Anaconda 使用的一些体验与困惑

Channels 使用

需要注意的是做生信分析的童鞋使用 conda 环境时一定要特别注意 conda channels 的设置，滥用 channels 很有可能会导致你的软件升降级（甚至环境）错乱。推荐设置如下（~/.condarc）：

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - defaults
show_channels_urls: true

mirrors.tuna.tsinghua.edu.cn/anaconda 是清华大学提供了一个 conda 的镜像；
mirrors.ustc.edu.cn/anaconda 是中科大 conda 镜像，有需要的也可以使用；
mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda 是生物信息学专用的 channel：

从 2019.04 起清华大学和中科大宣布停止 Anaconda 镜像服务，但是出于教育科研机构使用的前提，在 2019-05-15 清华大学又宣布重新恢复了 Anaconda 镜像！

因此原来使用国内镜像的 conda 可以根据自身需求决定是否需要变更新的 channels：

channels:
  - conda-forge
  - bioconda
  - main
  - free
  - r
  - pro
  - defaults
show_channels_urls: true

更多 Anaconda channels，可以参考：https://repo.continuum.io/pkgs/。

软件安装使用

Anaconda 环境下的软件尽量使用 conda、pip 命令去安装。但同时也产生了一个问题，即 conda 中安装了 R，有些使用了 install.packages() , install_github , biocLite 等方式安装的 R 包，在环境迁移的时候，这些包如何迁移？

环境激活

conda 4.6.x 切换环境使用的是：

$ source activate bio-base

conda 4.7.x 后切换环境变成了：

# To activate this environment, use:
> conda activate bio-base

# To deactivate an active environment, use:
> conda deactivate

问题是，conda-4.7.x 使用推荐的命令切换环境，还要你 init 初始化一下 conda，不想 init 的话可以用回 4.6.x 的方式切换环境：

$ conda --version
conda 4.7.5

$ conda activate bio-base
CommandNotFoundError: Your shell has not been properly configured to use 'conda activate'.
To initialize your shell, run

$ conda init <SHELL_NAME>

Currently supported shells are:
  - bash
  - fish
  - tcsh
  - xonsh
  - zsh
  - powershell

See 'conda init --help' for more information and options.

IMPORTANT: You may need to close and restart your shell after running 'conda init'.

$ source activate bio-base
(bio-base) shenweiyan@ecs-steven 10:49:59 /home/shenweiyan
$ which python
/Bioinfo/Pipeline/SoftWare/Anaconda3/envs/bio-base/bin/python
$ source deactivate bio-base
DeprecationWarning: 'source deactivate' is deprecated. Use 'conda deactivate'.

shenweiyan@ecs-steven 11:03:40 /home/shenweiyan
$ source activate bio-base
(bio-base) shenweiyan@ecs-steven 11:03:50 /home/shenweiyan
$ conda deactivate
(bio-base) shenweiyan@ecs-steven  11:03:57 /home/shenweiyan
$

环境导出与恢复

使用 conda 命令安装的包，都可以使用下面的命令导出依赖包/环境并批量恢复：

# To create a requirements.txt file
# Gives you list of packages used for the environment
conda list 

# Save all the info about packages to your folder
conda list -e > requirements.txt 

# To export environment file
activate <environment-name>
conda env export > <environment-name>.yml

# For other person to use the environment
conda env create -f <environment-name>.yml

# Install via `conda` directly.
# This will fail to install all dependencies. If one fails, all dependencies will fail to install.
conda install --yes --file requirements.txt

# To go around issue above, one can iterate over all lines in the requirements.txt file.
while read requirement; do conda install --yes $requirement; done < requirements.txt

R 与 R 包安装

R Essentials 软件包包含 IRKernel 和 80 多种最流行的数据科学 R 软件包，包括 dplyr，shiny，ggplot2，tidyr，caret 和 nnet 等。

1. R 软件

conda 安装 R 有很多种方法，如可以通过 r=3.6.x，或者 r-base、r-irkernel、r-essentials 都可以。需要注意：

如果需要在 Anaconda 的 Jupyter Notebook 中使用 R，建议使用 conda install -c r r-irkernel 或者 conda install -c r r-essentials 的方式安装，因为 conda install -c r r=3.6.x/r-base 默认不会安装 irkernel，而且先安装的 r=3.6.x/r-base 可能与后安装的 r-irkernel/r-essentials 产生冲突。

2. R 包

通过 conda 安装的 R，在安装 R 包时，最好使用 conda 命令去安装，conda 无法安装的（如 github 的包）再考虑其他的安装方式。

2.1 install.packages

install.packages()安装所有 R 包：

> data = read.table("r-packages.txt",  header=T, check.names=F, quote="")
> soft = as.vector(data[,1])
> install.packages(soft)

2.2 bioconductor

Bioconductor 镜像：

Bioconductor 镜像源配置文件之一是 .Rprofile (Linux 下位于 ~/.Rprofile )。在文末添加如下语句：

#清华大学开源镜像
options(BioC_mirror="https://mirrors.tuna.tsinghua.edu.cn/bioconductor")

也可以在安装过程中指定镜像：

source("http://bioconductor.org/biocLite.R")
#指定一个离你最近的国内镜像
options(BioC_mirror="http://mirrors.ustc.edu.cn/bioc/")
biocLite("包名")

Bioconductor 包安装：

在 R-3.5（Bioconductor-3.7）前，Bioconductor 都是通过 biocLite 安装相关的 R 包：

> source("http://bioconductor.org/biocLite.R")
> options(BioC_mirror="http://mirrors.tuna.tsinghua.edu.cn/bioconductor")
> data = read.table("r-biocLite.txt",  header=T, check.names=F, quote="")
> head(data)
  biocLite_Packages_Name
1                RSQLite
2               KEGGREST
3                    png
4                   Rcpp
5                 digest
6          AnnotationDbi
> soft = as.vector(data[,1])
> biocLite(soft)

从 R-3.5(Bioconductor-3.8) 起，Bioconductor 开始使用 BiocManager 安装 R 包：

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install()

2.3 github_install

GitHub 上的一些最新 R 包，可以使用 devtools 进行安装：

install.packages("devtools")
library(devtools)
install_github("jokergoo/ComplexHeatmap")

特别注意的软件

gcc

对于使用 conda install --yes --file requirements.txt 重装某一个环境的所有软件时，如果软件中包含了 gcc，安装了 R 后，在使用 R 时会可能会引发错误：

/path/to/SoftWare/Anaconda/v2/lib/R/bin/exec/R: /path/to/SoftWare/Anaconda/v2/lib/R/bin/exec/../../lib/../../libgomp.so.1: version `GOMP_4.0' not found (required by /path/to/SoftWare/Anaconda/v2/lib/R/bin/exec/../../lib/libR.so)

glibc

glibc 是 GNU 发布的 libc 库，即 c 运行库。glibc 是 linux 系统中最底层的 api，几乎其它任何运行库都会依赖于 glibc。glibc 除了封装 linux 操作系统所提供的系统服务外，它本身也提供了许多其它一些必要功能服务的实现。由于 glibc 囊括了几乎所有的 UNIX 通行的标准，可以想见其内容包罗万象。而就像其他的 UNIX 系统一样，其内含的档案群分散于系统的树状目录结构中，像一个支架一般撑起整个作业系统。在 GNU/Linux 系统中，其 C 函式库发展史点出了 GNU/Linux 演进的几个重要里程碑，用 glibc 作为系统的 C 函式库，是 GNU/Linux 演进的一个重要里程碑。

有一些软件对于 glibc 的版本会有要求，如 cnvnator-0.3.3 要求 glibc >= 2.14。虽然在 Anaconda 中有很多 channel 都提供了 glibc，但千万注意一定要注意不要轻易去安装，否则有很大的概率会导致整个环境挂掉，甚至会导致当前环境中的 conda、python 出现动态库混乱错误，恢复起来相当麻烦！

我在《一次"胆战心惊"的真实集群运维经历》记录了 gblic 的一些集群吐血经历，感兴趣的可以了解一下。

什么时候使用 Anaconda

对于 Anaconda(conda) 软件安装以及依赖解决的原理，很多人，包括我可能都会对这个黑盒子表示一头雾水。真实的情况是，如果在一个环境中安装了几百个软件(包)，再去新装软件，这时候 Anaconda 常常会卡在 Collecting package metadata 和 Solving environment 过程中，甚至一个晚上都没法解决环境的依赖。

conda 官方说他们在 conda-4.7 中花了很多的精力去提升了 conda 的速度（参考官方文章：《How We Made Conda Faster in 4.7》），但从 4.6 升级到 4.7 过程很容易导致环境崩溃，修复起来极其麻烦（反正我折腾了一个晚上都没能把我的 base 给恢复回来，吐血的经历）！

对于新手而言，Anaconda 的确是非常简单易用，如果对于多用户的服务器端，或者是提供公共使用的软件库是否需要采用 Anaconda，个人觉得的确需要慎重考虑一下，最起码需要考虑：

是否需要根据流程划分环境？如果每个流程都需要使用 Python+R+Perl，每个环境都安装这三个软件（包），如何避免空间浪费？
需要考虑如何备份和恢复环境。万一某个环境崩溃，有什么快速替代的方案而不影响业务。

或许还有更多的问题，这里没有列出来，如果大家有什么更好的想法或者建议，也欢迎留言交流。

往期精彩：

——The End——

本文分享自微信公众号 - 生信科技爱好者（bioitee）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。