SAS or R：谁更适合你？（三）

写

在前面

上一起和大家聊了SAS和R在语法上的区别，本期继续昨天的话题，从“性能与并行计算（Performance & Parallel Computation）”这个方面来比较SAS和R。性能一直是许多同学孜孜追求的目标之一，SAS和R为了实现高性能各有什么独门秘籍？易用性怎样？本期将为您揭晓

另外，大猫最近收到很多同学给公众号后台的留言，大猫也在考虑专门出一期FAQ来集中回答大家的问题，所以，如果大家有什么问题，可以给大猫留言哦。大猫最近在写毕业论文有点忙，但是尽量会抽空回复~

性

能重要吗？

相对于Syntax，Performance相对而言不怎么受到经济学研究者的关注，因为一般来说（对于大猫所见的50%以上的研究生），经济学所要处理的数据很多都没有大到需要考虑Performance的地步，而且因为上文提到过的I/O Intensive特性，数据处理的瓶颈在磁盘，而除了使用大容量高频率内存与SSD，貌似也没有什么特别好的提高I/O性能的方法（大猫现在码字用的是32G 2133MHz内存 + 1TB SSD的笔记本）。但话虽如此，Performance总归是完美主义者追求的目标，而且对于那些经常做Simulation以及Quantative Trading这类CPU Intensive任务的童鞋，Performance还是很重要的。

总而言之，对于不同的研究任务，性能的重要性是不同的，但这绝不意味着大家可以忽略性能这一要素，大猫见过太多的例子，明明是一个很简单的任务，要大猫写程序可能十几秒就解决了，但是有些童鞋写了一个非常冗长的循环语句，几个小时都出不来结果。所以说，与其一直纠结自己用的工具性能是否够用，不如多花时间优化下自己的代码。毕竟对于大多数童鞋，你的任务远远没有到达硬件和软件上限的地步。

性

能于并行计算

很多时候，决定程序性能的是你的编程水平而不是软硬件

”

要提高性能，最常见的办法就是并行计算了。并行计算可以在一个CPU的多个核上运行，也可以组建计算机集群多CPU进行，楼主的研究因为对于计算的要求不是那么大，因而只试过在单CPU的多个核上面进行并行运算，下文也就在此范围内展开讨论（如果想要了解SAS进行分布式计算的内容，大家可以考虑它的Grid模块）。SAS和R在这个方面可谓各有特色，伯仲之间。SAS的并行计算是被做到特定的Proc步中的，而与数据处理最相关的Data步都不支持并行计算。这就导致在SAS中能用得上并行计算的时候很少（毕竟，SASor们用的最多的是data步而不是proc步）。不过，现在SAS推出了一个新的高性能处理模块HPA（High Performance Analytics），支持将数据分散存储在不同的磁盘/分区中（Strip Storage），这样在读取的时候可以做到某种程度上的并行。楼主当年曾经在一台四硬盘Raid 0的机子上体验了一下这个功能，发现对于中规模的数据（<=5g）,没有明显速度上的提升，反而增加了操作的复杂性。此外，在SAS中配置HPA模块也比较复杂，故大猫最终放弃。

至于R，并行计算主要是靠各种包，例如Snow、doParalle等，部署这些包很简单，门槛比SAS要低很多，然而R的并行计算应用范围也比较特定，主要就是用在Simulation上，比如各种Monte Carlo，此时速度提升是非常明显的。除此以外的应用场景，和SAS的Data步一样，R并不怎么支持并行计算。另一方面，并行计算也会产生很多Headover，盲目追求并行的效果并不好。

另一点大猫想强调的是，R的Performance很大程度上受使用者水平的限制，如果你安装了MRO(Microsoft R Open，一个内置了Intel并行计算库的R版本,详见大猫前几期的《高效R开发：Microsoft R Open》)并且掌握了data.table、doParalle等包（在“（4）关于开源包”中详述），那么R的性能绝对让你放心，但如果你不知道这些包或不懂得如何正确配置，那么R的性能是远远比不上SAS的，这也是为什么很多初学者一直在抱怨R很慢的原因。而SAS就不一样了，它的并行计算整合在Proc步中，只要你正常使用，你总会享受到它带来的便利。

R

的性能上限在哪里？

那么如果一个是有经验的SAS使用者，一个是有经验的R使用者，他们能把各自手上的武器发挥到什么程度呢？换句话说，SAS和R的性能天花板在哪里？网上有一篇Revolution Analytics写的白皮书，宣称在同样使用集群计算（SAS/Grid与商业化的RRE）的情况下，R在性能上打败了SAS，是其10x ~ 300x。这个结果着实令人震惊，Revolution Analytics把测试的详细步骤都公布了出来，根据白皮书，Revolution Analytics模拟了一个商业中非常典型的数据处理项目，既包含了I/O Intensive又包含了CPU Intensive的任务，而且为了保证比较的公平，他们邀请了一个非常有经验的SAS Consultant来对SAS代码进行优化。对于以上比较，大猫建议大家理性看待，想要知道更多信息，小伙伴们请戳http://www.revolutionanalytics.com/whitepaper/revolution-r-enterprise-faster-sas。

对于R的使用者而言，好消息不仅如此。上一段提到的Revolution Analytics已于2015年被微软收购，在有了微软爸爸之后，其主打产品RRE（Revolution R Open）也改名成MRO（Microsoft R Open）。然而不仅是名字的改变，MRO在许多方面都超越了RRE，具体有：

• 进一步整合了Intel的并行处理库，简化了安装；
• 为原来商业化的RRE推出免费版本（Microsoft R Client，MRC）,用户可以免费使用原来昂贵的分布式处理功能
• 商业化的RRE版本继续升级为MRS（Microsoft R Server），并且与Hadoop、SQL Server以及微软云服务Azure等无缝整合，提供高性能的库内分析工具
• 推出RTVS（R Tools for Visual Studio）,这样小伙伴们就能用这个星球上最强大的IDE进行R开发了

”

是不是觉得有些激动？快点来尝试吧！

下

期预告

下一期大猫会带领大家探索编程语言的另一个重要指标：商业/社区支持，一定要继续follow哦！

我是大猫，咱们下一期见！

参

考文献

大猫在人大经济论坛上的原帖请见

http://bbs.pinggu.org/thread-3861040-1-1.html