Snakemake 执行：运行你的第一条流水线

写好了 Snakefile，接下来就是让它跑起来。这部分其实最直接，但也是坑最多的地方。我刚开始用 Snakemake 时，觉得就一句 snakemake 完事，结果动不动就报错，还不清楚哪里出了问题。后来才明白，执行命令背后藏着好几个关键模式——特别是 dry-run 和 DAG 图，几乎是我每次写新流水线必用的调试工具。

snakemake 命令基础

Snakemake 的命令格式很简单：

snakemake [选项] [目标文件或规则]

默认情况下，Snakemake 会在当前目录找 Snakefile，然后执行第一条规则（通常是 rule all）。你可以直接指定一个目标文件，比如：

snakemake results/sample1.bam

这会只构建 results/sample1.bam，不会管其他样本。我个人习惯是先写一个 rule all 把所有最终结果列进去，然后只敲 snakemake，省心。

Dry-run 模式：先模拟再执行

你写了一个复杂的 Snakefile，里面有几十个规则、几百个通配符。你敢直接跑吗？我不敢。这时候 dry-run 就派上用场了。

snakemake -n

加上 -n 或 --dry-run，Snakemake 会模拟执行，打印出每一步要做什么，但不会真的创建或删除文件。我每次修改完 Snakefile 都先跑一次 dry-run，检查规则顺序和输入文件是否对。

配合 -p 参数（打印执行的 shell 命令）效果更好：

snakemake -n -p

输出会显示每个规则对应的具体命令，方便你检查通配符是否展开正确。

生成依赖图

Snakemake 最酷的功能之一，就是可以自动生成 DAG（有向无环图）的 DOT 文件。用 Graphviz 渲染出来，你就能直观看到流水线的执行顺序和依赖关系。

snakemake --dag | dot -Tpng > dag.png

如果安装了 Graphviz，直接运行上面命令就能得到一张 PNG 图。我常用 --forceall 把整个 DAG 都画出来，即使某些步骤已经完成：

snakemake --dag --forceall | dot -Tpng > full_dag.png

还有一种更轻量的方式，用 snakemake --rulegraph 生成规则级别的图（不展开样本）：

snakemake --rulegraph | dot -Tpng > rulegraph.png

依赖图是我调试流水线的“X 光片”。有一次我发现 DAG 里多了个不该存在的边，原来是某个规则写了相同的输出文件名，Snakemake 自动合并了——还好提前看到。

常见执行场景与参数

除了 -n 和 --dag，还有几个参数我几乎天天用：

参数	作用	我的常用场景
-j N	并行执行 N 个任务	服务器有 32 核，snakemake -j 30，留两个核给系统
-p	打印所有 shell 命令	想看规则到底跑了什么脚本
-k	遇到错误继续执行后续规则	批量处理 100 个样本，某个样本报错，不想重跑整个队列
--rerun-incomplete	重新运行输出不完整的任务	上次运行被中断，用这个自动补全
--cluster	提交到集群（如 SLURM）	snakemake -j 100 --cluster "sbatch -t 60"

嗯，这里要注意 --rerun-incomplete 是 Snakemake 7 之后的默认行为，但早期版本需要显式加，记一下。

我的避坑经验

我曾经踩过一个坑：写了一个 Snakefile，在本地 dry-run 完全正常，但上了集群跑就报“MissingInputException”。查了半天，发现是集群上某个参考文件路径写错了，而 dry-run 不检查输入文件是否存在。所以现在我的习惯是：

1. 先在本地用 -n 检查 DAG 结构。
2. 再用 touch 创建几个占位输入文件，实际跑一小部分（snakemake -j 1 --resources mem_gb=8 限制资源）。
3. 最后才提交集群全量跑。

另外，--force 和 --forceall 的区别也容易搞混。--force 只强制重新运行指定的目标，--forceall 会强制重新运行所有上游规则。我曾经用 --forceall 修改了一个参数，结果把整个流水线从原始数据开始重跑了一遍，白白浪费一天计算时间。

本章小结

执行 Snakemake 流水线并不只是敲个命令。dry-run 让你安全预览，依赖图让你看清全局，再加上集群参数和错误处理，你就能灵活控制整个流程。把这张图记住，以后写 Snakefile 会顺手很多。