2.5 理解SAS运行机制
SAS的学习曲线比较陡峭，其原因之一就是很多SAS学习者没有深入理解SAS的运行机制，其中最为重要的机制就是PDV（Program Data Vector）与DATA步自循环。
→2.5.1 PDV与DATA步自循环
很多时候，即使是写了很多SAS程序、用了很长时间SAS的人，也总是会对SAS DATA步运行出的结果感到莫名其妙，对发生的错误更是一头雾水，但是如果能够静下心来，了解PDV、厘清SAS的运行机制，很多疑惑或许就迎刃而解了。
SAS系统处理SAS DATA步时，分两步：编译和执行。经典的DATA步，基本按照图2-14的流程来。
图2-14 DATA步动作流程图
具体而言，在编译和执行阶段，SAS会分别进行如表2-6所示的操作。
表2-6 编译和执行阶段具体动作
在上面的过程中，有两个概念不是很好理解：一是输入缓冲区（Input Buffer）；二是程序数据向量（Program Data Vector）。这两个概念都是内存里的一个逻辑区域，我们简要示图如图2-15所示。
图2-15 Input Buffery与PDV
Buffers是系统内存的缓冲区，我们可以先不细究。如图2-15所示，分别展示了读入原始数据和读入SAS数据集时的流程。
（1）读入原始数据时：原始数据先读入Input Buffer，再从Input Buffer转换到PDV，最后从PDV输出到SAS数据集。
（2）读SAS数据时：把数据集观测直接读入到PDV，再从PDV输出到数据集。
我们再次以一个小程序为例，看看Input Buffer与PDV，了解SAS DATA步的运行机制。
程序2-21 PDV演示程序
datademoPDV;
input ID $ Chinese Math English;
Sum=Chinese+Math+English;
datalines;
S001 80 99 93
S002 90 85 95
S003 83 88 81
;
run;
在编译阶段，SAS就知道这个要建立的数据集叫DemoPDV,有ID、Chinese、Math、English以及Sum五个变量，其中ID为字符型。SAS给它们建立好Input Buffer和PDV。
Input Buffer：内存里开辟空间，以便中转数据。
PDV：从Input语句或者SET、MERGE、UPDATE语句获取变量信息，建立好数据变量。
运行阶段：
（1）设置INPUT中的变量为缺失(字符变量为空白，数字变量为小数点)，并设置自动变量_N_=1，_ERROR_=0；
（2）INPUT语句读入第一条记录，Input Buffer和PDV的状态。方框可以理解为在运行的程序部分；
开始INPUT语句：
datademoPDV;
input ID $ Chinese Math English;
Sum=Chinese+Math+English;
datalines;
S001 80 99 93
S002 90 85 95
S003 83 88 81
;
run;
读入第一个变量ID。
datademoPDV;
input ID $ Chinese Math English;
Sum=Chinese+Math+English;
datalines;
S001 80 99 93
S002 90 85 95
S003 83 88 81
;
run;
读入第二个变量。
datademoPDV;
input ID $ Chinese Math English;
Sum=Chinese+Math+English;
datalines;
S001 80 99 93
S002 90 85 95
S003 83 88 81
;
run;
如此直到最后一个变量sum。
datademoPDV;
input ID $ Chinese Math English;
Sum=Chinese+Math+English;
datalines;
S001 80 99 93
S002 90 85 95
S003 83 88 81
;
run;
（3）完成所有DATA步后续语句，SAS自动完成输出数据集。
datademoPDV;
input ID $ Chinese Math English;
Sum=Chinese+Math+English;
datalines;
S001 80 99 93
S002 90 85 95
S003 83 88 81
;
run;
将上面PDV里除了自动变量_ERROR_，_N_外，其他变量自动输出到数据集DemoDPV。
（4）返回DATA步第一语句，初始化PDV。
datademoPDV;
input ID $ Chinese Math English;
Sum=Chinese+Math+English;
datalines;
S001 80 99 93
S002 90 85 95
S003 83 88 81
;
run;
（5）开始读入第二条记录的第一个变量ID。
（6）如此循环重复，读完最后一条记录的最后一个变量，写入数据集。
（7）再次返回第一条DATA语句，发现已经没有数据可以读取，直到这时，DATA步才彻底结束。
如何粗略的验证上述步骤呢？我们可以尝试运行程序2-22验证PDV，看LOG窗口给我们的信息提示。
程序2-22 验证PDV
datademoPDV;
put "第" _n_ "次运行前：" _all_;
input ID $ Chinese Math English;
Sum=Chinese+Math+English;
put "第" _n_ "次运行后：" _all_;
datalines;
S001 80 99 93
S002 90 85 95
S003 83 88 81
;
run;
LOG的结果显示：
第1 次运行前：ID= Chinese=. Math=. English=. Sum=. _ERROR_=0 _N_=1
第1 次运行后：ID=S001 Chinese=80 Math=99 English=93 Sum=272 _ERROR_=0 _N_=1
第2 次运行前：ID= Chinese=. Math=. English=. Sum=. _ERROR_=0 _N_=2
第2 次运行后：ID=S002 Chinese=90 Math=85 English=95 Sum=270 _ERROR_=0 _N_=2
第3 次运行前：ID= Chinese=. Math=. English=. Sum=. _ERROR_=0 _N_=3
第3 次运行后：ID=S003 Chinese=83 Math=88 English=81 Sum=252 _ERROR_=0 _N_=3
第4 次运行前：ID= Chinese=. Math=. English=. Sum=. _ERROR_=0 _N_=4
最后补充说明一下：上面所展示的都是SAS默认的、最基础的、最简单的运行机制。当DATA步有循环、选择语句，有OUTPUT、RETAIN等语句时，SAS的处理流程会有所不同。
→2.5.2 @与@@的困惑
初学SAS者，或多或少都会对@与@@的理解有些吃力。官方对@的说法是：INPUT语句尾部的@是行保持符，主要作用是保持数据行停留在此行，不要跳到下一行。
@称为单尾@，@@称为双尾@，很多情况下，我们连一个@也不用，我姑且称之为无尾。那么什么情况下用无尾、什么情况下用单尾、什么情况下用双尾呢？以下是笔者总结的一些原则：
● 当DATALINES数据行里要读入的数据列数=要读入的变量数，也就是说一行就是一条观测时，无尾。
● 当DATALINES数据行里要读入的数据列数>要读入的变量数，而且是整数倍时，也就是说一行= K*数条观测（K为≥1的整数），用@@。
● 当一个DATA步里有多个INPUT语句时，我们需要单尾@。
程序2-23 @与@@示例程序
*=== 数据列数=变量数;
datatest1;
input id x y z;
datalines;
1 98 99 97
2 93 91 92
;
run;
*=== 数据列数=变量数，多个input语句;
datatest2;
input id@;
input x@;
input y@;
input z@;
datalines;
1 98 99 97
2 93 91 92
;
run;
*=== 数据列数=k*变量数;
datatest3;
input id x y z @@;
datalines;
1 98 99 97 2 93 91 92
;
run;
关于@、@@与跳行，笔者曾简单总结了如下原则：
● 无尾Hold不住立即跳。
● 一尾（@）Hold当前INPUT语句不跳，但若刚好是DATA步最后一个INPUT语句，跳。
● 二尾（@@）打死都不跳。
● 最后，无论多少尾，数据行末尾必定自动跳。
例如，实例程序2-24 @与@@的辨析中第一个程序，由于INPUT X后面有@，且不是最后一个INPUT语句，故读完X=1后，不跳行，继续读Y=2, 由于INPUT Y后无尾，立即跳行，故读Z时为Z=4，又因INPUT Z后有@@，虽然这是最后一个DATA步的IPUT语句，不跳，程序返回开头，开始读第二条观测，X=5，不跳，Y=6，跳，Z=7。故最终的结果为两条观测，X，Y，Z的值分别为：1，2，4；5，6，7。第二个程序，答案是1，4，5，各位读者能运用上面的原则得出答案吗？
程序2-24 @与@@的辨析
datatest;
input x @; /*单个@，能Hold住，读后不跳*/
input y; /*没有@，Hold不住，读后跳*/
input z @@; /*两个@，Hold住没问题，但读入y=6后，到达数据行末尾，因此自动跳*/
datalines;
1 2 3
4 5 6
7
;
run;
data test;
input x ; /*无@，Hold不住，读后立即跳*/
input y @@; /*两个@，Hold住，读后不跳*/
input z @; /*单个@，但是是最后一个INPUT语句，跳*/
datalines;
1 2 3
4 5 6
7;
run;