Hierarchical Data Format

aus Wikipedia, der freien Enzyklopädie
Zur Navigation springen Zur Suche springen
Hierarchical Data Format
HDF logo.svg
Dateiendung: .hdf, .h4, .hdf4, .he2, .h5, .hdf5, .he5
Aktuelle Version: 5-1.10.5[1] (Stand: 26. April 2019)
Website: www.hdfgroup.org

Hierarchical Data Format (HDF) bezeichnet die Datenformate HDF4 (veraltet, aber weiterhin unterstützt) und HDF5. Diese Formate werden insbesondere in wissenschaftlichen Anwendungen für die Speicherung großer Datenmengen verwendet. Optimierte Strukturen und Algorithmen erlauben das effiziente Speichern und Auslesen von ein- und mehrdimensionalen homogenen[2] Tabellen. Tabellen und andere Daten können in ein und derselben Datei in einer beliebigen Verzeichnisstruktur abgelegt werden. Das ermöglicht es zum Beispiel, Messwerte gemeinsam mit Metadaten abzuspeichern.

HDF wurde ursprünglich vom National Center for Supercomputing Applications (NCSA) entwickelt, das auch die Software-Bibliotheken zur Benutzung des HDF zur Verfügung stellt. Um die Weiterentwicklung zu professionalisieren wurde im Jahr 2006 die HDF Group als gemeinnütziges Unternehmen gegründet.[3] Die HDF Group stellt Bibliotheken und Anwendungen für den Einsatz von HDF5 und HDF4 zur Verfügung und bietet gegen Bezahlung Benutzersupport an. Um auf einem Supercomputer erzeugte Daten auch offline weiterbearbeiten zu können, gibt es Portierungen auf alle gängigen Betriebssysteme. HDF ist das vorgeschriebene Datenformat für die Datenprodukte des NASA Earth Observing System.

HDF konnte von den ersten Versionen des ebenfalls am NCSA entwickelten Webbrowsers Mosaic direkt dargestellt werden.

Ab der Version HDF4.0 (1995) gibt es ein netCDF-Interface für HDF, womit die beiden wichtigsten wissenschaftlichen Datenformate zusammengeführt wurden; Version 4 von netCDF ist in HDF5 eingebaut.

Weblinks[Bearbeiten | Quelltext bearbeiten]

Einzelnachweise[Bearbeiten | Quelltext bearbeiten]

  1. HDF5 version 1.10.5 released on 2019-02-25. Abgerufen am 26. April 2019.
  2. Eine Tabelle heißt homogen, wenn alle Einträge denselben Datentyp haben. Das ist eine Schlüsselvoraussetzung für eine effiziente Speicherorganisation.
  3. About Us - The HDF Group. Abgerufen am 18. Mai 2019.