hashexp指定的SAS HashTable中的表大小是什麼？

Question

我想對SAS散列表中的存儲桶的定義做一點澄清。這個問題正是關於hashexp參數。

根據該SAS文檔，hashexp是：

散列對象的內部表的大小，其中，哈希表的大小爲2n。

HASHEXP的值用作創建哈希表大小的二次冪指數。例如，HASHEXP的值爲4相當於散列表大小爲24或16.HASHEXP的最大值爲20.

散列表大小不等於可以存儲的項目數存儲。將哈希表設想爲一個「桶」陣列。哈希表大小爲16將有16個桶。每個桶可以容納無數的物品。散列表的效率在於散列函數將項目映射到並從桶中檢索項目的能力。

您應該設置哈希表大小相對於哈希對象中的數據量，以最大限度地提高哈希對象查找例程的效率。嘗試不同的HASHEXP值，直到獲得最佳結果。例如，如果散列對象包含一百萬個項目，則散列表大小爲16（HASHEXP = 4）可以工作，但效率不高。散列表大小爲512或1024（HASHEXP = 9或10）會導致最佳性能。

的問題是究竟是哈希表的大小，而不是數據的哈希對象中的量？

應該理解爲我們是否想要分配儘可能多的內存，因爲它可能是必需的，但不會少於，不多於。讓事情快速發展是兩個重要的力量。但它並不限制可能使用的數據量，它只是表示將使用多少數據，對吧？

Answer 1

保羅多爾夫曼（散列的主機）進入細節的公平位本白皮書的第10頁：

http://www2.sas.com/proceedings/forum2008/037-2008.pdf

據我瞭解，哈希表存儲在二叉樹他們的數據。 hashexp創建的每個桶表示將用於存儲數據的二叉樹的數量。 hashexp爲0將使用一棵樹，而hashexp爲8則使用256棵樹。當對哈希對象執行查找時，內部算法將確定密鑰應存在於哪棵樹中（基於哈希值）。然後它檢查該樹的值。通過自動知道256棵樹中的哪棵樹進行查找（例如），與單個二叉樹相比，它可以節省8次比較（2^8）。

整個事情似乎比這更復雜，但這是我解釋爲什麼它運作得更快。

Answer 2

正如Rob Penridge指出的那樣，Paul Dorfman確實是SAS Hash Object Guru。 Hashelp與哈希表的大小無關，正如Rob的回答中所述。

如果你有一個帶有100b和10個數值變量的表被加載到一個散列表中，那麼散列表的大小就是100obs * 10vars * 8bytes（假設所有數字變量存儲爲8byte字段）7.8KB給出或採取10％。

請記住，隨着記錄被添加到內存中的哈希表中，SAS會動態地分配RAM空間，所以您不需要事先指定它應該是多大。[我一直在使用哈希表，但不能認爲任何可以預先指定尺寸的地方]。

一般提示：如果你想知道你的散列表有多大，對你要加載到散列表的數據集運行一個PROC CONTENTS，並乘以「Observation Length」&「數據集中obs的數量「，這將以字節爲單位給出所需的內存大小。如果你有那麼多的內存，那麼你可以把它加載到內存中。