Самый быстрый способ записи файлов HDF5 с Python?

Я бы избегал разбиения данных на блоки и хранил бы данные как ряды наборов данных с одним массивом (в соответствии с тем, что предлагает Бенджамин). Я только что закончил загрузку вывода корпоративного приложения, над которым я работал, в HDF5 и смог упаковать около 4,5 миллиардов составных типов данных в виде 450 000 наборов данных, каждый из которых содержит массив данных 10 000. Записи и чтения теперь кажутся довольно мгновенными, но были болезненно медленными, когда я изначально пытался разбить данные.

просто мысль!

обновление:

это несколько фрагментов, снятых с моего фактического кода (я кодирую на C против Python, но вы должны получить представление о том, что я делаю) и изменены для ясности. Я просто пишу длинные целые числа без знака в массивах (10 000 значений на массив) и читаю их, когда мне нужно фактическое значение

Это мой типичный код писателя. В этом случае я просто пишу длинную целочисленную последовательность без знака в последовательность массивов и загружаю каждый массив последовательность в hdf5 по мере их создания.

//Our dummy data: a rolling count of long unsigned integers
long unsigned int k = 0UL;
//We'll use this to store our dummy data, 10,000 at a time
long unsigned int kValues[NUMPERDATASET];
//Create the SS adata files.
hid_t ssdb = H5Fcreate(SSHDF, H5F_ACC_TRUNC, H5P_DEFAULT, H5P_DEFAULT);
//NUMPERDATASET = 10,000, so we get a 1 x 10,000 array
hsize_t dsDim[1] = {NUMPERDATASET};
//Create the data space.
hid_t dSpace = H5Screate_simple(1, dsDim, NULL);
//NUMDATASETS = MAXSSVALUE / NUMPERDATASET, where MAXSSVALUE = 4,500,000,000
for (unsigned long int i = 0UL; i < NUMDATASETS; i++){
    for (unsigned long int j = 0UL; j < NUMPERDATASET; j++){
        kValues[j] = k;
        k += 1UL;
    }
    //Create the data set.
    dssSet = H5Dcreate2(ssdb, g_strdup_printf("%lu", i), H5T_NATIVE_ULONG, dSpace, H5P_DEFAULT, H5P_DEFAULT, H5P_DEFAULT);
    //Write data to the data set.
    H5Dwrite(dssSet, H5T_NATIVE_ULONG, H5S_ALL, H5S_ALL, H5P_DEFAULT, kValues);
    //Close the data set.
    H5Dclose(dssSet);
}
//Release the data space
H5Sclose(dSpace);
//Close the data files.
H5Fclose(ssdb);

это слегка измененная версия моего кода читателя. Есть более элегантные способы сделать это (т. е. я мог бы использовать гиперплоскости, чтобы получить значение), но это было самое чистое решение в отношении моего довольно дисциплинированного процесса разработки Agile/BDD.

unsigned long int getValueByIndex(unsigned long int nnValue){
    //NUMPERDATASET = 10,000
    unsigned long int ssValue[NUMPERDATASET];
    //MAXSSVALUE = 4,500,000,000; i takes the smaller value of MAXSSVALUE or nnValue
    //to avoid index out of range error 
    unsigned long int i = MIN(MAXSSVALUE-1,nnValue);
    //Open the data file in read-write mode.
    hid_t db = H5Fopen(_indexFilePath, H5F_ACC_RDONLY, H5P_DEFAULT);
    //Create the data set. In this case, each dataset consists of a array of 10,000
    //unsigned long int and is named according to its integer division value of i divided
    //by the number per data set.
    hid_t dSet = H5Dopen(db, g_strdup_printf("%lu", i / NUMPERDATASET), H5P_DEFAULT);
    //Read the data set array.
    H5Dread(dSet, H5T_NATIVE_ULONG, H5S_ALL, H5S_ALL, H5P_DEFAULT, ssValue);
    //Close the data set.
    H5Dclose(dSet);
    //Close the data file.
    H5Fclose(db);
    //Return the indexed value by using the modulus of i divided by the number per dataset
    return ssValue[i % NUMPERDATASET];
}

основным выводом является внутренний цикл в коде записи и операции целочисленного деления и mod для получения индекса массива dataset и индекса желаемое значение в этом массиве. Дайте мне знать, если это достаточно ясно, чтобы вы могли собрать что-то подобное или лучше в h5py. В C это очень просто и дает мне значительно лучшее время чтения/записи по сравнению с фрагментированным решением набора данных. Кроме того, поскольку я не могу использовать сжатие с составными наборами данных в любом случае, очевидный плюс чанкинга-спорная точка, поэтому все мои соединения хранятся одинаково.