Я получаю данные с датчиков и сохраняю их в файлах HDF5, используя h5py. Данные датчика поступают в виде байтового объекта, я использую numpy для преобразования его в структурированный массив. Затем я записываю структурированный массив в файл HDF5. Все это работает так, как задумано.
Теперь я хочу прочитать данные из файла HDF5, и меня интересуют только некоторые его части. Например, если я хочу прочитать только один столбец. Проблема в том, что при прямой записи структурированного массива numpy в файл HDF5 все данные записываются как единый блок, например, с формой (10,). Размер фрагмента по умолчанию установлен на (256,). Это означает, что я прочитал 256 строк и все столбцы данных для каждого фрагмента. Однако это становится очень медленным, когда количество столбцов увеличивается.
Есть ли способ изменить данные или изменить параметры фрагментации, чтобы я мог читать один столбец данных вместо целого блока в каждом фрагменте?
Минимальный пример того, что я использую, показан ниже:
import h5py
import ctypes
import numpy as np
class SensorStruct(ctypes.Structure):
_pack_ = 4
_fields_ = [('tc_time',ctypes.c_int64),
('pc_time',ctypes.c_double),
('nSample', ctypes.c_ushort),
('fMean', ctypes.c_float),
('fLowerbound', ctypes.c_float),
('fUpperbound', ctypes.c_float)]
def CreateFile(filename):
#Create a new HDF5 file
with h5py.File(filename, 'w', libver='latest') as f:
f.swmr_mode = True
def AddDataset(filename, dsetname, struct):
#Add a dataset to an existing HDF5 file
with h5py.File(filename, 'r+', libver='latest', swmr=True) as f:
f.create_dataset(dsetname,
dtype = struct,
shape = (0,), #Shape will update each time data is added
maxshape = (60480000,),
chunks = True, #Need to modify this somehow
compression = 'gzip')
def WriteData(filename, data):
#Append an existing dataset with new data
with h5py.File(filename, 'r+', libver='latest', swmr=True) as f:
dset = f[dsetname]
length = dset.shape[0]
maxlength = dset.maxshape[0]
newlength = length + len(data)
if newlength < maxlength:
dset.resize((newlength,))
dset[length:newlength] = data
filename = 'TESTFILE.h5'
dsetname = 'Sensor1'
struct_dt = np.dtype(SensorStruct)
#Rawdata comes in from a sensor every few seconds, returns as bytes object
rawdata1 = b"\x15\xcd[\x07\x00\x00\x00\x00 x\x81BA\x02\xd7A\x00\x00\x00\x00'u\x1fA\xf4Q\x01AbY?A\x16\xcd[\x07\x00\x00\x00\x00 x\x81BA\x02\xd7A\x01\x00\x00\x00\x1c\xe4&A[\x85\x0bA\x97\x96=A\x17\xcd[\x07\x00\x00\x00\x00 x\x81BA\x02\xd7A\x02\x00\x00\x00\xf6\x8b\x02A\xe5\xd5\xd5@\xc1Y\x1bA\x18\xcd[\x07\x00\x00\x00\x00 x\x81BA\x02\xd7A\x03\x00\x00\x00 \xec9A?W\x17A\xd0vRA\x19\xcd[\x07\x00\x00\x00\x00 x\x81BA\x02\xd7A\x04\x00\x00\x00\xf2\t/A\x83U\x19A\r&[A\x1a\xcd[\x07\x00\x00\x00\x00 x\x81BA\x02\xd7A\x05\x00\x00\x00s\x8a\x18A\xb0\x19\x04A\xc6\xb51A\x1b\xcd[\x07\x00\x00\x00\x00 x\x81BA\x02\xd7A\x06\x00\x00\x00P\xb6>A6\xc5 A)erA\x1c\xcd[\x07\x00\x00\x00\x00 x\x81BA\x02\xd7A\x07\x00\x00\x00\xe5e\x11A\x17\x9c\xff@^\xbf5A\x1d\xcd[\x07\x00\x00\x00\x00 x\x81BA\x02\xd7A\x08\x00\x00\x00*\xbe\x19At\xd5\x04AN\x919A\x1e\xcd[\x07\x00\x00\x00\x00 x\x81BA\x02\xd7A\t\x00\x00\x00\xa2* A(-\x03AE\xedFA"
rawdata2 = b'\x1f\xcd[\x07\x00\x00\x00\x00 x\x01EA\x02\xd7A\n\x00\x00\x00\xb6\x89&A\xd7\x8f\x07A\xe9\x00SA \xcd[\x07\x00\x00\x00\x00 x\x01EA\x02\xd7A\x0b\x00\x00\x00\x91I\xfd@*\\\xdc@<\x17!A!\xcd[\x07\x00\x00\x00\x00 x\x01EA\x02\xd7A\x0c\x00\x00\x00,q\x12A\x81\x1f\xfa@\x81\xfe(A"\xcd[\x07\x00\x00\x00\x00 x\x01EA\x02\xd7A\r\x00\x00\x00\x04@\x1cA\x03p\x05A\x05\xb03A#\xcd[\x07\x00\x00\x00\x00 x\x01EA\x02\xd7A\x0e\x00\x00\x00\xad\x89:A8h#A\xab\x88SA$\xcd[\x07\x00\x00\x00\x00 x\x01EA\x02\xd7A\x0f\x00\x00\x00I\x0f\xf5@\x15\xaa\xca@Rk\x0cA%\xcd[\x07\x00\x00\x00\x00 x\x01EA\x02\xd7A\x10\x00\x00\x00\xab\xeb\x1dA\x86 \x05A\x1807A&\xcd[\x07\x00\x00\x00\x00 x\x01EA\x02\xd7A\x11\x00\x00\x00Q\xda3A\xdc\xa6\x1cAT)ZA\'\xcd[\x07\x00\x00\x00\x00 x\x01EA\x02\xd7A\x12\x00\x00\x00U\xb3=A\xae\xcb\x1aA\xebmQA(\xcd[\x07\x00\x00\x00\x00 x\x01EA\x02\xd7A\x13\x00\x00\x00\x8f\x82\x0cA\x11\x15\xf3@$]&A'
data1 = np.frombuffer(rawdata1, dtype=SensorStruct)
data2 = np.frombuffer(rawdata2, dtype=SensorStruct)
CreateFile(filename)
AddDataset(filename, dsetname, SensorStruct)
WriteData(filename, data1)
WriteData(filename, data2)
Здесь я пытаюсь прочитать один столбец данных:
import time
t0 = time.time()
with h5py.File(filename, 'r', libver='latest', swmr=True) as f:
dset = f[dsetname]
#Optimize chunking so I can read one column
#My real dataset contains hundreds of columns and milions of rows
#So this minimal example may look slightly trivial
print('Chunksize: {}'.format(dset.chunks))
t = dset['pc_time']
print('Reading the time column took {} seconds'.format(time.time()-t0))