用 Power BI 分析 Azure Databricks 里的数据，存储模式到底怎么选？Import、DirectQuery、Direct Lake、混合模式……每种都有适用场景，选错了性能可能差好几倍。
最近，微软发布了一份新白皮书，专门帮你做这个决策。虽然由微软委托，但撰写者是独立专家 Liping Huang——她曾在微软和 Databricks 都工作过，对两边都了如指掌。这份白皮书非常中立、务实，不吹不黑，值得一看。
核心结论：没有“最好”，只有“最适合”
白皮书测试了多种存储模式在不同数据量下的性能表现，结论不意外：没有一种模式能通吃所有场景。
不过，它给出了一个很有价值的参考方向：
- Direct Lake on OneLake：在大多数测试中表现最佳，尤其适合数据量中等、对实时性要求较高的场景。
- 复合模型（Composite Model）：当数据量非常大时，采用 DirectQuery 事实表 + Dual 模式维度表 + Import 模式聚合 的组合，反而能获得更好的性能。这和我之前在这篇博客里提到的思路一致。
当然，你的数据模型、报表逻辑和查询模式都是独特的，所以白皮书的核心目的不是告诉你“选哪个”，而是教你如何自己跑测试，找到最适合你的方案。
白皮书没覆盖什么？
为了控制范围，白皮书没有测试所有可能的存储模式组合，而且只关注性能，没有涉及成本和治理。所以在实际决策时，你还需要结合自己的预算、安全合规要求等综合权衡。
国内用户怎么看？
国内不少企业也在用 Databricks 或类似湖仓平台（如 MaxCompute、EMR），存储模式的选择同样是个头疼的问题。这份白皮书的测试方法论特别值得借鉴——不要拍脑袋选，用数据说话，跑一轮针对自己业务场景的基准测试，才能避免上线后性能翻车。
怎么获取？
白皮书已发布在 Power BI 博客上，链接在原文中有。如果你正在做 Databricks + Power BI 的架构选型，强烈建议下载阅读，并照着里面的方法做一轮自己的测试。
如果你对复合模型、Direct Lake 的细节感兴趣，也欢迎留言讨论，后续我可以再展开讲讲。
