Leveldb

2 篇文章 0 订阅
2 篇文章 0 订阅

Leveldb介绍

Leveldb是一个google实现的非常高效的(key-value)数据库,能够支持十亿级别的数据量了。 在这个数量级别下还有着非常高的性能,主要归功于它的良好的设计。
LevelDB 是单进程的服务,性能非常之高,在一台4核Q6600的CPU机器上,每秒钟写数据超过40w,而随机读的性能每秒钟超过10w。
此处随机读是完全命中内存的速度,如果是不命中 速度大大下降
LevelDB 只是一个 C/C++ 编程语言的库, 不包含网络服务封装, 所以无法像一般意义的存储服务器(如 MySQL)那样, 用客户端来连接它. LevelDB 自己也声明, 使用者应该封装自己的网络服务器.

具有很高的随机写,顺序读和写性能(据说可以达到billion级别的数据量了),但是随机读的性能很一般,也就是说,leveldb很适合应用在查询较少,而写很多的场景。

Python Leveldb 下载

Python有实现了leveldb,在这里可以下载

Python Leveldb 的安装

ubuntu下安装leveldb非常的简单

sudo pip install leveldb

即可搞定。

使用也很简单,其函数和参数也就那么几个

import leveldb

# 注意需要先新建文件
import os
mkdir('./db')
db = leveldb.LevelDB('./db')

# single put
db.Put('hello', 'world')

print db.Get('hello')

# single delete
db.Delete('hello')

#下面这一句会报错。
print db.Get('hello')

# multiple put/delete applied atomically, and committed to disk
batch = leveldb.WriteBatch()
batch.Put('hello', 'world')
batch.Put('hello again', 'world')
batch.Delete('hello)

db.Write(batch, sync= True)

实际中的应用:

比leveldb更高级的有LMDB,比leveldb复杂多了,虽然lmdb的内存消耗是leveldb的1.1倍,但是lmdb的速度比leveldb快10%至15%,更重要的是lmdb允许多种训练模型同时读取同一组数据集。因此lmdb取代了leveldb成为Caffe默认的数据集生成格式。

在caffe中没有python的leveldb示例,都是用C++直接将图片转化leveldb,在caffe中,需要准备训练数据,其中有多种数据的保存格式,比较高效的是leveldb和lmdb,比较低效的hdf5 和直接图像文件。

要将训练数据保存为leveldb或者lmdb,只要把数据转化为键值对即可,即图像为key,标签为value。

参考:http://blog.csdn.net/qq112928/article/details/21172841

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值