1. Nextflow 简介与安装

1.1 为什么会有 Nextflow？

做生物信息学的朋友一定深有体会：一个分析流程，往往要串十几个软件、改十几版参数、跑几百个样本。你用 BASH 写了个脚本，跑完这批数据，三个月后别人想复现，结果环境崩了、版本换了、路径乱了——你手动调了一整天。

我最早用 Perl 搭流程，后来转 Snakemake，但总觉得有个痛点：数据分片 + 任务调度 + 环境隔离这三件事，没有一个人能帮我一次性搞定。直到 2013 年，西班牙的 CRG 实验室推出了 Nextflow。它的核心理念很直接：把流程写成数据流管道，天然支持并行、容错和容器化。

说白了，Nextflow 就是帮你把「我今天在笔记本上跑通的命令」，明天在集群、云端、甚至超算上，用同样的方式跑一遍，而且保证结果一致。

1.2 核心设计理念：一次编写，到处运行

Nextflow 的设计思路，我总结为三个词：数据驱动、隐式并行、容器原生。

• 数据驱动：你不需要手动写 for 循环。Nextflow 看到输入是一个文件列表，自动帮你拆成多个并行任务。
• 隐式并行：只要任务之间没有依赖，它就自动并行执行。你不需要指定线程数或队列，全由调度器接管。
• 容器原生：每个 process 可以指定不同的 Docker/Singularity 镜像，从此告别「你用的 Python 2.7，我用的 3.8」的噩梦。

我记得第一次用 Nextflow 迁移一个 RNA-seq 流程，原来用 Snakemake 写了 500 行的 Snakefile，换成 Nextflow 只用了不到 200 行，而且 Docker 一包装，同事直接拉起来就跑。嗯，那种感觉真的很爽。

1.3 安装方法对比

安装 Nextflow 有多种方式，我个人习惯用 Conda 或者 一键 curl，视环境而定。下面这张表帮你快速选择：

安装方式	适用场景	版本更新	依赖处理
Conda	本地开发、临时环境	conda update	自动管理 Java
curl 一键安装	服务器、集群无 sudo	重新 curl	需先装 Java 11+/17+
Docker 镜像	CI/CD、容器化运行	拉新镜像	包含完整环境

1.4 Conda 安装

Conda 是我在 macOS 和 Linux 上最常用的方式。先确保你装好了 Miniconda 或 Anaconda，然后在终端里：

conda install -c conda-forge nextflow

如果你想要特定版本，比如 23.10.0：

conda install -c conda-forge nextflow=23.10.0

安装完成后，验证一下：

nextflow -version

你会看到类似这样的输出：

nextflow version 23.10.0.5888

我曾经在 CentOS 7 上遇到一个问题：系统自带的 Java 版本是 1.8，但 Nextflow 23+ 要求 Java 11 以上。Conda 会自动帮你装好 OpenJDK 11，省了很多事。

1.5 curl 一键安装（推荐服务器场景）

如果你在集群或者无 sudo 权限的服务器上，curl 是最干净的方案。Nextflow 官方提供了一个脚本：

curl -fsSL https://get.nextflow.io | bash

运行后会生成一个 nextflow 可执行文件，你把它放到 PATH 里即可：

chmod +x nextflow
sudo mv nextflow /usr/local/bin/

注意：你需要先装好 Java Runtime (JRE) 11 或 17。可以用以下命令检查：

java -version

如果显示的是 openjdk version "11.0.18" 就没问题。我遇到过有人在 node 上只装了 Java 8，跑 Nextflow 直接报错 Unsupported class file major version 61，所以记得先确认这一点。

1.6 Docker 安装（容器化运行）

如果你喜欢一切靠 Docker，那也很简单。Nextflow 官方提供了 Docker 镜像：

docker pull nextflow/nextflow:latest

但注意，这个镜像只包含 Nextflow 本身，不包含你的分析工具。实际使用时，你是用 Docker 运行流程中的 process，而不是用 Docker 运行 Nextflow。所以直接下载二进制更常见。

不过有一种场景值得提：在 CI/CD 流水线里，你可以用这个镜像来跑流程：

docker run --rm -v $PWD:/work -w /work nextflow/nextflow:latest \
  nextflow run main.nf

我个人很少这么干，因为每次都要挂载目录，比较麻烦。但如果你要保证 CI 环境与本地一致，这招很稳。

1.7 环境验证

装好后，我们跑一个最经典的 Hello World 流程，顺便检查安装是否正常。

mkdir -p ~/nextflow-tutorial
cd ~/nextflow-tutorial
nextflow run hello

你会看到类似这样的输出：

N E X T F L O W  ~  version 23.10.0
Launching `hello` [sweet_lovelace] DSL2 - revision: a5f89b7d4b
executor >  local (4)
[6b/3a3c2a] process > sayHello (1) [100%] 1 of 1
[54/0b8a1c] process > sayHello (2) [100%] 1 of 1
[63/8eaf1e] process > sayHello (3) [100%] 1 of 1
[c3/2a0a0f] process > sayHello (4) [100%] 1 of 1

注意，这里 executor > local (4) 表示用了 4 个并行任务。如果你的机器是 4 核，它就会自动跑 4 个。你还能看到每个进程的唯一哈希 ID（如 6b/3a3c2a），这是 Nextflow 的工作目录结构，有利于排障。

如果看到 [100%] 全部通过，那就恭喜你——环境就绪了！

1.8 核心架构速览

在你真正开始写流程之前，我觉得有必要看一眼 Nextflow 的整体架构。下面这张图概括了三个关键层次：

图中三个层次很好理解：数据层你把输入挂在 Channel 上，流程层的 process 自动消费和产生数据，资源调度层让你自由切换本地、集群或云端。而右侧的容器层贯穿始终，保证环境一致性。

这种分层设计，让你在写流程时只需要关心「输入→处理→输出」，剩下的并行、调度、资源管理——Nextflow 全帮你干了。

1.9 下一步：你该做什么

现在你已经成功安装了 Nextflow，并验证了环境。我建议你马上做一个小练习：

1. 打开终端，跑 nextflow run hello，看看并行输出。
2. 再跑一次 nextflow run hello -process.echo true，你会看到每个 process 内的标准输出。
3. 试试 nextflow -c your.config run hello，看看配置文件的威力。

Conda 安装最省心，curl 最适合服务器，Docker 留给 CI。你根据自己习惯选一种就行。我个人偏爱 Conda，因为它顺手就能管理 Java 版本。但如果你在集群上跑，千万别装 Conda 全局，搞个 virtual env 或者直接用 curl 脚本，干净利落。

好了，环境就绪。接下来我们就可以正式进入一个 Nextflow 流程的编写了。