在我一开始接触PowerBI的时候就在思考,进过大量实践,略有所得,分享记录如下。表面上都是PBIX文件,但生产它们的过程却完全不同,有的完全是乱做瞎做的,而有的则是通过标准化的方式逐步推进完成的。
为什么业务分析师要学 Power BI 尤其是 DAX 呢?我们分三文来说清楚。
👆点击“博文视点Broadview”,获取更多书讯 转眼间,2021年已经过去了三分之一! 年初的Flag进展如何了呢?是否又更博学了呢? 在4月份的最后一天,博文菌挑选出了博文视点京东月度榜单前10名的图书,大家正好可以利用五一假期学起来呀! 悄悄告诉你:本期书单中的所有图书正在京东参与“五折封顶”活动,4月30号(今天)最后一天,不要错过哦! ---- 01 ▊《DAX权威指南》 [意] Marco,Russo(马尔·科鲁索),Alberto,Ferrari(阿尔贝托·拉里) 著 高飞 译
小勤:通过DAX查询,从Power Pivot数据模型里取数据返回Excel的功能这么强大,可是,写查询公式时啥提示都木有,要记函数就算了,还得记住每个表名和字段名?得多累啊!
既可以从非常广的宽度看到 Power BI 的各个方面,也同时可以看到在国际范围从事与此有关的大咖做到了什么程度。因此,这是客观衡量 Power BI 在全球表现的一场秀。有没有没有微软的官方支持,大会更显得实在,既可以显现 Power BI 的高阶应用状态,也可以看出很多问题,就看大家的水平了。
以下内容节选自《DAX权威指南:运用Power BI、SQL Server Analysis Services和Excel实现商业智能分析》一书! ---- --正文-- DAX(Data Analysis eXpressions),即数据分析表达式,是Microsoft Power BI、Microsoft SQL Server Analysis Services(SSAS)和Microsoft Power Pivot for Excel中使用的编程语言。 它创建于2010年,是随PowerPivot的
作为刚刚开始写 DAX 公式的小伙伴,会遇到一个非常明显的问题,那就是:我怎么知道我的 DAX 公式在某一步算出来了什么。
授之以鱼不如授之以渔,有关DAX的概念性介绍我特意地拖到这个章节统一来讲,以免在前面穿插让大家混淆。DAX是Data Analysis Expression的缩写,即数据分析表达式,DAX公式同Excel一样,公式繁多可以编汇成一部字典,我们不可能一夜之间把这本字典背下来,在这种情况下教会大家原理和学会查字典的方法尤为重要。
在小黄书上,有个关于calculate函数的入门例子,通过all函数删除销售人员维度的影响,得到结果的同时,又带来一个问题如下:
大海:既然这样的话,那用Power Pivot吧。直接在Power Pivot里实现这种特殊的计算。
如果说99%的人不真正理解PowerBI DAX的SUM,你信吗?只怕是说少了,从这个意义上讲,PowerBI就是一个坑爹的。
导读:随着硬件技术的不断进步,PMEM (Persistent Memory)已经足够成熟,开始进入到数据库加速领域,在 DRAM 和 Flash 之间提供能更强的 IO 层支撑。自 Oracle 20c 开始,持久化内存 PMEM(Persistent Memory )被引入到 Oracle 数据库中。
近来,一个问题刷爆国内 PowerBI 圈子。感谢小伙伴提供了一个这么真实,这么有价值的好题。
在有了这两天给出的光滑曲线做法后,我们进一步将正态分布的曲线做成光滑曲线来看其状态。
INTERSECT是DAX的重要函数之一,使用方式为intersect(表1,表2),它的基本功能是获得两个表的交集,如下图所示:
最近一位朋友在用Power BI做一项与日期相关的分析时,出现了一些看起来很奇怪的情况:
如果嫌麻烦,也可以直接跳到 RFM 4.0 的说明。如果说,RFM 4.0 的本文实现是自评 80 分,那么此前的 RFM 3.0 与之相比,大概只能是:30 分。RFM 4.0 的进步是全方位的,它不仅体现 PowerBI,DAX 的能力,体现业务逻辑,还体现了综合全部要素抽象简单统一的能力。
程序员不要吐槽本文的标题,我知道 AutoExist 不是陷阱也不是 BUG,这只是为了那些没有必要花精力理解这个不需要理解的概念的业务伙伴搜索标题时用的。
如果说业务分析师要基于数据回答问题,那么在当今时代选择一个重要的工具,这个工具应该是什么?
问题离奇的地方在于,这个报告已经平稳运转了大半年,并且最近什么改动都没有。就是突然间的,用户看不了数据了。根据抛出的报错信息来看,用户无数据访问权限。
作为 2018年 的终结篇并同时开启 2019,Excel120 将以此篇揭示 PowerBI 可以做出的最强大图表以及固定套路。
创建行上下文 1. 计算列:引用原有列,通过计算生成新列 2. 迭代函数 1) 聚合函数+X结尾:SumX,AverageX,CountX,CountaX,MaxX,MinX 2) 其他迭代函数:Filter,RankX,SelectColumns,AddColumns,ConcatenateX,FirstNONBlank / LastNONBlank,FirstNONBlankValue / LastNONBlankValue,ProductX
上期中,已经把一个看板搭建完成了,但是很多技术细节并没有做解释,这里把上一节没有讲的细节讲一下~
最近学CALCULATE都要吐了,白茶觉得,咱得换一换口味,对吧。本期呢,咱来聊一聊关于排名的问题。
在《PowerBI DAX 重构系列:用1个度量值代替100个 实现 动态多维度动态算法动态总计(上篇)》我们最终来到:
只有站在数据分析与商业智能的金字塔顶端往下望,才能更好地纵览整个BI世界的结构。本章中的“五层模型”提纲挈领式的描绘了整个数据分析的过程,并以此为基础讲述了企业级BI和自助式BI的发展轨迹与未来世界对于业务人员数据分析能力的要求。
有过大学计算机相关背景的伙伴会非常清楚:数据结构和算法,是一个程序员(软件开发工程师)的绝对内功心法。
例如:我们有一个集合:{ 1, ... , 10 },对这个集合的遍历,就是挨个看一遍。
瀑布图,在分析中是非常重要的图。在 Power BI 中的原生瀑布图使用起来有些问题,本文来探讨如果基于原生瀑布图的高级使用方法和限制。
本文来自社区伙伴对《DAX 权威指南(第二版)》的学习笔记,有问题可以留言或联系BI佐罗修改,感谢你的支持。
很多人都知道80/20帕累托法则(20%的人掌握着80%的财富),而ABC分类法可以说是该法则的衍生,目的是把握关键,分清主次。
点击蓝字 关注我们 本文介绍如何通过获取包含较少图表的可视化视觉对象,优化由于具有大量卡片图的慢速Power BI报表。 Power BI报表中,每个可视化视觉对象都必须完成许多计算才能呈现结果。显示数据的可视化视觉对象必须生成一个或多个DAX查询,执行这些查询会增加等待时间,特别是是当多个用户同时访问报表时还会增加服务器的工作量。为了提高报告的性能,最好的方式是减少在报告中可视化视觉对象的数量。 那我们如何实现呢?一起来看看下面的例子吧! 当用户位于报告的单个页面上时,Power BI仅计算报表
这是一个老生常谈的问题,本文将给你终极解决方案,并带您重新理解一种模式,从入门级到专业级,均有您需要的营养。
我们会用几篇文章来描述这些问题如何在当前的 PowerBI 中实现。很多问题的解决并不是能用 PowerBI 内置功能解决,这也算是一个痛点,按照微软的表述,微软会比较接纳社区的第三方插件与 PowerBI 的结合,一方面可以不必重复劳动,一方面很多社区插件已经注入很多心血,值得复用。
有这样一种人,他们拎着键盘,然后就没有然后了,他们对着黑漆漆的屏幕,完全像写天书地一样写代码,创造了数字化的世界。在多年前有幸目睹一位神一样的开发者,中午还很屌丝的一起吃了盒饭,下午这哥们就开着车跑到一个咖啡吧,敲起了代码,没有鼠标,对着纯黑的Linux界面,编写着似乎可以改变什么的程序…
领取专属 10元无门槛券
手把手带您无忧上云