LevelDB JNI技术文档
2024-12-27 03:50:30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
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
381
456
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++
894
679
暂无简介
Dart
803
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
353
209
昇腾LLM分布式训练框架
Python
119
146
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781