搜索 HDF5 数据集

Question

我目前正在探索 HDF5。我已阅读主题“评估 HDF5”中的有趣评论，并且我了解 HDF5 是存储数据的首选解决方案，但是如何查询它呢？例如，假设我有一个包含一些标识符的大文件：有没有办法快速知道文件中是否存在给定的标识符？

Answer 1

我想答案是“不直接”。

以下是我认为您可以实现该功能的一些方法。

使用组：

可以以基数树<的形式使用组的层次结构< /a> 存储数据。但这可能无法很好地扩展。

使用索引数据集：

HDF 有一个引用类型，可用于从单独的索引表链接到主表。写入主要数据后，可以使用按其他键排序并带有引用的其他数据集。例如：

MainDataset (sorted on identifier)
0: { A, "C", 2 }
1: { B, "B", 1 }
2: { C, "A", 3 }

StringIndex
0: { "A", Reference ("MainDataset", 2) }
1: { "B", Reference ("MainDataset", 1) }
2: { "C", Reference ("MainDataset", 0) }

IntIndex
0: { 1, Reference ("MainDataset", 1) }
1: { 2, Reference ("MainDataset", 0) }
2: { 3, Reference ("MainDataset", 2) }

为了使用上面的内容，在索引表中查找字段时必须编写二分搜索。

内存中索引：

根据数据集的大小，使用内存中索引可能同样容易，该索引使用“boost::serialize”之类的方法读取/写入其自己的数据集。

HDF5-FastQuery：

这篇论文（以及此页面）描述了位图索引的使用对 HDF 数据集执行复杂的查询。我没试过这个。

Answer 2

H5Lexists 在 HDF5 1.8.0 中为此引入：

http://www.hdfgroup.org/HDF5/doc/RM/RM_H5L.html#Link-Exists

您还可以迭代 HDF5 文件中的内容与H5Literate：

http://www.hdfgroup.org/HDF5/doc/RM/RM_H5L.html#Link-Iterate

但您也可以通过尝试打开数据集来手动检查以前的版本。我们使用这样的代码来处理任何版本的 HDF5：

bool DoesDatasetExist(const std::string& rDatasetName)
{
#if H5_VERS_MAJOR>=1 && H5_VERS_MINOR>=8
    // This is a nice method for testing existence, introduced in HDF5 1.8.0
    htri_t dataset_status = H5Lexists(mFileId, rDatasetName.c_str(), H5P_DEFAULT);
    return (dataset_status>0);
#else
    bool result=false;
    // This is not a nice way of doing it because the error stack produces a load of 'HDF failed' output.
    // The "TRY" macros are a convenient way to temporarily turn the error stack off.
    H5E_BEGIN_TRY
    {
        hid_t dataset_id = H5Dopen(mFileId, rDatasetName.c_str());
        if (dataset_id>0)
        {
            H5Dclose(dataset_id);
            result = true;
        }
    }
    H5E_END_TRY;
    return result;
#endif
}

Answer 3

也许这篇论文会对您很有帮助。
http://www.cse.ohio-state.edu/~wayi /papers/HDF5_SQL.pdf

这是您需要的吗？您可以使用 SQL（一种声明性语言）查询 HDF5 数据。

与FastQuery不同，本工作中没有索引，但我们组也提供了带有位图索引的开源版本。

而且，如果你想实时完成查询（尤其是聚合），你应该考虑近似聚合或在线聚合。我还开发了一些直接在 HDF5 上工作的产品。

此外，HDF5 上的某些查询可能比您在关系数据库中看到的复杂得多。有些查询是面向数组的而不是面向关系表的。只需谷歌“SciQL”，您就可以找到一些复杂且独特的基于数组的数据模型的查询类型，这当然可以应用于HDF5。您需要执行此类查询吗？我还开发了一个产品来支持一些复杂的查询类型。

Answer 4

标识符是什么意思？如果您指的是属性，请查看本教程 。在C中：

status = H5Aread(attr_id, mem_type_id, buf);
status = H5Awrite(attr_id, mem_type_id, buf);