嗨，我正在尝试用hadoop和java实现一个新构建的生物信息学算法（我不确定是否可以实现）。为了在hadoop上实现这个算法，我在互联网上搜索了很多。然而，我发现的只是“识别并行任务并通过hadoop执行它们”。我真的很感激，如果你们能指导我正确的资源hadoop与java在互联网上，我可以找到一些坚实的例子以外的字数。我很懂java，但hadoop是我第一次。任何帮助都将不胜感激。
这就是我想做的
我有一个非常大的文本文件（大约100 mb），其中有一行随机的字符（a，g，t，c）。随机的a，g，t，c的长序列可能会形成一个重要的序列k字符串（atcgagc）。我可能会在这个名为“r”的文本文件的许多行中找到这个序列k-mer。
我必须执行以下任务
确定各种k-mer在r（整套/文件）中所有文本行（r）中的位置
我必须跟踪k-mer在特定r的位置。
我有两个参数用来比较不同r中的k-mers。
如果两个'r'中的k-mers满足上述参数比较，我必须更新邻居集n
如果你感兴趣，这是这里的伪代码

Given k, ĥ, ȇ
    1.  Make K  by extracting all possible kmers  from Reads
    2.  for all reads r belongs R do
            construct Gk[r] by scanning through r
            end for
    3.  for all k ε K do
                   for all read pairs (r,s) ε Gk × GK
                    if h(r,s) ≥ ĥ  and dk < ȇ h(r,s) then
                         update the N
                    end if
            end for
        end for

       k is k-mer
       K is set of all k
       ĥ minimum overlap distance
       ȇ maximum mismatch tolerance
       N neighbor set
       h(r,s)   overlap length of r and s wrt k
       d(r,s) distance between r and s