计算列 vs 计算度量：你真的懂吗？

在玩转数据模型的过程中，你是不是也被这些小烦恼缠上啦：

计算列到底是个啥？计算度量又是什么神秘 “物种”？

计算列和计算度量之间，到底藏着什么不同的小秘密？

碰到具体问题时，该怎么挑计算列和计算度量呢？

首先，计算列、计算度量的存在，主要是辅助我们在创建模型时更好的进行二次计算，那先来说说为啥要二次计算？打个比方，数据源就像一个食材库，可有时候，里面缺了咱们做菜（分析数据）要用的食材，这时候就得自己动手加工一下，比如把数据 “切一切”（分割）、给字段类型 “换换装”（转换），或者求个平均值、找同期值啥的。

注意，这里有个关键的知识点要划重点啦！与报表层面进行二次计算不一样的是，模型定义是全局二次计算，也即我们在数据模型层面定义了一个计算逻辑，它就能在多个报表或多个组件复用。

下面就让我们一个个来揭开计算列、计算度量它们背后的神秘面纱吧！

计算列是在5.15的版本中产品新增，直接将字段添加到原始查询中的字段，成为子查询像数据源表的一部分参与运算；
计算度量则是使用MDX语法定义的度量，基于已有的度量数据展开计算。

两者的含义、作用、创建方式对比详情见下表：

分类	计算列	计算度量
定义	在表中新增列，每行值由自定义公式生成	在多维数据集（OLAP）中通过 MDX 表达式定义，基于已有度量进行二次计算
计算顺序	基于表中现有字段列，逐行计算，先于汇总操作	基于已有的度量值，先汇总数据，再基于汇总结果计算
作用层级	表结构层面，新增列成为表的一部分，作用于数据表内每行数据	度量层面，基于现有度量进一步运算，属于跨维度聚合数据（如按时间、产品类别汇总后计算）
创建入口	数据模型右侧维度区 “+” 号或仪表盘报表开发界面的数据维度区 “+” 号	数据模型右侧度量区 “+” 号或仪表盘报表开发界面的数据维度区 “+” 号
创建方式	直接进入编辑界面，手动编写表达式（支持字段选择和函数拖拽）	两种方式： 1. 向导式（内置时间计算、数学运算等模板，支持拖拽字段快速创建）； 2. 复杂方式（手动编写 MDX 函数，支持函数搜索和示例参考）
支持函数	使用数据库函数或平台内置函数（如数值、文本、日期处理函数）	除了内置函数（含时间计算、聚合函数、逻辑判断等），还支持调用 MDX 的函数，官方文档：https://mondrian.pentaho.com/documentation/mdx.php

由于两者创建方式和计算方式略有不同，最终操作步骤和对应得出的结果也会有所差异，详情如下：

（1）新建计算列，字段皆来自于表字段

创建计算列入口：

在数据模型右侧维度区右上方“+”号或仪表盘报表开发界面的数据维度区右上方“+”号入口都可以新建计算列使用，如图：

新建计算列：在这个界面中，有表达式编辑框、字段选择栏以及选择函数使用栏，可以根据实际需求，利用这些功能进行相关定义：

例如我们创建的销售额计算列就是拖拽对应表的字段进行计算即可，如图：

（2）新建计算度量

创建计算度量入口：

在数据模型右侧度量区右上方“+”号或仪表盘报表开发界面的数据维度区右上方“+”号入口都可以新建计算度量使用，如下图：

新建计算度量：

方式（1）向导方式：简单选择进行快速计算 : 实现同期、前期、累计值等，此页签界面主要是提供内置的数学运算、时间计算以及其他计算类型，也即可通过简单的拖拽操作快速创建所需的计算度量，如下图：

方式（2）函数方式：使用mdx函数来实现各种复杂场景下的高级计算，可看到右侧边栏很多内置函数，点击函数可看左下方的说明和示例；

例如我们新建销售额计算度量就可以选择函数方式创建，如图：

（3）创建报表，拖拽计算列和计算度量对比结果：

拖拽销售额计算列展示，可看到是按行输出销售额计算列结果：

查看系统监控——SQL/MDX监控，涉及的区域和销售额计算列都是从业务数据源通过SQL查询，并且销售额计算列是在原表直接处理，然后和其他表字段一并输出：

拖拽销售额计算度量展示，可看到销售额计算度量是汇总聚合后的结果：

查看系统监控——SQL/MDX监控，涉及的区域是从业务数据源通过SQL查询，但是销售额计算度量是在对原表数据分类汇总处理后，再基于汇总结果也即对已有的度量进一步计算处理：

若把销售额计算列右键复制转度量，再拖拽销售额计算列-对应的度量进行展示，可看到也是根据维度分类聚合计算后输出销售额计算列-度量的结果：

同样，查看系统监控——SQL/MDX监控，涉及的区域和销售额计算列都从业务数据源通过SQL查询，并且销售额计算列是在原表直接处理，但与维度区普通销售额计算列不同的是，销售额计算列-对应的度量会进行多一层sum的汇总计算，然后再和其他表字段一并输出：

学习计算列和计算度量两者含义、作用、创建方式和对应结算结果差异后，我们继续来看看两者的应用场景有何区别？

常用应用场景对比说明如下表：

说明	场景说明
相同之处	（1）均支持数值计算、逻辑判断、日期处理等基础功能；（2）均可通过自定义公式或函数扩展数据处理能力；（3）均支持对原始数据进行分类、逻辑判断等。
计算列- 常用场景	转换数据格式、转换数据类型、或取整：
	把数值或者日期转换成字符串，使用TOSTR函数；
	将时间戳转换成日期格式，使用UNIXTIMETODATE函数；
	将字符串类型数据格式转换成日期格式，使用STRTODATE函数；
	对字段取整，使用TOINTEGER函数；
	求明细数据对应某个日期前X天/年/月/季或日期时间差值等的日期时间计算：
	获取当年第一天，可以通过YEAR函数获取当前年，再用CONCAT函数进行拼接；
	返回日期之间的天数差，使用DATEDIFF函数；
	对原始数据分类判断使用：
	对原始数据分类使用IIF函数判断；
	对数据表数据的值进行case when判断再应用，可以使用计算列构造出是否
计算度量- 常用场景	对度量做复杂计算，方差、中位数等：
	求销售收入的期末值，Tail函数和filter函数结合处理；
	求销售额的年方差，使用VAR函数；
	查询各个产品类别销售额的中位数，使用Median函数；
	查询销售额的4次方根，使用Power函数；
	汇总计算：
	计算近两个月的销售额，使用AGGREGATE函数和ParallelPerodex函数结合处理；
	指定维度进行汇总，使用Fixed函数；
	按多个维度进行过滤汇总，aggregate函数和nonemptycrossjoin函数结合处理；
	对汇总数据排名、比较、分类处理：
	查询各个产品销售额的排名情况，使用rank函数；
	计算两个时间段的比值，使用AGGREGATE函数；
	对汇总后数据做判断，对度量进行case when判断处理；