Переопределение контекста фильтрации функцией ALL

Функция ALL в DAX является мощным инструментом для управления контекстом фильтрации в вычислениях. Её основное назначение — снимать применённые фильтры, позволяя выполнять агрегации по полному набору данных или заданному подмножеству. Однако при работе со связанными таблицами в реляционных моделях данных (таких как «звезда» или «снежинка») поведение ALL может оказаться неочевидным: по умолчанию она снимает фильтры только с указанной таблицы, не затрагивая связанные измерения. Это может приводить к неожиданным результатам, когда контекст фильтрации переопределяется не полностью. В таких случаях для полного сброса фильтров требуется явное указание с помощью модификатора REMOVEFILTERS.

Ниже представлены примеры того, как это может выглядеть на практике.

Пример для модели данных, построенной по схеме «звезда»

Описание проблемы

Ниже представлена мера для расчета продаж за январь 2005 года:

Продажи за январь 2005 = CALCULATE (
            SUMX (
                'factonlinesales',
                'factonlinesales'[unitprice]
            ),
            FILTER (
                ALL ( 'factonlinesales' ),
                'factonlinesales'[datekey]
                    <= DATE(2005, 01, 31)
            )
        )

Результатом вычисления этой меры будет только строка за январь 2005 года:

В данной ситуации при использовании ALL('factonlinesales') снимается фильтрация только с таблицы фактов, но не с связанных измерений. Из-за этого фильтры по датам, продуктам или клиентам сохраняются, и контекст фильтрации не переопределяется полностью. В результате на визуализации отображаются только данные за январь 2005 года вместо ожидаемых продаж за этот месяц во всех строках.

Обходное решение

Для корректного переопределения контекста фильтрации по связанным измерениям необходимо явно снять фильтры с таблицы factonlinesales при помощи модификатора REMOVEFILTERS:

Продажи за январь 2005 workaround = CALCULATE (
            SUMX (
                'factonlinesales',
                'factonlinesales'[unitprice]
            ),
            FILTER (
                ALL ( 'factonlinesales' ),
                'factonlinesales'[datekey]
                    <= DATE(2005, 01, 31)
            ),
            REMOVEFILTERS(factonlinesales)
        )

Теперь для каждого месяца в визуализации отображаются продажи за январь 2005 года – без учёта текущего месяца в строке или внешних фильтров:

Пример для модели данных, построенной по схеме «снежинка»

Описание проблемы

Ниже представлена мера для расчета продаж товаров класса Deluxe:

Продажи Deluxe = CALCULATE (
            SUMX (
                'factonlinesales',
                'factonlinesales'[unitprice]
            ),
            FILTER (
                ALL ( 'dimproduct' ),
                dimproduct[classname] = "Deluxe"
            )
        )

В этом случае для разных подкатегорий мы увидим разные значения при визуализации:

Дело в том, что при использовании ALL('dimproduct') фильтрация снимается только с таблицы dimproduct, но не с связанных измерений. Из-за этого фильтры по подкатегориям сохраняются, и контекст фильтрации не переопределяется полностью. В результате на визуализации отображаются разные значения по строкам вместо ожидаемых продаж для класса Deluxe по всем подкатегориям.

Обходное решение

Для корректного переопределения контекста фильтрации по связанным измерениям необходимо явно снять фильтры с таблицы dimproduct при помощи модификатора REMOVEFILTERS:

Продажи Deluxe workaround = CALCULATE (
            SUMX (
                'factonlinesales',
                'factonlinesales'[unitprice]
            ),
            FILTER (
                ALL ( 'dimproduct' ),
                dimproduct[classname] = "Deluxe"
            ),
            REMOVEFILTERS( 'dimproduct' )
        )

Теперь для каждой подкатегории в визуализации будут отображаться продажи продуктов класса Deluxe – без учёта подкатегории или внешних фильтров:

Смотрите также

ALL
REMOVEFILTERS

На этой странице

1 Пример для модели данных, построенной по схеме «звезда»
2 Пример для модели данных, построенной по схеме «снежинка»

Время чтения: 1 мин.

Нужна дополнительная помощь?

Свяжитесь с технической поддержкой.