Snakemake 安装与环境配置

讲到环境配置，我先说句实在话：Snakemake 本身依赖链很轻，但坑都在 Python 环境管理上。我入行那会儿傻乎乎在系统 Python 里直接 pip install，结果半年后项目要升级，依赖一塌糊涂。所以无论你选 conda 还是 pip，请先把环境隔离做好。

安装 Snakemake 主流就两条路：conda 和 pip。我个人习惯用 conda，尤其项目里还有 R、C++ 库的时候。但如果你团队全是 Python 栈，pip + venv 也完全够用。下面我把两种方式都捋清楚。

1. 方式一：conda 安装（推荐）

conda 的好处是能管理非 Python 依赖，比如 libcurl、gcc、R 这些。Snakemake 官方也推荐用 conda 管理环境。

  1. 安装 Miniconda（或 Anaconda，但 Miniconda 更轻量）
  2. 创建专用环境：不污染 base 环境
  3. 安装 Snakemake：从 conda-forge 通道装
  4. 验证安装

具体命令如下：

# 下载并安装 Miniconda（Linux 为例）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

# 创建并进入 snakemake 环境
conda create -n snakemake_env python=3.11 -y
conda activate snakemake_env

# 从 conda-forge 安装 Snakemake
conda install -c conda-forge snakemake -y

# 验证
snakemake --version
我的小习惯：环境名我常用 smk_项目名，比如 smk_rnaseq。这样项目多了也好认。另外记得把 conda activate 加到 .bashrc 里? 别，建议每次手动激活，避免不同项目相互打架。

2. 方式二：pip 安装

如果团队统一用 pip，也没问题。Snakemake 在 PyPI 上维护得很及时。但注意：pip 只装 Python 包，底层工具比如 graphviz（画 DAG 用）、curl 这些需要自己额外装。

步骤：

  1. 创建 Python 虚拟环境（venv / virtualenv）
  2. 激活环境
  3. pip 安装 snakemake
  4. 验证
# 创建虚拟环境（Python 3.7+ 自带 venv）
python3 -m venv snakemake_venv

# 激活
source snakemake_venv/bin/activate

# 升级 pip（可选但推荐）
pip install --upgrade pip

# 安装 snakemake
pip install snakemake

# 验证
snakemake --version
曾经踩过的坑：有次生产服务器装 snakemake，pip install 时卡在编译 psutil，因为系统缺少 python3-dev。所以 pip 方式记得提前装好 build-essential 和 python3-dev（Linux）。macOS 基本没这问题。

3. 虚拟环境核心对比

你可能想问：到底用 conda 还是 pip？我整理了一个表，你一看就明白。

对比维度 conda create python -m venv
依赖管理范围 Python + 非 Python（R、C 库等） 仅 Python
环境隔离速度 稍慢（需解析 meta 数据） 极快（纯 Python 软链接）
二进制兼容性 强（conda-forge 预编译） 弱（源码编译可能失败）
网络需求 需 conda-forge 通道 需 PyPI 服务器
推荐场景 多语言项目、生产环境 纯 Python 快速原型

说白了，实验阶段我用 pip 图快，正式跑 pipeline 用 conda 图稳。

4. 安装流程总览

为了让你对整体有个印象，我画了张流程图。这是本章唯一一张图，认真看。

Snakemake 安装环境配置流程图 选择安装方式 conda create -n my_env python -m venv my_env conda activate / source bin/activate conda install / pip install snakemake snakemake --version 💡 建议：每个项目单独建环境，避免版本冲突

5. 验证安装与常见问题

安装完别急着跑，先做两件事：

  • 查看版本：snakemake --version，正常输出类似 8.5.2
  • 测试 DAG 生成：写一个极简 Snakefile 输入空规则，看能不能打印 DAG
# 极简测试 Snakefile
rule all:
    input:
        "test.txt"

rule make_test:
    output:
        "test.txt"
    shell:
        "echo 'hello snakemake' > test.txt"

# 执行看 DAG（不实际运行）
snakemake --dag --dry-run | dot -Tsvg > dag.svg
关键验证点：如果 --dag 报错找不到 dot，说明系统没装 graphviz。conda 用户直接 conda install -c conda-forge graphviz，pip 用户 apt install graphviz 或 brew install graphviz 搞定。

6. 避坑指南（亲身经历）

我直接说几个我踩过的雷：

  • Python 版本不要太高：我试过 Python 3.13 装 Snakemake，某些依赖还没兼容。建议用 3.10 或 3.11。
  • conda 环境名不能有空格：这个低级错误我犯过，命令行解析会炸。
  • Windows 用户注意：Snakemake 对 Windows 支持有限，尤其子进程和路径。我建议 Windows 用户直接上 WSL2 + conda。
  • macOS M1/M2：有次在 M1 上用 pip 安装，pygraphviz 二进制不匹配，换成 conda 瞬间解决。
  • 不要用 sudo pip install：曾经手快加了个 sudo，系统 Python 被污染，后来重装了系统。不用 sudo 就是对自己好。
我自己的标准配置：Miniconda（不放 base）+ 每个项目一个独立 conda 环境 + 环境名用 smk_项目名。这样做了一年半，再没出过依赖冲突。

嗯，到这里安装配置这块就算是讲完了。你跟着走一遍，应该二十分钟就能搭好环境。配好了环境，下一篇我们就要正式开始写 Snakefile 了。不过别急，先把自己手头的环境跑通，遇到问题翻翻上面的避坑指南，基本都能解决。

← 上一章 📖 返回目录 下一章 →