Anaconda 使用的一些体验与困惑
Channels 使用
需要注意的是做生信分析的童鞋使用 conda 环境时一定要特别注意 conda channels 的设置，滥用 channels 很有可能会导致你的软件升降级（甚至环境）错乱。推荐设置如下（~/.condarc）：
channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro - defaultsshow_channels_urls: truemirrors.tuna.tsinghua.edu.cn/anaconda 是清华大学提供了一个 conda 的镜像；
mirrors.ustc.edu.cn/anaconda 是中科大 conda 镜像，有需要的也可以使用；
mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda 是生物信息学专用的 channel：
从 2019.04 起清华大学和中科大宣布停止 Anaconda 镜像服务，但是出于教育科研机构使用的前提，在 2019-05-15 清华大学又宣布重新恢复了 Anaconda 镜像！
因此原来使用国内镜像的 conda 可以根据自身需求决定是否需要变更新的 channels：
channels: - conda-forge - bioconda - main - free - r - pro - defaultsshow_channels_urls: true更多 Anaconda channels，可以参考：https://repo.continuum.io/pkgs/。
软件安装使用
Anaconda 环境下的软件尽量使用 conda、pip 命令去安装。但同时也产生了一个问题，即 conda 中安装了 R，有些使用了 install.packages() , install_github , biocLite 等方式安装的 R 包，在环境迁移的时候，这些包如何迁移？
环境激活
conda 4.6.x 切换环境使用的是：
$ source activate bio-baseconda 4.7.x 后切换环境变成了：
# To activate this environment, use:> conda activate bio-base# To deactivate an active environment, use:> conda deactivate问题是，conda-4.7.x 使用推荐的命令切换环境，还要你 init 初始化一下 conda，不想 init 的话可以用回 4.6.x 的方式切换环境：
$ conda --versionconda 4.7.5$ conda activate bio-baseCommandNotFoundError: Your shell has not been properly configured to use 'conda activate'.To initialize your shell, run$ conda init <SHELL_NAME>Currently supported shells are: - bash - fish - tcsh - xonsh - zsh - powershellSee 'conda init --help' for more information and options.IMPORTANT: You may need to close and restart your shell after running 'conda init'.$ source activate bio-base(bio-base) shenweiyan@ecs-steven 10:49:59 /home/shenweiyan$ which python/Bioinfo/Pipeline/SoftWare/Anaconda3/envs/bio-base/bin/python$ source deactivate bio-baseDeprecationWarning: 'source deactivate' is deprecated. Use 'conda deactivate'.shenweiyan@ecs-steven 11:03:40 /home/shenweiyan$ source activate bio-base(bio-base) shenweiyan@ecs-steven 11:03:50 /home/shenweiyan$ conda deactivate(bio-base) shenweiyan@ecs-steven 11:03:57 /home/shenweiyan$环境导出与恢复
使用 conda 命令安装的包，都可以使用下面的命令导出依赖包/环境并批量恢复：
# To create a requirements.txt file# Gives you list of packages used for the environmentconda list # Save all the info about packages to your folderconda list -e > requirements.txt # To export environment fileactivate <environment-name>conda env export > <environment-name>.yml# For other person to use the environmentconda env create -f <environment-name>.yml# Install via `conda` directly.# This will fail to install all dependencies. If one fails, all dependencies will fail to install.conda install --yes --file requirements.txt# To go around issue above, one can iterate over all lines in the requirements.txt file.while read requirement; do conda install --yes $requirement; done < requirements.txtR 与 R 包安装
R Essentials 软件包包含 IRKernel 和 80 多种最流行的数据科学 R 软件包，包括 dplyr，shiny，ggplot2，tidyr，caret 和 nnet 等。
conda 安装 R 有很多种方法，如可以通过 r=3.6.x，或者 r-base、r-irkernel、r-essentials 都可以。需要注意：
如果需要在 Anaconda 的 Jupyter Notebook 中使用 R，建议使用 conda install -c r r-irkernel 或者 conda install -c r r-essentials 的方式安装，因为 conda install -c r r=3.6.x/r-base 默认不会安装 irkernel，而且先安装的 r=3.6.x/r-base 可能与后安装的 r-irkernel/r-essentials 产生冲突。
通过 conda 安装的 R，在安装 R 包时，最好使用 conda 命令去安装，conda 无法安装的（如 github 的包）再考虑其他的安装方式。
2.1 install.packages
install.packages()安装所有 R 包：
> data = read.table("r-packages.txt", header=T, check.names=F, quote="")> soft = as.vector(data[,1])> install.packages(soft)2.2 bioconductor
Bioconductor 镜像：
Bioconductor 镜像源配置文件之一是
.Rprofile(Linux 下位于~/.Rprofile)。在文末添加如下语句：#清华大学开源镜像options(BioC_mirror="https://mirrors.tuna.tsinghua.edu.cn/bioconductor")
也可以在安装过程中指定镜像：
source("http://bioconductor.org/biocLite.R")#指定一个离你最近的国内镜像options(BioC_mirror="http://mirrors.ustc.edu.cn/bioc/")biocLite("包名")
*Bioconductor 包安装：*
在 R-3.5（Bioconductor-3.7） 前，Bioconductor 都是通过 biocLite 安装相关的 R 包：
source("http://bioconductor.org/biocLite.R")> options(BioC_mirror="http://mirrors.tuna.tsinghua.edu.cn/bioconductor")> data = read.table("r-biocLite.txt", header=T, check.names=F, quote="")> head(data) biocLite_Packages_Name1 RSQLite2 KEGGREST3 png4 Rcpp5 digest6 AnnotationDbi> soft = as.vector(data[,1])> biocLite(soft)
从 R-3.5(Bioconductor-3.8) 起，Bioconductor 开始使用 BiocManager 安装 R 包：
if (!requireNamespace("BiocManager", quietly = TRUE)) install.packages("BiocManager")BiocManager::install()
2.3 github_install
GitHub 上的一些最新 R 包，可以使用 devtools 进行安装：
install.packages("devtools")library(devtools)install_github("jokergoo/ComplexHeatmap")特别注意的软件
gcc
对于使用 conda install --yes --file requirements.txt 重装某一个环境的所有软件时，如果软件中包含了 gcc，安装了 R 后，在使用 R 时会可能会引发错误：
/path/to/SoftWare/Anaconda/v2/lib/R/bin/exec/R: /path/to/SoftWare/Anaconda/v2/lib/R/bin/exec/../../lib/../../libgomp.so.1: version `GOMP_4.0' not found (required by /path/to/SoftWare/Anaconda/v2/lib/R/bin/exec/../../lib/libR.so)glibc 是 GNU 发布的 libc 库，即 c 运行库。glibc 是 linux 系统中最底层的 api，几乎其它任何运行库都会依赖于 glibc。glibc 除了封装 linux 操作系统所提供的系统服务外，它本身也提供了许多其它一些必要功能服务的实现。由于 glibc 囊括了几乎所有的 UNIX 通行的标准，可以想见其内容包罗万象。而就像其他的 UNIX 系统一样，其内含的档案群分散于系统的树状目录结构中，像一个支架一般撑起整个作业系统。在 GNU/Linux 系统中，其 C 函式库发展史点出了 GNU/Linux 演进的几个重要里程碑，用 glibc 作为系统的 C 函式库，是 GNU/Linux 演进的一个重要里程碑。
有一些软件对于 glibc 的版本会有要求，如 cnvnator-0.3.3 要求 glibc >= 2.14。虽然在 Anaconda 中有很多 channel 都提供了 glibc，但千万注意一定要注意不要轻易去安装，否则有很大的概率会导致整个环境挂掉，甚至会导致当前环境中的 conda、python 出现动态库混乱错误，恢复起来相当麻烦！
我在《一次"胆战心惊"的真实集群运维经历》记录了 gblic 的一些集群吐血经历，感兴趣的可以了解一下。
什么时候使用 Anaconda
对于 Anaconda(conda) 软件安装以及依赖解决的原理，很多人，包括我可能都会对这个黑盒子表示一头雾水。真实的情况是，如果在一个环境中安装了几百个软件(包)，再去新装软件，这时候 Anaconda 常常会卡在 Collecting package metadata 和 Solving environment 过程中，甚至一个晚上都没法解决环境的依赖。
conda 官方说他们在 conda-4.7 中花了很多的精力去提升了 conda 的速度（参考官方文章：《How We Made Conda Faster in 4.7》），但从 4.6 升级到 4.7 过程很容易导致环境崩溃，修复起来极其麻烦（反正我折腾了一个晚上都没能把我的 base 给恢复回来，吐血的经历）！
image3-768x475.png
对于新手而言，Anaconda 的确是非常简单易用，如果对于多用户的服务器端，或者是提供公共使用的软件库是否需要采用 Anaconda，个人觉得的确需要慎重考虑一下，最起码需要考虑：
是否需要根据流程划分环境？如果每个流程都需要使用 Python+R+Perl，每个环境都安装这三个软件（包），如何避免空间浪费？
需要考虑如何备份和恢复环境。万一某个环境崩溃，有什么快速替代的方案而不影响业务。
或许还有更多的问题，这里没有列出来，如果大家有什么更好的想法或者建议，也欢迎留言交流。
往期精彩：
——The End——
本文分享自微信公众号 - 生信科技爱好者（bioitee）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
手机扫一扫
移动阅读更方便
你可能感兴趣的文章