MDX计算成员错误

如何创建计算成员？我收到此错误

Mondrian错误：成员表达式”筛选器（子体（[User].[User Name].Members），（[User].[User Name].CurrentMember.Properties（“location”）='foo'））

不能是集

WITH MEMBER [Measures].[some users] AS
Filter(
  Descendants([User].[User Name].Members), 
  [User].[User Name].CurrentMember.Properties("location") = 'foo'
 )  
)

SELECT
 NON EMPTY {[Measures].[some users]} ON COLUMNS,
 NON EMPTY CrossJoin(
   [Date].[Date].Members, 
   [Customer].[Customer Name].Members
  ) ON ROWS

FROM [Users]

---

FILTER

返回一个

集合

，并且您已尝试在

WITH

子句中将其分配给

成员

这应该有效，但没有指定度量值，因此您将获得默认度量值：

SELECT
 NON EMPTY 
{Filter(
  Descendants([User].[User Name].Members), 
  [User].[User Name].CurrentMember.Properties("location") = 'foo'
 ) } 
ON COLUMNS,
 NON EMPTY CrossJoin(
   [Date].[Date].Members, 
   [Customer].[Customer Name].Members
  ) ON ROWS

FROM [Users];

您可以在

WHERE

子句中决定度量：

SELECT
 NON EMPTY 
{Filter(
  Descendants([User].[User Name].Members), 
  [User].[User Name].CurrentMember.Properties("location") = 'foo'
 ) } 
ON COLUMNS,
 NON EMPTY CrossJoin(
   [Date].[Date].Members, 
   [Customer].[Customer Name].Members
  ) ON ROWS

FROM [Users]
WHERE [Measures].[aMeasureThatFitsContext];

使用

RANK

的示例。只是有点不确定这和你原来的剧本有什么关系

WITH 
  SET [myFilteredSet] AS 
    Filter(
      Descendants([User].[User Name].Members), 
      [User].[User Name].CurrentMember.Properties("location") = 'foo'
    )
  MEMBER [Measures].[userRank] AS
    RANK(
      [User].[User Name].CURRENTMEMBER,
      [myFilteredSet],
      [Measures].[EXISTING_MEASURE] //<<this is the measure you are ordering by  
    ) 
SELECT
 NON EMPTY 
   {[Measures].[EXISTING_MEASURE],[Measures].[userRank] } 
 ON COLUMNS,
 NON EMPTY 
   [myFilteredSet] 
 ON ROWS
FROM [Users]

与
将[myFilteredSet]设置为
滤器(
子体（[User].[User Name].Members），
[User].[User Name].CurrentMember.Properties（“位置”）=“foo”
)
成员[度量][userRank]为
等级(
[用户].[用户名].CURRENTMEMBER，
[myFilteredSet]，
[措施][现有措施]//您希望在最终报告中看到什么？多个用户作为单独的列？还是从满足筛选条件的所有用户计算出的单个列值？在后一种情况下，应该计算什么？感谢您的深入了解。但是如何将
Rank
函数应用于返回的成员？我打算检索一些成员基于筛选器，然后根据度量值对成员进行排序将筛选后的集合放入rank函数-我将添加一个尝试