2. 数据库下载失败：那些年我踩过的坑

数据库下载是整个Kraken2流程的第一步，也是最容易出问题的一步。你可能遇到过：跑到一半卡住了，或者压根连不上，再或者磁盘满了报错。说实话，我最早接触Kraken2时，光下载数据库就折腾了整整一个下午。今天就掰开揉碎聊一聊这几种常见错误，以及怎么对付它们。

2.1 网络连接超时

这恐怕是出现频次最高的错误了。Kraken2的数据库文件动辄几十GB，从海外服务器下载，一旦网络不稳定，分分钟报超时。

错误表现	典型日志片段
下载中途卡住，最终失败	curl: (28) Connection timed out after 30000 milliseconds
wget长期无响应	Resolving genomes.queensu.ca... failed: Temporary failure in name resolution.

解决方法：

• 更换镜像源：我个人习惯用国内镜像（如清华、中科大），速度能快很多。Kraken2官方也提供了多个备用地址。
• 增加超时时间：wget加上 --timeout=0 或者设置一个大值。
• 使用断点续传：curl -C - 或 wget -c，中断后不必重头再来。

# 使用 curl 断点续传
curl -C - -O https://genome-idx.s3.amazonaws.com/kraken/k2_standard_20230605.tar.gz

# 使用 wget 增加超时并续传
wget -c --timeout=3600 https://genome-idx.s3.amazonaws.com/kraken/k2_standard_20230605.tar.gz

2.2 数据库源URL变更

Kraken2的官方数据库托管在Amazon S3和几个大学站点上。这些URL偶尔会调整。我记得有一次，Ben Langmead实验室迁移了服务器，旧链接直接404。

如何发现：日志里出现 HTTP 404 或 403 Forbidden。更隐蔽的情况是重定向到了错误的页面，下载下来的是一个HTML而不是tar.gz。

解决方法：

1. 检查官方最新URL：去Kraken2 GitHub仓库的README或者Wiki，那里会列出当前有效的数据库下载链接。
2. 更新下载脚本：如果你在用自动化脚本（比如 kraken2-build --download-taxonomy），记得升级到最新版本的Kraken2，它内置的URL列表会同步更新。
3. 手动指定URL：可以用 --db-url 参数覆盖默认路径。

# 手动指定一个已知有效的数据库URL
kraken2-build --download-library bacteria --db-url https://genome-idx.s3.amazonaws.com/kraken/

2.3 代理设置错误

很多实验室或公司网络需要设置HTTP/HTTPS代理才能访问外网。但Kraken2的下载工具（比如内置的curl/wget调用）默认不会读取系统代理环境变量。这就导致明明浏览器能上网，命令行却下载不了。

典型错误：

• Could not resolve host: genome-idx.s3.amazonaws.com
• curl: (7) Failed to connect to ... Connection refused

解决方法：

场景	解决方式
使用 wget/curl 手动下载	设置 http_proxy 和 https_proxy 环境变量
使用 kraken2-build 自动下载	在命令前加上 export http_proxy=http://your-proxy:port; export https_proxy=$http_proxy;
使用 conda 安装的 Kraken2	检查 conda 代理设置是否一致

# 设置代理环境变量（临时）
export http_proxy=http://proxy.example.com:8080
export https_proxy=http://proxy.example.com:8080

# 然后执行下载
wget -c https://genome-idx.s3.amazonaws.com/kraken/k2_standard_20230605.tar.gz

2.4 磁盘空间不足导致下载中断

这一条最容易被忽视。Kraken2的完整标准数据库解压后要占用约70GB以上的空间，下载的压缩包本身也有40GB左右。很多人只看了压缩包大小，没算解压后的占用量。

错误表现：

• 下载到99%卡死，然后报 No space left on device
• 解压时报 write error: disk full
• df -h 看到目标分区已用100%

解决方法：

1. 提前检查磁盘：df -h /path/to/db_directory，确保至少有150GB空闲。
2. 使用 --db-path 指定大分区：比如挂载在 /data 的磁盘。
3. 边下载边解压：如果确信空间够，可以考虑用管道直接解压，避免同时存压缩包和原始文件。

# 检查磁盘空间
df -h /data

# 指定数据库存放路径（假设 /data 有足够空间）
kraken2-build --standard --db /data/kraken_db

# 边下载边解压（节省压缩包占用）
curl -L https://genome-idx.s3.amazonaws.com/kraken/k2_standard_20230605.tar.gz | tar xz -C /data/kraken_db

# 设置临时目录到 /data/tmp
mkdir -p /data/tmp
export TMPDIR=/data/tmp
kraken2-build --standard --db /data/kraken_db

2.5 综合排查清单

如果你实在找不到具体原因，可以按下面这个顺序逐一核查。我把它们列成了一张表，方便你对照。

步骤	检查项	快速验证命令
1	网络连通性	ping genome-idx.s3.amazonaws.com
2	DNS解析	nslookup genome-idx.s3.amazonaws.com
3	代理配置	echo $http_proxy
4	磁盘空间	df -h /data 和 df -h /tmp
5	URL是否有效	curl -I https://genome-idx.s3.amazonaws.com/kraken/k2_standard_20230605.tar.gz
6	文件系统权限	touch /data/test_write && rm /data/test_write