前言
隨著碩士班的開學，
我自然而然地也踏上了生物資訊，整合機器學習之研究的旅途。
然而過程中，我竟然也發現：
在做生物資訊的同儕，除了新手還在用 Windows 之外，
其他專業一點的人們，幾乎都用某一種 Linux 的發行版。
（例如：Ubuntu, Linux Mint）
示意圖：伺服器與 Ubuntu 系統（由 ChatGPT 繪製）
我從文章寫出來的六個月以前開始接觸 Linux。
從在我的筆記型電腦上面測試癌症基因表達的分析，
到現在在實驗室裡面負責安裝 Linux 伺服器與維護，
深刻體會到 Linux 比起我以前的 Windows 流程或 macOS 都還要順暢。
透過我之前跟實習單位的資深前輩，以及自己察覺到的方面，我也認識到：
Linux 不只是效能上的優化而已，更是從事生物資訊共通的「文化」。
這篇文章，就是我在這六個月以來，
對於「Linux 為何是生物資訊研究的良伴」這個問題，
依據我個人的經驗提出分析、做出思考之後的結晶，跟大家做分享。
Linux 在生物資訊研究中的定位
眾所周知，全球絕大多數的伺服器皆是使用 Linux 進行開發與設計；
這使得軟體或命令列工具的開發，也跟著使用 Linux 作為主要的開發環境，
減少開發環境與發布軟體的伺服器之間，
因為不同作業系統的核心差異，帶來的潛在錯誤風險。
又由於從 Linux 跨平台到 Windows 或 macOS 需要另外的某些工具和腳本，
會增加程式在部署上的複雜程度；
因此，既然是在 Linux 上面做開發，
開發者自然也會選擇以 Linux 作為釋出軟體的首選。
這使得主流的生物資訊工具對 Linux 形成強大的依賴；
甚至有些函式庫並不包含 Windows 或 macOS 上的版本。
像是我之前在實驗室，最一開始接觸生物資訊的時候，
本來也打算透過 Windows 來完成大部份的工作，
但是卻碰上了必須要的 BEDtools 只支援 Linux 的問題；
而實驗室主打的 Galaxy 生物資訊平台，
也只能部署到 Unix-like 的系統上（ Linux 即為其一分支）。
因此，在當時「必須使用 Linux，否則必須切換實驗室」的急迫情況下，
我也就跨越了這層技術障礙，開始自己接觸、了解 Linux 。
示意圖：筆者正在倉促地參考電腦使用說明（由 ChatGPT 繪製）
我們從這裡，基本上可理解到：
生物資訊研究基本上離不開 Linux，原因之一即在於此。
Linux 帶來的具體優勢
凡是做過生物資訊的從業者，就知道生物資訊的資料量極為龐大。
從基因表現矩陣，到基因組瀏覽器資料的二進位檔案格式，
在在都是 10 GB 以上在當單位的。
這時，如果要將這樣的檔案下載到自己的電腦當中，並執行後續的分析，
往往會發生本地端的記憶體被「整碗端走」這種很常見的事情。
（即使排除掉程式設計不良的部份，也依然如此）
Windows 系列的作業系統，因為作業系統取向的關係，
造成每次開機都必須要載入可能不會用到的相容層、服務等。
因此，同樣的記憶體容量，Windows 11 24H2 使用的開機記憶體，
往往比起同年份發布的 Linux 發行版（例如：Ubuntu 24.04）使用的還要更多。
我自己的測試，使用同一台電腦（雙重開機）、最新的 Windows 11 24H2，
與 Ubuntu 24.04（KDE 桌面環境）做開機記憶體量測；
結果 Windows 11 開機就用了 5.0 GB 的實體記憶體（不包括使用中的虛擬記憶體等）；
而 Ubuntu 24.04 只需要 2.5 GB 的實體記憶體，並且完全不需要虛擬記憶體。
這是因為 Ubuntu 24.04 預設不會載入所有的服務與相容層
（若使用者需要，必須輸入指令來開啟），所以佔用的記憶體會比較少。
示意圖：Windows 在運行同樣的工作，負擔比起 Ubuntu 來得重（由 ChatGPT 繪製）
這時，假設我們用同樣的硬體、兩套不同的系統，
分別跑同樣一個瀏覽器的分頁、同樣一個程式碼編輯器視窗、
同樣一個 Python 的程式碼腳本，在這樣的過程用到同樣的硬體
（例如：12 GB Physical RAM + 8 GB Virtual RAM）的情況下，
Windows 更容易遇到記憶體不足（Out of Memory, OOM）而導致的效能下降，
或者，甚至當機的狀況。基於 Linux 的作業系統之優勢，由此可見一斑。
另一個 Linux 相較 Windows 在生物資訊分析上的優勢，
在於其對大型檔案的處理效率。
原因在於兩個作業系統使用的是不一樣的檔案系統；
Windows 10/11 主要使用 NTFS ，
而 Linux 的發行版則使用 ext4 作為首選的檔案系統。
其中， ext4 因為產生的「碎片化」較小，
所以在檔案讀寫的效率上面，勝過於使用 NTFS 的 Windows 10/11。
這對於結構性資料（Structured Data），
例如有幾萬行、幾萬列的基因表現矩陣而言，是至關重要的優勢。
所以，大部分從事生物資訊研究的人士，都採用 Linux 作為主要的作業系統。
對生物資訊初學者的建議
如果你是一位準備要研究生物資訊的新手，你可能會問：
那我應該要選擇哪個作業系統？
我應該為了更好的效率、更快的讀寫，克服學習 Linux 與命令列介面的學習曲線嗎？
我會建議你：
如果你念生物資訊，不會涉及程式管線的自動化、
跨平台部署程式碼、機器學習等複雜運算，
以及只有在 Linux 才會有的某些生物資訊工具，
那就使用 Windows，自己用得習慣最重要。
然而，如果你的流程涉及上千或上萬次重複的分析、
特定只在 Linux 才有的工具，以及機器學習、深度學習，
或甚至人工智慧領域，那使用 Linux 就是你的首要選擇。
學習 Linux 其實沒有各位讀者想像中的困難；
但是在開始之前，可能會需要足夠的耐心、毅力，以及不怕麻煩的心態。
另外，可能還得要比安裝、設定 Windows 查詢更多的資料，
才能充分地發揮它的效能。
如果這些你都有信心克服，恭喜你，
你已經替自己的生物資訊之路做好最萬全的準備。
如果喜歡這篇文章，記得按個愛心與收藏。各位的支持，都將是我持續創作的動力。
下一篇文章，將會剖析生成式人工智慧對於大學生學習的挑戰，敬請期待！
