第3章：环境准备：Linux/Conda/系统依赖安装、Python环境配置（需Python 3.8+）
做生信分析，环境搭不好，后面全是泪。这话我信了很多年。
Kraken2这个工具虽然用起来不复杂，但它对系统底层依赖有要求，尤其是编译时得把zlib、gcc这些备齐。Python环境也不省心——Python 3.8以上是硬性门槛，还得考虑pandas、numpy这些库的版本兼容性。
嗯，这章我们就一步一步把环境梳理清楚。我会把我在实际项目中踩过的坑直接告诉你，省得你像我当年一样对着报错日志发愣。
3.1 环境准备全景图
先上结构图，你看一眼就知道这章要装什么、怎么装。我个人习惯在动手之前画个流程图，免得漏环节。
3.2 Linux 系统检查
你手头要是台Ubuntu 20.04/22.04或者CentOS 7/8，基本就够用了。Kraken2的编译器和库在主流发行版里都能找到。
先确认下系统版本：
cat /etc/os-release
uname -a我个人习惯用Ubuntu，包更新快，社区文档全。如果你用CentOS，记得把epel-release源先开一下，不然很多包找不到。
3.3 Conda 安装与配置
Conda是生信环境管理的标配。我建议装Miniconda而不是Anaconda，体积小，够用就行。
下载安装：
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh -b -p ~/miniconda3
~/miniconda3/bin/conda init-b静默安装，-p指定路径。装完后重新登录终端或者source ~/.bashrc让conda命令生效。
3.3.1 国内镜像配置（避坑重点）
你想想看，从国外源下载包慢得像蜗牛。我刚开始用Conda时，下载个python=3.8都卡半天，后来换清华镜像直接起飞。
配置方法：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes如果你跑的是新版Conda（23.x+），可能还需要把defaults通道删掉，不然还是会走官方源：
conda config --remove channels defaults # 视情况而定~/.condarc里加上channel_priority: strict，避免包版本冲突。我曾经因为不设优先级装了个不兼容的numpy，Kraken2的Python wrapper直接崩溃。
3.4 系统依赖安装
Kraken2本身是C++写的，编译需要gcc、g++、make，以及zlib1g-dev（用于压缩基因组数据库）。
3.4.1 Ubuntu/Debian 系
sudo apt update
sudo apt install -y build-essential zlib1g-dev libbz2-dev liblzma-devlibbz2-dev和liblzma-dev是可选但推荐的，某些数据库索引会用bzip2和lzma压缩。
3.4.2 CentOS/RHEL 系
sudo yum install -y epel-release
sudo yum groupinstall -y "Development Tools"
sudo yum install -y zlib-devel bzip2-devel xz-develerror: 'to_string' is not a member of 'std'，就升级gcc到7.x：sudo yum install -y centos-release-scl && sudo yum install -y devtoolset-7-gcc*，然后scl enable devtoolset-7 bash。
3.5 Python 环境配置
Kraken2的Python wrapper和后续分析脚本（比如kraken-biom、bracken）都要求Python 3.8+。我推荐用Conda在隔离环境里装，不污染系统Python。
3.5.1 创建并激活环境
conda create -n kraken2 python=3.8 -y
conda activate kraken2你可以把名字改成自己习惯的，比如kraken2_env，无所谓。激活后命令行前面会出现(kraken2)字样。
3.5.2 验证Python版本
python --version输出应该是Python 3.8.x、3.9.x或3.10.x。3.11理论上也行，但有些旧版库（如pandas 1.3.x）没提供3.11的二进制包，你会被迫从源码编译，很慢。我建议锁定3.8或3.9最稳。
3.5.3 安装基本数据分析包
这些不是Kraken2的直接依赖，但后续做丰度表格和可视化100%要用到：
conda install -y numpy pandas scipy matplotlib seaborn
pip install kraken-biom # 将Kraken2报告转换为BIOM格式numpy如果用pip裸装，可能在老旧glibc上报Illegal instruction错误。我吃过这个亏，后来强制先conda后pip就没再出过问题。
3.6 环境验证清单
全部装完后，建议跑一遍快速检查，确保每个环节都通了。我习惯写个小脚本一次性验证：
#!/bin/bash
# env_check.sh - 快速验证Kraken2环境
echo "=== 系统依赖 ==="
gcc --version | head -n1
zlib_ver=$(ldconfig -p | grep libz | head -n1)
echo "zlib found: $zlib_ver"
echo "=== Conda ==="
conda --version
echo "=== Python ==="
python -c "import sys; print(f'Python {sys.version_info.major}.{sys.version_info.minor}')"
python -c "import numpy; print('numpy:', numpy.__version__)"
python -c "import pandas; print('pandas:', pandas.__version__)"
echo "=== Kraken2 (如果已安装) ==="
which kraken2 && kraken2 --version || echo "Kraken2 尚未安装"把上面内容保存为env_check.sh，然后bash env_check.sh。如果每行都输出正常版本号，说明环境万事俱备。
3.7 常见问题与修复
| 问题现象 | 可能原因 | 解决方案 |
|---|---|---|
| conda: command not found | conda未添加到PATH | 执行 source ~/miniconda3/etc/profile.d/conda.sh 或重新登录 |
| gcc: fatal error: zlib.h: No such file or directory | zlib开发包未安装 | 安装 zlib1g-dev (Ubuntu) 或 zlib-devel (CentOS) |
| ImportError: libstdc++.so.6: version `GLIBCXX_3.4.30' not found | Conda环境内libstdc++版本过低 | 运行 conda install -c conda-forge libstdcxx-ng 升级 |
| pip安装后提示“Illegal instruction” | pip包编译时使用了不支持CPU指令集 | 改用conda安装，或者指定环境变量 export CONDA_CPU_FEATURES_OPT_LEVEL=-O2 |
PATH残留了系统Python路径，导致python命令指向了2.7，Kraken2报表脚本全挂。
好了，到这步环境就准备好了。Linux系统有了，Conda配好了镜像，系统依赖一个不落，Python 3.8隔离环境也创建完毕。下一步我们就可以正式开始装Kraken2本体——你只用专心输入命令，剩下的编译和数据库下载我会帮你安排好。