常用Linux命令

生物信息学数据分析过程中熟练使用Linux Shell命令可以大大提高工作效率。

1.1 查看文件的前/后n行

• Linux

  下面的命令显示文件名为filename的文件的前/后5行：

  1 2	head filename -n5 tail filename -n5

  设置-n后面的数字，可以指定要查看的行数。如果省略-n参数，则默认显示10行。
  另外，-n参数的位置是比较灵活的，而且后面的数值可以加一个空格区分，所以，下面几种形式都是可以的：

  1 2 3 4 5

  head filename head -n5 filename tail -n5 filename head filename -n 5 tail filename -n 5

• Mac
  Mac下的head/tail命令是BSD平台的实现，-n参数必须在文件名前面，放在文件名后面会被当做一个新的文件名。如果省略-n参数，则默认也显示10行。
  下面几种形式都是可以的：

  1 2 3 4

  head -n5 filename tail -n5 filename head -n 5 filename tail -n 5 filename

1.2 查看文件的行数

1	wc -l filename

上面的命令会把把名为filename文件的行数以及文件名本身一起列出来。有时候我们想要同时看很多个文件的行数。可以使用：

1	wc -l filename1 filename2

这条命令输出为：

1 2 3

281 filename1 281 filename2 562 total

分别为filename1,filename2的行数，以及他们行数的和。当然，也可以直接查看当前文件夹下所有的文件行数：

1

wc -l *

1.3 查看文件的列数

在提取完特征之后，检查特征文件的列数是必须要做的，所以查看文件列数的命令也非常常见：

1	cat filename | awk -F ',' '{print NF}' | head -n1

这里假定filename是以,分割的文件，如果是以空格或者别的标记分割的文件，可以自行修改
','中的符号。

另外，awk -F ',' '{print NF}'中输出的结果，实际上是每一行的列数，我们假定这里处理的是特征文件，因此每一行的列数都是相同的，所以我们只需要使用head -n1查看第一行的列数就可以了。

1.4 查看序列文件中的序列数

1	grep -c '>' filename

因为序列文件中每条序列都是以>开头的，因此统计>的个数就可以知道序列数目。

1.5 文件合并

• 上下合并：

  1 2	cat file1 file2 > file3 cat file1 file2 file3 > newfile

  很容易扩展到多个文件合并

• 左右合并

  1 2	paste file1 file2 > file3 paste file1 file2 file3 > newfile

  一样可以扩展到多个文件合并。

  默认情况下，paste合并文件之间使用空格或者tab分开，如果你合并的是csv文件，就需要显示指定用,分开：

  1	paste -d "," file1 file2 file3 > newfile

1.6 单个文件去掉重复的行

• 重复的多行只留一行

  1	sort filename | uniq > newfile

• 重复的行全部去掉，只留下文件中的非重复行

  1	sort filename | uniq -u > newfile

1.7 文件的交集，并集

下面的操作很容易可以扩展到多个文件。

• 文件的并集(重复的行只保留一份)

  1 2	cat file1 file2 | sort | uniq > newfile cat file1 file2 file3 | sort | uniq > newfile

• 取出两个文件的交集(只留下同时存在于两个文件中的文件)

  1 2	cat file1 file2 | sort | uniq -d > newfile cat file1 file2 file3 | sort | uniq -d > newfile

• 删除交集，留下其他的行

  1 2	cat file1 file2 | sort | uniq -u > newfile cat file1 file2 file3 | sort | uniq -u > newfile

1.7 查看及关闭端口

通常在tomcat没能正常退出的情况下，8080端口就会被占用，这时就无法重新启动tomcat。因此经常需要查看端口使用情况，并在端口被占用时关闭端口。

在Mac下

• 查看端口8080

  1	lsof -i:8080

• 关闭8080

   

  1	kill -9 8080

*******************************************************************************

1. 统计fasta文件

grep '>' filename.fasta | wc -l

2. 在文件中的每一行之前加上一个字符串，比如：aaa

sed 's/^/aaa/g' filename.txt > outputfile.txt

3. 遍历整个文件夹，把所有txt文件中的aaa替换成bbb

find . -name '*.txt' | xargs perl -pi -e 's/aaa/bbb/g'

4.其他目录下运行一个软件时候，command no find，如;

[root@node3 bin]# metabing
bash: metabing: command not found
解决方法：

切换到root权限

vim /etc/profile ，添加环境变量：

[root@node3 bin]# source /etc/profile

查看效果：
[root@node3 bin]# metabing
Usage: ./metabing <FASTA file> <db>(optional)

 success！

 5.Linux中我们经常遇到需要批量该文件名字的操作：

[biostack@node3 tmp]$ touch tmp_{1..10}.txt #创建十个空文件

[biostack@node3 tmp]$ ll
total 0
-rw-r--r-- 1 biostack users 0 Mar 23 02:31 tmp-1.txt
-rw-r--r-- 1 biostack users 0 Mar 23 02:31 tmp-10.txt
-rw-r--r-- 1 biostack users 0 Mar 23 02:31 tmp-2.txt
-rw-r--r-- 1 biostack users 0 Mar 23 02:31 tmp-3.txt
-rw-r--r-- 1 biostack users 0 Mar 23 02:31 tmp-4.txt
-rw-r--r-- 1 biostack users 0 Mar 23 02:31 tmp-5.txt
-rw-r--r-- 1 biostack users 0 Mar 23 02:31 tmp-6.txt
-rw-r--r-- 1 biostack users 0 Mar 23 02:31 tmp-7.txt
-rw-r--r-- 1 biostack users 0 Mar 23 02:31 tmp-8.txt
-rw-r--r-- 1 biostack users 0 Mar 23 02:31 tmp-9.txt

将当前文件夹中所有的“_”改为“-”
[biostack@node3 tmp]$ find ./ -name "*_*" | while read id; do mv $id ${id/_/-}; done
[biostack@node3 tmp]$ ll
total 0
-rw-r--r-- 1 biostack users 0 Mar 23  2017 tmp-1.txt
-rw-r--r-- 1 biostack users 0 Mar 23  2017 tmp-10.txt
-rw-r--r-- 1 biostack users 0 Mar 23  2017 tmp-2.txt
-rw-r--r-- 1 biostack users 0 Mar 23  2017 tmp-3.txt
-rw-r--r-- 1 biostack users 0 Mar 23  2017 tmp-4.txt
-rw-r--r-- 1 biostack users 0 Mar 23  2017 tmp-5.txt
-rw-r--r-- 1 biostack users 0 Mar 23  2017 tmp-6.txt
-rw-r--r-- 1 biostack users 0 Mar 23  2017 tmp-7.txt
-rw-r--r-- 1 biostack users 0 Mar 23  2017 tmp-8.txt
-rw-r--r-- 1 biostack users 0 Mar 23  2017 tmp-9.txt

6.libc.so.6: version `GLIBC_2.14' not found
百度网盘下载glibc-2.14.tar http://pan.baidu.com/s/1qYNgSTA

tar glibc-2.14.tar.gz

cd glibc-2.14

mkdir build

cd build

../configure

make && make install

最后，将其添加到环境变量中即可（注意：不要在root权限下）

export LD_LIBRARY_PATH="/project/Metabenchmark/pipelines/tabtk_utils-0.1.4/bin/glibc-2.14/build:$LD_LIBRARY_PATH"

编译本来并不复杂，都是configure & make & make install的老三步，问题在于遇到的各种错误。下面总结了一下遇到的错误们

上述编译过程中常会出现下列问题：

1. LD_LIBRARY_PATH shouldn't contain the current directory

出现这个错误的原因是由于环境变量的LD_LIBRARY_PATH中出现了当前目录。找了好久不知道是啥原因，因为不可能把这目录放在环境变量啊。后来发现，通常我们写环境变量都喜欢写：

export LD_LIBRARY_PATH = $LD_LIBRARY_PATH:foo/bar:hello/world:a/b
如果一开始LD_LIBRARY_PATH不存在的话，这个上面这串环境变量开头就是冒号，这就把当前文件夹包含进去了。一般来说我们挺需要这种效果，因为在编译的时候可以include某些东西，但是对于编译glibc来说这个是多余的。

最简单的解决方法就是
unset LD_LIBRARY_PATH，这能把这个环境变量直接干掉。

2. 安装目录prefix没指定的错误：

*** On GNU/Linux systems the GNU C Library should not be installed into
*** /usr/local since this might make your system totally unusable.
*** We strongly advise to use a different prefix.  For details read the FAQ.
*** If you really mean to do this, run configure again using the extra
*** parameter `--disable-sanity-checks'.

出现这个错误的原因在于，如果没指定prefix，则系统把这个程序装在/usr/local目录下。但是，c标准库要求必须安装在与根文件系统相同的分区中，否则不能用。但是/usr这个挂载点可能处在外部的分区。

--prefix=/usr --disable-profile --enable-add-ons --with-headers=/usr/include --with-binutils=/usr/bin  

 

7.linux命令后台运行

  有两种方式：

   1. command & ： 后台运行，你关掉终端会停止运行
   2. nohup command & ： 后台运行，你关掉终端也会继续运行 # nohup就是不挂起的意思( no hang up)如： nohup python unitl.py &