o 是 ilionx 的一名顾问，每天使用 Power BI 并为客户提供使用支持。在这篇博客中，他将指导您如何减少 Power BI 中的存储大小。许多组织都使用 Power BI 来作为传递仪表板和报告的工具。但是如何确保仪表板的性能不会令人失望呢？在这篇博客中，Remo 深入探讨了如何通过显著减少数据集存储大小来提高 Power BI 性能。
Power BI 数据集的存储大小
一般来说，“数据集越大，报告越慢”。考虑一个 Excel 文件，其中包含多行数据的文件很快崩溃了。行越多，过滤器的响应速度越慢，Excel 崩溃的可能性就越大。但是哪些因素导致我的 Power BI 数据集的大小不断增大？
示例情况
为了本博客的解释，我们假设以下情况：
我们有一个 数据仓库 ，其中包含来自零售组织的销售数据。该组织拥有 100 家商店，每家商店 每天有 5,000 名顾客 ，每名顾客 购买10 件商品 。
数据平台捕获最低、最详细的信息。示例：每条收据行（售出的每种产品）在数据平台中都有自己的一行数据。
Power BI 有两种模式，导入和直接查询（我们不会进一步讨论这些）。我们使用导入模式，其中数据保存在 Power BI 中。
表格
Power BI 处理的数据存储在表中。表格由行和列组成。在一个有 10 行（观察值）和 10 列（特征）的表格中，有 100 个单元格。每个单元格包含一个值，描述该特定观察的特征。一个表格所需的存储空间取决于行数、列数和单 荷兰电报数据 元格中的值。
限制行数
需要存储的数据行越多，所需的内存就越大。但是如何限制 Power BI 数据集中的行数？
数据聚合
如果数据平台中的数据 存储在最详细的级别，但业务问题没有延伸到该详细级别，那么将数据存储在该级别就是一种浪费。那么最好添加（聚合）到更高的级别。例如：无需将收据行的销售额导入 Power BI，而是可以在商店日级别进行此操作。
如果我们将示例中的所有收据行加载到 Power BI 中，则我们需要所有商店一年的 365*100*5000*10= 1,825,000,000 （18 亿）行数据。
按商店天数计算的相同总数可得出：365*100= 36,500 行。差异达 50,000 倍。
始终问自己是否具有正确的聚合级别来回答业务问题，而无需导入不必要的行。
聚合示例
聚合表示例
数据聚合的示例。在此示例中，表格从 12 行减少到 3 行（因子 4）。