[发明专利]一种基于分布式引擎的基因序列并行压缩算法在审
| 申请号： | 202310899859.X | 申请日： | 2023-07-21 |
| 公开（公告）号： | CN116935974A | 公开（公告）日： | 2023-10-24 |
| 发明（设计）人： | 季一木;刘尚东;法虎 | 申请（专利权）人： | 江苏拓邮信息智能技术研究院有限公司 |
| 主分类号： | G16B50/50 | 分类号： | G16B50/50;G16B30/10;G06F9/38;G06F16/182;G06F16/17 |
| 代理公司： | 北京和信华成知识产权代理事务所(普通合伙) 11390 | 代理人： | 张菊萍 |
| 地址： | 210012 江苏省南京市雨花*** | 国省代码： | 江苏;32 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明公布了一种基于分布式引擎的基因序列并行压缩算法，首先输入文件分区：使用TextInputFormat作为输入SAM文件的内部分区方式；其次，进行单机压缩算法：对QUAL字段进行重排序，增加局部冗余度；引入CIGAR字段进行差异编码，减少编码量；通过布隆过滤器来构造高质量索引，并进行匹配编码。根据剩余字段的类型和变化特征，分别选择适当的编码和压缩工具；最后进行压缩算法的并行化：使用RDD算子设计容错性强的并行压缩流程。本发明采用多线程的方式对多个Job进行并行处理，并利用高性能的序列化机制降低了Shuffle过程中数据传输的成本；有效提高了SAM基因序列的压缩速度和压缩效率。 | ||
| 搜索关键词： | 一种 基于 分布式 引擎 基因 序列 并行 压缩 算法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江苏拓邮信息智能技术研究院有限公司，未经江苏拓邮信息智能技术研究院有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202310899859.X/，转载请声明来源钻瓜专利网。
