MongoDB：存储染色体/位置的最有效方法是什么

Question

我想使用MongoDB存储一些基因组位置（染色体，位置）。

类似的东西：

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

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

a chrom，position object？

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"})

自动生成的id，其中包含chrom和position的索引？

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

其他？

???

感谢您的建议

皮尔

PS：（此问题已在biostar上发布：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。

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

填充字符串比复杂对象解决方案短，缩短意味着更少的内存使用，因此扫描速度更快。如果无法进行展平/填充，我只会选择复杂的对象。 此外，由于复杂对象键需要编码到索引中（与其他索引不同），请选择较短的键名（c和p）。

所以，我会选择两列索引（如果你不介意“浪费”id索引）或填充字符串。你甚至可以使用填充二进制文件（在编码整数时节省几个字节），但这可能不值得麻烦。