bwa 的核心算法，用的是Burrows-Wheeler 变换这一套压缩思路，巧妙又高效。原理不难，核心就在于先压再比，省内存、快得多，适合现在测序搞出来那种超长的 DNA 序列。
算法思路比较像排序里的“先把问题变得规整”，它把序列预后搞成个压缩结构，再用个叫FM-index的玩意来快速比对。说白了，就是用最少的资源，把事办了。你要是搞过大规模比对，肯定知道内存和速度有多要命。
bwa里还有个操作挺妙，叫“后缀数组配合 BWT”。听着拗口，其实本质就是节省空间用法，适合上百 GB 的基因数据那种场景。对了，它对长读长支持也不错，不是那种只适配短片段的。
哦对，文章里提到的是《Fast and accurate long-read alignment with Burrows-Wheeler transform》，想了解设计细节的话，建议你直接去翻原文看看，里面讲得蛮细。
如果你是搞生物信息学或者做测序相关的前端展示，建议你了解下这个算法。虽说它是后端算法，但前端要展示结果，理解逻辑还是蛮重要的。