seqkit 两种拆分方法的比较

 seqkit拆分fastq，fasta等文件有两种方式：split和split2， 二者的逻辑并不一样。

split 是将原文件拆分，写满第一个文件，再写第二个文件

split2是将原文件的内容，挨个写到各个拆分文件里面去？

比如原文件有10条记录，拆成五份：

按split拆，第一个文件就是（1,2），第二个文件就是（3,4）。。。

按split2拆，第一个文件就是（1,5），第二个文件就是（2,6）。。。

原作者沈伟描述：split2里，类似玩扑克牌的时候，挨个给玩家发牌的顺序。

split2Cmd.Flags().IntP("by-part", "p", 0, "split sequences into N parts with the round robin distribution")

斗地主的情况下，

如果按split方式发牌，就是给第一个人发17张，然后再给第二个人发17张，第三个人是最后17张。这样会很多炸弹。

如果按split2方式发牌，就是每人每次发一张牌，不断重复这个过程，就是所谓的round robin distribution。

如果像让拆分的子文件保留原文件的顺序，则用split更合适。

如果不在乎顺序，更注重拆分速度，则用split2更合适。

因为split2的速度是split的5倍

可以随便拿一个fasta文件测试一下两种拆分方式的速度和拆分后的文件内容顺序

#split

#!/bin/sh
#$ -S /bin/sh
echo -n "split mask.fa: "; date +%Y-%m-%d%t%H:%M:%S
seqkit split --force --by-part 20 --threads 6 ./mask.fa --out-file mask.fa --out-dir mask_split
echo -n "End: "; date +%Y-%m-%d%t%H:%M:%S

#split2

#!/bin/sh
#$ -S /bin/sh
echo -n "split2 mask.fa: "; date +%Y-%m-%d%t%H:%M:%S
seqkit split2 --force --by-part 20 --threads 6 ./mask.fa --out-file mask.fa --out-dir mask_split2
echo -n "End: "; date +%Y-%m-%d%t%H:%M:%S

拆分的分数不能超过1000