DAX的历史

DAX全称Data Analysis eXpressions，是面向Microsoft Power BI、Microsoft SQL Server Analysis Services (SSAS)和Microsoft Power Pivot for Excel的编程式数据分析语言。它创建于2010年，随PowerPivot的第一个版本PowerPivot for Excel 2010一起发布(2010年的时候PowerPivot的拼写还没有空格；空格在2013年引入)。随着时间的推移，DAX已经在商业智能和Excel社区中逐渐流行起来。

DAX的简单和复杂

微软在官方的介绍中称DAX是一种简单的语言。也就是说，DAX的基本知识简单易学：你可以在几小时内开始使用。这确实是事实，微软在开发DAX的时候从Excel中移植了很多函数，它们名称相同，参数用法也类似。但我想告诉你的是，这种简单仅限于起步阶段。DAX和大多数编程语言不同，它有很多独特且重要的理论，一旦涉及到这些概念，比如计值上下文、迭代和上下文转换，一切都将变得复杂起来。但不要放弃！请保持耐心。一旦你的大脑开始理解这些概念，你就会发现DAX确实是一种简单的语言，只是需要时间去适应。

学习DAX的误区

不同于其他语言，DAX需要你理解它的原理之后才能熟练使用，如果你习惯于通过学习具体的函数建立起一门语言的知识体系（比如Excel 函数），请千万不要将这种习惯带入到DAX的学习中。因为它的一些原理很难通过归纳法（从具体实例推导出普遍规律的一种方法）来理解。例如，对计值上下文（The Evaluation Context）的理解需要用到演绎推理：先接触理论本身，然后通过案例加深对理论的理解。我知道许多人不习惯这种学习方式，他们更喜欢在实践中学习，先研究如何解决具体问题，然后通过不断的练习和积累，归纳出公式背后的原理。如果你使用这种方式学习，会常常发现写出的公式能得出正确结果，但自己却不明白为什么。

以我的观察，有太多的学习者在这上面走了弯路，他们把之前学习其他语言的方法套用在DAX上，以为只要学会了函数也就掌握了这门语言。所以在这里我还想再强调一次，函数本身并不复杂，真正的复杂性蕴含于DAX公式的计值过程中，在简单的计算中你可以忽略它的存在，而一旦问题变得复杂，公式的计值流就会开始变得难以理解。

DAX的优势

前文我们提到过，DAX可以运行在Power BI、SQL Server Analysis Services (SSAS)和Power Pivot for Excel中，本质上它们都是SSAS的表格模型，只是形式略有不同。Power Pivot for Excel运行了一个SSAS表格模型的本地实例，而Power BI使用一个单独的进程运行一个特殊的表格模型实例。

DAX引擎

DAX的能力蕴含在SSAS表格模型的引擎，我们称之为VertiPaq引擎，这是它在开发阶段的工程名称，大家已经习惯用这个名称代替它的官方用名“xVelocity内存分析引擎”。
Vertipaq是基于内存的列式数据库引擎，模型的所有数据都驻留在内存中。在Vertipaq引擎内部，数据以列式存储，而传统的SQL数据库引擎通常使用行式存储。简单的说，行式存储适合进行日常事务处理（OLTP），比如增删改查。而列式存储则适合分析决策（OLAP），比如多维分析。

列式数据库有几个优点：

• 高效的压缩比
• 不靠索引来优化查询
• 更适合大量的数据
• 天生适合聚合运算

在这个基础上，基于内存的列式数据库还有比存储在硬盘的数据库快接近10倍，这也是为什么当今主流的BI工具和大数据分析工具全部采用内存式数据库的原因。所以DAX是非常适合用于计算的语言，我曾经在Excel Power Pivot里测试过装载并分析一亿行数据，理论上完全没有问题。关于DAX引擎，后面会有专门的章节详细分析，这里我们只做最简单的介绍。
与其他BI工具相比，Power BI的一大特点就是拥有自己的数据引擎和分析语言，靠的是微软在数据库领域深厚的积累，绝非一日之功。

总结

“一身转战三千里，一剑可当百万师”，DAX是一门强大的语言，它让没有任何IT背景的普通人借助Excel这样的平民工具就可以处理几百万、上千万行的数据；完备的函数体系允许你将复杂的业务逻辑抽象成一个个公式，根据外部筛选条件的变化，这些公式可以瞬间完成计算并返回结果。在过去，这种分析可能需要依赖IT长达几小时或数天的反馈才能完成。借助DAX，普通业务人员对数据的分析能力将可以实现质的飞跃，还可以更容易的从Excel切换到SSAS这样的企业级BI工具。
千里之行，始于足下，让我们从这里开始，一起进入这个全新的领域。