很好，这个问题已经进入 Kraken2 内核级理解了。
我们把 hash.k2d、taxo.k2d、opts.k2d 拆开讲，从：

1. 文件本质
2. 内部数据结构
3. 内存加载方式
4. 运行时如何配合
5. 和算法的对应关系

逐层解释。

一、整体结构关系

Kraken2 数据库构建完成后核心文件：

hash.k2d   → k-mer → taxid 映射表（核心）
taxo.k2d   → taxonomy 树结构
opts.k2d   → 构建参数

运行时：

读取 opts.k2d
读取 taxo.k2d
mmap hash.k2d
开始 classify

二、hash.k2d（最核心文件）

1️⃣ 本质是什么？

一个 压缩版 k-mer → taxid 的最小完美哈希表

但不是普通哈希表，而是：

Compact Hash Table + Minimizer 索引

2️⃣ Kraken2 的核心算法

Kraken2 不存所有 k-mer，而是：

• 每个 k-mer 提取 minimizer
• 用 minimizer 做索引
• 存 minimizer → LCA taxid

所以：

k-mer  → minimizer → hash lookup → taxid

3️⃣ 内部结构

简化理解为：

[ header ]
[ hash table buckets ]
[ value array ]

header 内容包括：

• k-mer 长度
• minimizer 长度
• 哈希表大小
• load factor
• version

4️⃣ 存储结构（逻辑模型）

概念化结构：

struct Bucket {
    uint64_t minimizer_key;
    uint32_t taxid;
}

但真实实现更复杂：

• 使用 bit-packed 结构
• 2bit 编码 DNA
• open addressing
• linear probing

5️⃣ 为什么文件这么大？

如果数据库大：

• 数十亿 minimizer
• 每个 entry 至少 8~12 bytes

标准数据库可达 30~60GB。

6️⃣ 运行时如何加载？

如果不加 -M：

读取整个 hash.k2d 到内存

如果加 -M：

mmap() 映射
按需加载页

所以 -M 适合内存不足机器。

三、taxo.k2d（taxonomy 文件）

这个文件是：

NCBI taxonomy 的压缩内存结构版本

1️⃣ 作用

当多个 k-mer 命中不同 taxid 时：

计算 LCA（lowest common ancestor）

需要一棵 taxonomy 树。

2️⃣ 内部结构

逻辑模型：

struct TaxNode {
    uint32_t taxid;
    uint32_t parent;
    uint32_t rank;
}

实际上是：

• 一个连续数组
• index = taxid
• O(1) 找 parent

3️⃣ 为什么不是直接用 names.dmp / nodes.dmp？

因为：

• 原始文件太慢
• 需要 runtime 快速查 LCA
• 需要连续内存结构

所以构建时：

nodes.dmp → internal compact tree → taxo.k2d

4️⃣ LCA 计算方式

Kraken2 使用：

while taxid_a != taxid_b:
    上升到 parent

优化版本使用：

• depth cache
• precomputed path compression

四、opts.k2d（构建参数）

这是最简单的文件。

1️⃣ 内容是什么？

构建数据库时使用的参数：

• k-mer 长度
• minimizer 长度
• spaced seed pattern
• hash table size
• version

2️⃣ 为什么必须要？

防止运行时参数不匹配：

比如：

数据库 k=35
运行时却用 k=31

那结果完全错误。

所以 classify 启动时：

读取 opts.k2d
验证参数一致

五、三者如何协作？

运行 classify 时逻辑：

1. 读取 opts.k2d
2. 加载 taxonomy（taxo.k2d）
3. mmap hash.k2d
4. 读取序列
5. 切 k-mer
6. 提取 minimizer
7. hash lookup
8. 得到 taxid
9. 多个 taxid → LCA
10. 输出结果

六、文件大小对比（典型）

七、为什么叫 .k2d？

k2d = Kraken2 Database

八、和 Kraken1 的区别

Kraken1：

• 存所有 k-mer
• 巨大内存占用（~100GB）

Kraken2：

• minimizer 技术
• 减少 85% 内存
• 使用 compact hash

九、深入到算法层

Kraken2 本质是：

空间优化的 k-mer 精确匹配分类器

核心技术：

• minimizer
• compact hash table
• LCA 分类
• 2bit DNA 编码

十、如果你想再深入

我可以继续讲：

1️⃣ hash.k2d 的真实二进制布局
2️⃣ Kraken2 的 CompactHashTable C++ 实现
3️⃣ minimizer 为什么能减少内存
4️⃣ LCA 统计策略为什么准确
5️⃣ 如何自己写一个 mini-kraken

你想深入哪个层面？