双向关系指南
本文面向使用 Power BI Desktop 的数据建模者。 它指导你何时创建双向模型关系。 双向关系是一种双向筛选的关系。
注意
本文不涵盖对模型关系的介绍。 如果你对模型关系、其属性或配置方法并非完全熟悉，建议先阅读 Power BI Desktop 中的模型关系一文。
此外，还应了解星型架构设计，这一点也很重要。 有关详细信息，请参阅了解星型架构和 Power BI 的重要性。
通常，建议尽量减少使用双向关系。 此类关系可能会对模型查询性能产生负面影响，并可能会为报表用户带来令其困惑的体验。
双向筛选可以满足特定要求的场景有以下三种：
特殊模型关系
在创建以下两种特殊模型关系类型时，双向关系起着重要作用：
- 一对一关系：所有一对一关系都必须是双向的，否则无法进行配置。 通常，建议不要创建这种类型的关系。 有关完整讨论和替换设计，请参阅一对一关系指南。
- 多对多关系：关联两个维度类型表时，必须有桥接表。 为了确保筛选器跨桥接表传播，必须使用双向筛选器。 有关详细信息，请参阅多对多关系指南（关联多对多维度）。
“使用数据”的切片器项
双向关系可以将切片器限制为，显示与数据所在位置相关的项。 （如果你熟悉 Excel 数据透视表和切片器，则从 Power BI 语义模型或 Analysis Services 模型采购数据时，这是默认行为。为了帮助解释含义，请先考虑以下模型关系图。
第一个表名为 Customer，它包含以下三列：Country-Region、Customer 和 CustomerCode。 第二个表名为 Product，它包含以下三列：Color、Product 和 SKU。 第三个表名为 Sales，它包含以下四列：CustomerCode、OrderDate、Quantity 和 SKU。 Customer 和 Product 表是维度类型表，它们与 Sales 表之间都有一对多关系。 每个关系都是单向筛选。
为了帮助介绍双向筛选的工作原理，模型图已修改为显示表行。 本文中的所有示例都以此数据为依据。
注意
本来是不可以在 Power BI Desktop 模型关系图中显示表行的。 本文显示出来为的是通过提供清晰的示例来支持讨论。
下面的项目符号列表介绍了三个表的行详细信息：
- “Customer”表有两行：
- CustomerCode CUST-01、Customer Customer-1、Country-Region United States
- CustomerCode CUST-02、Customer Customer-2、Country-Region Australia
- Product 表包含以下三行：
- SKU CL-01、Product T-shirt、Color Green
- SKU CL-02、Product Jeans、Color Blue
- SKU AC-01、Product Hat、Color Blue
- Sales 表包含以下三行：
- OrderDate January 1 2019、CustomerCode CUST-01、SKU CL-01、Quantity 10
- OrderDate February 2 2019、CustomerCode CUST-01、SKU CL-02、Quantity 20
- OrderDate March 3 2019、CustomerCode CUST-02、SKU CL-01、Quantity 30
现在来看看下面的报表页。
报表页包含两个切片器和一个卡视觉对象。 第一个切片器是“国家/地区”，它包含以下两项：“澳大利亚”和“美国”。 此切片器当前按“澳大利亚”切片。 第二个切片器是“产品”，它包含以下三项：“帽子”、“牛仔裤”和“T 恤”。 未选中任何项（即未按任何产品筛选）。 卡视觉对象显示数量 30。
当报表用户按“澳大利亚”切片时，不妨将“产品”切片器限制为，显示数据与澳大利亚销售相关的项。 这就是显示“使用数据”的切片器项的含义。 为了实现此行为，可以将 Product 与 Sales 表之间的关系配置为双向筛选。
“产品”切片器现在列出一个项，即“T 恤”。 此项表示唯一销售给澳大利亚客户的产品。
首先，建议仔细考虑这种设计是否适用于报表用户。 一些报表用户觉得这种体验令人困惑。 他们不理解为什么在自己与其他切片器交互时，切片器项会动态显示或消失。
如果你确实决定显示“使用数据”的切片器项，建议不要配置双向关系。 双向关系需要更多处理，因此可能会对查询性能产生负面影响，尤其是在模型中的双向关系数量增加时。
有一种更好的方法可以达到同样的效果：可以将视觉对象级别筛选器应用于“产品”切片器本身，而不是使用双向筛选器。
现在来看看，Product 与 Sales 表之间的关系不再是双向筛选。 此外，以下度量值定义已添加到 Sales 表中。
Total Quantity = SUM(Sales[Quantity])
若要显示“使用数据”的“产品”切片器项，只需按使用“非空白”条件的“总数量”度量值筛选即可。
维度到维度分析
另一种涉及双向关系的场景是，将事实类型表视为桥接表。 通过这种方式，支持在不同维度类型表的筛选器上下文中分析维度类型表数据。
使用本文中的示例模型，考虑如何回答下列问题：
- 有多少种颜色销售给澳大利亚客户？
- 有多少个国家/地区购买了牛仔裤？
这两个问题都可以回答，无需汇总桥接事实类型表中的数据。 不过，确实需要筛选器从一个维度类型表传播到另一个。 在筛选器通过事实类型表传播后，就可以使用 DISTINCTCOUNT DAX 函数（可能还有 MIN 和 MAX DAX 函数）汇总维度类型表列。
由于事实类型表的行为类似于桥接表，因此可以按照多对多关系指南操作，关联两个维度类型表。 需要配置至少一个双向筛选关系。 有关详细信息，请参阅多对多关系指南（关联多对多维度）。
不过，正如本文中所述，这种设计可能会对性能产生负面影响，并对用户体验产生与“使用数据”的切片器项相关的影响。 因此，建议改用 CROSSFILTER DAX 函数在度量值定义中激活双向筛选。 CROSSFILTER 函数可用于在表达式求值期间修改筛选器方向，甚至还可用于禁用关系。
现在来看看添加到 Sales 表中的以下度量值定义。 在此示例中，Customer 与 Sales 表之间的模型关系已配置为单向筛选。
Different Countries Sold =
CALCULATE(
DISTINCTCOUNT(Customer[Country-Region]),
CROSSFILTER(
Customer[CustomerCode],
Sales[CustomerCode],
BOTH
)
)
在“不同国家/地区销售数量”度量值表达式求值期间，Customer 与 Sales 表之间的关系为双向筛选。
下面的表视觉对象显示了每种售出产品的统计信息。 “数量”列只计算数量值的总和。 “不同国家/地区销售数量”列显示所有已购买产品的客户的国家/地区值的非重复计数。
相关内容
有关本文的详细信息，请参阅以下资源：