在Alpine集群运行3DDNA时GNU Parallel报XDG_CACHE_HOME路径错误

问题背景 #

在科罗拉多大学Alpine超级计算集群上，使用PacBio HiFi长读长和Arima Hi-C数据通过3DDNA进行基因组组装时，依赖的GNU Parallel反复抛出错误：

parallel: Error: $XDG_CACHE_HOME can only contain [-a-z0-9_+,.%:/= ].

已在.bashrc和.bash_profile中定义环境变量：

export TMPDIR=/scratch/alpine/.colostate.edu/username/463/juicedir/tmp
export XDG_CACHE_HOME=/scratch/alpine/.colostate.edu/username/463/juicedir/cache

此前TMPDIR的类似错误通过在3DDNA调用的所有.sh脚本中为Parallel添加--tmpdir参数解决，尝试软链$HOME/.cache到目标缓存目录无效。

解决思路 #

1. 排查路径字符合法性 #

GNU Parallel对XDG_CACHE_HOME路径的字符限制严格，仅允许[-a-z0-9_+,.%:/= ]：

• 检查路径中是否存在大写字母（错误提示仅允许小写a-z），若用户名或目录名包含大写，改为全小写后重新测试。
• 确认路径中无空格、特殊符号（如@、非允许范围内的连字符等），若存在则修改路径名规避。

2. 强制为Parallel指定缓存目录 #

直接在3DDNA所有调用GNU Parallel的脚本中添加--cache-dir参数，绕开环境变量解析问题：
找到3DDNA流程中所有执行parallel命令的行，修改为：

parallel --cache-dir /scratch/alpine/.colostate.edu/username/463/juicedir/cache --tmpdir /scratch/alpine/.colostate.edu/username/463/juicedir/tmp [原命令内容]

这一方法和之前解决TMPDIR问题的逻辑一致，直接强制指定Parallel的临时和缓存目录，避免环境变量的干扰。

3. 确认环境变量在集群作业中的生效性 #

集群作业调度系统（如Slurm）可能不会自动加载.bashrc/.bash_profile的环境变量，需在提交任务的脚本中手动导出变量：

#!/bin/bash
#SBATCH [你的调度参数]

export TMPDIR=/scratch/alpine/.colostate.edu/username/463/juicedir/tmp
export XDG_CACHE_HOME=/scratch/alpine/.colostate.edu/username/463/juicedir/cache

# 执行3DDNA命令

或在提交任务时使用--export=ALL参数（Slurm），确保所有环境变量传递到作业环境。

4. 预创建缓存目录并验证权限 #

先手动创建目标缓存和临时目录，确保权限正确：

mkdir -p /scratch/alpine/.colostate.edu/username/463/juicedir/{tmp,cache}
chmod 700 /scratch/alpine/.colostate.edu/username/463/juicedir/{tmp,cache}

随后在集群节点上单独测试Parallel命令，验证路径是否合法：

parallel --cache-dir /scratch/alpine/.colostate.edu/username/463/juicedir/cache echo {} ::: 1 2 3

若该命令无报错，则说明3DDNA调用Parallel时未正确传递参数；若仍报错，需进一步检查路径字符或集群存储的特殊限制。

内容的提问来源于stack exchange，提问作者Juliette Lewis