Re: 一个基于位数组的序列覆盖率分析器 (Was Re: [PerlChina] Re: 在我遇到的这种情况下散列和数组哪个快？)

基因组序列可以在网上下载到。比如这里这个网址可以下载人的全部基因组序列：
ftp://ftp.ensembl.org/pub/release-55/fasta/homo_sapiens/dna/Homo_sapiens.GRCh37.55.dna.toplevel.fa.gz
下载速度还是蛮快的。^_^

On 9月24日, 上午11时02分, agentzh <agen...@gmail.com> wrote:
> Yay! 我刚刚又对 appears 进行了一些改进，现发布 v0.02：
>
> http://github.com/agentzh/appears/downloads
>
> 主要改动如下：
>
> 1. 代码命名调整：使用 token 来表示核苷，而非有歧议的 char 这个术语
> 2. 在代码中进一步去除"神秘的数"
> 3. 按 gcc 要求启用 large file 支持（原先的 v0.01 在 Linux 上读取 4 GB 的文件会报错： "Value too
> large for defined data type"）
> 4. 添加了 t/gensample.pl 和 t/gensample.c 这两个程序，用来生成指定大小的随机序列文件（默认为 4.8 G）。
>
> gensample.pl 和 gensample.c 的功能相同，但性能有明显差别：Perl 实现大约 1 秒生成 1 MB 的序列，而后者，即 C
> 实现， 1 秒大约生成 20 MB 的序列。
>
> 我使用 gensample.c 程序生成了一个 4 GB 大小的随机序列文件，其输出如下：
>
> $ time t/gensample > samples/big.txt
> real 2m25.392s
> user 2m11.432s
> sys 0m6.148s
>
> $ ls -lh samples/big.txt
> -rw-r--r-- 1 agentz agentz 4.0G 2009-09-24 10:20 samples/big.txt
>
> $ time ./appears samples/big.txt > /tmp/out.txt
> INFO: Reading file samples/big.txt...
> INFO: Using a bit array of length 1073741824 (sequence length: 15).
> INFO: Searching missing combinations of sequences...
>
> real 7m36.456s
> user 6m59.882s
> sys 0m9.977s
>
> 在我的 Core2Duo T9600, SATA 7600rpm disk 的本本上，*一共只需要 7 分半钟*的时间，呵呵。
>
> 结果最好重定向到磁盘文件，就像上面所演示的那样，呵呵。
>
> Cheers,
> -agentzh
--~--~---------~--~----~------------~-------~--~----~
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
-~----------~----~----~----~------~----~------~--~---