Aleksandr Levchuk's questions

Como varchar ocupa espaço em disco proporcional ao tamanho do campo, existe alguma razão para não definirmos sempre varchar como o máximo, por exemplo, varchar(8000)no SQL Server?

Na mesa de criação, se eu vir alguém fazendo varchar(100)isso, devo dizer a eles que não, você está errado, você deve fazer varchar(8000)?

No PostreSQL 8.3, estou tentando criar uma visão que se pareça com uma tabela existente, mas com nomes de colunas diferentes.

Isso funciona

CREATE OR REPLACE VIEW gfam.nice_builds AS 
 SELECT (family_tree.family_tree_id) as x,
        family_tree.family_tree_name, family_tree.family_tree_description
   FROM gfam.family_tree;

O acima faz uma duplicata da tabela family_tree, mas a tentativa a seguir falha:

CREATE OR REPLACE VIEW gfam.nice_builds AS 
 SELECT (family_tree.family_tree_id) as x,
        family_tree.family_tree_name, family_tree.family_tree_description
   FROM gfam.family_tree;

• ERRO: não é possível alterar o nome da coluna de visualização "family_tree_id"

Como posso renomear colunas?

Qual é a melhor maneira de armazenar sequências biológicas do UniProt no PostreSQL?

Detalhes dos dados

• Extraímos 12 milhões de sequências do UniProt - esse número provavelmente dobrará a cada 3-10 meses.
• O comprimento de uma sequência pode variar de 10 a 50 bilhões de caracteres
• Menos de 1% das sequências têm mais de 10 mil caracteres
  • Melhoraria o desempenho armazenar as sequências mais longas separadamente?
• Uma sequência pode ser do alfabeto de Proteína ou DNA
  • O alfabeto de DNA tem 5 caracteres (A, T, C, G ou -).
  • O alfabeto de Proteína terá cerca de 30 caracteres.
  • Não nos importamos em armazenar as sequências dos dois alfabetos diferentes em colunas diferentes ou mesmo em tabelas diferentes. Isso ajudaria?

Detalhes de acesso a dados

Para responder ao comentário de Jeremiah Peschka:

• Sequências de proteínas e DNA seriam acessadas em momentos diferentes
• Não precisaria pesquisar dentro da sequência (isso é feito fora do banco de dados)
• Acessaria linhas únicas por vez ou extrairia conjuntos de linhas por IDs. Não precisaríamos escanear as linhas. Todas as sequências são referenciadas por outras tabelas - várias hierarquias com significado biológico e cronológico existem no banco de dados.

Compatibilidade com versões anteriores

Seria bom poder continuar a aplicar a seguinte função hash (SEGUID - SEquence Globally Unique IDentifier) ​​às sequências.

CREATE OR REPLACE FUNCTION gfam.get_seguid(p_sequence character varying)
  RETURNS character varying AS
$BODY$
declare
  result varchar := null;
  x integer;
begin

  select encode(gfam.digest(p_sequence, 'sha1'), 'base64')
  into   result;

  x := length(result);
  if substring(result from x for 1) = '=' then

     result := substring( result from 1 for x-1 );

  end if;

  return result;

end;
$BODY$
  LANGUAGE 'plpgsql' VOLATILE
  COST 100;