docker update_Docker与生物信息学

Docker与生物信息学

Docker是近年来新起的一种应用（计算机）分发工具，它极大的方便了人们获取、构建、发布软件应用。

在生物信息学领域，很重要的一环就是开发用于数据分析的工具或软件包。在没有Docker之前，人们总是要对各类软件的错综复杂的依赖问题头痛不已（事实上Conda/Bioconda等目前被广泛应用的软件包管理工具总是会出现一些问题）。现在，Docker似乎为生物信息学相关从业人员提供了一个释放自己的途径，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。

目的

作为一名生物信息专业学生，Docker在很早之前就被我列入了必学的项目之一，现在我也逐渐开始将新开发的项目使用Docker进行打包。这篇博文主要目的在于记录一些最常用的一些Docker命令和学习资源，并谈谈我对Docker在生物信息学相关领域上应用的一些看法。

Docker的常用命令

# 可以跳过直接运行下一步
docker run learn/tutorial 

更多Docker的操作以及配置见官方文档

Dockerfile

Dockerfile是一种用于自动化构建Docker Image的配置文件，它可以让其他用户知道自己正在使用的容器是如何构建的，自己有没有可修改或定制的地方。如果，你正在使用的Image是由其他用户通过交互式操作构建的:

;apt install r-base
docker commit -m 

那么你是很难知道容器里做了哪些修改，有没有嵌入恶意代码，所以，我们需要一个文件记录用户所有的操作，并让其他用户可以便于查看或修改 (详细讲解)：

Docker的大与小

Docker容器可大可小（alpine似乎正在成为一种最小化构建Docker容器的标准）：

• 用“小”容器够建不需要太多外界依赖数据的各类应用（BWA、SAMtools .etc），这些应用往往在编译或安装之后就可以开始使用；
• 还有一类就是各种大型的网页应用、依赖软件众多的Pipeline，这类软件应用配置起来最为麻烦，或许在一个容器内完成会更加方便（数据库除外）,或者是使用compose来进行组合多个容器构建应用。

Docker的不便之处

• Docker运行需要ROOT权限（以后也一定需要），对于大多数非云计算的高性能计算而言，只能够使用conda等工具完成相应分析环境部署
• Docker容易带来一些额外的存储，如重复的依赖、重复的数据等等。特别地，如果软件开发人员不能够很好的拆分应用到不同容器中，将会带来很多冗余文件，对于硬盘紧张的用户来说可能压力会比较大

使用非ROOT用户使用docker

${

Docker的一些常用链接

• Docker Github
• Docker Home
• Docker Hub
• Docker Document
• Moby Project
• awesome-docker: A curated list of Docker resources and projects
• compose: Define and run multi-container applications with Docker
• docker菜鸟教程
• Docker 的应用场景在哪里？
• 非常详细的 Docker 学习笔记