[PerlChina] Re: 在我遇到的这种情况下散列和数组哪个快？

原来是这个意思。。。。
基因组字串的分布应该还是比较均匀的。因为它很接近随机序列。cache的效果如何很难说。。。
我原来想的就是用简单的文本文件处理。
因为hash表会按键值排序，所以相似的字串在文本上比较也会比较容易些吧。

On 9月22日, 下午6时44分, msmouse <msmo...@gmail.com> wrote:
> 比如sqlite。。
>
> 这个想法就是把这个内存放不下的数组放在硬盘上。由于这1G种不同组合很可能不是均匀分布的，也就是说其中某些更经常出现，那么如果存储引擎有cache的话，-就可以加快访问。但是实际的效果怎么样没有试就不好说，因为在这个问题里数据访问频度虽然很可能不均匀，但是也是没有什么局部性的，如果是按块的cache（比-如OS本身的disk
> cache）对这种应用的效果可能就不大理想，因为相邻访问之间涉及的地址不是连续的，cache必须不停换页。
> ----------------------------------
> msmo...@ir.hit.edu.cn
> msmo...@gmail.com
>
> 2009/9/22 空格 <ribozyme2...@gmail.com>
>
>
>
> > 抱歉你说的这个"带cache的嵌入式数据库"我不懂。具体是什么，在cpan上有包么？
>
> > On 9月22日, 下午1时08分, msmouse <msmo...@gmail.com> wrote:
> > > 同意 C++的用一个vector<bool>或者bitset就搞定了，不需要自己做位计算，只需要125M内存 哈哈
>
> > > 如果要perl并且需要计数的话，考虑用一个带有cache的嵌入式数据库即可。。前面也提到了吧？
>
> > > ----------------------------------
> > > msmo...@ir.hit.edu.cn
> > > msmo...@gmail.com
>
> > > 2009/9/22 agentzh <agen...@gmail.com>
>
> > > > 2009/9/22 agentzh <agen...@gmail.com>
>
> > > >> 嗯嗯嗯，忘了是有重复元素的列表了。。。哈哈，多谢指正。总排列数确实是 4^15 :) 每一个位子都只有 4 种可能性，便是
> > 4*4*4*...*4
> > > >> 这 15 个 4 相乘。为避免存储各个 key，将 key 作 hash 到一个 int32 整数，便只有 4 个字节。
>
> > > > 当然，我在写上一封邮件的时候其实并不知道这样的 hash 函数是否好写。。。呵呵，应该是好写的：
>
> > > > 1. 事先约定 A,T,G,C 分别对应 00, 01, 10, 11，即 2 个比特的数值。
> > > > 2. 然后把当前的15长度的串顺序地两个比特两个比特地编码，最终得到的值便是我们要的 hash 后的数值。
> > > > 3. 接着用它去下标访问我们的 1G 大小的位数组，这个寻址当是极快的。置比特也当是极快的。
> > > > 4. 最后，我们遍历这个 1G 位数组，找出比特为 0 的下标，再还原为 ATGC 形式的碱基序列，便是从未出现过的 15
> > 长度的串了，呵呵。
>
> > > > 这里我们就不关心出现的 15 长度序列的具体次数了。只记录出现过或者未出现过。这样 2 GB RAM 的机器是很够的了 ;)
>
> > > > 不知这个是否靠谱？哈哈？
>
> > > > Cheers,
> > > > -agentzh- 隐藏被引用文字 -
>
> - 显示引用的文字 -
--~--~---------~--~----~------------~-------~--~----~
您收到此信息是由于您订阅了 Google 论坛"PerlChina Mongers 讨论组"论坛。
要在此论坛发帖，请发电子邮件到 perlchina@googlegroups.com
要退订此论坛，请发邮件至 perlchina+unsubscribe@googlegroups.com
更多选项，请通过 http://groups.google.com/group/perlchina?hl=zh-CN 访问该论坛
-~----------~----~----~----~------~----~------~--~---