问题描述
我在 zstd 情况下遇到了一些解压问题。我有 hdf5 格式的文件,压缩方式如下:
import h5py as h5
import hdf5plugin
import sys
import os
filefrom = sys.argv[1]
h5path = sys.argv[2]
f = h5.File(filefrom,'r')
data = f[h5path]
shape_data = data.shape[1:]
num = data.shape[0]
initShape = (1,) + shape_data
maxShape = (num,) + shape_data
f_zstd = h5.File(filefrom.split('.')[0]+'_zstd.h5','w')
d_zstd = f_zstd.create_dataset(path_to_data,initShape,maxshape=maxShape,dtype=np.int32,chunks=initShape,**hdf5plugin.Zstd())
d_zstd[0,] = data[0,]
for i in range(num):
d_zstd.resize((i+1,) + shape_data)
d_zstd[i,] = data[i,]
f_zstd.close()
f.close()
所以它压缩没有任何错误,但是当我尝试使用 h5ls
或 h5dump
查看数据时,它打印出无法打印数据,并且没有其他查看方式在文件内部,如使用 h5py 在 python3 (3.6) 中读取此压缩数据是不成功的。我还尝试了 h5repack
(h5repack -i compressed_file.h5 -o out_file.h5 --filter=var:NONE
) 或以下代码:
import zstandard
import pathlib
import os
def decompress_zstandard_to_folder(input_file):
input_file = pathlib.Path(input_file)
destination_dir = os.path.dirname(input_file)
with open(input_file,'rb') as compressed:
decomp = zstandard.ZstdDecompressor()
output_path = pathlib.Path(destination_dir) / input_file.stem
with open(output_path,'wb') as destination:
decomp.copy_stream(compressed,destination)
没有成功。在 h5repack
的情况下没有出现警告或错误,最后一段代码我得到了这个 zstd.ZstdError: zstd decompressor error: UnkNown frame descriptor
,所以我得到这意味着压缩数据没有适当的标题。
我使用 python 3.6.7
、hdf5 1.10.5
。所以我有点困惑,不知道如何克服这个问题。
乐于接受任何想法/建议!
解决方法
我编写了一个简单的测试,用一个简单的数据集(int32 的 NumPy 数组)来验证 zstd 压缩行为。我可以用 h5py 打开 HDF5 文件并读取数据集。 (注意:我无法用 HDFView 打开,h5repack 只报告形状和类型属性,而不是数据。)
我怀疑您代码的另一部分存在未检测到的错误。您是否在没有 zstd 压缩的情况下测试了您的代码逻辑?如果没有,我建议你从那里开始。
编写示例文件的代码:
import h5py as h5
import hdf5plugin
import numpy as np
data = np.arange(1_000).reshape(100,10)
with h5.File('test_zstd.h5','w') as f_zstd:
d_zstd = f_zstd.create_dataset('zstd_data',data=data,**hdf5plugin.Zstd())
读取示例文件的代码:
import h5py as h5
import hdf5plugin ## Note: plugin required to read
with h5.File('test_zstd.h5','r') as f_zstd:
d_zstd = f_zstd['zstd_data']
print(d_zstd.shape,d_zstd.dtype)
print(d_zstd[0,:])
print(d_zstd[-1,:])
上面的输出:
(100,10) int32
[0 1 2 3 4 5 6 7 8 9]
[990 991 992 993 994 995 996 997 998 999]
有关 HDF5 和压缩的更多信息:
要使用 HDF5 实用程序(如 h5repack)读取压缩文件,HDF5 安装需要适当的压缩过滤器。有些是标准的,许多(包括 xstandard)需要您安装第三方过滤器。可用插件的链接在这里:HDF5 Registered Filter Plugins
您可以通过添加 -pH
标志来使用 h5dump 验证压缩过滤器,如下所示:
E:\SO_68526704>h5dump -pH test_zstd.h5
HDF5 "test_zstd.h5" {
GROUP "/" {
DATASET "zstd_data" {
DATATYPE H5T_STD_I32LE
DATASPACE SIMPLE { ( 100,10 ) / ( 100,10 ) }
STORAGE_LAYOUT {
CHUNKED ( 100,10 )
SIZE 1905 (2.100:1 COMPRESSION)
}
FILTERS {
USER_DEFINED_FILTER {
FILTER_ID 32015
COMMENT Zstandard compression: http://www.zstd.net
}
}
FILLVALUE {
FILL_TIME H5D_FILL_TIME_ALLOC
VALUE H5D_FILL_VALUE_DEFAULT
}
ALLOCATION_TIME {
H5D_ALLOC_TIME_INCR
}
}
}
}