1，首先是确保自己能够登录：
内网lab
公网ip ssh
此处可以参考我的博客：https://blog.csdn.net/weixin_62528784/article/details/142345268?spm=1001.2014.3001.5501
2，现在自己能够通过各种手段（包括校园网vpn），在任意地点任意时刻登录服务器了，那么接下来要做的就是查看服务器的大致配置：
此处参考我的博客：https://blog.csdn.net/weixin_62528784/article/details/142183872?spm=1001.2014.3001.5501
（1）cpu信息：
8核8线程
勉勉强强，肯定是跑不了sc了（暂时还没有使用过跑任务，也许8线程虽然能够跑满但是依然很垃圾）
（2）内存：
可用内存40G左右，单细胞肯定也跑不了，其他小组学数据不是问题
（3）硬盘disk：
主要是filesystem+mounted on：
也就是分区设备（物理设备）+文件挂载目录（虚拟设备）
进行解读：
目前博主自己暂时能够使用的分区是/dev/sda1以及sda2这两个盘，内存大概在3T左右，内存勉强够用（小数据hic够用），建议大数据hic在20T以上
（4）操作系统发行版本：
是centos系统
3，现在清楚了自己服务器的配置，明确了自己的设备只能跑跑小组学任务，有了这么一个底线基础，那么接下来的任务就是为服务器运行数据分析任务做准备，而数据处理的核心就是数据+软件，所以我们先处理好软件安装的问题，也就是环境管理+安装的问题：
安装conda，升级为mamba，作为环境管理工具——如下：
安装conda时建议安装miniconda（之前使用过miniconda3），参考https://docs.anaconda.com/miniconda/
之后conda升级mamba参考：https://bioconda.github.io/faqs.html
当然上面安装mamba的流程已经out了，建议使用mamba官方安装步骤：
https://mamba.readthedocs.io/en/latest/installation/mamba-installation.html
（1）创建所需环境：
base不用
初始化环境为zht，注意在系统配置中修改，使得进入登入系统就进入该环境中
vim ~/.bashrc #在适当位置，比如说末尾添加conda/mamba activate zht，这样每次打开1个shell session就是zht env，而不是base env
另外建立了1个新环境qc用于常规seq的质控处理等
当然这个过程中遇到了一些问题（一些以前从来没有遇到过，一些以前遇到过）
主要就是conda activate能够激活对应的环境，但是mamba activate经常报错需要mamba init
相关问题可以参考：https://github.com/mamba-org/mamba/issues/1718
所以仔细对照的话，似乎是可以在shell初始配置文件，也就是~/.bashrc中同样添加对应语句：
source /home/bioinfor1/miniconda3/etc/profile.d/mamba.sh #同样在shell初始化中添加
或者是将conda中的这句：
添加到mamba的初始化配置语句块中：
或者是添加这句：
下面进行测验：
没用
（相当于是同样添加）
还是没用
将上面conda中选中的语句复制粘贴到下面mamba中
成功了
但是带来的问题就是一切关于mamba的命令（除了activate env的命令还能使用），其他的命令都不能使用
另外还可以尝试将最上面代码块中的source xxx添加到对应的语句位置中
还是不行
总之目前没有影响，安装mamba主要是为了加快安装软件速度，其他的用conda或者是mamba都可以
安装软件等用mamba，激活环境用conda
参考https://github.com/idaholab/moose/discussions/24688
（2）配置频道：主要是bioconda
这个过程中可以配置bioconda频道：https://bioconda.github.io/
4，现在环境配置好了，基本的conda/mamba以及软件下载频道bioconda等也都有了，下一步就是安装常用的编程语言+对应的IDE
（1）首先是R：
zht环境中已经有了，当然其实也可以直接
mamba search r-base #搜索最新版再下载，一般是conda-forge比bioconda版本更新快之类
然后只是在命令行中运行R也不是很有效，所以需要安装Rstudio-server，即R的IDE
参考https://posit.co/download/rstudio-server/
因为是centos，所以选择redhat
需要注意操作系统的版本以及是否符合之类
需要root权限，以及需要查看系统要求是否符合
（2）Rstudio-server暂时使用不了的话，可以试试使用jupyter-lab作为R的IDE
此处另外选择一个新环境安装r-base
安装在新环境r441中
然后就是内核：
退出然后在shell中
按照shell上提示的信息，可以打开所提供的网址，对应的是8888端口
但是暂时复制粘贴想在edge或google上打开无果，都不显示
而且基本上输入jupyter-hub命令的时候就默认打开服务器自带的firefox，一开始打开几次firefox都巨卡，且不能输入互动之类；后来多打开几次还行——总之打开之后要加载挺长时间才能点击
在这个过程还进行了firefox浏览器配置的修改：
https://blog.csdn.net/Zed_Faker/article/details/54629814
然后界面其实和intel devcloud类似，因为使用的都是jupyter-hub，
基本上生信用的IDE要么是Rstudio-server或者是Jupyter-hub
但是我们可以看到：launcher中并无R
在终端shell中进入R运行完毕之后，再点击刷新，重新进入就有：
实际上就是参考https://mp.weixin.qq.com/s/O0Xxlvr-R-lLkMOZUgTUAQ
也就是我的博客：https://blog.csdn.net/weixin_62528784/article/details/142214087?spm=1001.2014.3001.5502
（3）假设我们现在有了jupyter-hub，想要在上面安装各种R包（Rstudio-server就另外说）：
在notebook中的cell里输入的命令，实际上是在后台shell终端中执行安装命令的：
但是正如我博客https://blog.csdn.net/weixin_62528784/article/details/142214087?spm=1001.2014.3001.5502所言，
在jupyter上安装会有error：
所以参考使用在linux上直接安装R包：
另外参考https://mp.weixin.qq.com/s/trAs7vh0N97sPQFl8W35gg
假设我们现在想安装tidyverse R包：
在当前环境中搜索该R包：
其实可以看到，安装也都是一些依赖的R包：也是linux上的r-xxx包这种命名方式
然后再在对应的env中的notebook中进行library
除了不能显示环境变量以及Rstudio中的一些便捷操作之外，至少jupyter-hub作为唯二的linux上的生信IDE还是勉强能用的；
而且很多生信分析流程中有很多的主流处理库、包也有很大比例是python，比如说是单细胞处理分析以及空间转录组方面。
5，然后基本的配置清楚之后，就是整体上的计算任务对应的设施分配了：
（1）上游的测序数据处理：只要数据量超过10G的，上游任务统统都在服务器上处理，或者是超算中心；
——大型服务器，或者是超算中心
（2）下游数据分析：主要是使用到R包，如果数据量超过10G，或者是加载高性能的R包来处理的任务（多序列连续任务，多依赖/内存需求大的R包），统统放在小型服务器上跑
——小型服务器，比如说
（3）下游数据分析：如果数据量不超过10G的，并且进行的数据分析操作不复杂（对于内存等的需求也不大）的任务，可以放在本地的Rstudio-server中处理
——本地rstudio/jupyter处理
