MongoDB:存储染色体/位置最有效的方法是什么

Question

我想使用 MongoDB 存储一些基因组位置(染色体、位置)。

类似于:

{
chrom:"chr2",
position:100,
name:"rs25"
}

我希望能够快速找到给定段(chrom，[posStart - posEnd])中的所有记录。最好使用什么 key/_id？

一个 chrom ，位置对象？

db.snps.save({_id:{chrom:"chr2",position:100},name:"rs25"})

填充字符串 ?

db.snps.save({_id:"chr02:00000000100",chrom:"chr2",position:100,name:"rs25"})

在 chrom 和位置上带有索引的自动生成的 ID？

db.snps.save({chrom:"chr2",position:100,name:"rs25"})

其他 ?

???

感谢您的建议

皮埃尔

PS:(这个问题在 biostar 上交叉发布:http://biostar.stackexchange.com/questions/2519)

Answer 1

我相信双列索引将提供最快的访问路径，因为它将是最紧凑的索引。

但是，它将是一个额外的索引(因为您已经有了 _id 索引，但您没有使用它)，所以前两个选项很好，因为它们消除了额外的索引。

填充的字符串比复杂对象的解决方案更短，更短意味着更少的内存使用，因此扫描速度更快。如果不可能进行展平/填充，我只会选择复杂的对象。 此外，由于复杂的对象键需要编码到索引中(其他索引不是这种情况)，因此请选择较短的键名(c 和 p)。

所以，我会选择两列索引(如果您不介意“浪费”id 索引)或填充字符串。你甚至可以去填充二进制(在编码整数时节省几个字节)，但这可能不值得这么麻烦。