ABC 流水线

Assembly-based Compression（ABC）是 fq-compressor 面向短读长序列的核心序列压缩路径。 它把全局重排与块内序列建模组合起来，让相似 reads 更容易落到同一块内，并共享更紧凑的表示。

在 fq-compressor 中的角色

这条路径分成两个阶段。 第一阶段扫描全部 reads，提取规范化 minimizer，判断是否启用短读长重排，并计算 block 边界。 第二阶段对每个 block 独立压缩：ID、序列、质量值和辅助信息分别进入逻辑流，再连同校验信息写入归档。

核心机制

1. 全局分析： 先按长度特征判断数据类型，再提取 canonical k-mer minimizer，并按哈希分桶。
2. 重排： 对短读长数据，可将相似 reads 贪心地排到相邻 archive 位置，放大局部序列上下文。
3. 块压缩： 每个重排后的 block 独立压缩，既控制内存，也保留 O(1) block 级定位能力。
4. 写入归档： writer 记录 block 元数据、payload 流和索引项，使解压可直接 seek 到目标 block，而不必重放整个文件。

对压缩与访问的影响

ABC 的作用，是先把局部冗余显式地整理出来，再交给后续编码阶段利用。 当相似 reads 被放到一起后，共识/差分表示可以去掉大部分重复碱基，只留下更短的错配信息流。 与此同时，block 边界仍然是随机访问边界，因此压缩率提升并不以放弃直接定位为代价。

当前边界

当前实现中的完整 ABC 路径主要面向短读长数据。 中长读长仍使用同一 block 容器，但序列编码会退回到更直接的 Zstd 路径，而不是短读长共识组装式表示。