17. Docker 与 Conda 环境管理 — 生信工程师必备技能

一句话说明： Conda 管理软件包和 Python/R 环境，Docker 把整个操作系统级别的运行环境打包成"集装箱"，两者配合让你的分析流程在任何电脑上都能一模一样地跑通。

---

一、核心概念（白话版）

1.1 为什么需要环境管理

白话比方： 你装过这种情况吗——同事说"我电脑上能跑"，结果你一跑就报错？

根本原因： 不同软件需要不同版本的依赖库（dependency，依赖=运行必需的其他软件），版本冲突了就崩了。

生信的典型痛点： - MetaPhlAn 4 要 Python 3.8+，但 HUMAnN 2 还要 Python 3.6 - samtools 旧版和新版命令参数不一样 - 论文里用的工具版本，三年后官网已经更新了，你复现不了

环境管理就是： 给每个项目/每个工具创建一个"隔离的小房间"，互不干扰。

1.2 Conda 是什么

项目	说明
是什么	一个跨平台的包管理器 + 环境管理器
能装什么	Python/R 包、C 语言库、生信工具（如 samtools、bwa）等几乎所有东西
核心能力	自动处理依赖关系——你装 A，它自动帮你装 A 依赖的 B、C、D
白话比方	像手机上的"应用商店"，但还能帮你管理不同手机（环境）

1.3 Docker 是什么

项目	说明
是什么	一个容器化平台（容器 = 轻量级虚拟机）
能做什么	把软件 + 配置 + 系统库全部打包，任何机器上都能运行
核心能力	完全隔离、一次构建到处运行
白话比方	就像国际物流的"集装箱"——不管里面装什么，码头的吊车都能吊走，不用关心内容

1.4 Conda vs Docker：区别和联系

┌─────────────────────────────────────────────────────┐
│  你的电脑（宿主机 Host）                              │
│                                                     │
│  ┌───────────── Docker 容器 ──────────────┐         │
│  │  ┌─── Conda 环境 A ───┐  ┌─ 环境 B ─┐ │         │
│  │  │ Python 3.8         │  │ R 4.2    │ │         │
│  │  │ MetaPhlAn 4        │  │ DESeq2   │ │         │
│  │  └────────────────────┘  └──────────┘ │         │
│  │  Ubuntu 22.04（容器操作系统）           │         │
│  └────────────────────────────────────────┘         │
│                                                     │
│  ┌─── Conda 环境 C（宿主机直接用）───┐              │
│  │ Python 3.10 + scikit-learn        │              │
│  └───────────────────────────────────┘              │
└─────────────────────────────────────────────────────┘

一句话总结： Conda 管软件包版本，Docker 管整个运行系统。Docker 里面也可以用 Conda。

---

二、Conda 详解

2.1 安装选择：Miniconda vs Anaconda vs Mamba

工具	大小	特点	适合谁
Miniconda	~80MB	最小安装，只有 conda + Python，需要什么装什么	推荐生信用
Anaconda	~3GB	预装 250+ 科学计算包	数据科学入门者，不推荐服务器
Mamba	~80MB	Conda 的加速替代品，解析依赖快 10-100 倍	强烈推荐，尤其装大型生信工具
Micromamba	~10MB	纯 C++ 实现的 Mamba，无需 Python	极简需求/Docker 内使用

# === 安装 Miniconda（推荐方式）===
# 下载安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 运行安装（-b 表示静默安装，不用一直按回车）
bash Miniconda3-latest-Linux-x86_64.sh -b -p $HOME/miniconda3

# 初始化 conda（让 conda 命令生效）
~/miniconda3/bin/conda init bash

# 重新加载终端配置
source ~/.bashrc

# === 安装 Mamba（推荐加速器）===
# 在 base 环境里装 mamba
conda install -n base -c conda-forge mamba

# 之后把所有 conda install 替换成 mamba install 即可，速度飞起

2.2 创建、激活、删除环境

# --- 创建环境 ---
# 创建一个名叫 metagenomics 的环境，指定 Python 3.9
conda create -n metagenomics python=3.9
# 白话：建一个叫 metagenomics 的隔离房间，里面装 Python 3.9

# 创建时直接装多个包（推荐！一次性装好，减少依赖冲突）
conda create -n qc_env python=3.9 fastqc multiqc trimmomatic
# 白话：一次性把工具都装好，比一个一个装冲突少

# --- 激活环境 ---
conda activate metagenomics
# 白话：进入 metagenomics 这个房间，之后所有操作都在这个环境里

# --- 退出环境 ---
conda deactivate
# 白话：从当前房间出来，回到默认的 base 环境

# --- 查看所有环境 ---
conda env list
# 白话：列出你电脑上所有的"房间"

# --- 删除环境 ---
conda remove -n metagenomics --all
# 白话：把 metagenomics 这个房间彻底拆掉

# --- 克隆环境（复制一份一模一样的）---
conda create --name new_env --clone old_env
# 白话：把 old_env 房间里的所有东西完整复制到 new_env

2.3 安装包

# 从默认 channel 安装
conda install numpy pandas

# 从指定 channel 安装（生信工具必须指定 bioconda）
conda install -c bioconda -c conda-forge metaphlan
# 白话：从 bioconda 商店下载 MetaPhlAn

# 用 mamba 加速安装（强烈推荐）
mamba install -c bioconda -c conda-forge humann

# 指定版本安装
conda install samtools=1.17

# 用 pip 安装（conda 里没有的包才用 pip）
pip install some-python-package
# 注意：先用 conda 装完所有能装的，最后才用 pip！

# 查看当前环境安装了什么
conda list

# 搜索包是否存在
conda search bwa
mamba search -c bioconda kraken2

2.4 Channels（频道/软件源）

白话比方： Channel 就像不同的"应用商店"。苹果商店、安卓商店卖的 app 不一样。

Channel 名称	说明	包含内容
defaults	Anaconda 官方默认频道	基础科学计算包（numpy, pandas...）
conda-forge	社区维护的最大频道	几乎所有开源软件，更新快
bioconda	生信专用频道	9000+ 生信工具（bwa, samtools, kraken2...）

# 配置 channel 优先级（写入 ~/.condarc 文件）
conda config --add channels defaults
conda config --add channels bioconda
conda config --add channels conda-forge
# 优先级从下到上：conda-forge > bioconda > defaults

# 设置严格的 channel 优先级（推荐，避免混乱）
conda config --set channel_priority strict
# 白话：如果 conda-forge 有这个包，就绝不从 defaults 装

# 查看当前 channel 配置
conda config --show channels

重要规则： 生信工具安装时，channels 的顺序必须是：

conda-forge（最高优先级）
bioconda
defaults（最低优先级）

2.5 environment.yml 导出与导入

# --- 导出当前环境（包含所有精确版本号）---
conda env export > environment.yml
# 白话：把当前房间的"装修清单"导出来，精确到每个螺丝钉的型号

# --- 导出跨平台版本（推荐分享用）---
conda env export --from-history > environment.yml
# 白话：只导出你手动装的包，不含自动依赖，跨平台兼容性好

# --- 从 yml 文件创建环境（别人给你的清单）---
conda env create -f environment.yml
# 白话：照着别人的"装修清单"复制一个一模一样的房间

# --- 更新已有环境 ---
conda env update -f environment.yml --prune
# --prune：删掉 yml 里没有但环境里有的包

environment.yml 示例（你的 T2D 项目可以用）：

# environment.yml - T2D 宏基因组分析环境
name: t2d_metagenomics
channels:
  - conda-forge
  - bioconda
  - defaults
dependencies:
  - python=3.9
  - metaphlan=4.0
  - humann=3.7
  - kraken2=2.1.3
  - bowtie2=2.5
  - samtools=1.17
  - seqkit
  - multiqc
  - pandas
  - matplotlib
  - pip:
    - scikit-learn==1.3.0

2.6 常见问题排查

问题	原因	解决方法
Solving environment 卡住几十分钟	依赖解析太慢	用 mamba 替代 conda
PackagesNotFoundError	Channel 没配对	加上 -c bioconda -c conda-forge
CondaHTTPError	网络问题（国内常见）	换清华/中科大镜像源
装了包但 command not found	没激活环境	conda activate 环境名
conda 和 pip 冲突	pip 装的包覆盖了 conda 的	优先用 conda，pip 放最后
环境突然坏了	混合用 conda 和 pip 后又 conda install	重建环境（从 yml 恢复）

# 换国内镜像源（解决下载慢问题）
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

# 清理缓存（磁盘空间不够时）
conda clean --all
# 白话：清理下载缓存和没用的包，腾出硬盘空间

---

三、Docker 详解

3.1 Docker 原理白话

传统方式： 你装软件时需要在自己电脑上装各种依赖库，版本对不上就崩。

Docker 方式： 开发者把软件 + 所有依赖 + 操作系统配置打包成一个"镜像"（image），你下载这个镜像，一条命令就能跑起来，不用装任何东西。

传统安装：
你的电脑 → 装 Python → 装 gcc → 装 zlib → 装 samtools → 可能还是报错😭

Docker 方式：
你的电脑 → docker pull samtools镜像 → docker run → 直接能用🎉

核心原理（面试能说的）： - Docker 利用 Linux 内核的 namespace（命名空间，实现进程隔离）和 cgroup（控制组，限制资源使用）技术 - 容器共享宿主机内核，不需要模拟整个操作系统，所以比虚拟机快很多 - 镜像是分层的（layered），多个容器可以共享底层，节省磁盘

3.2 镜像 vs 容器

概念	英文	白话比方	特点
镜像 Image	Image	软件的"安装光盘"	只读的模板，不会变
容器 Container	Container	用光盘装好的"运行中的电脑"	可读写，运行中的实例
仓库 Registry	Registry	"光盘商店"（如 Docker Hub）	存放和分享镜像的地方

关系：镜像 --运行--> 容器（一个镜像可以启动多个容器）
比方：Class（类）--实例化--> Object（对象）

3.3 Dockerfile 基础

Dockerfile 是镜像的"构建说明书"——告诉 Docker 怎么一步一步搭建环境。

# === 示例：构建一个宏基因组分析环境的 Docker 镜像 ===

# FROM：基础镜像，从哪个"底子"开始建（相当于选择操作系统）
FROM continuumio/miniconda3:latest

# LABEL：镜像的标签信息（作者、描述等）
LABEL maintainer="pengwenqiang" description="T2D metagenomics analysis"

# RUN：在镜像里执行命令（装软件用的）
# 配置 bioconda channels
RUN conda config --add channels defaults && \
    conda config --add channels bioconda && \
    conda config --add channels conda-forge && \
    conda config --set channel_priority strict

# 安装 mamba 加速器（基础镜像没有自带 mamba）
RUN conda install -n base -c conda-forge mamba -y

# 安装生信工具
RUN mamba install -y \
    metaphlan=4.0 \
    humann=3.7 \
    samtools=1.17 \
    seqkit \
    && conda clean --all -y

# WORKDIR：设置工作目录（相当于 cd 到这个目录）
WORKDIR /data

# COPY：把本地文件复制到镜像里
COPY scripts/ /app/scripts/

# ENV：设置环境变量
ENV PATH="/opt/conda/bin:$PATH"

# CMD：容器启动时默认执行的命令
CMD ["bash"]

Dockerfile 常用指令速查：

指令	作用	白话
FROM	指定基础镜像	选一个"毛坯房"开始装修
RUN	执行命令（装软件）	装修过程中的每一步操作
COPY	复制本地文件到镜像	把你的东西搬进去
WORKDIR	设置工作目录	指定"在哪个房间干活"
ENV	设置环境变量	贴个便签提醒自己
CMD	容器启动默认命令	开门后自动做什么
ENTRYPOINT	容器入口命令（不可覆盖）	这个房间的核心功能
EXPOSE	声明端口	告诉别人从哪个门进来

3.4 BioContainers — 生信预制镜像

BioContainers 是生信社区维护的容器仓库，几乎每个 bioconda 包都有对应的 Docker 镜像。

# 直接拉取生信工具的官方镜像（不用自己构建！）
docker pull biocontainers/samtools:v1.17_cv1
docker pull biocontainers/fastqc:v0.12.1_cv1

# 也可以用 quay.io（BioContainers 的官方仓库）
docker pull quay.io/biocontainers/metaphlan:4.0.6--pyhca03a8a_0

# 使用：直接运行容器里的工具
# 注意：用 -o 指定输出文件，而不是用 > 重定向（重定向会在宿主机执行，可能路径不对）
docker run --rm -v $(pwd):/data biocontainers/samtools:v1.17_cv1 \
    samtools view -bS -o /data/sample.bam /data/sample.sam

BioContainers 的优势： - 不用自己写 Dockerfile，直接用 - 版本固定，可复现 - 和 bioconda 一一对应：bioconda 有的包，BioContainers 就有镜像

3.5 Docker 常用命令

# === 镜像操作 ===

# 从 Docker Hub 下载镜像
docker pull ubuntu:22.04
# 白话：从"光盘商店"下载 Ubuntu 22.04 的"安装光盘"

# 查看本地所有镜像
docker images
# 白话：看看你本地有哪些"安装光盘"

# 从 Dockerfile 构建镜像
docker build -t my_bioinfo:v1 .
# -t：给镜像起名字   .：Dockerfile 在当前目录
# 白话：按照说明书（Dockerfile）做一张新的"安装光盘"

# 删除镜像
docker rmi my_bioinfo:v1

# === 容器操作 ===

# 运行容器（交互模式）
docker run -it ubuntu:22.04 bash
# -i：交互模式  -t：分配终端  bash：进入命令行
# 白话：用这张光盘启动一台新电脑，然后进入它的命令行

# 运行容器（挂载本地目录）★ 生信最常用 ★
docker run -it --rm -v /home/pweaz/data:/data my_bioinfo:v1 bash
# --rm：退出后自动删除容器（不留垃圾）
# -v 本地路径:容器路径：把本地目录"映射"进容器
# 白话：启动容器的同时，让容器能读写你电脑上的文件

# 后台运行容器
docker run -d --name my_analysis my_bioinfo:v1 sleep infinity
# -d：后台运行  --name：给容器起名字

# 进入正在运行的容器
docker exec -it my_analysis bash
# 白话：进入一个已经在后台跑的容器

# 查看正在运行的容器
docker ps
# 查看所有容器（包括停止的）
docker ps -a

# 停止 / 删除容器
docker stop my_analysis
docker rm my_analysis

# 一键清理：删除所有停止的容器 + 悬空镜像
docker system prune
# 白话：大扫除，清理所有没用的垃圾

---

四、Conda vs Docker 对比表

对比维度	Conda	Docker
隔离级别	软件包/库级别	操作系统级别
共享内核	是（和宿主机相同）	是（比虚拟机轻）
安装难度	简单，一行命令	需要 root 权限或加入 docker 组
启动速度	即时（activate 秒切）	秒级（比虚拟机快）
镜像大小	无镜像概念，环境占 100MB-2GB	通常 200MB-2GB
可复现性	environment.yml（跨平台有时不兼容）	Dockerfile（完全可复现）
适用场景	日常开发、快速试验	部署、发布、流程固化
学习曲线	低	中等
网络需求	安装时需要，使用时不需要	拉取镜像需要，运行时不需要
系统依赖	依赖宿主机系统库	自带所有系统库
HPC 集群	直接用	通常用 Singularity 替代
生信生态	bioconda（9000+ 包）	BioContainers（对应 bioconda）

总结选择建议： - 日常分析开发 → Conda - 论文发表、保证可复现 → Docker / Singularity - 分享给别人用 → Docker（不用担心环境问题） - HPC 集群上跑 → Conda 或 Singularity（集群通常没 Docker 权限）

---

五、生信项目环境管理最佳实践

5.1 项目结构规范

t2d_project/
├── environment.yml          # Conda 环境定义文件（记录所有依赖）
├── Dockerfile               # Docker 构建文件（可选，发论文时用）
├── README.md                # 说明如何搭建环境
├── scripts/
│   ├── 01_qc.sh            # 质控脚本
│   ├── 02_assembly.sh      # 组装脚本
│   └── 03_binning.sh       # 分箱脚本
├── data/                    # 原始数据（不放进 Docker 镜像！）
└── results/                 # 分析结果

5.2 七条黄金法则

1. 一个项目一个环境 —— 不要把所有工具都装在 base 里
2. 创建时一次性装好 —— conda create -n env tool1 tool2 tool3 比逐个安装冲突少
3. 用 mamba 替代 conda —— 解析依赖快 10-100 倍
4. 先 conda 后 pip —— pip 装的包 conda 看不到，所以 pip 永远最后用
5. 导出 environment.yml —— 每次环境稳定后都导出一份，相当于存档
6. 版本号要锁定 —— samtools=1.17 而不是只写 samtools
7. 定期清理 —— conda clean --all 清缓存，docker system prune 清容器

5.3 与 T2D 项目的关联

你现在有三个 conda 环境：

环境名	用途	建议
t2d_ml	机器学习（随机森林分类）	保持，导出 yml 备份
bioinfo	通用生信分析	建议拆分为更具体的环境
qc_tools	质控（FastQC/MultiQC）	保持，轻量环境

建议优化：

# 1. 为每个环境导出备份
conda activate t2d_ml
conda env export --from-history > t2d_ml_environment.yml

conda activate bioinfo
conda env export --from-history > bioinfo_environment.yml

conda activate qc_tools
conda env export --from-history > qc_tools_environment.yml

# 2. 考虑拆分 bioinfo 环境
# 如果 bioinfo 里同时有组装工具和注释工具，建议拆成：
# - assembly_env（megahit, metaspades）
# - annotation_env（prokka, eggnog-mapper）
# 原因：组装工具和注释工具的依赖经常冲突

# 3. 为论文复现准备 Docker
# 把完整流程打包成 Docker 镜像，保证三年后还能跑

---

六、实操命令速查（每行中文注释）

6.1 Conda 从零到一

# ===== 第一步：安装 Miniconda =====
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# 下载 Miniconda 安装脚本

bash Miniconda3-latest-Linux-x86_64.sh -b -p $HOME/miniconda3
# 静默安装到家目录下的 miniconda3 文件夹

source $HOME/miniconda3/bin/activate
# 临时激活 conda（让 conda 命令立即可用）

conda init bash
# 永久配置：以后每次开终端自动能用 conda

source ~/.bashrc
# 重新加载配置文件

# ===== 第二步：配置 channel =====
conda config --add channels defaults
conda config --add channels bioconda
conda config --add channels conda-forge
conda config --set channel_priority strict
# 配置频道优先级：conda-forge > bioconda > defaults

# ===== 第三步：安装 mamba 加速器 =====
conda install -n base -c conda-forge mamba -y
# 在 base 环境安装 mamba，之后用 mamba 替代 conda install

# ===== 第四步：创建项目环境 =====
mamba create -n t2d_meta python=3.9 metaphlan humann kraken2 -y
# 创建 T2D 宏基因组分析环境，一次性装好所有工具

conda activate t2d_meta
# 进入环境

# ===== 第五步：验证安装 =====
metaphlan --version
# 检查 MetaPhlAn 版本
humann --version
# 检查 HUMAnN 版本

# ===== 第六步：导出环境 =====
conda env export > environment.yml
# 导出完整环境快照（含精确版本号）

conda env export --from-history > environment_portable.yml
# 导出可移植版本（只含手动安装的包）

6.2 Docker 从零到一

# ===== 第一步：安装 Docker =====
# Ubuntu 上安装 Docker
sudo apt update
# 更新软件包列表

sudo apt install -y docker.io
# 安装 Docker

sudo systemctl start docker
# 启动 Docker 服务

sudo systemctl enable docker
# 设置 Docker 开机自启

sudo usermod -aG docker $USER
# 把当前用户加入 docker 组（这样不用每次都 sudo）
# 注意：加完后要重新登录才生效

# ===== 第二步：验证安装 =====
docker --version
# 查看 Docker 版本

docker run hello-world
# 运行测试容器，看到 "Hello from Docker!" 就成功了

# ===== 第三步：使用生信容器 =====
# 下载 samtools 镜像
docker pull biocontainers/samtools:v1.17_cv1
# 从 BioContainers 下载 samtools 的官方镜像

# 用容器运行 samtools
docker run --rm -v $(pwd):/data biocontainers/samtools:v1.17_cv1 \
    samtools flagstat /data/sample.bam
# --rm：运行完自动删除容器
# -v $(pwd):/data：把当前目录映射为容器里的 /data
# 最后面是要执行的命令

# ===== 第四步：构建自己的镜像 =====
# 先写一个 Dockerfile（内容见 3.3 节）
docker build -t t2d_analysis:v1 .
# 根据 Dockerfile 构建镜像，取名 t2d_analysis，版本 v1

# 运行自己构建的镜像
docker run -it --rm -v /home/pweaz/data:/data t2d_analysis:v1 bash
# 以交互模式启动容器，挂载数据目录

# ===== 第五步：推送镜像（分享给别人）=====
docker tag t2d_analysis:v1 yourusername/t2d_analysis:v1
# 给镜像打标签（加上你的 Docker Hub 用户名）

docker push yourusername/t2d_analysis:v1
# 推送到 Docker Hub（需要先 docker login）

6.3 Singularity（HPC 集群替代方案）

# 为什么要用 Singularity？
# HPC 集群通常不给 Docker 权限（Docker 需要 root），但支持 Singularity

# 从 Docker 镜像转换为 Singularity 镜像
singularity pull samtools.sif docker://biocontainers/samtools:v1.17_cv1
# .sif 是 Singularity 的镜像格式

# 用 Singularity 运行
singularity exec samtools.sif samtools --version
# exec：在容器里执行命令

# 挂载目录运行
singularity exec --bind /home/pweaz/data:/data samtools.sif \
    samtools view -bS /data/sample.sam -o /data/sample.bam
# --bind 相当于 Docker 的 -v，映射本地目录

---

七、面试怎么答

Q1：你在项目中是怎么管理软件环境的？

参考回答：

我在 T2D 宏基因组项目中使用 Conda 管理分析环境。按用途拆分为三个独立环境：t2d_ml 用于机器学习建模（scikit-learn、XGBoost），bioinfo 用于通用生信分析（samtools、seqkit），qc_tools 用于质控（FastQC、MultiQC）。

这样做的好处是：1）不同工具的依赖不会冲突；2）每个环境都导出了 environment.yml，保证可复现；3）使用 mamba 作为包管理加速器，解决 conda 解析依赖慢的问题。

如果需要保证长期可复现或分享给其他团队，我会用 Docker 把流程打包成镜像，配合 BioContainers 使用预构建的生信工具容器。

Q2：Conda 和 Docker 有什么区别？什么时候用哪个？

参考回答：

隔离级别不同：Conda 是软件包级别的隔离，共享宿主机操作系统；Docker 是操作系统级别的隔离，容器自带完整的系统库。

使用场景：日常开发和快速试验用 Conda，因为轻量、切换快；论文发表、流程部署或分享给他人时用 Docker，因为完全可复现。HPC 集群上通常没有 Docker 权限，会用 Singularity 作为替代。

两者也可以结合：Docker 容器内部安装 Miniconda，用 Conda 管理工具，外面用 Docker 打包成固定镜像。

Q3：你知道 bioconda 吗？怎么配置？

参考回答：

Bioconda 是专门为生物信息学工具维护的 Conda channel（频道），目前有超过 9000 个包，涵盖从序列比对（bwa、bowtie2）到宏基因组分析（MetaPhlAn、HUMAnN）的各类工具。

配置时需要注意 channel 优先级：conda-forge 最高，bioconda 其次，defaults 最低，并设置 channel_priority: strict。这样可以避免不同 channel 之间的包版本冲突。

使用时推荐用 mamba 替代 conda install 来加速依赖解析。

Q4：如果你的分析流程要保证三年后还能复现，你怎么做？

参考回答：

三个层次保证可复现：

1. 代码层：用 Git 管理分析脚本，锁定每次运行对应的 commit。
2. 环境层：导出 environment.yml（记录精确版本号），同时准备 Dockerfile。
3. 数据层：记录原始数据的 MD5 校验值，公共数据库数据记录 accession number。

最稳妥的做法是把整个流程做成 Docker 镜像并推送到 Docker Hub 或 GitHub Container Registry。论文发表时附上镜像地址和运行命令，任何人都能一键复现。

Q5：Docker 的镜像和容器有什么区别？

参考回答：

镜像（Image）是只读的模板，相当于"安装光盘"；容器（Container）是镜像的运行实例，相当于用光盘装好的"运行中的电脑"。

一个镜像可以启动多个容器，就像一张光盘可以装多台电脑。容器是可读写的，停止后可以删除或提交为新镜像。

类比面向对象编程：镜像是 Class（类），容器是 Object（实例化的对象）。

Q6：conda install 和 pip install 有什么区别？为什么推荐先用 conda？

参考回答：

conda 是通用包管理器，能安装 Python 包、R 包、C 库、系统工具等各类软件，并且自动处理依赖冲突；pip 只能安装 Python 包，不管理系统级依赖。

推荐先用 conda 的原因：1）conda 能全局处理依赖关系，pip 装的包 conda 看不到，容易导致冲突；2）生信工具（samtools、bwa）只能通过 conda/bioconda 安装，pip 装不了。

正确顺序是：先用 conda 装所有能装的包，最后才用 pip 装只有 PyPI 上有的 Python 包。装了 pip 包后尽量不要再 conda install。

Q7：什么是 Singularity？为什么 HPC 集群用它而不用 Docker？

参考回答：

Singularity（现在也叫 Apptainer）是一个为科学计算和 HPC 设计的容器运行时。

HPC 集群不用 Docker 的原因：Docker 需要 root 权限（或 docker 组权限），这在共享集群上是安全隐患——一个用户可能通过 Docker 获取 root 权限访问其他用户数据。

Singularity 的特点：以普通用户身份运行、不需要 daemon 进程、可以直接拉取 Docker 镜像转换、和集群调度系统（SLURM/PBS）兼容好。命令如 singularity pull docker://biocontainers/samtools:v1.17。

---

八、关键术语对照表

英文术语	中文	白话解释
Environment	环境	一个隔离的软件"小房间"
Package	包/软件包	一个可以安装的软件
Dependency	依赖	运行某软件必需的其他软件
Channel	频道/软件源	下载软件的"商店"
Image	镜像	Docker 的"安装光盘"
Container	容器	镜像启动后的"运行实例"
Registry	注册表/仓库	存放镜像的"商店"（如 Docker Hub）
Dockerfile	构建文件	镜像的"装修说明书"
Volume	卷/挂载	让容器访问宿主机文件的"通道"
Layer	层	镜像的分层结构，每个 RUN 指令一层
Tag	标签	镜像的版本号（如 v1.17）
Namespace	命名空间	Linux 内核隔离技术（进程互相看不到）
Cgroup	控制组	Linux 内核资源限制技术（限制 CPU/内存）
Reproducibility	可复现性	别人能得到和你一样的结果
BioContainers	生信容器仓库	生信工具的预制 Docker 镜像集合
Singularity/Apptainer	HPC 容器运行时	集群上替代 Docker 的工具

---

九、速记脑图

环境管理
├── Conda（软件包级别）
│   ├── 安装：Miniconda + Mamba
│   ├── 核心命令：create / activate / install / export
│   ├── Channel：conda-forge > bioconda > defaults
│   └── 输出：environment.yml
├── Docker（操作系统级别）
│   ├── 概念：镜像(只读) → 容器(运行)
│   ├── 核心命令：pull / build / run / exec
│   ├── 构建：Dockerfile
│   └── 生信生态：BioContainers
├── Singularity（HPC 替代）
│   └── singularity pull docker://xxx
└── 最佳实践
    ├── 一个项目一个环境
    ├── 先 conda 后 pip
    ├── 导出 yml 存档
    └── 发表用 Docker 固化

---

学习建议： Conda 是你每天都在用的工具，确保熟练掌握。Docker 理解概念 + 会用 BioContainers 的预制镜像即可。面试重点是能说清楚"为什么要环境管理"和"两者的区别与适用场景"。