c++ - 将float数组写入＆追加到C++中的hdf5文件中的唯一数据集

我正在处理大量文件，对文件的每次处理将输出数千个float数组，并将将所有文件的数据存储在单个hdf5 中的一个巨大数据集中，以进行进一步处理。

目前，我对如何将数据附加到hdf5文件感到困惑。 (上面代码中的注释)在上面的2个for循环中，如您所见，我想一次将1维浮点数组附加到hdf5中，而不是整体。我的数据以TB为单位，我们只能将数据附加到文件中。

有几个问题:

在这种情况下如何追加数据？我必须使用哪种功能？

现在，我有fdim [0] = 928347543，我尝试放入HDF5的无穷大标志，但运行时执行失败。有没有办法做到这一点？我不想计算每次的数据；有没有一种方法可以简单地继续添加数据而无需关心fdim的值？

还是不可能？

编辑:

我一直遵循西蒙的建议，目前这是我的更新代码:

hid_t desFi5;
hid_t fid1;
hid_t propList;
hsize_t fdim[2];

desFi5 = H5Fcreate(saveFilePath, H5F_ACC_TRUNC, H5P_DEFAULT, H5P_DEFAULT);

fdim[0] = 3;
fdim[1] = 1;//H5S_UNLIMITED;

fid1 = H5Screate_simple(2, fdim, NULL);

cout << "----------------------------------Space done\n";

propList = H5Pcreate( H5P_DATASET_CREATE);

H5Pset_layout( propList, H5D_CHUNKED );

int ndims = 2;
hsize_t chunk_dims[2];
chunk_dims[0] = 3;
chunk_dims[1] = 1;

H5Pset_chunk( propList, ndims, chunk_dims );

cout << "----------------------------------Property done\n";

hid_t dataset1 = H5Dcreate( desFi5, "des", H5T_NATIVE_FLOAT, fid1, H5P_DEFAULT, propList, H5P_DEFAULT);

cout << "----------------------------------Dataset done\n";

bufi = new float*[1];
bufi[0] = new float[3];
bufi[0][0] = 0;
bufi[0][1] = 1;
bufi[0][2] = 2;

//hyperslab
hsize_t start[2] = {0,0};
hsize_t stride[2] = {1,1};
hsize_t count[2] = {1,1};
hsize_t block[2] = {1,3};

H5Sselect_hyperslab( fid1, H5S_SELECT_OR, start, stride, count, block);     
cout << "----------------------------------hyperslab done\n";   

H5Dwrite(dataset1, H5T_NATIVE_FLOAT, H5S_ALL, H5S_ALL, H5P_DEFAULT, *bufi);

fdim[0] = 3;
fdim[1] = H5S_UNLIMITED;    // COMPLAINS HERE
H5Dset_extent( dataset1, fdim );

cout << "----------------------------------extent done\n";

//hyperslab2
hsize_t start2[2] = {1,0};
hsize_t stride2[2] = {1,1};
hsize_t count2[2] = {1,1};
hsize_t block2[2] = {1,3};

H5Sselect_hyperslab( fid1, H5S_SELECT_OR, start2, stride2, count2, block2);     
cout << "----------------------------------hyperslab2 done\n";  

H5Dwrite(dataset1, H5T_NATIVE_FLOAT, H5S_ALL, H5S_ALL, H5P_DEFAULT, *bufi);

cout << "----------------------------------H5Dwrite done\n";        
H5Dclose(dataset1);
cout << "----------------------------------dataset closed\n";   
H5Pclose( propList );   
cout << "----------------------------------property list closed\n"; 
H5Sclose(fid1); 
cout << "----------------------------------dataspace fid1 closed\n";    
H5Fclose(desFi5);       
cout << "----------------------------------desFi5 closed\n";

我当前的输出是:

bash-3.2$ ./hdf5AppendTest.out
----------------------------------Space done
----------------------------------Property done
----------------------------------Dataset done
----------------------------------hyperslab done
HDF5-DIAG: Error detected in HDF5 (1.8.10) thread 0:
  #000: /home/hdftest/snapshots-bin-hdf5_1_8_10/current/src/H5D.c line 1103 in H5Dset_extent(): unable to set extend dataset
    major: Dataset
    minor: Unable to initialize object
  #001: /home/hdftest/snapshots-bin-hdf5_1_8_10/current/src/H5Dint.c line 2179 in H5D__set_extent(): unable to modify size of data space
    major: Dataset
    minor: Unable to initialize object
  #002: /home/hdftest/snapshots-bin-hdf5_1_8_10/current/src/H5S.c line 1874 in H5S_set_extent(): dimension cannot exceed the existing maximal size (new: 18446744073709551615 max: 1)
    major: Dataspace
    minor: Bad value
----------------------------------extent done
----------------------------------hyperslab2 done
----------------------------------H5Dwrite done
----------------------------------dataset closed
----------------------------------property list closed
----------------------------------dataspace fid1 closed
----------------------------------desFi5 closed

目前，我看到使用H5Dset_extent无限设置内容仍然会在运行时引起问题。 (问题代码在上面的代码中用//COMPLAINS HERE标记。)我已经得到了Simon所指定的块数据，那么这是什么问题呢？

另一方面，没有H5Dset_extent，我可以编写一个[0，1，2]的测试数组就可以了，但是我们如何使输出数组上方的代码像这样:

[0, 1, 2]
[0, 1, 2]
[0, 1, 2]
[0, 1, 2]
...
...

回想一下:这只是一个测试数组，实际数据更大，并且我无法将所有内容都保存在RAM中，因此我必须一次将一部分数据逐个放入。

编辑2:

我遵循西蒙的建议。这是关键部分:

hsize_t n = 3, p = 1;
float *bufi_data = new float[n * p];
float ** bufi = new float*[n];
for (hsize_t i = 0; i < n; ++i){
    bufi[i] = &bufi_data[i * n];
}

bufi[0][0] = 0.1;
bufi[0][1] = 0.2;
bufi[0][2] = 0.3;

//hyperslab
hsize_t start[2] = {0,0};
hsize_t count[2] = {3,1};

H5Sselect_hyperslab( fid1, H5S_SELECT_SET, start, NULL, count, NULL);
cout << "----------------------------------hyperslab done\n";   

H5Dwrite(dataset1, H5T_NATIVE_FLOAT, H5S_ALL, fid1, H5P_DEFAULT, *bufi);

bufi[0][0] = 0.4;
bufi[0][1] = 0.5;
bufi[0][2] = 0.6;

hsize_t fdimNew[2];
fdimNew[0] = 3;
fdimNew[1] = 2;
H5Dset_extent( dataset1, fdimNew );

cout << "----------------------------------extent done\n";

//hyperslab2
hsize_t start2[2] = {0,0}; //PROBLEM
hsize_t count2[2] = {3,1};

H5Sselect_hyperslab( fid1, H5S_SELECT_SET, start2, NULL, count2, NULL);     
cout << "----------------------------------hyperslab2 done\n";  

H5Dwrite(dataset1, H5T_NATIVE_FLOAT, H5S_ALL, fid1, H5P_DEFAULT, *bufi);

从上面，我得到了hdf5的以下输出:

0.4 0.5 0.6
  0   0   0

经过对start2和count2的进一步实验，我看到这些变量仅影响bufi的起始索引和递增索引。它根本不会移动我的数据集的写作索引的位置。

回想一下:最终结果必须是:

0.1 0.2 0.3
0.4 0.5 0.6

另外，对于bufi和Simon，它必须是*bufi而不是H5Dwrite，因为bufi给我完全随机数。

更新3:

对于Simon建议的选择部分:

hsize_t start[2] = {0, 0};
hsize_t count[2] = {1, 3};

hsize_t start[2] = {1, 0};
hsize_t count[2] = {1, 3};

这些将给出以下错误:

HDF5-DIAG: Error detected in HDF5 (1.8.10) thread 0:
  #000: /home/hdftest/snapshots-bin-hdf5_1_8_10/current/src/H5Dio.c line 245 in H5Dwrite(): file selection+offset not within extent
    major: Dataspace
    minor: Out of range

我想count[2]应该是{3,1}，而不是{1,3}？对于start[2]，如果我不将其设置为{0,0}，它将始终大喊上述错误。

您确定这是正确的吗？

最佳答案

How to append the data in this case? What kind of function must I use?

您必须使用 hyperslabs 。那就是您只需要写数据集的一部分。
要做的功能是 H5Sselect_hyperslab 。在fd1上使用它，并在fd1调用中将H5Dwrite用作文件数据空间。

I have tried put infinity flag of HDF5 in, but the runtime execution complains.

您需要创建一个分块数据集才能将其最大大小设置为无穷大。创建一个数据集创建属性列表，并使用 H5Pset_layout 对其进行分块。使用 H5Pset_chunk 设置块大小。然后使用此属性列表创建数据集。

I don't want to calculate the data that I have each time; is there a way to just simply keep on adding data in, without caring the value of fdim?

您可以做两件事:

预计算最终大小，以便您可以创建足够大的数据集。看来这就是您在做什么。

使用 H5Dset_extent 扩展数据集。为此，您需要将最大尺寸设置为无穷大，因此需要分块的数据集(请参见上文)。

在这两种情况下，都需要在H5Dwrite调用中在文件数据空间上选择一个 super 平板(请参见上文)。

演练working code

#include <iostream>
#include <hdf5.h>

// Constants
const char saveFilePath[] = "test.h5";
const hsize_t ndims = 2;
const hsize_t ncols = 3;

int main()
{

首先，创建一个hdf5文件。

    hid_t file = H5Fcreate(saveFilePath, H5F_ACC_TRUNC, H5P_DEFAULT, H5P_DEFAULT);
    std::cout << "- File created" << std::endl;

然后创建一个2D数据空间。
第一维的大小是无限的。我们最初将其设置为0，以显示如何在每一步扩展数据集。您还可以将其设置为例如要写入的第一个缓冲区的大小。
第二维的大小是固定的。

    hsize_t dims[ndims] = {0, ncols};
    hsize_t max_dims[ndims] = {H5S_UNLIMITED, ncols};
    hid_t file_space = H5Screate_simple(ndims, dims, max_dims);
    std::cout << "- Dataspace created" << std::endl;

然后创建一个数据集创建属性列表。
使用无限尺寸时，必须对数据集的布局进行分块。
块大小的选择会影响时间和磁盘空间上的性能。如果块很小，那么您将有很多开销。如果它们太大，那么您可能会分配不需要的空间，并且文件可能最终变得太大。
这是一个玩具示例，因此我们将选择一行的块。

    hid_t plist = H5Pcreate(H5P_DATASET_CREATE);
    H5Pset_layout(plist, H5D_CHUNKED);
    hsize_t chunk_dims[ndims] = {2, ncols};
    H5Pset_chunk(plist, ndims, chunk_dims);
    std::cout << "- Property list created" << std::endl;

创建数据集。

    hid_t dset = H5Dcreate(file, "dset1", H5T_NATIVE_FLOAT, file_space, H5P_DEFAULT, plist, H5P_DEFAULT);
    std::cout << "- Dataset 'dset1' created" << std::endl;

关闭资源。现在已经创建了数据集，因此我们不再需要属性列表。
我们不再需要文件数据空间，因为当扩展数据集时，由于仍然保留先前的范围，它将变得无效。
因此，无论如何我们都必须获取更新的文件数据空间。

    H5Pclose(plist);
    H5Sclose(file_space);

现在，我们将两个缓冲区附加到数据集的末尾。
第一个将是两行。
第二个将是三行。

第一个缓冲区

我们创建一个2D缓冲区(在内存中连续，行主要顺序)。
我们将分配足够的内存来存储3行，因此我们可以重用缓冲区。
让我们创建一个指针数组，以便我们可以使用b[i][j]表示法
而不是buffer[i * ncols + j]。这纯粹是审美的。

    hsize_t nlines = 3;
    float *buffer = new float[nlines * ncols];
    float **b = new float*[nlines];
    for (hsize_t i = 0; i < nlines; ++i){
        b[i] = &buffer[i * ncols];
    }

缓冲区中要写入数据集中的初始值:

    b[0][0] = 0.1;
    b[0][1] = 0.2;
    b[0][2] = 0.3;
    b[1][0] = 0.4;
    b[1][1] = 0.5;
    b[1][2] = 0.6;

我们创建一个内存数据空间来指示内存中缓冲区的大小。
请记住，第一个缓冲区只有两行长。

    dims[0] = 2;
    dims[1] = ncols;
    hid_t mem_space = H5Screate_simple(ndims, dims, NULL);
    std::cout << "- Memory dataspace created" << std::endl;

现在，我们需要扩展数据集。
我们将数据集的初始大小设置为0x3，因此我们需要首先对其进行扩展。
请注意，我们扩展了数据集本身，而不是其数据空间。
请记住，第一个缓冲区只有两行长。

    dims[0] = 2;
    dims[1] = ncols;
    H5Dset_extent(dset, dims);
    std::cout << "- Dataset extended" << std::endl;

在文件数据集上选择hyperslab。

    file_space = H5Dget_space(dset);
    hsize_t start[2] = {0, 0};
    hsize_t count[2] = {2, ncols};
    H5Sselect_hyperslab(file_space, H5S_SELECT_SET, start, NULL, count, NULL);
    std::cout << "- First hyperslab selected" << std::endl;

将缓冲区写入数据集。
现在，mem_space和file_space应该具有相同数量的所选元素。
注意buffer和&b[0][0]是等效的。

    H5Dwrite(dset, H5T_NATIVE_FLOAT, mem_space, file_space, H5P_DEFAULT, buffer);
    std::cout << "- First buffer written" << std::endl;

现在，我们可以关闭文件数据空间。
我们现在可以关闭内存数据空间，并为第二个缓冲区创建一个新的数据空间，
但我们只会更新其大小。

    H5Sclose(file_space);

第二缓冲区

缓冲区中要附加到数据集的新值:

    b[0][0] = 1.1;
    b[0][1] = 1.2;
    b[0][2] = 1.3;
    b[1][0] = 1.4;
    b[1][1] = 1.5;
    b[1][2] = 1.6;
    b[2][0] = 1.7;
    b[2][1] = 1.8;
    b[2][2] = 1.9;

调整内存数据空间的大小以指示缓冲区的新大小。
第二个缓冲区长三行。

    dims[0] = 3;
    dims[1] = ncols;
    H5Sset_extent_simple(mem_space, ndims, dims, NULL);
    std::cout << "- Memory dataspace resized" << std::endl;

扩展数据集。
请注意，在这个简单的示例中，我们知道2 + 3 = 5。
通常，您可以从文件数据空间读取当前范围
并添加所需的行数。

    dims[0] = 5;
    dims[1] = ncols;
    H5Dset_extent(dset, dims);
    std::cout << "- Dataset extended" << std::endl;

在文件数据集上选择hyperslab。
同样在这个简单的例子中，我们知道0 + 2 = 2。
通常，您可以从文件数据空间读取当前范围。
第二个缓冲区长三行。

    file_space = H5Dget_space(dset);
    start[0] = 2;
    start[1] = 0;
    count[0] = 3;
    count[1] = ncols;
    H5Sselect_hyperslab(file_space, H5S_SELECT_SET, start, NULL, count, NULL);
    std::cout << "- Second hyperslab selected" << std::endl;

将缓冲区追加到数据集

    H5Dwrite(dset, H5T_NATIVE_FLOAT, mem_space, file_space, H5P_DEFAULT, buffer);
    std::cout << "- Second buffer written" << std::endl;

最后:关闭所有资源:

    delete[] b;
    delete[] buffer;
    H5Sclose(file_space);
    H5Sclose(mem_space);
    H5Dclose(dset);
    H5Fclose(file);
    std::cout << "- Resources released" << std::endl;
}

注意:我删除了以前的更新，因为答案太长。如果您有兴趣，请浏览历史记录。

关于c++ - 将float数组写入＆追加到C++中的hdf5文件中的唯一数据集，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/15379399/

c++ - 将float数组写入＆追加到C++中的hdf5文件中的唯一数据集

上一篇：c++ - 如何将 C++ 字符串转换为大写

下一篇：c++ - C++的精确十进制数据类型？