SAS Enterprise Guide中带WHERE子句的LEFT JOIN返回0行问题

问题根因 #

代码执行后仅输出表结构无数据行，核心是三个逻辑问题：

• 过滤条件位置错误抵消左连接特性：左连接的设计逻辑是保留左表（别名PERSIP的DB.TABLE1）所有符合要求的行，右表（别名ECIF的DB.TABLE2）匹配不到对应ID时，右表字段自动填充空值。但你将右表的时间过滤条件ECIF.ym_id = &timekey0.写在了WHERE子句中，所有右表未匹配上的行的ECIF.ym_id为空，根本无法满足等于指定时间值的判断，会被全部过滤，此时左连接完全等效为内连接。如果右表对应时间分区本身无数据，或者左表符合时间要求的ID在右表同时间分区下无匹配，都会直接返回空结果。
• 过滤逻辑执行效率低：当前逻辑是先对两张表做全量ID关联，再在关联后的全量结果上做时间过滤，没有提前裁剪分区数据，当表数据量大时执行速度极慢，还可能因为单ID对应多时间分区的数据出现不必要的笛卡尔积，导致结果行数异常膨胀。
• 隐性类型匹配风险：如果ym_id是字符型字段，直接写=&timekey0.会触发隐式类型转换，轻则日志报类型不匹配警告，重则直接匹配不到对应数据。

修正方案 #

将时间过滤条件提前到关联前的子查询中，先裁剪出两张表对应目标时间的数据集，再做ID关联，既保留左连接的特性，又能提升执行效率。如果ym_id是字符型，给宏变量加引号即可。
修正后的代码如下：

%let timekey0 = 202110;
proc sql;
CREATE TABLE RESULTTABLE AS
SELECT
    PERSIP.col1,
    PERSIP.col2,
    PERSIP.col3,
    ECIF.col1,
    ECIF.col2,
    ECIF.col3,
    ECIF.col4
FROM (
    /* 提前过滤左表目标时间的数据 */
    SELECT ID, col1, col2, col3 
    FROM DB.TABLE1 
    WHERE ym_id = &timekey0.
    /* 如果ym_id是字符型，把上面条件改成 WHERE ym_id = "&timekey0." 即可 */
) PERSIP
LEFT JOIN (
    /* 提前过滤右表目标时间的数据 */
    SELECT ID, col1, col2, col3, col4
    FROM DB.TABLE2
    WHERE ym_id = &timekey0.
    /* 字符型ym_id同理改条件为 ym_id = "&timekey0." */
) ECIF
ON PERSIP.ID = ECIF.ID 
;
quit;

如果你实际需求是只保留两张表都能匹配上ID、且时间符合要求的记录，直接把LEFT JOIN改成INNER JOIN即可，上述预筛写法的执行效率依然远高于原写法。

内容的提问来源于stack exchange，提问作者Dario