一步到位-把生信分析装在“盒子”里

引言

每一个做生信的人在安装新软件之前都曾有过期待，这个软件要一次性安装好，可现实往往是残酷的...可见有一个良好的分析环境，对我们的研究效率是有多么的高！

配置环境的“老大难”

经过之前流程构建的介绍，估计有的小伙伴们准备磨刀霍霍了。且慢！有过流程分析的小伙伴可能有经验，在别人机器下运行地好好的流程，却在自己的机器上始终运行不起来，明明软件都安装好了咋就运行不起来（掀桌子！），但又受限于对计算机系统的复杂性，遇到了此类问题时，只能听天命了，真是令人捉狂！去问开发者，开发者常常会说：“它可以在我的机器上跑了”，也就是说可能换个环境，流程就认生跑不动了。这就说明生物信息学分析所用到的软件对环境需求都是不一样的。

那有没有办法来解决这个问题呢？答案是肯定的。聪明的研究者们想到，如果把这些软件和依赖放到一个干净统一的环境下，你和我运行流程时的环境配置都是一模一样的，于是上面遇到的问题就解决了。带着这样的需求，虚拟环境的概念出现了，如virtualenv和conda，两者之间的不同是，virtualenv是Python的环境管理器，而conda不仅是包和环境管理器，还不仅限于Python还支持R、Perl等，扩大了conda的使用范围。

看似版本依赖问题解决了，但爱想问题、爱折腾你可能时不时会冒出这样的想法：一个linux环境下的流程，我要怎么在windows下面运行呢？不能让我再安个linux系统吧，那可太麻烦了！Bingo！你想的问题，也正是别人也会想到的问题。这里就要介绍我们今天要讲的主角Docker了。

Docker是什么？

根据Docker文档中的定义：将软件打包成标准化单位，用于开发，装运和部署。

Package Software into Standardized Units for Development, Shipment and Deployment.

很多人看了这个概念跟没看一样，根本不知道说的是什么。其实简单来讲，我们把关注点放到后面的装运和部署。想要装运，那么就得要一个容器去装载里面的货物；想要部署，容器就要有一个良好设施去存放货物，比如linux环境。如此，Docker就是一个有着良好环境可以存放货物的环境，且这个环境不受外界因素的干扰，独立却功能俱全，就相当于把你分析所需要的所有软件都装在“盒子”里面，且没有依赖冲突。所以你将Docker看做是一个轻量级的操作系统也是可以的。

Docker能干什么？

由于Docker可以将程序和与该程序的依赖，打包放在一个文件存储系统里面。运行这个文件存储系统时，就会生成一个虚拟的容器，这个容器里面有着独立的数据库、软件运行环境、独立的服务器进程，程序在这个虚拟容器里面运行，就像在一个真实的机器上运行一样。有了Docker，就不必再担心环境问题了。

上面只是简单介绍了一下Docker的使用场景，其主要优点有：

运行环境标准化：在本地测试他人的软件、提供集成的测试环境。以前流程执行的不成功，我们经常可以推锅给运行环境，这下有了Docker以后锅可没得甩了；

可移植性：就是无缝将云平台的Docker部署到自己的电脑上，把自己配置好的Docker容器上传到网上，今天去这家，明天去那家，如鱼得水，部署飞快；

组件微服务构架：通过使用多个容器，一台机器可以运行多个服务，因此可以在本机模拟出微服务器架构。

Docker的一些缺点

作为一个不断发展的工具，自然会有一些缺点：

权限要求：Docker的运行需要ROOT权限，或者添加docker用户，但对于在集群或者云平台上的用户来说，由于权限的限制只能通过conda等工具完成分析软件部署，这就导致了很大一部分用户很难拥抱这个好用的工具；

宿主配置：只能在64位的系统上运行，32位无法正常运行，且只能虚拟基于linux的服务，windows的服务目前不支持；

安全性：Docker设计上一定程度地保护了docker容器的安全，但是宿主机能够对docker内部的文件可以毫无障碍地读取和删除，一旦有了宿主机的权限就掌握了对上面docker容器的生杀大权。

Docker的几个重要概念

镜像（Image）：跟安装操作系统使用的系统镜像（iso）一样，Docker 镜像也相当于一个小而完整的操作系统如Ubuntu 18.04。每个镜像有自己唯一的ID，名字和标签，还包含一些运行时准备的一些配置参数（如环境变量、软件等）。镜像不包含任何动态数据，其内容在构建之后也不会被改变。

容器（Containers）: 是一种超轻量级的虚拟机，在里面可以安装、运行程序，还可以把安装好的程序存储起来获得新的镜像。

仓库（Registry）：镜像构建完成后，可以很容易的在当前宿主机上运行，但是，如果需要在其它服务器上使用这个镜像，我们就需要一个集中的存储、分发镜像的服务，就如同存储镜像的数据库一样，Docker Registry 就是这样的服务。

Docker与生物信息学

巴拉巴拉说了这么多，那Docker怎么用到生物信息学上面来呢？有比较基因组分析经历的同学可能用到过circos，因其是完全依赖于Perl的软件，在安装相关依赖的时候显得尤其麻烦。经常会显示“Can't locate ***/***.pm in @INC (@INC contains: /path/to/circos-0.55/bin/lib /path/to/circos-0.55/bin/../lib)”等错误，还会因为各种没有权限而苦恼。有了Docker你就不用怕啦，只需运行“docker pull alexcoppe/circos”，然后circos就安装好啦，没错，一条命令就搞定了；只需一步，circos安装抱回家！如下图：

可能有的小伙伴就会犯嘀咕，“这不和conda干的是同一件事吗？”确实，在很多时候Docker能干的事，conda就能完成。但是，Docker是更接近操作系统的工具，conda能同时在一个环境里面安装Python2和Python3吗？Docker就能，而且在Docker容器中也能安装conda哟！一键搞定环境依赖，那种解脱的感觉，只有发文章的时候才能感受到吧！

结束语

好了，关于Docker的基本知识就说到这，以后我们再接着讲具体的使用方法。因为Docker有着良好可移植性，保证了分析结果可重复性，提高结论可行度，我相信在不久的将来，使用Docker进行生物信息学应用、软件的发布将成为共识。同时也由于生信生态的普及，越来越多的研究人员加入这个大家庭中，怎么使得软件更方（傻）便（瓜）走进研究人员的日常，这应该是我们做生信的小伙伴要关注的点！

它，

不仅仅是一个码，

还是知识！