考虑以下(诚然很长)示例。
示例代码创建两个数据集,数据一具有“键”变量 i、j、k,数据二具有键变量 j、k 和“值”变量 x。我想尽可能有效地合并这两个数据集。两个数据集都根据 j 和 k 建立了索引:不需要第一个数据的索引,但它仍然存在。
Proc SQL 不使用数据二中的索引,我想如果数据位于关系数据库中就会出现这种情况。这只是我必须接受的查询优化器的限制吗?
编辑:这个问题的答案是肯定的,SAS可以使用索引来优化PROC SQL连接。在以下示例中,数据集的相对大小很重要:如果修改代码以使数据二变得相对大于数据一,则将使用索引。数据集是否排序并不重要。
* Just to control the size of the data;
%let j_max=10000;
* Create data sets;
data one;
do i=1 to 3;
do j=1 to &j_max;
do k=1 to 4;
if ranuni(0)<0.9 then output;
end;
end;
end;
run;
data two;
do j=1 to &j_max;
do k=1 to 4;
x=ranuni(0);
if ranuni(0)<0.9 then output;
end;
end;
run;
* Create indices;
proc datasets library=work nolist;
modify one;
index create idx_j_k=(j k);
modify two;
index create idx_j_k=(j k) / unique;
run;quit;
* Test the use of an index for the other data set:
* Log should display "INFO: Index idx_j_k selected for WHERE clause optimization.";
options msglevel=i;
data _null_;
set two(where=(j<100));
run;
* Merge the data sets with proc sql - no index is used;
proc sql;
create table onetwo as
select
one.*,
two.x
from one, two
where
one.j=two.j and
one.k=two.k;
quit;
最佳答案
您可能正在比较苹果和橘子。对于使用 proc sql 进行的联接,索引可能没有帮助,因为观察值已经按 j 和 k 排序,并且有比使用索引更快的“合并”方法。
另一方面,对于使用 data _null_
步骤进行的子集化,j
上的索引肯定会有所帮助。如果您对 proc sql 进行相同的子集设置,您将看到它正在使用索引。
proc sql;
select * from two where j < 100;
quit;
/* on log
INFO: Index idx_j_k selected for WHERE clause optimization.
*/
顺便说一句,您可以使用未记录的 _method
选项来检查 proc sql
如何执行您的查询。在我的 Windows 上的 sas 9.2 上,它报告它正在执行所谓的“散列连接”:
proc sql _method;
create table onetwo as
select
one.*,
two.x
from one, two
where
one.j=two.j and
one.k=two.k;
quit;
/* on log
NOTE: SQL execution methods chosen are:
sqxcrta
sqxjhsh
sqxsrc( WORK.ONE )
sqxsrc( WORK.TWO )
*/
参见 Paul Kent 的 Tech note了解更多信息。
关于sql - SAS Proc SQL 合并时是否使用索引,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/1553373/