📚 课程目录第4章第一个Nextflow流程

4. 第一个Nextflow流程：编写Hello World工作流，理解进程和输出

说实话，很多人学Nextflow的第一反应就是跑个Hello World。但你别小看这一步。我见过不少同事，把Nextflow当普通脚本写，结果跑完连“输出到底在哪”都搞不清楚。我们这章就把这个最简单的流程拆开来讲。你跟着我走一遍，后面写质控节点就顺了。

4.1 创建一个工作流文件

Nextflow的工作流本质就是一个.nf文件。里面的核心单元叫进程（process）。进程负责执行具体的任务，比如运行一个命令、调一个Python脚本。而工作流本身用来编排进程间的依赖关系。

我们新建一个文件，就叫hello.nf。我个人习惯把工作流文件和配置分开，但初学阶段，一个文件搞定就好。

4.2 最简单的进程——无输入无输出

先写一个极端简单的进程，只打印一句话。

process sayHello {
    script:
    """
    echo 'Hello, Nextflow!'
    """
}

workflow {
    sayHello()
}

保存后，在终端执行：

nextflow run hello.nf

你会看到终端输出类似：

N E X T F L O W  ~  version 24.10.0
Launching `hello.nf` [agitated_wozniak] DSL2 - revision: 1164db094b
executor >  local (1)
[a7/3b9c8e] process > sayHello (1) [100%] 1 of 1 ✔

Hello, Nextflow!

看到了吗？最下面一行就是我们echo的内容。但如果你以为这样就把工作流写完了，那就错了。这种进程没有任何输入和输出，在实际项目中几乎用不到。

注意： 进程名必须用小写字母开头，后面可以用字母、数字或下划线。如果写成 SayHello（首字母大写），Nextflow会直接报错。我当初就被这个坑过，排查了半天。

4.3 理解进程的输入/输出声明

刚才那个进程是“一次性”的。真实场景下，进程需要接收数据、产出结果。Nextflow通过input和output块来声明。

我们改一下：让进程接收一个字符串，然后打印它，再输出一个文件。

process greet {
    input:
    val greeting

    output:
    path "greeting.txt"

    script:
    """
    echo "$greeting" > greeting.txt
    """
}

workflow {
    greet("Hello from workflow!")
}

这里有几个关键点：

val greeting：定义一个值类型的输入，名为greeting。
path "greeting.txt"：声明进程会生成一个文件，名字叫greeting.txt。
script块里的$greeting：通过美元符号引用输入变量，用法和bash一样。
工作流调用时传参：greet("Hello from workflow!")。

运行一下：

nextflow run hello.nf

输出：

process > greet (1) [100%] 1 of 1 ✔

但这次你会在工作目录下发现一个greeting.txt文件。打开看，内容正是“Hello from workflow!”。

小技巧： Nextflow会把每个进程的执行结果放在work/目录下独立的文件夹里，文件名也是原样。但你不用直接去work/里找文件，后面我们会讲怎么通过publishDir把结果收集出来。

4.4 输出到底是什么？——理解通道（channel）

这才是我最想讲的部分。很多人把进程的输出理解为“文件”，没错，但不全面。实际上，进程的输出会变成一个通道（channel）。通道是Nextflow里数据流动的“管道”。

拿上面那个例子来说，greet进程的输出是一个通道，里面装着一个文件路径。我们可以把这个通道传给另一个进程。

我们再加一个进程，用来读取刚才生成的文件并打印内容：

process greet {
    input:
    val greeting

    output:
    path "greeting.txt"

    script:
    """
    echo "$greeting" > greeting.txt
    """
}

process readGreeting {
    input:
    path greeting_file

    output:
    stdout()

    script:
    """
    cat $greeting_file
    """
}

workflow {
    greeting_ch = greet("Hello from workflow!")
    readGreeting(greeting_ch)
}

看到没？greet的输出赋值给了greeting_ch（一个通道变量），然后直接传给readGreeting的输入。工作流内部就是通过通道把数据从一个进程“流”到另一个进程。

  核心理解： 在Nextflow里，进程的output块声明的不是文件本身，而是通道的发射内容。每个输出声明都会在进程执行成功后，把生成的文件或值发射到对应的输出通道。工作流里用=来捕获这些通道。

4.5 知识结构总览

下面这张图总结了本章的核心逻辑关系：

这张图的核心就一句话：进程的output变成通道，工作流用赋值拿到通道，再传给下一个进程。弄懂这个，Nextflow的流程编排你就掌握了30%。

4.6 常见的输入/输出类型

除了val和path，Nextflow还支持其他几种常用类型。我做了一个对照表：

声明方式	含义	示例	典型用途
`val x`	值类型，传一个变量	`val name`	样本ID、参数控制
`path f`	文件路径，传一个或多个文件	`path reads`	测序数据、参考基因组
`env VAR`	环境变量	`env PATH`	设置外部工具路径
`stdout()`	捕获进程的标准输出	`stdout()`	从命令输出里提取结果
`tuple(a,b)`	元组，组合多个值或文件	`tuple val(sample_id), path(bam)`	把ID和文件打包传递

在质控节点里，你最常用的是path和tuple。比如FastQC输入是fastq文件，输出是zip和html，通常用tuple把它们绑在一起。

4.7 理解工作目录与输出文件的位置

每次运行Nextflow，它都会在work/目录下生成一些子目录，里面放着每个进程的执行现场。包括脚本、输入文件的符号链接、输出文件、以及运行日志。你可以把它想象成每个进程的“小隔间”。

但实际项目中，我们不想去work/里翻文件。常见的做法是用publishDir指令把结果发布到指定目录。我给个示例：

process greet {
    publishDir "results", mode: 'copy'

    input:
    val greeting

    output:
    path "greeting.txt"

    script:
    """
    echo "$greeting" > greeting.txt
    """
}

workflow {
    greet("Publish this!")
}

加上publishDir后，进程执行完会自动把greeting.txt拷贝到项目根目录下的results/文件夹里。你还可以设置mode: 'link'创建硬链接或符号链接，节省磁盘空间。我个人习惯用copy，因为后续分析环境迁移时文件不会断链。

一个坑，我曾经踩过： publishDir默认只在进程成功结束后执行一次。如果你把同一个进程跑多次（比如并行处理多个样本），每个实例都会往同一个results/里写文件。如果输出文件名一样，后面的会覆盖前面的。解决方法是把样本ID等唯一标识放进输出文件名，或者用publishDir的pattern选项按规则分目录。我们后面讲质控节点时会细说。

4.8 本章小结：你应该带走的三个要点

进程必须有输入/输出声明才算完整。 无输入无输出的进程除了测试，基本用不上。
输出通道是数据流动的载体。 工作流通过=捕获进程的输出通道，然后传给下一个进程的input。这就是Nextflow的“工作流”本质。
善用publishDir管理结果。 不要自己去work/里翻，把关键的输出发到项目目录，后续处理也会更顺手。