将浮点数组写入和附加到 C++ 中 hdf5 文件中的唯一数据集

Question

我正在处理多个文件，每次处理文件都会输出数千个浮点数组，我会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供进一步处理.

目前我对如何将数据附加到 hdf5 文件感到困惑。 （在上面的代码中注释）在上面的 2 个 for 循环中，如您所见，我想一次将浮点的一维数组附加到 hdf5 中，而不是全部。我的数据是TB，我们只能将数据追加到文件中。

有几个问题：

1. 在这种情况下如何追加数据？我必须使用什么样的功能？
2. 现在，我有 fdim[0] = 928347543，我尝试将 HDF5 的无穷大标志放入，但运行时执行报错。有没有办法做到这一点？我不想计算我每次拥有的数据；有没有办法只是简单地继续添加数据，而不关心 fdim 的价值？

或者这不可能？

编辑：

我一直在遵循 Simon 的建议，目前这里是我更新的代码：

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";    

我目前的输出是：

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，我发现使用 H5Dset_extent 将内容设置为无限制在运行时仍然会导致问题。 （问题函数在上面的代码中用//COMPLAINS HERE标记。）我已经得到了Simon指定的块数据，那么这里有什么问题？

另一方面，如果没有 H5Dset_extent，我可以写一个 [0, 1, 2] 的测试数组就好了，但是我们怎样才能让上面的代码输出测试数组到文件中，如下所示：

[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，我无法将整个数据保存在 RAM 中，因此我必须一次一个地逐个放入数据。

编辑 2：

我更多地听从了西蒙的建议。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

在进一步试验start2 和count2 后，我发现这些变量只影响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：最终结果一定是：

0.1 0.2 0.3
0.4 0.5 0.6

另外，对于 H5Dwrite，Simon，它必须是 bufi 而不是 *bufi，因为 bufi 给了我完全随机的数字。

更新 3：

对于西蒙建议的选择部分：

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

count[2] 应该是{3,1}，而不是{1,3}，我想？而对于start[2]，如果我不设置为{0,0}，它总是会喊出上面的错误。

你确定这是正确的吗？

Answer 1

在这种情况下如何追加数据？我必须使用什么样的功能？

您必须使用 hyperslabs。这就是您只需要编写数据集的一部分。 执行此操作的函数是 H5Sselect_hyperslab。在fd1 上使用它并在H5Dwrite 调用中使用fd1 作为您的文件数据空间。

我试过把 HDF5 的 infinity flag 放进去，但是运行时执行报错。

您需要创建一个分块数据集，以便能够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 使其分块。使用H5Pset_chunk 设置块大小。然后使用此属性列表创建您的数据集。

我不想每次都计算我拥有的数据；有没有办法只是简单地继续添加数据，而不关心fdim 的值？

你可以做两件事：

1. 预先计算最终大小，以便创建足够大的数据集。看起来这就是你正在做的事情。

2. 使用H5Dset_extent 随时扩展您的数据集。为此，您需要将最大维度设置为无穷大，因此您需要一个分块数据集（见上文）。

在这两种情况下，您都需要在 H5Dwrite 调用中选择文件数据空间上的 hyperslab（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。 第一个维度的大小是无限的。我们最初将其设置为 0 以显示如何在每个步骤中扩展数据集。例如，您还可以将其设置为您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。 使用无限维度时，必须对数据集的布局进行分块。 块大小的选择会影响性能，包括时间和磁盘空间。如果块非常小，您将有很多开销。如果它们太大，您可能会分配不需要的空间，并且您的文件最终可能会太大。 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。数据集现已创建，因此我们不再需要属性列表。 我们不再需要文件数据空间，因为当数据集被扩展时，它将变得无效，因为它仍将保留以前的范围。 所以无论如何我们都必须获取更新后的文件数据空间。

    H5Pclose(plist);
    H5Sclose(file_space);

我们现在将两个缓冲区附加到数据集的末尾。 第一个将是两行长。 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，所以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。

    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。 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;

我们现在需要扩展数据集。 我们将数据集的初始大小设置为 0x3，因此我们需要先扩展它。 请注意，我们扩展了数据集本身，而不是它的数据空间。 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。 mem_space 和 file_space 现在应该选择相同数量的元素。 注意buffer 和&b[0][0] 是等价的。

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

我们现在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， 但我们会简单地更新它的大小。

    H5Sclose(file_space);

第二个缓冲区

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。 第二个缓冲区是三行长。

    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中读取当前范围 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中读取当前范围。 第二个缓冲区是三行长。

    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;

将缓冲区附加到数据集

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

结束：让我们关闭所有资源：

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

---

注意： 我删除了之前的更新，因为答案太长了。如果您有兴趣，请浏览历史。