安装与配置环境：MD5 工具与 Python 环境准备
做生信工作流校验，第一步就得把环境搭好。我见过不少同学上来就写代码，结果半天调不通，最后发现是 md5sum 没装或者 Python 版本太老。磨刀不误砍柴工，咱们今天就把这把「刀」磨好。
一、MD5 工具安装：三大平台一次搞定
MD5 校验工具，说白了就是用来算文件指纹的命令行程序。不同系统自带的不太一样，我列个表，你一眼就能看清楚。
| 操作系统 | 自带命令 | 安装方式 | 我踩过的坑 |
|---|---|---|---|
| Linux (Ubuntu/CentOS) | md5sum |
一般预装，没有的话 apt install coreutils 或 yum install coreutils |
CentOS 最小化安装可能没带，我当年就吃了亏 |
| macOS | md5 |
系统自带，但命令名不同，参数也不一样 | 跟 Linux 的脚本直接搬过来会报错，我花了半小时才反应过来 |
| Windows | certutil -hashfile 或 Get-FileHash (PowerShell) |
自带，无需安装；也可以用 Git Bash 里的 md5sum |
CMD 下命令长了容易打错，建议用 PowerShell |
Linux 下安装 md5sum
其实大多数发行版都预装了。如果你发现没有，就执行这一条：
# Ubuntu / Debian
sudo apt update && sudo apt install coreutils -y
# CentOS / RHEL
sudo yum install coreutils -y装完跑一下 md5sum --version，能看到版本号就对了。
macOS 下的坑
macOS 默认的 md5 用法跟 Linux 的 md5sum 不太一样。你想想看，很多生信脚本都是在 Linux 上写的，直接扔到 Mac 上就报错。我建议你装 GNU 版 md5sum，这样就不用改脚本了。
# 用 Homebrew 安装 coreutils（包含 gnu md5sum）
brew install coreutils
# 安装后会生成 gmd5sum，为了直接用 md5sum，可以加个 alias
echo 'alias md5sum="gmd5sum"' >> ~/.zshrc
source ~/.zshrcWindows 下两条路
Windows 自带的校验命令很「Windows 味」：
# CMD 用法（老式）
certutil -hashfile your_file.txt MD5
# PowerShell 用法（推荐，输出更友好）
Get-FileHash -Algorithm MD5 your_file.txt我个人习惯在 Windows 上装个 Git Bash，这样就能直接用 Linux 那套 md5sum，脚本跨平台复用特别爽。Git Bash 自带了 md5sum.exe，装在 C:\Program Files\Git\usr\bin\ 下面。
md5sum 就行，跟 Linux 一模一样。我在项目中经常这样干，省去很多麻烦。
二、Python 环境准备
MD5 校验除了用系统命令行，更多时候我们要在 Python 脚本里算。比如批量比对上百个测序文件，总不能一个个手动敲 md5sum 吧？
Python 版本选择
我建议用 Python 3.8 及以上。为什么？因为 hashlib 库在 3.8 以后更新了底层 OpenSSL 绑定，处理大文件更稳定。我项目里有个坑——用 Python 3.6 算 20 GB 的 FASTQ 文件，内存直接撑爆，后来升级到 3.10 就好了。
检查当前 Python 版本：
python --version
# 或者
python3 --version如果版本太低，去 python.org 下载安装包，或者用包管理器：
# macOS 用 brew
brew install python@3.11
# Ubuntu 用 apt
sudo apt install python3.11 python3.11-venv
# Windows 直接去官网下载 .exe，记得勾选「Add Python to PATH」虚拟环境：必做的一步
我见过最惨的同事——直接全局装了一堆库，结果不同项目依赖打架，最后只能重装系统。嗯，虚拟环境就像给每个项目开个独立小房间，互不干扰。
创建一个名为 md5_check 的虚拟环境：
# Linux / macOS
python3 -m venv md5_check_env
source md5_check_env/bin/activate
# Windows (PowerShell)
python -m venv md5_check_env
.\md5_check_env\Scripts\Activate.ps1激活后，终端前面会多一个 (md5_check_env) 提示符。以后所有安装都用 pip 就行。
核心库：hashlib（自带，无需安装）
Python 的 hashlib 是标准库，属于「开箱即用」。它的用法非常直观：
import hashlib
def md5_file(filepath):
"""计算文件的 MD5 哈希值"""
hash_md5 = hashlib.md5()
with open(filepath, "rb") as f:
# 分块读取，避免大文件撑爆内存
for chunk in iter(lambda: f.read(4096), b""):
hash_md5.update(chunk)
return hash_md5.hexdigest()这里有个关键点：一定要用 rb 模式（二进制读），否则换行符在不同系统下会被转换，导致 MD5 不一致。我之前帮一个师姐调试，她用的 'r' 模式，Windows 上 \r\n 被转成 \n，和 Linux 上的结果怎么都对不上…后来改成 'rb' 就秒解。
open(filepath).read() 一次性读入大文件。一个 1 GB 的文件就能吃掉几 GB 内存，服务器直接 OOM 宕机。分块读取是标准做法，我做生信时经常处理几十 GB 的测序数据，分块 4KB 到 64KB 都行。
三、跨平台脚本兼容性
写完 Python 脚本，怎么让它同时在 Linux、macOS、Windows 上跑？我总结了一个小模板，每次项目都先用这个框架：
import hashlib
import platform
def get_md5_command():
"""根据操作系统返回合适的 MD5 命令"""
system = platform.system()
if system == "Linux":
return "md5sum"
elif system == "Darwin": # macOS
return "md5"
elif system == "Windows":
return "certutil -hashfile {} MD5"
else:
raise OSError(f"Unsupported OS: {system}")不过我个人更推荐纯 Python 方式，因为跨平台不用操心命令差异，hashlib 在所有平台行为完全一致。
四、快速验证：一键跑通
装完环境，最怕的就是「看起来装了，实际跑不通」。来，用这个脚本做冒烟测试：
# test_env.py
import hashlib
import sys
# 测试 Python 版本
print(f"Python version: {sys.version}")
# 测试 hashlib 是否正常
test_str = "Hello, MD5!"
md5_val = hashlib.md5(test_str.encode()).hexdigest()
print(f"MD5 of '{test_str}': {md5_val}")
# 预期结果（可以用你在命令行算的对照一下）
expected = "6f5902ac237024bdd0c176cb93063dc4" # 这是 Hello, MD5! 的 MD5
assert md5_val == expected, "MD5 计算结果不对！"
print("环境配置成功，一切正常！")保存为 test_env.py，然后运行：
python test_env.py输出应该像这样：
Python version: 3.10.12 (main, Nov 20 2023, 15:14:05) [GCC 11.4.0]
MD5 of 'Hello, MD5!': 6f5902ac237024bdd0c176cb93063dc4
环境配置成功，一切正常！这张图概括了我们刚才做的所有事：三大平台分别装好 MD5 工具 -> 汇聚到 Python 3.8+ 环境 -> 创建虚拟环境 -> 写通用脚本 -> 最后冒烟测试收尾。每次新项目，我就按这个流程走一遍，几乎零失误。