这可能是一个非常愚蠢的问题，至少是一个非常简单的问题。如果不值得详细回复，请指出正确的方向。
我的理解是HDF5可以存储分层数据。我使用文件系统来存储我的数据---根目录，子目录，数据文件（txt）和元数据文本文件。目录名称通常也是描述性的。因此，使用目录作为组和数据文件作为数据集将这些数据捆绑到hdf5文件（或文件）中似乎很自然。
我的问题是，这样做有什么好处吗？我希望能够通过使用组和/或属性（如数据库中的SELECT）来选择和组合数据集。还有，有这样的工具吗？
答案 0 :(得分：1)
当然，这是可能的。
例如，我们有一个用于可视化科学数据的Web应用程序，它依赖于具有30.000个组的单个250GB HDF5文件，并且每个组包含多个数据集。组和数据集具有属性。 web-app仅访问此单个HDF5文件以检索所有信息。
使用HDF5文件的优点是，它非常便携，可以用于许多不同的语言（C ++，Java，python等）。它对于存储二进制数据也非常有效，如果将压缩和分块结合起来，您甚至可以通过使用当今的多核CPU来提高性能。
然而，HDF5与RDBMS完全不同。你不能在数据库中真正使用SELECT。您必须通过组/数据集进行迭代（可能是递归）。有一些库（Pandas，PyTables）构建在HDF5之上，并提供更高的抽象。缺点是你可能会失去一些便携性。
另一种方法是使用混合方法： 您可以将元信息存储在RDBMS中，将二进制数据存储在一个或多个HDF5文件中。这可能会让你最好的两个世界。
这里还列出了有用的库：
的Python：
C ++：
爪哇：
朱莉娅：
Matlab：
R：
的GUI：