通道与进程：Nextflow 的两大基石

好，咱们直接进入正题。Nextflow 说到底就两个东西——通道（Channel） 和 进程（Process）。你把这俩搞明白了，流水线就搭好了一半。

我第一次接触 Nextflow 的时候，也觉得概念有点绕。后来我用一句话总结：通道管数据怎么走，进程管数据怎么算。就是这么简单。

1. 数据流模型：换个角度看流水线

传统的脚本怎么做？写个 for 循环，一个一个处理文件。Nextflow 不一样，它用的是数据流（Dataflow）模型。说白了，就是把数据当作水流，在水管里流动。

你想想看，数据从文件里读出来，变成一个个元素，通过通道流进进程。进程处理完，再吐出新的数据，装进新的通道，流到下一个进程。整个过程是自动的、并行的。

我在项目中遇到过团队用 Python 脚本手动管理输入输出，一个文件没处理好，整个流水线崩掉。换成 Nextflow 的数据流模型后，每个文件独立处理，互不干扰。以前要写上百行逻辑控制，现在一个 channel 加上一个 process 就搞定了。

2. 通道（Channel）：数据的高速公路

通道就是数据的容器。它把数据从一个进程传到另一个进程。

• 通道是异步的：发送者不用等接收者准备好
• 通道是单向的：数据只从一个方向流动
• 通道是有界的：数据数量是确定的
• 通道是只消费一次的：一个元素被取出后，通道里就没有了

通道分为两种：

类型	说明	创建方式
值通道（value channel）	只包含一个值，进程启动时只触发一次	Channel.value('hello')
队列通道（queue channel）	包含多个值的队列，按顺序消费	Channel.fromPath('*.fastq')

// 创建值通道
ch_hello = Channel.value('Hello Nextflow')

// 创建队列通道（读取文件列表）
ch_fastq = Channel.fromPath('/data/*.fastq')

// 通道操作符：转换、过滤、合并
ch_filtered = ch_fastq.filter { it.name =~ /sample_.+/ }
ch_paired   = ch_filtered.map { it -> tuple(it, it.baseName) }

你看，通道的操作符就跟 Unix 管道似的。我用 filter 挑出样本文件，用 map 转换成键值对。嗯，这里要注意：操作符不会改变原通道，它会返回一个新通道。

3. 进程（Process）：真正的干活单元

进程是执行具体任务的地方。你写的数据处理命令、调用的工具脚本，全都在进程里运行。

一个进程有四个关键部分：

1. 输入（input）：定义从通道里拿什么数据
2. 输出（output）：定义结果怎么塞回通道
3. 脚本（script）：真正执行的命令（bash、Python 等）
4. 指令（directives）：资源设置、并行策略等

举个例子，一个简单的 FastQC 质控进程：

process fastqc {
    input:
    path reads

    output:
    path "*.zip" into ch_zip
    path "*.html" into ch_html

    script:
    """
    fastqc -o ./ ${reads}
    """
}

看懂了吗？这个进程从通道里拿一个文件（path reads），跑 FastQC，然后把生成的 zip 和 html 文件分别放进两个通道。

我建议你在写进程脚本时，多利用路径占位符。比如脚本里直接用 ${reads}，Nextflow 会自动处理好路径和命名空间。这样每个样本都在自己的临时目录里运行，不会相互覆盖。

4. 任务（Task）与操作符（Operator）

聊到这里，我顺便把另外两个术语讲清楚。

任务是进程的一次执行。如果你有一个队列通道里有 10 个文件，那么进程会创建 10 个任务，每个任务独立运行。

操作符是通道上的转换方法。你刚才看到了 filter 和 map。常见的还有：

操作符	作用	例子
map	转换每个元素	ch.map { it -> it.toUpperCase() }
filter	过滤元素	ch.filter { it.size() > 100 }
flatMap	展平集合	ch.flatMap { it.split() }
join	合并两个通道	ch1.join(ch2)
branch	按条件分叉	ch.branch { a -> b }

说白了，操作符就是帮你加工数据流的。你可以把原始数据切分、组合、过滤、排序，几乎 Python 能做的，它都能做。

5. 整体关系图：把它们串起来

下面这张图展示了通道、进程、任务和操作符之间的关系：

你看这个流程：数据从数据源出发，装进通道。你可以用操作符对数据进行加工（过滤、转换、合并）。加工后的通道流入进程，每个元素对应一个任务。任务执行完后，结果被放进结果通道，继续流向下一个进程。

我刚开始写 Nextflow 流水线时，总喜欢把所有逻辑写在一个进程里。后来发现，拆成多个小进程 + 通道串联，代码更清晰，并行效率也更高。比如质控流程：FastQC → Trimmomatic → FastQC again，每个阶段一个进程，通过通道连接，哪个文件没走完就等哪个，互不阻塞。

6. 怎么选择？通道 vs 变量 vs 参数

很多新手会问：我到底用通道、全局变量，还是参数？

方式	适用场景	注意
通道	进程间传数据	只消费一次，适合批量处理
全局变量	不要用！	并行时会出问题，数据竞争
参数（params）	配置项、路径前缀	只读，进程启动时传入

参数只适合放固定配置，比如参考基因组路径、线程数。真正的数据流动，老老实实走通道。

7. 小结

好，这一章的内容就这些。我帮你捋一下：

• 通道：数据流的容器，异步、单向、只消费一次
• 进程：执行任务的最小单元，定义输入、输出、脚本
• 任务：进程的一次具体执行，每个元素一个任务
• 操作符：通道上的转换函数，filter、map、join 等
• 数据流模型：数据从通道到进程，自动并行，互不干扰