Linux/Windows下Conda通过YAML创建环境失败求助

Linux系统报错情况 #

执行命令（注意原命令存在拼写错误，正确命令见下方修正版）：

create env create -f env.yaml  # 错误命令，正确应为：conda env create -f env.yaml

报错信息：

Collecting package metadata (repodata.json): done
Solving environment: - Killed

补充信息：系统剩余空间近100GB，Conda版本为23.1.0，该YAML文件其他用户可正常使用。

Windows 10系统报错情况 #

执行命令：

conda env create -f env.yaml

报错信息：

Collecting package metadata (repodata.json): done Solving environment: failed

ResolvePackageNotFound:
  - hisat2=2.1.0
  - multiqc=1.5
  - salmon=0.14.1
  - graphviz=2.40.1
  - trim-galore=0.6.2
  - samtools=1.9
  - bioconductor-edger=3.26.0
  - htseq=0.11.2
  - subread=1.6.4
  - bioconductor-deseq2=1.22.1

单独安装包失败示例（以hisat2为例）：
执行conda install -c bioconda hisat2后，提示PackagesNotFoundError，当前渠道无对应包。

提供的env.yaml文件内容 #

name: rasflow 
channels:
  - conda-forge
  - bioconda
  - r
  - defaults
dependencies:
  - snakemake=5.3.0
  - graphviz=2.40.1
# command tool installs
  - R=3.5.1
  - python=3.6.7
# r channel installs
  - r-yaml=2.2.0
  - r-statmod=1.4.30
  - r-gplots=3.0.1
# conda-forge channel installs
  - r-heatmap.plus=1.3
  - r-readr=1.3.1
  - r-hash=3.0.1
# bioconda channel installs
  - fastqc=0.11.8
  - trim-galore=0.6.2
  - multiqc=1.5
  - salmon=0.14.1
  - hisat2=2.1.0
  - samtools=1.9
  - subread=1.6.4  # featureCounts included
  - htseq=0.11.2  # htseq-count included
  - bioconductor-edger=3.26.0
  - bioconductor-deseq2=1.22.1
  - qualimap=2.2.2a
  - bioconductor-mygene=1.18.0
  - bioconductor-tximport=1.12.1
  - bioconductor-enhancedvolcano=1.2.0
  - bioconductor-biomart=2.38.0

问题原因分析 #

1. Linux系统报错（Solving environment: Killed）

   • 核心原因是Conda求解环境时内存不足。Conda 23.x版本处理旧版本包（如Python 3.6、R 3.5）的依赖关系时，计算量陡增，容易触发系统OOM（内存不足）杀死进程，与磁盘空间无关。
   • 旧版本包的依赖链复杂，新版本Conda的求解器对这类场景的内存优化不足。

2. Windows系统报错（ResolvePackageNotFound）

   • 指定的包版本过于老旧，部分生物信息学工具（如hisat2=2.1.0、samtools=1.9）的Windows编译包已从Conda渠道中移除。
   • Bioconda对Windows系统的支持有限，多数旧版生物信息学工具仅提供Linux/macOS版本。

解决方案 #

针对Linux系统 #

1. 修正命令拼写：执行正确的环境创建命令：

   conda env create -f env.yaml
   

2. 启用低内存求解模式：降低Conda求解时的内存占用：

   conda config --set solver.low_memory true
   conda env create -f env.yaml
   

3. 降级Conda版本：旧版本Conda（如4.x系列）对旧包的依赖求解效率更高，内存占用更低：

   conda install conda=4.12.0
   conda env create -f env.yaml
   

4. 释放系统内存：关闭其他占用内存的进程，或临时增加swap空间。

针对Windows系统 #

1. 使用WSL2：在Windows上安装WSL2，切换到Linux环境执行环境创建，复用Linux系统的解决方案。
2. 更新YAML中的包版本：将老旧包替换为支持Windows的新版本，同时同步更新R、Python版本（Bioconductor版本与R版本绑定），示例调整如下：

   name: rasflow 
   channels:
     - conda-forge
     - bioconda
     - r
     - defaults
   dependencies:
     - snakemake=7.32.4
     - graphviz=9.0.0
     - R=4.2.3
     - python=3.9.18
     - r-yaml=2.3.7
     - r-statmod=1.5.0
     - r-gplots=3.1.3
     - r-heatmap.plus=1.3.1
     - r-readr=2.1.4
     - r-hash=2.2.6.3
     - fastqc=0.11.9
     - trim-galore=0.6.10
     - multiqc=1.15
     - salmon=1.10.1
     - hisat2=2.2.1
     - samtools=1.17
     - subread=2.0.6
     - htseq=2.0.3
     - bioconductor-edger=3.40.2
     - bioconductor-deseq2=1.38.3
     - qualimap=2.2.2d
     - bioconductor-mygene=1.24.0
     - bioconductor-tximport=1.26.0
     - bioconductor-enhancedvolcano=1.16.0
     - bioconductor-biomart=2.54.0
   

   注意：版本更新后需验证RASflow流程的兼容性。

通用建议 #

• 创建环境前先清理并更新Conda索引：

  conda clean --all
  conda update conda
  

• 对比能正常使用该YAML的用户的Conda版本、渠道配置，同步相同设置（可通过conda config --show导出配置）。

内容的提问来源于stack exchange，提问作者Antonia