数据集概述
本数据集包含“Managing variant calling datasets the big data way”研究的实验结果，围绕存储格式、输入规模、集群节点数、HDFS复制因子四个因素对大数据集群性能的影响展开，记录了五次重复实验的详细数据及分析脚本、图表文件。
文件详解
- 文件名称: analysis_script.R：R语言脚本文件，用于生成实验对应的图表
- 文件名称: SupplementaryFigure104.pdf：PDF格式文件，展示输入规模为104个个体时的补充实验结果图表
- 文件名称: data.csv：CSV格式数据文件，包含实验原始数据，字段包括存储格式（m）、输入规模（i）、HDFS复制因子（r）、集群节点数（w）及五次重复实验的运行时间（e1-e5）
- 文件名称: SupplementaryFigure1144.pdf：PDF格式文件，展示输入规模为1144个个体时的补充实验结果图表
- 文件名称: Figure2.pdf：PDF格式文件，展示实验核心结果图表
适用场景
- 大数据存储与计算性能优化研究：分析存储格式、集群配置等因素对变体调用数据集处理效率的影响
- 生物信息学大数据技术应用：探索VCF与Parquet格式在基因组数据管理中的性能差异
- 分布式系统参数调优：研究HDFS复制因子、集群节点数对数据处理性能的作用机制
- 实验结果复现与验证：基于原始数据和脚本复现研究中的性能分析图表与结论
