使用aspera下载SRA数据速度高达下载中国gsa数据? ascp

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！