我解决的问题有许多简单的解决方案，但我需要的是找到减少流程所需时间和内存的方法。
一方面，我有一张桌子，上面有几百个ID，另外一张桌子上还有40张月份桌子。 每个表具有500,000到1毫升记录，每个记录用于唯一ID。每个表都有很少的变量，但我只需要10-20个变量。
我需要查找表以查找基表中特定id出现时的最新表，并获取我需要的变量值。 最新的月份表每天都在计算，因此前几个月的ID可能会再次发生，所以我不能只创建索引字典（last.id和变量）一次。此外，我无法负担每天根据所有表格创建新词典的费用。
我提出了一些想法，但我需要你的帮助才能找到最有效的概念：
使用所需变量连接所有月度表，按升序ID和月份排序，使用数据步骤选择last.id。使用连接或与基表合并。 问题：设置所有表需要太多内存。 或者我使用proc追加循环。不幸的是，时间和记忆效率不高。
在循环中分别与所有表进行内连接： 内存使用率低但非常耗时。
根据最新的月份创建字典，并每天更新。 问题：大字典表。
现在我正在寻找如何解决这类问题的智能概念。也许哈希对象..但是怎么样？
如果你就这个案子给我一些反馈，我将不胜感激。
谢谢！
答案 0 :(得分：0)
如果有人要编写一些代码来根据您的规范生成一些虚拟数据，他们可能会为您的问题提供更具体的答案。但是，如果没有样本数据，很难在没有反复试验的情况下知道最佳方法。
相反，我已将我的一些旧答案解释为更全面的一系列您可以查看的内容。
以下是一些提高性能的方法（大致按性能改进顺序，YMMV）：
索引要加入或使用where子句的每个表中的字段。并非所有字段都是索引的良好候选者，因此请在索引之前对如何确定这一点进行一些研究。
尽可能早地减少行数（即使用where子句去除你不关心的任何事情）。
如果连接仍然很耗时，请考虑使用哈希表查找替换它们。
压缩。构建数据集时，请确保使用compress = yes选项（如果尚未使用）。这将缩小磁盘上表的大小，从而减少磁盘I / O（查询速度最慢的部分）。
如果步骤是IO密集型的，请考虑使用视图而不是创建临时表。
确保使用proc append将数据集附加在一起以减少IO（听起来像你一样，只是为了完整性而添加它）。将较小的数据集附加到较大的数据集。或者使用视图来追加＆＃39;它们没有重复开销。
使用keep语句限制正在处理的列（减少IO）。
检查列长 - 确保您不使用$ 255的字段长度来存储只需要20美元等的内容...
使用SAS SPDE（可扩展性能数据引擎）。它允许您将SAS数据集分区为多个文件，并可选择将它们分布在不同的磁盘上。一旦您的SAS数据集达到特定大小，您就可以看到性能改进。我通常倾向于在数据集增长时使用SPD libnames＆gt; 10G。无需其他SAS模块 - 这是作为Base SAS的一部分启用的。
