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

  

  ，速度惊人，

  

  数据用时

  

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
done

ascp -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

  

  ，速度惊人，

  

  数据用时

  

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

  

  /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：

  

  ，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：

  

  ，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：

  

  ，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。