2.0.Programming Tools

由于本次作业需要一定的计算资源支持，我们为各个小组提供了集群账户。大作业需要使用python完成，推荐读者使用python3。建议使用pycharm进行代码的编辑、运行和调试。可以参考以下的PyCharm 连接远程服务器，ssh远程连接P-cluster。

1) PyCharm 连接远程服务器

注：只有professional版才有ssh 远程连接的功能，社区版没有。可参考学生如何免费试用Pycharm专业版

1.1) 打开PyCharm 的Preferences

1.2) 设置远程服务器&设置账号密码

Build,Execition,Deployment -> Deployment。
点击左上角的“+”键，给server取名。
type 选择 SFTP。
点击SSH configuration 设置Host、Username、password。

Test Connection检查连接是否正常，如出现问题，可能是上步SSH设置问题。
设置Root path,点击上方的mappings,设置本地映射目录和远程映射目录。
设置好后apply

1.3) 设置python解释器

Preferences -> Project:xxxx -> Python interpreter
点击设置，再点击add,在Python Interpreter中设置调用的python路径

点击SSH Interpreter,选择Existing server configuration
选择我们刚刚设置好的SSH configuration
next,实现PyCharm远程服务器的连接。

1.4) 文件的传输以及Terminal的打开

选择左上角的tools->Deployment
upload和download能够实现文件在本机和服务器上的互传。
Tools->start SSH session
选择需要连接的服务器
随后在下方的Terminal处，即可进行linux 操作。

2) 使用Cluster队列提交任务

具体可参考1.2-cluster的4) How to use cluster部分。这里简单介绍一下：

我们的作业需要P-cluster上完成，cluster是为多用户同时使用而设计，包含多个运算节点。为了不发生多用户同时使用相同运算节点造成拥堵和死机，需要按照queue（队列）进行使用。简而言之，本次作用中所有需要集群后台处理或大规模运算的Shell script(.sh)都需要在脚本包含以下部分：

### 1. 提交任务部分，任务的说明
#!/bin/bash
#SBATCH -J tophat_test
#SBATCH -p CN_BIOT
#SBATCH --nodes=1
#SBATCH --ntasks=4
#SBATCH --output=%j.out
#SBATCH --error=%j.err

### 2. 声明该脚本中所用到的所有软件的路径，并export到PATH变量中
export PATH=/WORK/teaching/bin:$PATH

### 3. 运行代码部分

2.1) 提交任务部分

Name

mean

#SBATCH -J

给该任务命名，可自行定义

#SBATCH -p CN_BIOT

使用CN_BIOT这个队列

#SBATCH --nodes=1

使用的节点数为1

#SBATCH --ntasks=4

使用的任务线程数为4

#SBATCH --output=%j.out

运行日志输出到当前目录中，以.out结尾，以JOBID为名

#SBATCH --error=%j.err

运行错误日志输出到当前目录中，以 .err 结尾，以JOBID为名

2.2) 声明所用软件路径部分

export PATH=/WORK/teaching/bin:$PATH的/WORK/teaching/bin为所用到的软件所在目录的路径，如有多个软件路径，路径之间用:相隔，例如export PATH=/data/zhaoyizi/software/anaconda3/envs/Riboshape/bin:/data/zhaoyizi/software/shapemapper-2.1.5:$PATH