Question

假设我试图在一个非常大的数据集（近一兆兆字节）中总结一个变量（称之为var_1）。数据集既长又宽。我的代码看起来像这样：

PROC MEANS DATA=my_big_dataset SUM;
    VAR var_1;
RUN;

通过在正在读取的数据集上使用KEEP选项，我是否会获得任何性能提升？那就是：

PROC MEANS DATA=my_big_dataset (KEEP=var_1) SUM;
    VAR var_1;
RUN;

就磁盘I / O而言，我想无论如何都必须完整地读取每条记录。但是，可能需要分配更少的内存来读取记录。任何建议都表示赞赏。

Answer 1

是的确有所作为。大多数情况下，这并不是一个很大的差异，但如果你开始拥有非常宽或很长的数据集，你将开始看到一些好处。

在以下链接中搜索keep= ...

如果您遇到性能问题，那么这可能会使您正在做的事情缩短几秒或几秒，但不会将处理时间缩短一半。如果需要，请寻找其他优化技术。

Answer 2

就datastep而言，除非您指定DROP或KEEP语句，否则所有变量都将被读入PDV。

对于程序，我期望 SAS足够聪明，只能读取程序中使用的任何变量。也许有人可以证实这一点？

您可以轻松构建一些测试来确定这一点。

Answer 3

我没有发现任何迹象表明KEEP语句对PROC MEANS更有效（或必要）。

但是，您可以使用WHERE语句以及在MEANS代码中使用其他OPTIONS来提高效率。

Answer 4

我认为where语句通常比keep选项更有效。但在这种情况下，一个地方没用，我不确定在proc调用中添加一个keep选项会改变一些东西。

但您可以在日志中测试并检查处理时间。请告诉我们！

编辑：

我对我拥有的最大数据集之一进行了测试。使用保持选项我得到：0.03处理时间如果没有保留选项，我得到：0.01处理时间

所以我猜SAS已经针对这种情况进行了优化。