一、入门代码
LMDB的全称是Lightning Memory-Mapped Database(快如闪电的内存映射数据库)，它的文件结构简单，包含一个数据文件和一个锁文件：
LMDB文件可以同时由多个进程打开，具有极高的数据存取速度，访问简单，不需要运行单独的数据库管理进程，只要在访问数据的代码里引用LMDB库，访问时给文件路径即可。
让系统访问大量小文件的开销很大，而LMDB使用内存映射的方式访问文件，使得文件内寻址的开销非常小，使用指针运算就能实现。数据库单文件还能减少数据集复制/传输过程的开销。
在python中使用lmdb： linux中，可以使用指令‘pip install lmdb' 安装lmdb包。
1. 生成一个空的lmdb数据库文件
|
1
2
3
4
5
6
7
|
# -*- coding: utf-8 -*- import lmdb # 如果train文件夹下没有data.mbd或lock.mdb文件，则会生成一个空的，如果有，不会覆盖 # map_size定义最大储存容量，单位是kb，以下定义1TB容量 env = lmdb.open("./train"，map_size=1099511627776) env.close() |
2. LMDB数据的添加、修改、删除
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
# -*- coding: utf-8 -*- import lmdb # map_size定义最大储存容量，单位是kb，以下定义1TB容量 env = lmdb.open("./train", map_size=1099511627776) txn = env.begin(write=True) # 添加数据和键值 txn.put(key = '1', value = 'aaa') txn.put(key = '2', value = 'bbb') txn.put(key = '3', value = 'ccc') # 通过键值删除数据 txn.delete(key = '1') # 修改数据 txn.put(key = '3', value = 'ddd') # 通过commit()函数提交更改 txn.commit() env.close() |
3. 查询lmdb数据库内容
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
|
# -*- coding: utf-8 -*- import lmdb env = lmdb.open("./train") # 参数write设置为True才可以写入 txn = env.begin(write=True) ############################################添加、修改、删除数据 # 添加数据和键值 txn.put(key = '1', value = 'aaa') txn.put(key = '2', value = 'bbb') txn.put(key = '3', value = 'ccc') # 通过键值删除数据 txn.delete(key = '1') # 修改数据 txn.put(key = '3', value = 'ddd') # 通过commit()函数提交更改 txn.commit() ############################################查询lmdb数据 txn = env.begin() # get函数通过键值查询数据 print txn.get(str(2)) # 通过cursor()遍历所有数据和键值 for key, value in txn.cursor(): print (key, value) ############################################ env.close() |
4. 读取已有.mdb文件内容
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
# -*- coding: utf-8 -*- import lmdb env_db = lmdb.Environment('trainC') # env_db = lmdb.open("./trainC") txn = env_db.begin() # get函数通过键值查询数据,如果要查询的键值没有对应数据，则输出None print txn.get(str(200)) for key, value in txn.cursor(): #遍历 print (key, value) env_db.close() |
二、进阶
LMDB 介绍
LMDB 全称为 Lightning Memory-Mapped Database，就是非常快的内存映射型数据库，LMDB使用内存映射文件，可以提供更好的输入/输出性能，对于用于神经网络的大型数据集( 比如 ImageNet )，可以将其存储在 LMDB 中。
因为最开始 Caffe 就是使用的这个数据库，所以网上的大多数关于 LMDB 的教程都通过 Caffe 实现的，对于不了解 Caffe 的同学很不友好，所以本篇文章只讲解 LMDB。
LMDB属于key-value数据库，而不是关系型数据库( 比如 MySQL )，LMDB提供 key-value 存储，其中每个键值对都是我们数据集中的一个样本。LMDB的主要作用是提供数据管理，可以将各种各样的原始数据转换为统一的key-value存储。
LMDB效率高的一个关键原因是它是基于内存映射的，这意味着它返回指向键和值的内存地址的指针，而不需要像大多数其他数据库那样复制内存中的任何内容。
LMDB不仅可以用来存放训练和测试用的数据集，还可以存放神经网络提取出的特征数据。如果数据的结构很简单，就是大量的矩阵和向量，而且数据之间没有什么关联，数据内没有复杂的对象结构，那么就可以选择LMDB这个简单的数据库来存放数据。
LMDB的文件结构很简单，一个文件夹，里面是一个数据文件和一个锁文件。数据随意复制，随意传输。它的访问简单，不需要单独的数据管理进程。只要在访问代码里引用LMDB库，访问时给文件路径即可。
用LMDB数据库来存放图像数据，而不是直接读取原始图像数据的原因：
- 数据类型多种多样，比如：二进制文件、文本文件、编码后的图像文件jpeg、png等，不可能用一套代码实现所有类型的输入数据读取，因此通过LMDB数据库，转换为统一数据格式可以简化数据读取层的实现。
- lmdb具有极高的存取速度，大大减少了系统访问大量小文件时的磁盘IO的时间开销。LMDB将整个数据集都放在一个文件里，避免了文件系统寻址的开销，你的存储介质有多快，就能访问多快，不会因为文件多而导致时间长。LMDB使用了内存映射的方式访问文件，这使得文件内寻址的开销大幅度降低。
LMDB 的基本函数
env = lmdb.open()：创建 lmdb 环境txn = env.begin()：建立事务txn.put(key, value)：进行插入和修改txn.delete(key)：进行删除txn.get(key)：进行查询txn.cursor()：进行遍历txn.commit()：提交更改
创建一个 lmdb 环境：
# 安装：pip install lmdb
import lmdb
env = lmdb.open(lmdb_path, map_size=1099511627776)lmdb_path 指定存放生成的lmdb数据库的文件夹路径，如果没有该文件夹则自动创建。
map_size 指定创建的新数据库所需磁盘空间的最小值，1099511627776B＝１T。可以在这里进行 存储单位换算。
会在指定路径下创建 data.mdb 和 lock.mdb 两个文件，一是个数据文件，一个是锁文件。
修改数据库内容：
txn = env.begin(write=True)
# insert/modify
txn.put(str(1).encode(), "Alice".encode())
txn.put(str(2).encode(), "Bob".encode())
# delete
txn.delete(str(1).encode())
txn.commit()先创建一个事务(transaction) 对象 txn，所有的操作都必须经过这个事务对象。因为我们要对数据库进行写入操作，所以将 write 参数置为 True，默认其为 False。
使用 .put(key, value) 对数据库进行插入和修改操作，传入的参数为键值对。
值得注意的是，需要在键值字符串后加 .encode() 改变其编码格式，将 str 转换为 bytes 格式，否则会报该错误：TypeError: Won't implicitly convert Unicode to bytes; use .encode()。在后面使用 .decode() 对其进行解码得到原数据。
使用 .delete(key) 删除指定键值对。
对LMDB的读写操作在事务中执行，需要使用 commit 方法提交待处理的事务。
查询数据库内容：
txn = env.begin()
print(txn.get(str(2).encode()))
for key, value in txn.cursor():
print(key, value)
env.close()每次 commit() 之后都要用 env.begin() 更新 txn（得到最新的lmdb数据库）。
使用 .get(key) 查询数据库中的单条记录。
使用 .cursor() 遍历数据库中的所有记录，其返回一个可迭代对象，相当于关系数据库中的游标，每读取一次，游标下移一位。
也可以想文件一样使用 with 语法：
with env.begin() as txn:
print(txn.get(str(2).encode()))
for key, value in txn.cursor():
print(key, value)
完整的demo如下：
import lmdb
import os, sys
def initialize():
env = lmdb.open("lmdb_dir")
return env
def insert(env, sid, name):
txn = env.begin(write=True)
txn.put(str(sid).encode(), name.encode())
txn.commit()
def delete(env, sid):
txn = env.begin(write=True)
txn.delete(str(sid).encode())
txn.commit()
def update(env, sid, name):
txn = env.begin(write=True)
txn.put(str(sid).encode(), name.encode())
txn.commit()
def search(env, sid):
txn = env.begin()
name = txn.get(str(sid).encode())
return name
def display(env):
txn = env.begin()
cur = txn.cursor()
for key, value in cur:
print(key, value)
env = initialize()
print("Insert 3 records.")
insert(env, 1, "Alice")
insert(env, 2, "Bob")
insert(env, 3, "Peter")
display(env)
print("Delete the record where sid = 1.")
delete(env, 1)
display(env)
print("Update the record where sid = 3.")
update