目标：将突变位置从文件1Map到文件2中的区域或特征。为此，在比较文件1和文件2区域的染色体位置之前，您需要确保染色体（chr1）和链（+/-）是相同的。
问题：如何使用mapreduce或disco将一个位置Map到一个区域。aka在mapreduce方法中描述位置->染色体区域？
描述：我有两个中等大小的文件（10gb）和两种要处理的文件类型。我已经用basic python解析了这些文件，但是将来可能还要解析许多更大的类似文件，所以我想用mapreduce（hadoop/pig）或disco来学习。
虽然我可以在ec2集群上运行节点，理想情况下是一个单集群hadoop（是的，我知道它不能达到目的），或者在disco或sparc之类的平台上运行。
我喜欢使用pig的想法，因为这样可以将处理过程简化为仅处理.csv文件中的文件，但我不知道如何使用mapreduce将某些内容Map到某个区域，而不只是一个键/值对
以下是我所想的视觉表现：

文件信息：
第一个文件是tcga癌症snp突变。一些重要功能包括
染色体定位
染色体数目
搁浅
样品id
剩下的就不那么重要了
3’utr序列。
开始位置：int
染色体末端位置：int
染色体数目：chrx
钢绞线+/-
基因id
剩下的就不那么重要了
示例文件是here:two sample 文件夹
最后，如果有必要的话，python是我的首选语言。。