【hash】SAS hash介绍updating

凤鸾

1. Hashing
   
2. 搜索(Searching)是用的最广泛的一种技术。搜索技术包括:merges ,joins,formats,indexs以及一些特别的操作和functions.
   
3. 对于merge，sql，conditional logic等都是基于comparsion：也就是将key与表里面的一个或多个keys进行比较。这种方法因为是跟key的value进行比较进而判断是相等或不等，是一种速度很慢，耗费内存的一种做法。而且对于merge，得事先对data进行排序，如果数据集比较大的话，那么更是一种低效率的选择。
   
4. Hashing哈希是一种基于DIRECT-ADDRESSING的方法。
   
5. 对于direct addressing，有3种：key –indexing, BITMAPPING, HASHING.
   
6. 1)        key-indexing
   
7. 用表中的key的值作为index的方法。
   
8. 例子：
   
9. 假设我们不能对2个数据集进行排序，但想将saml中的信息根据key，加到large中。我们该怎么操作呢？下面是用key-indexing的方法解决。
   
10. data smal;
    
11. input key s_sat;
    
12. cards;
    
13. 2 1
    
14. 3 2
    
15. 5 3
    
16. 2 0
    
17. 7 4
    
18. 9 5
    
19. 5 6
    
20. 7 9
    
21. 3 7
    
22. ;
    
23. data large;
    
24. input key l_sat;
    
25. cards;
    
26. 1 7
    
27. 2 3
    
28. 2 6
    
29. 9 1
    
30. 9 3
    
31. 7 1
    
32. ;
    
33. 
    
34. data match ;
    
35. array hkey (-4000000 : 4000000) _temporary_ ;
    
36. do until ( eof1 ) ;
    
37. set smal end = eof1 ;
    
38. if missing (hkey(key)) then hkey(key) = s_sat ;  /*第一个do-unitl:将表smal中的key加载到key-index*/
    
39. end ;
    
40. do until ( eof2 ) ;
    
41. set large end = eof2 ;
    
42. s_sat = hkey(key) ;       
    
43. if s_sat > . then output ;  /*第二个do-unitl:在large中搜索每个key,匹配的话，就将其输出来*/
    
44. end ;
    
45. stop ;
    
46. run ;
    
47. 值得注意的：1)在smal中的变量s_sat，必须用s_sat=hkey(key)的计算然后output.否则会很诡异的bug.2)saml中的key有重复观测，自动只保留第一条，重复的观测行被删掉。
    
48. Key-indexing缺点：key-index必须是有限的整数。而且存储这些key-index，如果key-index是很大的数的话，那么存在这些index是要消耗很大的内存的。从而就有了bitmapping,它存储key-index是以bits存储的。减少了空间。
    
49. 2）bitmapping, bitmapping是key-indexing的一个进步。在此省略。
    
50. 3)hashing
    
51. [color=Red]还在更新中[/color]

复制代码

论坛COO

年过了,都开始上班了

凤鸾

winsentess 发表于 2012-2-7 17:15
hash，好样的，先顶再看

写得不详细，写得也不好，还没写完。近期有点小忙。等忙完了把它完善。：  ）