【Spark Summit East 2017】加速雲上Spark基因測序的資料驅動方法以及案例研究

本講義出自<b>lucy lu與eric kaczmarek</b>在spark summit east 2017上的演講，主要介紹了正在研發中的基于spark的程式設計平台gatk4（genome analysis toolkit version 4 ），并用案例講解了如何在雲上配置spark叢集加速對于基因序列的測序工作。除此之外還介紹了名為pat的内部資料分析架構，并介紹了如何使用pat快速建立spark與虛拟機合适的配置組合來優化對于雲的硬體資源以及spark計算并行性的使用。