核心概念：流程 workflow、进程 process、通道 channel 的基本概念与关系

刚开始接触 Nextflow，你可能会被这三个词绕晕。我把它们拆开讲，但你先记住一句话：通道是管道，进程是水龙头，流程是整条流水线。

说白了，这三个东西就是管线的骨架。我早期带团队做多组学项目时，很多人把精力全花在写进程上，结果通道没配好，数据流全乱了。你想想看，数据在管道里跑偏了，下游的分析做得再好也没用。

进程（process）—— 管线里的执行单元

进程就是你要跑的计算步骤。比如比对、定量、质控，每个步骤都是独立的进程。我习惯把进程比作一个「黑盒子」—— 你给我输入，我处理完给你输出，里面具体怎么折腾我不管。

看一个最简单的进程长什么样：

process sayHello {
    script:
    """
    echo "Hello from Nextflow!"
    """
}

这代码很直白。进程内部只做一件事：运行脚本。但要注意，进程之间不能共享内存或变量。每个进程都是独立的，数据只能通过通道传递。

嗯，这里要注意：进程的 script 块里写的是 Bash 命令，它会在隔离的工作目录里跑。这意味着你不用担心路径污染，也不怕不同进程之间互相干扰。

进程还可以定义资源需求：

process alignReads {
    cpus 8
    memory 32.GB
    time 2.h

    script:
    """
    bwa mem -t ${task.cpus} ref.fa reads.fq > aligned.sam
    """
}

通道（channel）—— 数据的输送带

现实里，管线的数据不是一块儿全扔进来的。样本都是一个个来的，有的快有的慢。通道就是帮你管理这些异步数据的。

通道分两种：

• 队列通道（Queue channel）：一次性消费，数据只能被一个进程读取
• 值通道（Value channel）：反复使用，所有进程都能读

我举个例子，你马上就能懂：

// 队列通道 —— 数据流过去就没了
samples_ch = Channel.fromPath("data/*.fastq")

// 值通道 —— 一直存在，谁都可以读
genome_ch = Channel.value("ref/hg38.fa")

我在项目中遇到过最坑的一次：一个人用队列通道传参考基因组，结果跑了10个样本用了10次下载。你想想看，这得多慢。用值通道，一次定义，所有进程共用。

通道的常见操作：

操作	说明	示例
fromPath	从文件路径创建通道	Channel.fromPath("data/*.fastq")
fromList	从列表创建通道	Channel.fromList([1, 2, 3])
map	转换通道中的元素	ch.map { it.toUpperCase() }
filter	过滤元素	ch.filter { it.size() > 0 }
combine	合并多个通道	ch1.combine(ch2)

流程（workflow）—— 把一切串起来

流程就是定义「谁先干、谁后干、数据怎么流动」。在 Nextflow DSL2 里，流程是一个显式的块，里面声明进程的调用关系。

看一个完整的例子：

// 定义数据源
samples_ch = Channel.fromPath("data/*.fastq")
genome_ch  = Channel.value("ref/hg38.fa")

// 定义流程
workflow {
    trimmed_ch = fastp(samples_ch)
    aligned_ch = bwaMem(trimmed_ch, genome_ch)
    sorted_ch  = samtoolsSort(aligned_ch)
    metrics_ch = samtoolsStats(sorted_ch)
}

// 定义进程
process fastp {
    input:
    path reads

    output:
    path "trimmed_*.fastq"

    script:
    """
    fastp -i $reads -o trimmed_${reads}
    """
}

process bwaMem {
    input:
    path reads
    path genome

    output:
    path "aligned.sam"

    script:
    """
    bwa mem -t 2 $genome $reads > aligned.sam
    """
}

process samtoolsSort {
    input:
    path sam

    output:
    path "sorted.bam"

    script:
    """
    samtools sort $sam -o sorted.bam
    """
}

process samtoolsStats {
    input:
    path bam

    output:
    path "stats.txt"

    script:
    """
    samtools stats $bam > stats.txt
    """
}

这里有个关键点：进程的输入输出类型必须和通道里的数据类型匹配。你不匹配，Nextflow 会在执行前就报错。这是好事，比运行时才发现问题强得多。

三者如何配合？

其实它们的配合模式就四个字：输入-输出-连接。

1. 通道作为进程的输入
2. 进程执行后产生输出
3. 输出结果再包装成通道
4. 通道传给下一个进程

你仔细看，Nextflow 自动帮你完成了第3步。进程的 output 定义了什么，框架就自动创建一个通道，把输出文件扔进去。你只管在流程里把进程的输出赋给变量就行。

我曾经遇到一个新手，他手动创建通道来传递进程的输出。这完全是多此一举。Nextflow 的设计哲学就是让你专注于业务逻辑，数据流是框架帮你管的。

一张图看懂整体架构

下面这个 SVG 图把三者的关系和交互画出来了。我建议你多看两遍，把图的逻辑印在脑子里。

避坑指南

写管线时，我见过最多的错误就出在这三个概念的边界上。我归纳几个典型的：

• 通道复用：队列通道别想着用两次。如果非要复用，用 .buffer() 或 .view() 先检查。
• 进程命名：同一个进程名在流程里只能用一次。但可以用 processName(index) 的形式区分实例。
• 输出没定义：进程写了 output 却忘了声明类型，Nextflow 会报类型不匹配。我每次都加一行 output: 哪怕不输出文件，也写 stdout 兜底。
• 路径别硬编码：进程里的输入路径别写死。用 ${reads} 这种变量，否则换了数据源还得改进程。

到这，你应该对这三个核心概念有感觉了。进程干活，通道运数据，流程安排次序。把握住这个思路，后面写复杂管线你就不会再被绕晕。