影响SAS数据集性能的因素更多 - 观察次数或变量数量？

Question

在使用SAS中的不同数据集一到两个月后，在我看来，数据集所具有的变量越多，在数据集上运行PROC和其他操作所需的时间就越多。然而，如果我有5个变量，但有100万个观测值，性能不会受到太多影响。

虽然我对如果观察结果或变量影响性能感兴趣，但我还想知道在查看SAS性能时是否还有其他因素？

谢谢！

Answer 1

对于相同大小的数据集（行*列），具有更多变量的数据集通常会比较慢，我相信。我试着创建两个数据集，分别是1行和10000列，或者1列和10000行。具有更多变量的变量需要更多的内存和时间。

options fullstimer; 
data a; 
    retain var1-var10000 1; 
run; 
data b(drop=i); 
    do i=1 to 10000; 
    var1=i; 
    output; 
    end; 
run; 

在登录

31 options fullstimer; 
32 data a; 
33  retain var1-var10000 1; 
34 run; 

NOTE: The data set WORK.A has 1 observations and 10000 variables. 
NOTE: DATA statement used (Total process time): 
     real time   0.23 seconds 
     user cpu time  0.20 seconds 
     system cpu time  0.03 seconds 
     Memory       5382k 
     OS Memory       14208k 
     Timestamp   10/14/2009 2:03:57 PM 


35 data b(drop=i); 
36  do i=1 to 10000; 
37  var1=i; 
38  output; 
39  end; 
40 run; 

NOTE: The data set WORK.B has 10000 observations and 1 variables. 
NOTE: DATA statement used (Total process time): 
     real time   0.01 seconds 
     user cpu time  0.00 seconds 
     system cpu time  0.01 seconds 
     Memory       173k 
     OS Memory       12144k 
     Timestamp   10/14/2009 2:03:57 PM 

您也应该检查BUFNO=和BUFSIZE=。如果您必须多次访问数据集，则可以考虑使用SASFILE以将整个数据集存储在内存中。

Answer 2

我不能完全阐明（并且正在进行有根据的猜测），但我想这与一系列因素有关，包括整个记录被读入PDV，这意味着更多的数据位于有许多变量的记忆。

对压缩数据集进行一些测量可能是值得的，因为I/O往往是瓶颈。

SAS数据集选项：

data foo(compress=yes); 
... 
run;