2. 安装与配置：把Nextflow跑起来

刚接触Nextflow时，我花了整整一个下午折腾环境变量。后来发现，其实理清楚三个环节就行：安装、设变量、调配置。咱们一步步来。

2.1 安装方式，选你顺手的

Nextflow本身是Java写的，所以依赖JDK。我个人习惯用Conda管理生物信息软件，但Docker和Singularity在集群上更常见。你想想看，本地开发用Conda，生产环境用容器，这是最舒服的搭配。

2.1.1 用Conda安装（推荐新手）

嗯，这里要注意：Conda环境隔离性好，不会污染系统Java版本。我在项目中遇到过好几次因为系统Java和Nextflow不兼容导致的诡异错误，用Conda环境就再也没出过这问题。

conda create -n nextflow_env openjdk=17 nextflow -c conda-forge -c bioconda
conda activate nextflow_env
nextflow -version

2.1.2 用Docker运行（适合容器化部署）

Docker方式其实最省心，镜像里啥都有。我曾经在给客户部署时，对方服务器Java版本是8，Nextflow新版要求11以上，直接拉起Docker镜像，三分钟解决问题。

docker pull nextflow/nextflow:latest
docker run --rm -v $PWD:/work -w /work nextflow/nextflow nextflow -version

2.1.3 用Singularity（集群专用）

说白了，Singularity是HPC集群的标配。安全权限控制比Docker严格，生物信息学集群几乎都支持。我建议你做分子对接Pipeline时，优先考虑Singularity，因为很多集群管理节点不让用Docker。

singularity pull docker://nextflow/nextflow:latest
singularity exec nextflow_latest.sif nextflow -version

2.2 环境变量，这些你得设

装完之后别急着跑，有四个环境变量我建议你提前配好。踩过坑的人都知道，缺一个就可能卡半天。

变量名	作用	我的建议
NXF_HOME	Nextflow主目录，默认在~/.nextflow	设到有大磁盘空间的路径，缓存文件会很大
NXF_WORK	工作目录，存放中间结果	集群上用scratch，本地用SSD
NXF_CLOUD	云端配置（如AWS Batch）	用不到就别设，默认就好
NXF_PLUGINS	插件目录	我习惯和项目放在一起，便于版本控制

我的配置示例：

export NXF_HOME=/data/nextflow
export NXF_WORK=/scratch/$USER/nextflow_work
export NXF_OPTS="-Xms1g -Xmx4g"
export NXF_SINGULARITY_CACHEDIR=/data/singularity_cache

加粗提醒：NXF_OPTS控制JVM内存。我刚开始没设这个，处理300个蛋白质配体对时直接OOM了...后来学乖了，至少给4GB。

2.3 基础配置文件，一次配好到处跑

Nextflow的配置文件叫nextflow.config。我个人习惯在项目根目录放一份，里面写两样东西：运行器选择、容器引擎配置。剩下的参数都通过参数化传递。

2.3.1 运行器配置（executor）

你想想看，Pipeline在哪跑？本地、SGE、Slurm还是AWS？这就是executor干的事。我一般这样配：

process {
    executor = 'slurm'
    queue = 'short'
    time = '1h'
    memory = '4GB'
    cpus = 2
}

本地调试时换回executor = 'local'。别问我为什么强调这个——我曾经在集群上提交了一个本地模式的Pipeline，结果把登录节点跑挂了...

2.3.2 容器引擎配置

分子对接Pipeline里，Docking软件（如AutoDock Vina、gnina）通常用容器包装。我建议你这样配：

singularity {
    enabled = true
    autoMounts = true
    cacheDir = "/data/singularity_cache"
}

docker {
    enabled = false
}

为什么我优先用Singularity？因为集群上它原生支持，不需要root权限，而且镜像加载速度比Docker快。当然，你在本地Mac上开发时，用Docker更顺手。

2.3.3 缓存与断点续跑

这是Nextflow最让我感动的一点——自动缓存。你不需要手动管理中间文件。默认情况下，它会按task的输入、脚本、参数生成哈希，如果任务没改，直接复用。

cache {
    lenient = false  // 严格模式，任何变化都重跑
    // 我一般设为false，避免意外跳过
}

但要注意：不要把cache和resume搞混。cache是全局行为，resume是运行时的选项。我刚开始时天天用-resume，但忘了配缓存路径，结果每次都全部重跑...

2.4 验证安装，跑个最小Pipeline

配好之后，别急着写复杂逻辑。先跑个Hello World，确认所有环节都通了。我在每一次新环境部署时都这样干：

nextflow run hello -profile test,docker

或者自己写个tiny pipeline：

#!/usr/bin/env nextflow
nextflow.enable.dsl=2

process sayHello {
    script:
    """
    echo "Nextflow is alive!"
    hostname
    date
    """
}

workflow {
    sayHello()
}

保存为test.nf，然后执行：

nextflow run test.nf
# 应该看到 "Nextflow is alive!"

如果这一步报错，多半是Java版本不对。用java -version检查，OpenJDK 11以上就行。

2.5 本章知识体系

整个安装配置流程，说白了就是这张图：

这张图把整个安装流程串起来了。从选安装方式开始，到配环境变量，再到写基础配置，最后验证。我建议你按照这个顺序一步步来，别跳步。

好了，环境就绪。下一步，咱们该写Pipeline本身了。