LevelDB JNI技术文档
2024-12-27 12:02:06作者:农烁颖Land
1. 安装指南
Maven依赖
您可以通过添加以下依赖项到您的Maven POM文件中来使用LevelDB JNI:
<dependencies>
<dependency>
<groupId>org.fusesource.leveldbjni</groupId>
<artifactId>leveldbjni-all</artifactId>
<version>1.8</version>
</dependency>
</dependencies>
使用leveldbjni-all
依赖项可以让您获得所有支持平台的操作系统特定本地驱动程序。如果您只想使用一个或一些而非所有本地驱动程序,请直接使用操作系统特定的依赖项,而不是leveldbjni-all
。
例如,对于Linux 64位系统,请使用以下依赖项:
<dependencies>
<dependency>
<groupId>org.fusesource.leveldbjni</groupId>
<artifactId>leveldbjni-linux64</artifactId>
<version>1.8</version>
</dependency>
</dependencies>
如果您的系统已经通过包管理器(请参阅issue 90)单独安装了leveljni本地驱动程序DLL/SO库,那么您可以依赖Java“启动器”,而不包含操作系统的特定本地驱动程序的JAR,如下所示:
<dependency>
<groupId>org.fusesource.leveldbjni</groupId>
<artifactId>leveldbjni</artifactId>
<version>1.8</version>
</dependency>
手动安装JAR
如果不想使用Maven,可以直接将以下JAR添加到您的Java项目中:
2. 使用说明
LevelDB JNI提供了对LevelDB C++库的Java接口,LevelDB是一个由Google开发的快速键值存储库,提供了字符串键到字符串值的有序映射。
API 使用文档
以下是一些推荐的包导入:
import org.iq80.leveldb.*;
import static org.fusesource.leveldbjni.JniDBFactory.*;
import java.io.*;
打开和关闭数据库
Options options = new Options();
options.createIfMissing(true);
DB db = factory.open(new File("example"), options);
try {
// 在此处使用数据库...
} finally {
// 确保关闭数据库,以关闭数据库并避免资源泄漏。
db.close();
}
添加、获取和删除键/值
db.put(bytes("Tampa"), bytes("rocks"));
String value = asString(db.get(bytes("Tampa")));
db.delete(bytes("Tampa"));
执行批量/大量/原子更新
WriteBatch batch = db.createWriteBatch();
try {
batch.delete(bytes("Denver"));
batch.put(bytes("Tampa"), bytes("green"));
batch.put(bytes("London"), bytes("red"));
db.write(batch);
} finally {
// 确保关闭batch,以避免资源泄漏。
batch.close();
}
遍历键/值
DBIterator iterator = db.iterator();
try {
for(iterator.seekToFirst(); iterator.hasNext(); iterator.next()) {
String key = asString(iterator.peekNext().getKey());
String value = asString(iterator.peekNext().getValue());
System.out.println(key + " = " + value);
}
} finally {
// 确保关闭iterator,以避免资源泄漏。
iterator.close();
}
使用数据库的快照视图
ReadOptions ro = new ReadOptions();
ro.snapshot(db.getSnapshot());
try {
// 所有读取操作现在将使用相同的一致数据视图。
... = db.iterator(ro);
... = db.get(bytes("Tampa"), ro);
} finally {
// 确保关闭快照,以避免资源泄漏。
ro.snapshot().close();
}
使用自定义比较器
DBComparator comparator = new DBComparator(){
public int compare(byte[] key1, byte[] key2) {
return new String(key1).compareTo(new String(key2));
}
public String name() {
return "simple";
}
public byte[] findShortestSeparator(byte[] start, byte[] limit) {
return start;
}
public byte[] findShortSuccessor(byte[] key) {
return key;
}
};
Options options = new Options();
options.comparator(comparator);
DB db = factory.open(new File("example"), options);
禁用压缩
Options options = new Options();
options.compressionType(CompressionType.NONE);
DB db = factory.open(new File("example"), options);
配置缓存
Options options = new Options();
options.cacheSize(100 * 1048576); // 100MB缓存
DB db = factory.open(new File("example"), options);
获取近似大小
long[] sizes = db.getApproximateSizes(new Range(bytes("a"), bytes("k")), new Range(bytes("k"), bytes("z")));
System.out.println("Size: " + sizes[0] + ", " + sizes[1]);
获取数据库状态
String stats = db.getProperty("leveldb.stats");
System.out.println(stats);
获取信息性日志消息
Logger logger = new Logger() {
public void log(String message) {
System.out.println(message);
}
};
Options options = new Options();
options.logger(logger);
DB db = factory.open(new File("example"), options);
销毁数据库
Options options = new Options();
factory.destroy(new File("example"), options);
修复数据库
Options options = new Options();
factory.repair(new File("example"), options);
使用内存池
JniDBFactory.pushMemoryPool(1024 * 512);
try {
// ... 在此处使用数据库
} finally {
JniDBFactory.popMemoryPool();
}
3. 项目安装方式
请参照“安装指南”中的步骤进行安装。
结束
本文档详细介绍了LevelDB JNI的安装方法、使用说明和API使用方式,希望能帮助您更好地使用LevelDB JNI项目。
登录后查看全文
热门项目推荐
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GLM-V
GLM-4.5V and GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement LearningPython00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0107AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile010
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
213
2.21 K

暂无简介
Dart
521
115

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
978
578

Ascend Extension for PyTorch
Python
64
94

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
552
86

React Native鸿蒙化仓库
JavaScript
209
285

openGauss kernel ~ openGauss is an open source relational database management system
C++
147
194

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399