WSL 安装与使用教程：生信工程师的 Windows+Linux 双系统方案¶

最低要求：
- Windows 10 版本 2004（Build 19041）或更高
- Windows 11 任何版本（推荐）
- Home / Pro / Enterprise 版均可

查看你的版本：
Win+R → 输入 winver → 回车

# 这一条命令会自动完成以下所有操作：
# 1. 启用 WSL 功能
# 2. 启用虚拟机平台
# 3. 下载最新 WSL 内核
# 4. 设置 WSL2 为默认版本
# 5. 安装 Ubuntu（默认安装 Ubuntu 24.04）
wsl --install

# 先查看可用的发行版列表
wsl --list --online

# 安装 Ubuntu 22.04（推荐生信使用）
wsl --install -d Ubuntu-22.04

# 步骤1：启用 WSL 功能
dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart

# 步骤2：启用虚拟机平台
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

# 步骤3：重启电脑（必须！）
# --- 重启后继续 ---

# 步骤4：设置 WSL2 为默认版本
wsl --set-default-version 2

# 步骤5：从 Microsoft Store 搜索 "Ubuntu 22.04" 安装
# 或者用命令行：
wsl --install -d Ubuntu-22.04 --web-download
# --web-download 表示直接从网络下载，跳过 Store（解决有些电脑 Store 连不上的问题）

# 查看 WSL 版本信息
wsl --version

# 示例输出：
# WSL 版本：2.7.0.0
# 内核版本：6.6.114.1
# WSLg 版本：1.0.68
# ......

# 查看已安装的发行版
wsl --list --verbose
# 或简写
wsl -l -v

# 示例输出：
#   NAME            STATE           VERSION
# * Ubuntu-22.04    Running         2

Enter new UNIX username: user
# 输入你的用户名（建议小写英文，不要中文）

New password:
# 输入密码（输入时不会显示任何字符，这是 Linux 的安全设计，正常输入即可）

Retype new password:
# 再输一次确认

# 先备份原始源文件
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

# 用清华镜像替换（Ubuntu 22.04 代号是 jammy）
# 如果是 Ubuntu 24.04 代号是 noble，替换下面的 jammy 为 noble
sudo tee /etc/apt/sources.list << 'EOF'
# 清华大学 Ubuntu 镜像源
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse
EOF

# 更新软件包列表
sudo apt update

# 升级已安装的软件包
sudo apt upgrade -y

# 这些工具在后续生信分析和日常使用中经常用到
sudo apt install -y \
    build-essential \    # 编译工具（gcc、make 等，安装一些软件需要）
    curl \               # 下载工具（类似 wget，但功能更多）
    wget \               # 下载工具
    git \                # 版本控制
    unzip \              # 解压 zip 文件
    tree \               # 树状显示目录结构
    htop \               # 增强版系统监控（比 top 好看好用）
    vim \                # 文本编辑器
    nano                 # 另一个文本编辑器（更简单，适合新手）

方式1：在开始菜单搜索 "Ubuntu" 点击打开

方式2：打开 Windows Terminal，点击下拉箭头选择 "Ubuntu"

方式3：在任意终端（PowerShell / CMD）输入：
  wsl                    # 进入默认发行版
  wsl -d Ubuntu-22.04    # 进入指定发行版

方式4：在文件资源管理器地址栏输入 wsl 回车

方式5：在 VS Code 里用 Remote-WSL 插件直接连接

exit          # 退出当前 WSL 终端
# 或者按 Ctrl+D

# 在 PowerShell 中执行：

wsl --shutdown          # 关闭所有 WSL 实例（修改配置后需要执行这个）
wsl --terminate Ubuntu-22.04   # 关闭指定发行版

从 WSL 访问 Windows 文件：/mnt/c/  /mnt/d/  ...
从 Windows 访问 WSL 文件：\\wsl$\Ubuntu-22.04\home\user\

# 进入 Windows 桌面
cd /mnt/c/Users/你的Windows用户名/Desktop/

# 把 Windows 上的数据复制到 WSL 的 home 目录
cp /mnt/c/Users/user/Downloads/sample.fastq.gz ~/data/

# 列出 D 盘的内容
ls /mnt/d/

explorer.exe .    # 注意最后有个点（表示当前目录）

=== 黄金法则 ===
生信数据和分析脚本放在 Linux 文件系统（~/）里，不要放在 /mnt/c/ 下！

原因：
- Linux 文件系统（~/data/）：读写速度接近原生 Linux，快
- 跨系统访问（/mnt/c/）：要经过 9P 协议翻译，慢 5-10 倍

错误做法：在 /mnt/c/Users/user/bioinformatics/ 下跑 fastp
正确做法：把数据 cp 到 ~/data/ 再跑分析

pwd                 # 显示当前在哪个目录（Print Working Directory）
ls -la              # 列出所有文件（含隐藏文件）的详细信息
cd ~/data           # 进入 home 目录下的 data 文件夹
mkdir -p results/qc # 创建多层目录（-p 表示自动创建父目录）
cp -r dir1/ dir2/   # 复制整个目录（-r 递归复制）
mv old.txt new.txt  # 重命名 / 移动文件
rm -rf temp/        # 删除目录和里面所有内容（谨慎使用！rm 删了就没了）

cat file.txt           # 查看文件全部内容
head -20 file.fastq    # 看前 20 行
tail -20 file.fastq    # 看后 20 行
less file.txt          # 翻页查看（按 q 退出）
wc -l file.txt         # 统计行数
grep "gene" result.tsv # 搜索含 "gene" 的行
find . -name "*.fastq" # 在当前目录下找所有 .fastq 文件

df -h              # 查看磁盘使用情况（-h 人类可读格式）
free -h            # 查看内存使用情况
htop               # 交互式查看 CPU/内存/进程（按 q 退出）
uname -a           # 查看系统内核信息

chmod +x script.sh    # 给脚本加执行权限
sudo command          # 以管理员身份执行命令
nohup ./run.sh &      # 后台运行，关闭终端也不会停
kill PID              # 终止指定进程

# === 搜索软件 ===
apt search samtools       # 搜索 apt 仓库里有没有 samtools

# === 安装软件 ===
sudo apt install -y tree  # 安装 tree 命令
# sudo = 以管理员身份执行（类似 Windows 的"以管理员身份运行"）
# -y   = 自动确认，不用手动输入 yes

# === 更新软件 ===
sudo apt update           # 更新软件列表（相当于刷新应用商店）
sudo apt upgrade -y       # 升级已安装的所有软件

# === 卸载软件 ===
sudo apt remove tree      # 卸载 tree
sudo apt autoremove -y    # 清理不再需要的依赖包

# === 清理缓存（释放磁盘空间） ===
sudo apt clean            # 清理下载缓存

# 下载 Miniforge 安装脚本
wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh

# 运行安装脚本
bash Miniforge3-Linux-x86_64.sh
# 安装过程中：
# - 按 Enter 查看许可协议，按 q 跳过
# - 输入 yes 接受协议
# - 默认安装路径 ~/miniforge3，直接回车
# - 问是否初始化 conda，输入 yes

# 安装完成后，重新加载 shell 配置
source ~/.bashrc

# 验证安装
conda --version
# 应该显示类似：conda 24.x.x

# 创建名为 bioinfo 的环境（生信常用工具）
conda create -n bioinfo python=3.10 -y

# 激活环境
conda activate bioinfo

# 安装生信工具（按需选择）
conda install -y \
    fastqc \         # 测序质量评估
    fastp \          # 测序数据质控和过滤
    samtools \       # SAM/BAM 文件处理
    bwa \            # 短序列比对
    bedtools \       # BED 文件操作
    multiqc          # 汇总多个质控报告

# 创建机器学习环境
conda create -n ml_env python=3.10 -y
conda activate ml_env
conda install -y scikit-learn pandas matplotlib seaborn jupyter

# 创建质控专用环境
conda create -n qc_env python=3.10 -y
conda activate qc_env
conda install -y fastqc fastp trimmomatic multiqc

conda activate bioinfo       # 激活环境（切换到 bioinfo）
conda deactivate             # 退出当前环境（回到 base）
conda env list               # 列出所有环境
conda list                   # 列出当前环境的所有包
conda install -n bioinfo samtools   # 往指定环境装包
conda remove -n qc_env --all     # 删除整个环境

# 在 WSL 终端中，进入该项目目录
cd ~/projects/t2d_analysis

# 用 VS Code 打开当前目录
code .
# 第一次执行会自动下载 VS Code Server 到 WSL 里
# 之后 VS Code 会在 Windows 上打开，但后端连接的是 WSL

# 也可以直接打开某个文件
code ~/scripts/run_fastp.sh

VS Code 在 WSL 模式下的架构：

Windows 端（你看到的界面）
    ↕  通信
WSL 端（实际的代码编辑、运行、终端）

好处：
- 编辑器界面流畅（Windows 原生渲染）
- 终端、文件操作都在 Linux 里执行（生信工具直接可用）
- VS Code 左下角会显示 "WSL: Ubuntu-22.04"，表示已连接

# .wslconfig 控制所有 WSL2 发行版的全局行为
# 修改后需要执行 wsl --shutdown 才能生效

[wsl2]
# === 内存限制 ===
# 默认 WSL2 会占用物理内存的 50%，如果你电脑只有 16GB，建议限制
memory=8GB                    # 最多使用 8GB 内存
# 白话：相当于给 WSL 设了一个内存"上限"，防止它把电脑内存吃光

# === CPU 核心数 ===
processors=4                  # 最多使用 4 个 CPU 核心

# === 交换空间（虚拟内存） ===
swap=8GB                      # 交换文件大小

# === 网络模式 ===
networkingMode=mirrored       # 镜像模式（推荐，见第14节详解）

# === 自动代理 ===
autoProxy=true                # 自动使用 Windows 的代理设置

# === DNS 隧道 ===
dnsTunneling=true             # 通过 Windows 解析 DNS（解决 DNS 问题）

[experimental]
# === 自动回收内存 ===
autoMemoryReclaim=gradual     # 空闲时逐步释放缓存内存给 Windows
# 白话：WSL 用完内存后不会一直占着，会慢慢还给 Windows

# 用 nano 编辑（需要 sudo 权限）
sudo nano /etc/wsl.conf

# wsl.conf 只影响当前这个发行版

[boot]
# 启用 systemd（后台服务管理器）
systemd=true
# 白话：打开这个后，Docker、MySQL 等服务可以用 systemctl 管理

# 启动时自动执行的命令（可选）
# command=service docker start

[automount]
# 自动挂载 Windows 磁盘
enabled=true
# 挂载点路径
root=/mnt/
# 挂载选项（metadata 支持 Linux 文件权限）
options="metadata,umask=22,fmask=11"

[network]
# 自动生成 /etc/resolv.conf（DNS 配置）
generateResolvConf=true
# 自动设置主机名
generateHosts=true

[interop]
# 允许在 WSL 里运行 Windows 程序（如 code.exe、explorer.exe）
enabled=true
# 把 Windows PATH 追加到 WSL 的 PATH
appendWindowsPath=true

# 在 PowerShell 中执行
wsl --shutdown

# 然后重新打开 WSL
wsl

NAT 模式的网络结构：

互联网 ←→ Windows 主机（真实 IP）←→ NAT 网关 ←→ WSL（虚拟 IP：172.x.x.x）

白话：WSL 在一个"小局域网"里，通过 Windows 上网。
WSL 能访问外网，但外网不能直接访问 WSL。

Mirrored 模式的网络结构：

互联网 ←→ Windows 主机 ←→ WSL（共享 Windows 的网络接口）

白话：WSL 和 Windows 共用同一个网络，IP 一样。
localhost 在两边完全互通。

NAT 模式 + 代理：
  WSL 需要手动配置代理，且每次重启 IP 可能变
  需要用脚本动态获取 Windows IP

Mirrored 模式 + 代理：
  WSL 自动共享 Windows 的网络设置
  配合 autoProxy=true，代理几乎零配置

# .wslconfig（放在 C:\Users\你的用户名\ 下）
[wsl2]
networkingMode=mirrored
autoProxy=true

# 编辑 ~/.bashrc，在文件末尾加入以下内容
nano ~/.bashrc

# === 代理开关函数 ===
# 用法：在终端输入 proxy_on 开启代理，proxy_off 关闭代理

function proxy_on() {
    # 如果是 mirrored 模式，Windows IP 就是 127.0.0.1
    # 如果是 NAT 模式，需要动态获取 Windows IP
    if grep -q "nameserver 127.0.0.1" /etc/resolv.conf 2>/dev/null; then
        HOST_IP="127.0.0.1"
    else
        HOST_IP=$(grep nameserver /etc/resolv.conf | awk '{print $2}')
    fi

    # 设置代理端口（改成你的代理软件实际端口）
    # Clash 默认 7890，V2Ray 默认 10809
    local PORT=7890

    export http_proxy="http://${HOST_IP}:${PORT}"
    export https_proxy="http://${HOST_IP}:${PORT}"
    export all_proxy="socks5://${HOST_IP}:${PORT}"
    export no_proxy="localhost,127.0.0.1,::1"

    # 同时设置 git 代理
    git config --global http.proxy "http://${HOST_IP}:${PORT}"
    git config --global https.proxy "http://${HOST_IP}:${PORT}"

    echo "代理已开启：${HOST_IP}:${PORT}"
    # 测试连接
    curl -s --connect-timeout 5 https://www.google.com > /dev/null && echo "连接测试：成功" || echo "连接测试：失败"
}

function proxy_off() {
    unset http_proxy https_proxy all_proxy no_proxy
    git config --global --unset http.proxy
    git config --global --unset https.proxy
    echo "代理已关闭"
}

# 保存后重新加载
source ~/.bashrc

# 使用
proxy_on      # 开启代理
proxy_off     # 关闭代理

# 编辑 WSL 配置文件
sudo nano /etc/wsl.conf

# 添加以下内容：
# [boot]
# systemd=true

# 在 PowerShell 中重启 WSL
wsl --shutdown
wsl

# 验证 systemd 是否启用
systemctl status
# 如果看到 "State: running" 就说明成功了

# 查看某个服务的状态
systemctl status docker

# 启动服务
sudo systemctl start docker

# 停止服务
sudo systemctl stop docker

# 设置开机自启
sudo systemctl enable docker

# 关闭开机自启
sudo systemctl disable docker

# 查看所有运行中的服务
systemctl list-units --type=service --state=running

# 如果启用 systemd 后 WSL 启动变慢（超过 5 秒）
# 查看哪些服务启动最耗时
systemd-analyze blame

# 禁用不需要的耗时服务
# 例如：systemd-networkd-wait-online.service 经常超时
sudo systemctl mask systemd-networkd-wait-online.service

步骤1：在 Windows 上安装最新的 NVIDIA 显卡驱动
  → 去 https://www.nvidia.com/download/ 下载
  → 或者用 GeForce Experience 更新驱动
  → 驱动版本建议 536.123 或更新

步骤2：不要在 WSL 里安装 Linux 版 NVIDIA 驱动！！！
  → 这是最常见的错误
  → WSL 会自动通过 /usr/lib/wsl/lib/ 下的 stub 文件连接 Windows 驱动
  → 自己装 Linux 驱动会覆盖这些 stub，导致 GPU 失效

# 步骤3：验证 GPU 是否可用
nvidia-smi
# 如果看到你的显卡型号和驱动版本，说明 GPU 直通成功
# 示例输出：
# +-------------------------------+
# | NVIDIA-SMI 560.xx             |
# | Driver Version: 560.xx        |
# | CUDA Version: 12.x            |
# | GPU Name: NVIDIA GeForce RTX  |
# +-------------------------------+

# 如果只是用 PyTorch/TensorFlow，conda 装的版本自带 CUDA
# 只有需要编译 CUDA 代码时才需要装 CUDA Toolkit

# 通过 conda 安装 PyTorch（推荐方式，自动处理 CUDA 依赖）
conda activate ml_env
conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia

# 验证 PyTorch GPU 可用
python -c "import torch; print('CUDA可用:', torch.cuda.is_available()); print('GPU:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else '无')"

# GPU 加速的生信工具示例：
# - Parabricks（NVIDIA 出的 GPU 版 BWA/GATK）
# - DIAMOND（GPU 加速的蛋白质比对）
# - Clara Parabricks（宏基因组分析加速）

# 但大多数常规生信工具（fastp、samtools、kraken2）用 CPU 就够了
# GPU 主要用于：机器学习模型训练、深度学习、大规模序列比对

# 查看可安装的发行版
wsl --list --online

# 安装额外的发行版
wsl --install -d Debian
wsl --install -d Ubuntu-24.04

# 查看已安装的发行版
wsl -l -v
# 示例输出：
#   NAME            STATE           VERSION
# * Ubuntu-22.04    Stopped         2      ← * 号表示默认发行版
#   Debian          Running         2
#   Ubuntu-24.04    Stopped         2

# 设置默认发行版（输入 wsl 时进入的那个）
wsl --set-default Ubuntu-22.04

# 进入指定发行版
wsl -d Debian

# 以指定用户身份进入
wsl -d Ubuntu-22.04 -u root

# 导出（备份）一个发行版为 tar 文件
wsl --export Ubuntu-22.04 D:\backup\ubuntu-22.04-backup.tar

# 导入（恢复/克隆）到新位置
wsl --import Ubuntu-22.04-copy D:\wsl\ubuntu-copy D:\backup\ubuntu-22.04-backup.tar

# 卸载某个发行版（注意：会删除所有数据！）
wsl --unregister Debian

为什么要多个发行版？
- Ubuntu-22.04：日常生信分析（bioinfo 环境）
- Ubuntu-24.04：测试新版本工具
- Debian：轻量级用途
- Kali Linux：网络安全学习

但对于生信面试准备，一个 Ubuntu 22.04 就够了。

WSL2 Ubuntu 22.04
├── Miniforge3（conda 包管理器）
│   ├── base 环境（尽量保持干净，不装分析工具）
│   ├── bioinfo 环境（日常生信分析）
│   │   ├── fastqc, fastp, multiqc
│   │   ├── samtools, bedtools, bwa
│   │   ├── kraken2, metaphlan
│   │   └── seqkit, csvtk
│   ├── ml_env 环境（机器学习）
│   │   ├── scikit-learn, xgboost
│   │   ├── pandas, numpy, scipy
│   │   ├── matplotlib, seaborn
│   │   └── jupyter notebook
│   └── qc_env 环境（质控专用）
│       ├── fastqc, fastp
│       ├── trimmomatic
│       └── multiqc
├── ~/data/（原始数据存放）
├── ~/projects/（分析项目）
│   └── t2d_analysis/（该 T2D 项目）
│       ├── scripts/
│       ├── data/
│       └── results/
└── ~/software/（手动安装的软件）

#!/bin/bash
# 文件名：setup_bioinfo.sh
# 用途：在 WSL 中一键搭建生信分析环境
# 用法：bash setup_bioinfo.sh

echo "=== 开始搭建生信环境 ==="

# 创建目录结构
mkdir -p ~/data ~/projects ~/software ~/results

# --- 创建 bioinfo 环境 ---
echo ">>> 创建 bioinfo 环境..."
conda create -n bioinfo python=3.10 -y
conda activate bioinfo || source activate bioinfo

# 安装宏基因组分析常用工具
conda install -y -c bioconda -c conda-forge \
    fastqc \
    fastp \
    multiqc \
    samtools \
    bedtools \
    bwa \
    seqkit \
    csvtk

echo ">>> bioinfo 环境创建完成"

# --- 创建 ml_env 环境 ---
echo ">>> 创建 ml_env 环境..."
conda create -n ml_env python=3.10 -y
conda run -n ml_env conda install -y \
    scikit-learn \
    xgboost \
    pandas \
    numpy \
    scipy \
    matplotlib \
    seaborn \
    jupyter

echo ">>> ml_env 环境创建完成"

# --- 创建 qc_env 环境 ---
echo ">>> 创建 qc_env 环境..."
conda create -n qc_env python=3.10 -y
conda run -n qc_env conda install -y -c bioconda -c conda-forge \
    fastqc \
    fastp \
    trimmomatic \
    multiqc

echo ">>> qc_env 环境创建完成"

echo "=== 所有环境搭建完成！==="
echo "用 conda env list 查看所有环境"
echo "用 conda activate <环境名> 切换环境"

# 原始测序数据（只读，不要修改原始数据！）
~/data/raw/
    ├── sample1_R1.fastq.gz
    ├── sample1_R2.fastq.gz
    └── ...

# 分析结果（按项目组织）
~/projects/t2d_analysis/
    ├── scripts/          # 分析脚本
    ├── data/             # 处理后的数据（链接或拷贝）
    ├── results/          # 分析结果
    │   ├── 01_qc/
    │   ├── 02_trim/
    │   ├── 03_assembly/
    │   └── ...
    └── README.md         # 项目说明

关键原则：生信数据一定要放在 Linux 原生文件系统里！

性能对比：
┌─────────────────────┬───────────┬──────────┐
│ 操作                 │ ~/data/   │ /mnt/c/  │
├─────────────────────┼───────────┼──────────┤
│ 读取 1GB fastq       │ ~2 秒     │ ~15 秒   │
│ fastp 处理 10GB 数据  │ ~5 分钟   │ ~30 分钟 │
│ 编译安装软件          │ ~1 分钟   │ ~8 分钟  │
└─────────────────────┴───────────┴──────────┘

原因：/mnt/c/ 需要通过 9P 协议在 Linux 和 Windows 文件系统之间翻译，
      就像每句话都要翻译一遍，自然慢很多。

# .wslconfig 配置（Windows 侧）
[wsl2]
memory=8GB                     # 根据你的物理内存调整
swap=8GB                       # 虚拟内存

[experimental]
autoMemoryReclaim=gradual      # 空闲时自动释放内存

# 在 /etc/wsl.conf 中添加
[automount]
options="metadata,umask=22,fmask=11"
# metadata 选项让 Linux 文件权限信息在跨系统访问时保留

# 定期清理 apt 缓存
sudo apt clean
sudo apt autoremove -y

# 清理 conda 缓存
conda clean --all -y

# 查看磁盘使用情况
df -h /
du -sh ~/data ~/miniforge3 ~/projects

# 连接远程服务器
ssh username@server_ip
# 例如：ssh user@192.168.1.100

# 指定端口（默认 22）
ssh -p 2222 username@server_ip

# 首次连接会问是否信任，输入 yes

# 步骤1：在 WSL 中生成 SSH 密钥对
ssh-keygen -t ed25519 -C "user@wsl"
# 一路回车（使用默认路径和空密码）
# 会生成：
#   ~/.ssh/id_ed25519      （私钥，绝对不要给别人！）
#   ~/.ssh/id_ed25519.pub  （公钥，发给服务器管理员）

# 步骤2：把公钥复制到远程服务器
ssh-copy-id username@server_ip
# 输入一次密码后，以后就不用输密码了

# 步骤3：测试免密登录
ssh username@server_ip
# 如果直接登入了，说明配置成功

# 编辑 SSH 配置文件
nano ~/.ssh/config

# ~/.ssh/config 文件内容
# 给服务器起个别名，以后输 ssh lab 就能连接

Host lab
    HostName 192.168.1.100
    User user
    Port 22
    IdentityFile ~/.ssh/id_ed25519

Host school
    HostName 10.0.0.50
    User wqpeng
    Port 22
    IdentityFile ~/.ssh/id_ed25519

# 之后连接就很简单了
ssh lab           # 等同于 ssh user@192.168.1.100
ssh school        # 等同于 ssh wqpeng@10.0.0.50

# 传文件也方便
scp local_file.txt lab:~/data/    # 上传文件到服务器
scp lab:~/results/output.tsv .     # 从服务器下载文件

# 在远程服务器上用 tmux 管理长时间运行的任务
ssh lab
tmux new -s analysis      # 创建名为 analysis 的会话
# ... 在里面运行你的分析任务 ...
# 按 Ctrl+B 然后按 D 分离会话（任务继续后台运行）

# 下次登录后恢复会话
ssh lab
tmux attach -t analysis   # 重新连接到 analysis 会话

# 方案1：使用 web-download 参数
wsl --install --web-download -d Ubuntu-22.04

# 方案2：手动安装（见第 5.3 节）

# 手动启用虚拟机平台
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

# 然后重启电脑

# 手动更新 WSL 内核
wsl --update

# 或者下载内核更新包：
# https://aka.ms/wsl2kernel

常见错误代码：
- 0x80370102 → 没开虚拟化，去 BIOS 打开
- 0x80004005 → Hyper-V 被禁用，手动启用：
  dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all
- 0x800701bc → 内核需要更新，执行 wsl --update

# 尝试重置发行版（保留数据）
wsl --terminate Ubuntu-22.04
wsl -d Ubuntu-22.04

# 如果还不行，重新注册
wsl --unregister Ubuntu-22.04    # 注意：这会删除所有数据！先备份！
wsl --install -d Ubuntu-22.04

# 检查 DNS 是否正常
cat /etc/resolv.conf
# 如果 nameserver 地址是空的或不对，手动修改

# 方案1：使用 Windows DNS
echo "nameserver 8.8.8.8" | sudo tee /etc/resolv.conf

# 方案2（推荐）：在 .wslconfig 中启用 DNS 隧道
# [wsl2]
# dnsTunneling=true

# 方案3：如果 resolv.conf 被自动覆盖
# 在 /etc/wsl.conf 中设置：
# [network]
# generateResolvConf=false
# 然后手动创建 /etc/resolv.conf

# 如果提示连接超时，可能是源的问题
# 检查源文件
cat /etc/apt/sources.list

# 换成清华源（见第 6.2 节）

# 如果是代理问题，设置 apt 代理
sudo nano /etc/apt/apt.conf.d/proxy.conf
# 写入：
# Acquire::http::Proxy "http://127.0.0.1:7890";
# Acquire::https::Proxy "http://127.0.0.1:7890";

# 配置 conda 使用清华镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --set show_channel_urls yes

# 或者使用代理
proxy_on    # 如果你配置了 proxy_on 函数
conda install -y fastp

# 步骤1：关闭 WSL
wsl --shutdown

# 步骤2：找到 VHD 文件位置
# 通常在：C:\Users\你的用户名\AppData\Local\Packages\CanonicalGroupLimited.Ubuntu22.04...\LocalState\ext4.vhdx

# 步骤3：用 diskpart 压缩（CMD 管理员模式）
diskpart
# 在 diskpart 交互界面中输入：
select vdisk file="C:\Users\user\AppData\Local\Packages\CanonicalGroupLimited.Ubuntu22.04onWindows_79rhkp1fndgsc\LocalState\ext4.vhdx"
compact vdisk
exit

# WSL 2.5+ 支持稀疏模式，自动回收删除文件后的空间
wsl --manage Ubuntu-22.04 --set-sparse true

# 在 WSL 里执行清理
sudo apt clean                   # 清理 apt 缓存
sudo apt autoremove -y           # 删除不需要的包
conda clean --all -y             # 清理 conda 缓存和旧包
pip cache purge                  # 清理 pip 缓存

# 查看哪些目录占空间最多
du -sh ~/* 2>/dev/null | sort -rh | head -20

# 查看 WSL 磁盘使用总况
df -h /

# 如果 C 盘空间不足，可以把 WSL 导出再导入到 D 盘
wsl --shutdown
wsl --export Ubuntu-22.04 D:\wsl-backup\ubuntu.tar
wsl --unregister Ubuntu-22.04
wsl --import Ubuntu-22.04 D:\wsl\ubuntu D:\wsl-backup\ubuntu.tar

Docker Desktop 的架构：

Windows
├── Docker Desktop（GUI 管理界面）
│   └── WSL2 后端（Docker 引擎运行在 WSL2 虚拟机里）
│       ├── docker-desktop（系统发行版）
│       └── docker-desktop-data（存储数据）
└── 你的 Ubuntu-22.04 发行版
    └── 启用 WSL Integration 后可以直接用 docker 命令

1. 从 https://www.docker.com/products/docker-desktop/ 下载安装 Docker Desktop
2. 安装时勾选 "Use WSL 2 based engine"
3. 安装后打开 Docker Desktop → Settings → Resources → WSL Integration
4. 打开你的 Ubuntu-22.04 的集成开关
5. 点 Apply & Restart

# 在 WSL 终端验证
docker --version
# Docker version 27.x.x

docker run hello-world
# 如果看到 "Hello from Docker!" 就说明成功了

# 如果不想用 Docker Desktop（比如公司有 250+ 员工需要付费许可）
# 可以在 WSL 里直接装 Docker Engine（免费）

# 前提：已启用 systemd（见第 16 节）

# 安装 Docker Engine
curl -fsSL https://get.docker.com | sh

# 把当前用户加入 docker 组（免 sudo 运行 docker）
sudo usermod -aG docker $USER

# 重启 WSL
wsl --shutdown  # 在 PowerShell 执行
wsl             # 重新进入

# 验证
docker run hello-world

# 生信里常用 Docker 的场景：

# 1. 用 Biocontainers 拉取已打包好的生信工具（省去编译安装的麻烦）
docker pull biocontainers/blast:2.15.0--pl5321h6f7f691_1

# 2. 运行可复现的分析流程
docker run -v ~/data:/data biocontainers/fastp fastp \
    -i /data/sample_R1.fq.gz \
    -o /data/sample_clean_R1.fq.gz

# 3. Nextflow/Snakemake 流程管理器可以自动拉取容器运行每一步

# 注意：对于面试准备阶段，conda 环境已经够用了，Docker 了解即可

# === 在 PowerShell 中执行的命令 ===

wsl --version              # 查看 WSL 版本
wsl --update               # 更新 WSL 到最新版本
wsl --list --verbose       # 查看所有已安装的发行版和状态
wsl --list --online        # 查看可安装的发行版
wsl --install -d <name>    # 安装指定发行版
wsl --set-default <name>   # 设置默认发行版
wsl --shutdown             # 关闭所有 WSL 实例
wsl --terminate <name>     # 关闭指定发行版
wsl --export <name> <file> # 导出发行版为 tar 文件
wsl --import <name> <dir> <file>  # 从 tar 文件导入
wsl --unregister <name>    # 删除发行版（数据全没！）
wsl --manage <name> --set-sparse true  # 启用稀疏模式
wsl -d <name>              # 进入指定发行版
wsl -d <name> -u root      # 以 root 身份进入

- 能说出 WSL1 vs WSL2 的区别（翻译层 vs 真实内核）
- 知道文件系统性能差异（~/快，/mnt/c/慢）
- 能解释 conda 环境隔离的意义
- 了解 .wslconfig 和 wsl.conf 的区别和用途
- 知道 GPU 直通的基本原理（Windows 驱动 + WSL stub）