前言
我們已經創作了大量關於DAX的內容，比如那些關於Power Pivot和SSAS表格模型的書、博客、文章、白皮書，以及一本關於DAX Patterns的著作。還有必要再為DAX另外寫一本書嗎？這門語言值得花這麼多精力嗎？當然，我們認為答案是肯定的。
當一本書誕生時，編輯首先關心的是它的頁數。這一點之所以重要，是因為頁數涉及定價、管理和資源的分配等。這多少讓作者有一點沮喪。事實上，每次寫書時，我們都需要謹慎分配關於產品（無論是Excel Power Pivot還是SSAS表格模型）和DAX語言描述所占的資源。沒有足夠的篇幅讓我們對DAX暢所欲言的感覺是痛苦的。畢竟，你不可能寫1000頁關於Power Pivot的內容，這種體量的書對任何人來說都是一場噩夢。
因此，這些年來，我們在撰寫關於Power Pivot和SSAS表格模型的書的同時，也編寫了一本繫統闡述DAX的書，隻不過它暫時被封存。現在，我們決定打開封印，不再糾結摘錄哪一部分內容——我們將介紹關於DAX的所有細節，不做任何刪減，這就是本書的由來。
本書不介紹如何創建計算列，不告訴你在哪個對話框中可以設置哪些屬性。因為這不是一本手把手教你使用Visual Studio、Power BI和Power Pivot的書。相反，它將深入介紹DAX語言，從入門開始一直到非常技術化的細節，來指導你如何優化自己的代碼和模型。
在創作過程中，我們對它的每一頁都愛不釋手，無數次回顧這些內容，以至於可以倒背如流。每當我們認為有重要的內容要補充時，就會繼續添加內容。這讓本書的頁數隻增不減，因為每一頁都是有價值的。在此期間，我們加深了對DAX的理解並且享受整個創作過程。
但還有一件事情需要說明，為什麼你需要這樣一本關於DAX的書？
在你第一次使用Power Pivot或Power BI之後可能就有了這種想法。拜托，你不是一個人，我們第一次使用之後也產生了這個困惑。DAX看起來太簡單了！它和Excel函數是如此相似！而且，如果你學習過其他編程語言或查詢語言，那麼你可能已經習慣參照語法實例、套用已經掌握的思維模式來學習一門新的語言。這些都是我們在學習DAX過程中犯過的錯誤，希望你不要重蹈覆轍。
DAX是一門強大的語言，支持這門語言的分析工具正在不斷增加。但在強大的背後，它的一些原理很難通過歸納法（從具體實例推導出普遍規律的一種方法）來理解。例如，對計值上下文（Evaluation Context）的理解需要用到演繹推理：先接觸理論本身，再通過案例加深對理論的理解。我們知道很多人都不習慣這種學習方式，他們更喜歡在實踐中學習，即先研究如何解決具體問題，再通過不斷的練習和積累，歸納出公式背後的原理。如果你也希望使用這種方式學習，那麼本書可能不適合你。我們另有一本書：DAX Patterns，它是一本面向實戰的案例集，不包含公式原理的解釋，也不會告訴你為什麼公式寫成這樣效率更高，它適合讓你以直接套用的方式解決實際問題。但本書的目的是讓你真正掌握DAX。基於此，本書中所有的案例都是為了解釋DAX語言的行為，而非解決特定問題。如果你發現書中的某些公式恰好可以應用到你的模型裡，那麼恭喜你。但請記住，這隻是意外之喜，並非案例的本意。最後，請務必留意書中的注解，以確保理解案例中的代碼所包含的陷阱。出於講解的目的，書中使用的公式源碼通常並非最佳實踐。
希望你能和我們一起享受這段學習DAX的美妙旅程，就像當初我們寫這本書時那樣。
本書受眾
如果你隻是偶爾會使用DAX，那麼本書或許不是最佳選擇。市面上已經有很多書提供了DAX相關工具和語言本身的簡明介紹，它們可以幫助你從零開始達到基礎級別的DAX編程水平。我們對此非常了解，因為我們也寫過類似的書。
而如果你是抱著認真的態度學習DAX，想要了解這門優美語言的所有細節，那麼本書就是為你準備的。如果這是你學習DAX的第一本書，那麼請不要期望太早領悟那些高級概念。建議你首先通讀全書，等到積累一些經驗後再重讀那些最復雜的章節，那時你會對它們有更清晰的了解。
不同職位、不同目的的人都可以從DAX中獲益，Excel用戶可以利用DAX操控Power Pivot數據模型，商業智能（BI）專家需要在不同規模的BI解決方案中編寫DAX代碼，非專業Power BI使用者需要在自助BI模型中編寫DAX公式。不同的人群在本書中都能找到適合自己的內容。某些內容（特別是性能優化部分）更適合BI專家，因為用於優化DAX度量值的知識具備比較高的技術性；但我們認為Excel用戶同樣需要了解DAX表達式之間的性能差異，以便獲得最佳的模型運行效果。
最後，你需要不斷從本書中學習，而不能僅僅停留在閱讀階段。我們保持入門部分的內容的通俗易懂，並遵循從零開始學DAX的邏輯路徑。然而，當其中涉及的概念開始變得復雜時，我們將不再試圖簡化它，而是回歸真實。DAX不是一門簡單的語言，掌握它和理解引擎的每處細節花費了我們多年的時間，不要奢望隨手翻翻本書就能明白全部內容。你在閱讀本書時要高度集中注意力。作為回報，我們提供了關於DAX各個方面的內容，且這些內容是前所未有的，以助你成為一名真正的DAX專家。
準備知識
我們希望本書讀者在Power BI和數據分析方面具備一定的基礎知識，如果你對DAX有過一些接觸，這對你有好處，它能幫助你更快地閱讀本書第一部分內容。當然，了解DAX不是必需的。
本書部分內容引用了MDX和SQL代碼，但你不必預先了解這些語言，因為它們隻是反映不同表達式之間的區別，即使你不了解這些代碼也沒有關繫。這意味著那些特定主題不是為你準備的。
在本書最復雜的高級內容部分，我們介紹了並行計算、內存訪問、CPU使用，以及其他過於高深、讓大部分讀者可能感到陌生的知識。開發人員熟悉這些內容，而Excel高級用戶可能有點畏懼。不過，當涉及優化內容時，這些信息是必需的。因此，本書最復雜的部分面向BI開發人員而不是Power BI和Excel用戶。然而，我們相信每個閱讀過它的人都會從中受益。
本書編排
本書在內容設計上遵循合理的邏輯順序，從入門內容逐步深入到復雜內容。每章的內容在撰寫時都基於之前內容被完全理解的基礎之上；幾乎不會重復前面介紹過的概念。正因如此，我們強烈建議讀者在首次閱讀本書時采用從頭至尾的方式繫統學習，不要提前跳到復雜章節。
讀過一次之後，它就可以成為你學習DAX的參考書。例如，如果你對ALLSELECTED函數的原理不是很明白，則可以直接翻到講解這個函數的那章打消疑問。不過，在缺少對之前內容理解的情況下，閱讀該部分可能無法達到預期效果，甚至會遇到更糟糕的情況：產生片面或錯誤的理解。
以下是各章節內容概覽。
? 第1章是對DAX的簡要介紹，其中有些內容是專門針對已經有其他編程語言基礎的用戶，比如SQL、Excel或MDX。本章沒有引入任何新概念，隻給出你可能已經知道的，一些關於DAX和其他語言差異的提示。
? 第2章介紹DAX語言的概況，涵蓋計算列、度量值、錯誤處理函數等基本概念，並列出DAX的大部分基礎函數。
? 第3章專門介紹基礎表函數。DAX的許多函數都使用表作為參數或返回表作為結果。本章內容涵蓋最基本的表函數。高級表函數將在第12章和第13章中介紹。
? 第4章專門介紹計值上下文。計值上下文是整個DAX語言的基石，本章連同第5章，是整本書最重要的內容。
? 第5章隻介紹兩個函數：CALCULATE和CALCULATETABLE。它們是DAX中最重要的函數，是否理解計值上下文將直接決定你能否用好這兩個函數。
? 第6章介紹變量。在本書的案例中使用了大量的變量，本章專門介紹它們的語法並解釋如何使用變量。當你在接下來的章節中看到大量使用變量的例子時，本章內容將是非常有參考性的。
? 第7章介紹迭代器和CALCULATE函數：二者是“天作之合”。學習如何使用迭代器，以及上下文轉換，可以充分發揮DAX的強大功能。本章中會介紹幾個有助於理解如何利用這些工具的例子。
? 第8章深入闡述時間智能計算，包括年初至今、月初至今、去年同期、基於周的時間段和自定義日期表等常用計算。
? 第9章專門介紹DAX中引入的最新特性：計算組（Calculation Groups）。計算組是非常強大的建模工具。本章介紹如何創建和使用計算組，以及計算組的基本概念，並展示了一些示例。
? 第10章介紹篩選上下文的更高級用法，比如數據沿襲、對篩選上下文的檢查及編寫高級公式的有用工具。
? 第11章介紹如何對層級結構執行計算，以及如何使用DAX處理父/子結構。
? 第12章和第13章介紹對編寫查詢和/或執行高級計算都很有用的高級表函數。
? 第14章進一步介紹計值上下文的知識，並在擴展表理論的幫助下介紹諸如ALLSELECTED和KEEPFILTERS之類的復雜函數。本章內容屬於高級內容，揭示了復雜DAX表達式的大部分秘密。
? 第15章介紹如何管理DAX中的關繫。實際上，借助DAX，任何類型的關繫都可以在數據模型中被設置。本章介紹分析型數據模型中常見的多種類型的關繫。
? 第16章介紹幾個用DAX解決的復雜計算案例。這是關於DAX語言的最後一章，本章有助於讀者發現解決方案和產生新的想法。
? 第17章詳細描述VertiPaq引擎，它是運行DAX模型時最常用的存儲引擎。了解這一點，對於學習如何在DAX公式中獲得最佳性能至關重要。
? 第18章基於第17章的內容，介紹數據模型級別可用的優化手段。讀者會在本章學到何時規範化模型，如何減少列基數，如何設置關繫和使用最少的內存以在DAX中獲得最佳性能。
? 第19章介紹如何讀懂查詢計劃，以及如何借助DAX Studio和SQL Server Profiler等工具來評估DAX查詢的性能。
? 第20章基於之前章節介紹的優化知識，介紹一些技術解決方案，本章首先展示示例公式，然後評估它們的性能，最後解釋並給出優化後的公式。
