Question

我需要一个在线目录的数据库;如果每个产品可能有一个数据集。和一个简单的数据库;这就是我喜欢的h5py。

组的方法visititems对于大文件来说并不快。


import h5py

#in memory database. Not relevant for this question, same speed. Yes.
database = h5py.File('db01h5', driver='core', backing_store=False)

#example of 10000 datasets with a deep of 4 group, file/x10/x10/x10/x10dset
for v1 in ('abcdefghij'):
    for v2 in ('abcdefghij'):
        for v3 in ('abcdefghij'):
            for v4 in ('0123456789'):

                database['/' + v1 + '/' + v2 + '/' + v3 + '/' + 'dset' + v4] = (1, 2, 3)


def fu01(a1, a2):
    pass

#visititems applies function fu01(name, object) to each group and dataset 
database.visititems(fu01)

使用不评估任何内容的函数（pass）“database.visititems（fu01）”需要5秒。使用基本参数进行过滤需要x2。

我的问题是如何搜索大型或非常大的h5py数据库按特性过滤，并且速度非常快（10.000产品不到0.1秒）。

h5py / hdf5是正确的方法，还是需要像sqlite3这样的sql数据库？

或者也许在需要速度时，所有数据都必须在同一个数据集中？以树路径为一个元素。例如：

database['dataset'] = [['root/categorie/subcategorie/productname'], ['2'], ['10$'], ['blue']]

然后按一个“列”（高级切片）过滤所有产品。

我是数据库的新手，此时我对在内存中工作的数据库不感兴趣，比如reddis或类似的数据库;因为很难同步数据中的变化。但如果没有其他解决方案......

Answer 1

这不是hdf优化的。它旨在有效地存储少量非常大的数据集，并在大量非常小的数据集上发现。

我认为使用某种实际的数据库会更好，无论是关系型还是非关系型。

您可能还想构建自己的树实现，visititems慢慢走向hdf文件的组/数据集树。

在h5py或类似的分层数据库中快速搜索

1 个答案: