使用aspera下载SRA数据速度高达 下载中国gsa数据? ascp

2024-01-21 20:52
文章标签 数据 使用 中国 下载 速度 sra aspera ascp gsa

本文主要是介绍使用aspera下载SRA数据速度高达 下载中国gsa数据? ascp，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

转载自：秘籍 | 惊了，使用aspera下载SRA数据速度高达 291Mb/s - 简书

一、安装Aspera Connect

  • 安装Linux版的Aspera Connect

# 上面链接是最新版，因此下载的时候去官网复制最新的链接地址下载，否则可能会报错
wget https://d3gcli72yxqn2z.cloudfront.net/connect_latest/v4/bin/ibm-aspera-connect-3.11.2.63-linux-g2.12-64.tar.gz
tar -zvxf ibm-aspera-connect-3.11.2.63-linux-g2.12-64.tar.gz
sh ibm-aspera-connect-3.11.2.63-linux-g2.12-64.sh
# 永久添加到环境变量
echo 'export PATH=~/.aspera/connect/bin:$PATH' >> ~/.bashrc
source ~/.bashrc

二、简单使用

  • 尝试下载一个小的数据集SRR14209175(343MB)

ascp -v -QT -l 300m -P33001 -k1 -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh era-fasp@fasp.sra.ebi.ac.uk:vol1/fastq/SRR142/075/SRR14209175/SRR14209175.fastq.gz ./
  • 结果，峰值速度达

    \color{red}{291 Mb/s }

    ，速度惊人，

    \color{red}{343MB}

    数据用时

    \color{red}{16秒}

SRR14209175.fastq.gz                           100%  343MB  191Mb/s    00:16    
Completed: 351408K bytes transferred in 16 seconds (173214K bits/sec), in 1 file.

三、批量下载

  • 提前准备好【srr.list】文件，格式如下

$ cat srr.list
SRR12362016
SRR12362017
SRR12362022
SRR12362023
SRR12362024
SRR12362025
  • 新建shell脚本，命名为【asperaDownload.sh】，和【srr.list】放在同一个文件夹中

vi asperaDownload.sh
  • 将下面的内容复制进去，里面的${y}需要根据情况微调，${i: -2}表达的意思就是截取字符串的后2位，${i: -1}截取字符串的后1位。特别说明的原因就是，有时候${y}是取一位，有时候取两位，所以要根据情况微调

#!/bin/bash
for i in $(cat srr.list)
do 
x=$(echo $i | cut -b1-6)
y=`echo ${i: -2}`
echo "vol1/fastq/${x}/0${y}/${i}/${i}_1.fastq.gz" >>fastqid_trim.txt
echo "vol1/fastq/${x}/0${y}/${i}/${i}_2.fastq.gz" >>fastqid_trim.txt
doneascp -v -QT -l 300m -P33001 -k1 -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh --mode recv --host fasp.sra.ebi.ac.uk --user era-fasp --file-list fastqid_trim.txt ./
rm fastqid_trim.txt
  • 执行脚本

sh asperaDownload.sh
  • 结果，峰值速度达

    \color{red}{292 Mb/s }

    ，速度惊人，

    \color{red}{10GB}

    数据用时

    \color{red}{27分钟}

SRR12362016_1.fastq.gz                         100%  858MB  291Mb/s    03:28    
SRR12362016_2.fastq.gz                         100%  873MB  281Mb/s    04:40    
SRR12362017_1.fastq.gz                         100%  868MB  204Mb/s    06:16    
SRR12362017_2.fastq.gz                         100%  885MB  209Mb/s    07:13    
SRR12362022_1.fastq.gz                         100%  960MB  292Mb/s    09:34    
SRR12362022_2.fastq.gz                         100%  977MB  291Mb/s    10:56    
SRR12362023_1.fastq.gz                         100%  887MB  291Mb/s    12:01    
SRR12362023_2.fastq.gz                         100%  907MB  292Mb/s    14:08    
SRR12362024_1.fastq.gz                         100%  874MB  285Mb/s    17:45    
SRR12362024_2.fastq.gz                         100%  888MB  287Mb/s    18:54    
SRR12362025_1.fastq.gz                         100%  845MB  291Mb/s    20:37    
SRR12362025_2.fastq.gz                         100%  858MB  291Mb/s    27:01    
Completed: 10942138K bytes transferred in 1621 seconds

四、ascp 参数说明

  • 不要深究软件、代码怎么实现的，其实会用、目的达到就行了，真想仔细研究可以ascp -h查看，也可以参考以下我总结的，就这么点参数需要注意：
参数说明
-v  唠叨模式，显示下载进度，以百分数显示，建议加上去
-QT-Q指开启自主设定传输速率的功能，而-T指启用密钥以获得最大传输速率，二者配合-l和-m使用。-l指定最大传输速率，这也是我峰值速度达到291 Mb/s后没有继续上升的原因，因为我设置的是-l 300m，默认是-l 100m，理论推荐为300M-500M，。-m指定最小传输速率，一般不用设置，默认为-m 0
-P设置用于启动fasp会话的TCP端口，默认搭配-P 33001不要乱改，否则报错
-k断点续传，非常必要的功能，能在意外情况下，继续下载文件，以免重新下载，设置-k1即可。-k1检查文件属性，如果匹配则继续；-k2检查文件属性并做稀疏文件校验和，如果匹配就继续；-k3检查文件属性并进行完整的文件校验和，如果匹配就继续
-i密钥地址，为固定位置：~/.aspera/connect/etc/asperaweb_id_dsa.openssh，不要修改和移动
--mode两种模式可供选择send和recv。 --mode send为上传模式，--mode recv为接收模式，默认为--mode recv，因此可在命令行中删除，没有大碍
--host指定下载地址的前缀信息，后缀信息不同网站也不同，具体要修改上述echo中的代码。但我推荐要下载就去ENA下载，不要去NCBI和DDBJ下载，前车之鉴。
--user访问数据库的用户名，指定是去哪里下载
--file-list指定存放下载路径的文件夹，脚本中自动生成与删除，不用过多操心
./最后不要忽略了保存路径

五、常见疑问

问：为什么我下载的这么慢，明明我设置的也是-l 300m却只有几Mb/s甚至几Kb/s？

  • 答：1.你家或校园网的带宽就那么宽，你占满速度也提不上去。如千兆光纤（1000Mb/s）最大带宽就是1000÷8=125MB/s，你能达到的上限也就是125MB/s。又如校园网一般说办理的100M宽带，其实单位是M

    \color{red}{b}

    /s，因此最大带宽就是12.5MB/s如此类推。
    2.网络波动，或者其他人占用了一部分带宽（如看剧，下载东西），这种情况就只有在人少或者夜晚下载。
    3.EBI或者NCBI访问人数过多，造成网络拥挤，这种情况就只有多尝试几次。
    4.你没有加参数-Q，没有启动自主设定传输速率的功能，但不加默认是100M，理论上也不应该太慢，因此这种概率低

问：Session Stop (Error: Failed to open TCP connection for SSH)咋回事？

  • 答：加上-P33001即可。
    如果依旧不行就不好搞了，因为需要管理员权限，可是我们做生信的哪里去搞服务器权限？但如果你老板给你了，那就运行下面的命令即可，然后再加上-P33001。我没有试验官方给出的解决方案，如果你成功了，请告知我，谢谢

iptables -I INPUT -p tcp --dport 33001 -j ACCEPT
iptables -I OUTPUT -p tcp --dport 33001 -j ACCEPT

问：断点续传对fasta/q序列文件的完整性有怎样的影响？

  • 答：

    \color{red}{影响较大！}

    ，因为后续分析对fa/fq文件格式要求严格，如fq但凡不是四行四行的出现，首先在QC的时候就会报错，因此断点续传看着有用，但有时候是自欺欺人，所以一但下载终止，最好的方法就是把要续传的文件删干净，一个以【.aspera-ckpt】结尾，一个以【.partial】结尾，删除后重新下载！

问：既然断点续传对fasta/q序列文件的完整性有影响，那我不加k1可以嘛？

  • 答：

    \color{red}{不可以！}

    ，因为当你批量下载的时候，如果有的下载成功了，有的下载失败了，这时候重新跑脚本的时候，k1的作用就体现了，他可以跳过下载完整的文件，避免重复下载浪费时间！

问：ascp: failed to authenticate, exiting. Session Stop (Error: failed to authenticate) 怎么回事？

  • 答：

    \color{red}{无解}

    ，因为这种并不能称之为错误，而是网络问题，今天不行，明天再次尝试可能就可以了。



作者：生信卷王
链接：https://www.jianshu.com/p/2987843d97e3
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

这篇关于使用aspera下载SRA数据速度高达 下载中国gsa数据? ascp的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/630793。

相关文章

大模型研发全揭秘：客服工单数据标注的完整攻略

大模型研发全揭秘：客服工单数据标注的完整攻略

在人工智能（AI）领域，数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者，掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中，工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注，不仅能够帮助提升客服自动化系统的智能化水平，还能优化客户服务流程，提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行
阅读更多...
基于MySQL Binlog的Elasticsearch数据同步实践

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展，我们的业务数据越来越多，单纯使用 MySQL 已经不能满足我们的数据查询需求，例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后，随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步，我们目前的解决方案是建立数据中间表。把需要检索的业务数据，统一放到一张M
阅读更多...
关于数据埋点，你需要了解这些基本知识

关于数据埋点，你需要了解这些基本知识

产品汪每天都在和数据打交道，你知道数据来自哪里吗？ 移动app端内的用户行为数据大多来自埋点，了解一些埋点知识，能和数据分析师、技术侃大山，参与到前期的数据采集，更重要是让最终的埋点数据能为我所用，否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式，可以区分为： 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理：自动程度高的，能解决通用统计，便于统一化管理，但个性化定
阅读更多...
中文分词jieba库的使用与实景应用（一）

中文分词jieba库的使用与实景应用（一）

知识星球：https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义： 精确模式（默认模式）： 全模式： 搜索引擎模式： paddle 模式（基于深度学习的分词模式）： 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取
阅读更多...
使用SecondaryNameNode恢复NameNode的数据

使用SecondaryNameNode恢复NameNode的数据

1）需求： NameNode进程挂了并且存储的数据也丢失了，如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2）故障模拟 （1）kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 （2）删除NameNode存储的数据（/opt/module/hadoop-3.1.4/data/tmp/dfs/na
阅读更多...
异构存储（冷热数据分离）

异构存储（冷热数据分离）

异构存储主要解决不同的数据，存储在不同类型的硬盘中，达到最佳性能的问题。 异构存储Shell操作 （1）查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies （2）为指定路径（数据存储目录）设置指定的存储策略 hdfs storagepolicies -setStoragePo
阅读更多...
Hadoop集群数据均衡之磁盘间数据均衡

Hadoop集群数据均衡之磁盘间数据均衡

生产环境，由于硬盘空间不足，往往需要增加一块硬盘。刚加载的硬盘没有数据时，可以执行磁盘数据均衡命令。（Hadoop3.x新特性） plan后面带的节点的名字必须是已经存在的，并且是需要均衡的节点。 如果节点不存在，会报如下错误： 如果节点只有一个硬盘的话，不会创建均衡计划： （1）生成均衡计划 hdfs diskbalancer -plan hadoop102 （2）执行均衡计划 hd
阅读更多...
Hadoop数据压缩使用介绍

Hadoop数据压缩使用介绍

一、压缩原则 （1）运算密集型的Job，少用压缩 （2）IO密集型的Job，多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1）为了支持多种压缩/解压缩算法，Hadoop引入了编码/解码器 2）要在Hadoop中启用压缩，可以配置如下参数
阅读更多...
Makefile简明使用教程

Makefile简明使用教程

文章目录 规则makefile文件的基本语法：加在命令前的特殊符号：.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具，常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件
阅读更多...
跨国公司撤出在华研发中心的启示：中国IT产业的挑战与机遇

跨国公司撤出在华研发中心的启示：中国IT产业的挑战与机遇

近日，IBM中国宣布撤出在华的两大研发中心，这一决定在IT行业引发了广泛的讨论和关注。跨国公司在华研发中心的撤出，不仅对众多IT从业者的职业发展带来了直接的冲击，也引发了人们对全球化背景下中国IT产业竞争力和未来发展方向的深思。面对这一突如其来的变化，我们应如何看待跨国公司的决策？中国IT人才又该如何应对？中国IT产业将何去何从？本文将围绕这些问题展开探讨。 跨国公司撤出的背景与
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2