数据集较大，能尽量在DATA步做的工作，就避免在SQL里操作；另外，强制一些Proc步的结果不要输出显示；此外，值得注意的是对没有排序的较大数据集进行MERGE，会耗费大量的时间，如果两个数据集有共同的变量，不妨先排序，然后通过MATCH进行MERGE，从而提高运行速度。
利用SAS处理一个大数据量的时候，使用一些小技巧可以很好的提高SAS的效率
一、过滤数据
  1）当你作数据预处理的时候，你可以会从一个很大的数据集中读入一些数，形成子集。
  则这个时候使用IF的效率就不如WHERE了。为什么？因为IF的作用是把数据读入PDV后再作判断，而WHERE在数据读入PDV之前就作判断。
  2）在PROC过程中的直接使用WHERE 条件来过滤数据。
  3）对于从外部读入的数据，如果需要过滤，则直接在这个变量读入过程中加上相应的条件。
     input x; if x>10; input y; 当X不满足条件时候，则不再读入后续数据。
二、生成数据
  1）如果不要生成最终数据集，只是处理一个过程。建立多使用：data _null_;
  2)合并二个数据集的时候，如果二个数据集相关，建议使用proc apend 过程；
   data one;
   set one two;
   run;
   ---方法二只是读入TWO的数据并入到ONE中。
   proc append base = one data = two;
   run;
  3）在SET 后面直接过滤不需要的变量（set test(keep=var1);) 可以避免不需要的变量进入PDV
  4）建立索引。如果读入大数据量的时候，可以在读入的时候即为数据集加上索引，方便后续的高效访问（data test (index=));）
  5)预编译
    对于常用的生成数据过程，可以利用PGM的过程预编译好，存储起来，要使用时候，直接调用。可以节约编译器时间。
例如：
DATA one2/ pgm = progname ;
SET one;
RUN ;
DATA pgm= progname ;
RUN;