问题背景
本问题来自我的课程：《Power BI 自动化用户运营分析》 中的学生提问。
课程中给出了多种进行新用户数相关的计算方法，发现一个问题：
上图给出了 和日期有关的DAX使用 在不同算法（不妨依次称为1,2,3,4）中的实现。
不必深究算法，这里想强调的是，前两种算法或使用ALL(日期表)，或使用FILTER(ALL(日期表))的方式忽略了日期表的影响。而在算法3,4中会发现，即使去掉ALL(日期表)，计算依然是正确的，这是为什么？
等价问题
当你觉得问题复杂时，找到最小核心点，分而治之。
解决上述的问题的最佳方式不是去解决它，而是观察，测试去发现问题的范围，进而找到等价的问题，并去研究等价问题。
建立等价问题
如果觉得上述背景复杂，那我们将问题做等价简化，有A，B两个表且满足下面的关系：
A，B的数据以及度量值如下：
A表：
B表：
度量值：
related count in B =
VAR current_id = MIN( A[id] )
RETURN CALCULATE( COUNTROWS( B ) , A[id]< current_id )
诡异的结果
解释：由于计算上下文（本处是筛选上下文）的存在，在第2行中，CALCULATE中存在筛选器A[item]="b"，此时在CALCULATE中出现的筛选A[id] < current_id，按照CALCULATE的执行原则，因为这是两个不同的字段，因此他们将共同起作用，而显而易见的是，他们共同的作用下，对表A的筛选应该是空集，而实际却并非如此。
破解诡异
将A表[id]字段的数据类型改为INTEGER，看看效果。 如下：
正如刚刚分析的，这才是应该呈现的效果。问题来了：为什么改成INTEGER类型就正确了，符合我们对CALCULATE运算逻辑的理解：筛选上下文是当前的A[item]而CALCULATE内部添加了筛选器A[id] < current_id，它们共同的作用的确应该为空。
探究DAX引擎的实际工作
我们最后给出的任何答案，如果想确保正确，那一定是看到了DAX引擎的实际执行，为了解决这个谜题，我们设计了4次对比。
首先，我们猜测这是与取消筛选有关的，可能会涉及到ALL，于是我们的度量值可以是两种：
第一种
related count in B =
VAR current_id = MIN( A[id] )
RETURN CALCULATE( COUNTROWS( B ) , A[id]< current_id )
第二种
related count in B =
VAR current_id = MIN( A[id] )
RETURN CALCULATE( COUNTROWS( B ) , A[id]< current_id , ALL(A) )
注意在第二种度量值中使用了ALL(A)。
对比试验设计
| 试验 | 内容 |
|---|---|
| 试验 1 | 数据类型：integer；度量值：不加ALL版本 |
| 试验 2 | 数据类型：date；度量值：不加ALL版本 |
| 试验 3 | 数据类型：integer；度量值：加ALL版本 |
| 试验 4 | 数据类型：date；度量值：加ALL版本 |
DAX Studio查看物理查询
如果说要理解程序运作的CPU逻辑是查看汇编或二进制代码的话，那么理解DAX执行的最底层逻辑就是查看DAX引擎执行的物理查询。（而不是逻辑查询）
按照试验的对比设计，以及常规的想法，我们应该预期试验1和试验2除了在数据类型上不同，其他应该都一致；试验2和试验4因为有ALL的加入或不加入，应该有较大差别；诸如此类。
在DAX Studio中，按照这个方式来运行：
限于篇幅，不再给出每个试验的物理查询文本，但将运行好的物理查询文本拷贝出来进行对比，我们对不同试验，得到以下对比结果：
| 试验 | 物理查询行数 | related count in B 结果 |
|---|---|---|
| 试验 1 integer 不加ALL | 23 | 空 |
| 试验 2 date 不加ALL | 40 | 非空 |
| 试验 3 integer 加ALL | 40 | 非空 |
| 试验 4 date 加ALL | 40 | 非空 |
可以逐个将四个试验的文本依次详细对比：
试验 1 对比 试验 2
对比显示：
- 不仅在数据类型处有区别
- 试验2足足比试验1多出了更多的物理查询内容
虽然DAX表达式完全一样，仅仅是数据类型的不同，物理查询居然相差这么大。
试验 2 对比 试验 3
对比显示：仅在数据类型处有区别。
DAX表达式有ALL(A)的明显不同，而物理查询却仅仅是数据类型的不同。
试验 3 对比 试验 4
对比显示：仅在数据类型处有区别。
DAX表达式有ALL(A)的明显不同，而物理查询却仅仅是数据类型的不同。
试验 2 对比 试验 4
对比显示：物理查询完全一样。
DAX表达式有ALL(A)的明显不同，而物理查询却完全一致。
水落石出
通过4个试验以及4组试验对比，我们完全确认： 试验 2 date 不加ALL版本的度量值中，DAX引擎在计算时实际自动添加了ALL(A)。
总结
结合更多试验，将发现以下重要事实：若CALCULATE的筛选器中存在某表的日期字段，如：A[date]，且该字段恰为主键并已与其他表建立关系，DAX引擎将在此CALCULATE的筛选器中自动加入ALL(A)。
值得特别注意的是：
- 该表不一定是日期表，只要该字段是日期字段即可。
- 一定是该字段已经作为主键并与其他表建立了关系。
由此，原问题得到了完整的解答。
补充
什么是主键
如果从A[C1]上连接一条线出来，连到B[C1]身上，则A[C1]叫做主键。也就是连线出发的字段。
为什么会有这么诡异的问题
这是Power BI Desktop为了实现时间智能函数而设计的内部机制。例如：
CALCULATE( [销售额] , DATEADD( 日期表[日期] , 1 , MONTH ) ) 将在该机制下，不需要考虑加入ALL(日期表)而得以正确运行。
更多参考：
- 彻底搞懂时间智能
- Time Intelligence in Power BI Desktop