2. 安装与配置：Nextflow 安装，DSL2 语法简介，基础配置

工欲善其事，必先利其器。这一章我们先把 Nextflow 的环境搭好，顺便把 DSL2 的基本语法和常用配置捋一遍。这些基础不牢，后面版本控制和结果一致性就无从谈起。

2.1 Nextflow 安装：其实比你想象的简单

Nextflow 本质上是个 Java 应用，所以依赖 JDK（Java Development Kit）。我个人习惯用 OpenJDK 11 或 17，后者更稳。

java -version
# 输出类似：openjdk version "17.0.9" 2023-10-17 LTS

确保 JDK ≥ 11 后，安装 Nextflow 只需要一行命令。我建议用官方推荐的 curl 方式：

curl -s https://get.nextflow.io | bash
chmod +x nextflow
# 然后把 nextflow 放到 PATH 里，比如：
sudo mv nextflow /usr/local/bin/

为啥不用包管理器？我在项目中试过用 conda 装，版本经常落后一两个小版本，而且有时候依赖冲突很头疼。直接 curl 拿到的就是最新稳定版，干净利落。

装完之后验证一下：

nextflow -version

N E X T F L O W
version 24.04.2 build 5901
lastModified 2024-05-30 12:34:56 UTC
...

看到版本号就说明成了。嗯，这里有个坑：如果你在 macOS 上遇到 Permission denied，别忘了 chmod +x，我第一次装就忘了这步，还以为是 Java 版本问题。

2.2 DSL2 语法简介：核心概念一目了然

从 Nextflow 21.04 开始，DSL2 成了默认。说白了，DSL2 就是把流程拆成更小的模块化组件。你想想看，以前写流水线跟写大长脚本似的，现在每个步骤可以独立定义、复用。

重点记住三个东西：process、channel、workflow。

举个最简单的例子。你想对一个文件做两次处理：先过滤，再统计。用 DSL2 写出来大概长这样：

// my_pipeline.nf
nextflow.enable.dsl=2

process FILTER {
    input:
    path input_file

    output:
    path "filtered.txt"

    script:
    """
    grep 'some_pattern' $input_file > filtered.txt
    """
}

process COUNT {
    input:
    path input_file

    output:
    stdout

    script:
    """
    wc -l $input_file
    """
}

workflow {
    FILTER( channel.fromPath("data.txt") )
    COUNT( FILTER.out )
    COUNT.out.view { "行数: $it" }
}

你看，每个 process 只管自己的事，workflow 里用 FILTER.out 把过滤结果传给 COUNT。这就是模块化。我去年重构一个老项目时，发现原来的流水线全写在一个大 process 里，迁移到 DSL2 后每个步骤独立测试，爽多了。

2.3 基础配置：nextflow.config 该放什么

一台机器上跑 Nextflow 没问题，但到了集群或云环境，配置必须统一。不然你本地能跑，别人机器上就报错——这还谈什么结果一致性？

我的习惯是把公共配置写到一个 nextflow.config 文件里，放在流水线根目录。典型内容：

params {
    input = ""
    outdir = "./results"
    genome = "GRCh38"
}

process {
    executor = 'local'
    cpus = 2
    memory = '4 GB'
}

docker {
    enabled = true
    runOptions = '-u $(id -u):$(id -g)'
}

manifest {
    name = 'my-nf-pipeline'
    version = '1.0.0'
    nextflowVersion = '>=24.04.0'
}

timeline {
    enabled = true
}
report {
    enabled = true
}
trace {
    enabled = true
}

这里面有几个关键点我挨个说一下。

• params：定义用户输入参数的默认值。别人调用你流水线时如果不传 --input，就会用这个默认值。我在项目里见过有人直接把硬编码路径写到 process 里，结果换数据源就改脚本，太坑了。
• process.executor：分布式的精髓。本地测试用 local，上集群换成 slurm、pbs 或 awsbatch。配置一改，不需要动一句脚本。
• docker.enabled：保证环境一致性最粗暴也最有效的方法。我强烈建议开启，配合 Docker/Singularity 镜像，你的流水线就能在任何机器上复现相同结果。
• manifest：记录流水线版本和 Nextflow 最低版本要求，这对版本控制非常重要。
• timeline/report/trace：调试和审计三大件，开起来不亏。

2.4 知识体系一图览

下面这张图把本章三个模块的关系理清了。你先装好 Nextflow，然后学会 DSL2 的 process + channel + workflow 三要素，最后通过 nextflow.config 把执行环境、资源、容器、版本号统一起来。只有这三个环节都到位了，后面的版本控制和结果一致性才有基石。

2.5 小练习：验证你的安装和配置

光看不练等于白学。我建议你现在就跑一次官方 Hello 示例，确认环境没问题：

nextflow run hello

N E X T F L O W  ~  version 24.04.2
executor >  local (4)
[74/...] process > sayHello (1)
[75/...] process > sayHello (2)
[76/...] process > sayHello (3)
[77/...] process > sayHello (4)
...

看到 4 个进程成功跑过，恭喜你，Nextflow 已经能正常工作了。接下来我们再创建一个最简单的 nextflow.config，放你刚才看的几个关键字段（params、manifest、docker.enabled），然后重新跑一次 Hello。对比两次运行结果，你会发现即使加了配置，输出完全一样。这就是结果一致性的第一课：配置不影响核心逻辑，只控制执行环境。