snakemake介绍

snakemake分享ppt

Snakemake介绍
 官方文档
其他材料：
blog: snakemake-vs-nextflow
article: Sustainable data analysis with Snakemake

任务投递

示例：

snakemake -s LowFreqConsencus.Pipeline.split.smk  -p \
# 向流程传递参数
-C  S=/ifstj2/B2C_RD_H1/Project/Halos_VersionUpdate_test/v1.4.4.2/InterTest/4Pipe.path  O=/ifstj2/B2C_RD_H1/Project/Halos_VersionUpdate_test/v1.4.4.2/InterTest  \
# 设置任务投递方式（使用集群sge示例）
--cluster "qsub -clear -V -cwd -P P18Z11900N0299 -q bc_b2c.q,b2c_rd.q  -l num_proc={threads} -l vf={resources.mem_mb}M -binding linear:{threads}"
# 设置snakemake调度任务的指标
--rerun-incomplete --jobs 1000 --restart-times 5 --keep-going --rerun-incomplete --latency-wait 60 --stats runtime.json

常用参数：

-C
向流程传递参数
例如 -C S=”string” 则在smk中可以通过使用 config[‘S’] 调用相关参数完成参数传递。 -C 传递的值统一保存在字典 “config” 中。
–jobs
设置并行的最大任务数目。
–config
向snakemake传递参数（字典形式），会保存在 config 中
–configfile
指定配置文件路径（可以支持多个）
–cores
设置任务最多使用的核数
–resources
设置任务最多使用的内存
–forceall
强制执行某条Rule及它的依赖。
–list
展示smk脚本中所能获得的所有Rule
–dag

生成流程逻辑框架图：
snakemake xxxx(流程本身的参数)  --dag  | dot -Tsvg > dag.svg
#如果snakemake流程本身会打印输出内容，则需要单独处理如下：
snakemake xxxx(流程本身的参数)  --dag  >tmp.txt
# 删除tmp.txt文档中流程自身打印的内容，然后生成图片
dot -Tsvg tmp.txt > dag.svg

–touch
更新文件的时间戳（不会重新跑）
–force, -f
重新运行第一条或指定的某条Rule
–forcerun, -R
强制执行snakefile，更新rule时，使用此命令。会同步更新后续的所有结果
–dry-run, -n
生成相关分析路径的shell脚本，但是不进行实际的执行。
–keep-going,
在某个任务失败后，继续运行其他的独立任务；

–cluster
针对集群投递到计算节点的参数设置；

1	--cluster "qsub -clear -cwd -P P18Z11900N0299 -l num_proc={threads} -l vf={params.resources} -binding linear:{threads}"

–restart-times
任务失败后，重投的次数
1
--restart-times 5
–rerun-incomplete,
针对结果不完整的数据，重跑所有的rules；
–unlock
解锁被异常锁定的目录
–stats
记录任务的执行状态，输出到指定文件
–nocolor
不输出彩色的结果
–drmaa-log-dir
仅限使用 -drmaa 进行任务调度时有效。指定shell的log（.e 和 .o）输出目录.

资源配置

SGE

以SGE为例，可以通过设置配置文件，调整每个任务运行时所需要的资源

1	qsub -clear -cwd -l vf=${mem}g,num_proc=${cpu} -P ${Project_ID} -binding linear:${cpu} -q ${Queue_ID} work.sh -o work.sh.o -e work.sh.e

创建资源配置文件 cluster.yaml 编辑各个任务资源的相关资源需求。

localrules: all
__default__: # 默认标准
  queue: "Queue_ID"
  project: "Project_ID"
  workdir: "./"
  mem: "1G"
  cores: 1
trim: ...
rmhost:
  mem: "4G"
  cores: 4
  output: "cluster_logs/{rule}.{wildcards}.o"
  error: "cluster_logs/{rule}.{wildcards}.e"

为任务单独设置运行环境

通过conda

为计算规则设置单独的计算环境
不同的计算规则中依赖的软件之间可能有冲突，无法在同一个环境中配置好。
使用conda指令，smk可以为每个计算规则新建conda环境，并在其中运行计算。
为rmhost规则新建一个环境：

mkdir envs
cat > envs/rmhost.yaml
channels:
  - bioconda
dependencies:
  - bowtie2=2.3.5.1
  - samtools=1.10
修改Snakefile文件：
rule rmhost:
    input: ...
    output: ...
    conda:
        "envs/rmhost.yaml"
    shell: ...

运行smk时，加上–use-conda参数即可为每个规则建立conda的独立环境。

1	snakemake --use-conda

rule内的函数

protected

1	在文件生成后，将文件权限改为只读文件。

priority
设置任务优先级，从而一定调整各个rule的运行的顺序。