F****3
发帖数: 1504 | 1 非常简单的程序，run了一个下午都没run出来。
Both have1 and have2 have few variables, but many observations.
proc sql;
create table want as
select *
from have1 as a left have2 as b
on b.serie_beg <= a.serie <= b.serie_end;
quit;
把上面left join换成inner join也一样。。。
serie_beg, serie, and serie_end都是上billion的数值（numeric）。请怎么会这么
久啊？ |
h***i
发帖数: 3844 | 2 sql比较土
用data step
【在 F****3 的大作中提到】
: 非常简单的程序，run了一个下午都没run出来。
: Both have1 and have2 have few variables, but many observations.
: proc sql;
: create table want as
: select *
: from have1 as a left have2 as b
: on b.serie_beg <= a.serie <= b.serie_end;
: quit;
: 把上面left join换成inner join也一样。。。
: serie_beg, serie, and serie_end都是上billion的数值（numeric）。请怎么会这么
|
h******s
发帖数: 3420 | 3 A 和 b 没有 id 的吗？
On a.id=b.id and b.serie_beg<= .... 还差不多
你这样胡连，many to many? 当然慢
【在 F****3 的大作中提到】
: 非常简单的程序，run了一个下午都没run出来。
: Both have1 and have2 have few variables, but many observations.
: proc sql;
: create table want as
: select *
: from have1 as a left have2 as b
: on b.serie_beg <= a.serie <= b.serie_end;
: quit;
: 把上面left join换成inner join也一样。。。
: serie_beg, serie, and serie_end都是上billion的数值（numeric）。请怎么会这么
|
a****g
发帖数: 8131 | 4 data step is faster in this case
【在 F****3 的大作中提到】
: 非常简单的程序，run了一个下午都没run出来。
: Both have1 and have2 have few variables, but many observations.
: proc sql;
: create table want as
: select *
: from have1 as a left have2 as b
: on b.serie_beg <= a.serie <= b.serie_end;
: quit;
: 把上面left join换成inner join也一样。。。
: serie_beg, serie, and serie_end都是上billion的数值（numeric）。请怎么会这么
|
D*********Y
发帖数: 3382 | 5 为什么data step会快点呢
【在 a****g 的大作中提到】
: data step is faster in this case
|
B******y
发帖数: 9065 | 6 语言的内部结构造成的，SAS自身的语言是最快的，SQL是移植的语言（是SAS老鸟说的
，俺其实不懂，正确与否概不负责。。。）
【在 D*********Y 的大作中提到】
: 为什么data step会快点呢
|
g**u
发帖数: 205 | 7 为什么啊？
data step不是还要先sort吗
【在 a****g 的大作中提到】
: data step is faster in this case
|
F****3
发帖数: 1504 | 8 谢谢大家!
文件已经sort了但是不是按照series来，文件id其实就是series只是说数值必须在某一
段之内。。。
看来只能用series。是不是先要sort by series啊？
我把have1 subset成1000个obs，很快就出来了。 |
l******m
发帖数: 111 | 9 不是很明白你这样join的基准是什么，是不是只要a的series在b的series之间呢？
那样的话是不是先找出b.series的最大值和最小值，然后用data step写就可以了呢？
没见到原始数据，也不知道这样说的对不对 |
s******r
发帖数: 1524 | 10 what you should try is not to find some new joint way. I would assume you
run the code over PC and memory is limited.
you condition is
a.serie between b.serie_beg and b.serie_end
for every record in a, you need to scan complete b, which is not necessary
in most case.
you can query the distribution of b.serie_beg and b.serie_end
then try
(where =(b.serie_beg between 1000 and 2000))
(where =(a.serie >=1000 ))
....
If you break the join into 10 steps, the memory request would drop to 1% if
the data are uniformly distributed.
And if there are duplicate records, you also can keep only unique records to
reduce the processing time.
【在 F****3 的大作中提到】
: 非常简单的程序，run了一个下午都没run出来。
: Both have1 and have2 have few variables, but many observations.
: proc sql;
: create table want as
: select *
: from have1 as a left have2 as b
: on b.serie_beg <= a.serie <= b.serie_end;
: quit;
: 把上面left join换成inner join也一样。。。
: serie_beg, serie, and serie_end都是上billion的数值（numeric）。请怎么会这么
|
F****3
发帖数: 1504 | 11 谢谢大家。我去研究一下。但是可以肯定的是table太大了. 有什么系统设置吧内存设
置大一点吗？我是在linux下面搞不能用memlib |
F****3
发帖数: 1504 | 12 不好意思问，请问sort sort merge用data step具体应该怎样merge？
我不知道怎样把这个 b.serie_beg <= a.serie <= b.serie_end写到data step里面，
以前都是用sql。
谢谢！！！ |
l****u
发帖数: 529 | 13 data want;
set a nobs=p;
do i=1 to p;
set b point=i;
if serie_beg <=serie <=serie_end then output;
end;
run; |
