Memory 蛇形存储器限制

在Snakemake中，我有5条规则，对于每一条规则，我通过

resources mem_mb

选项设置内存限制。 看起来是这样的：

rule assembly:
     input:
         file1 = os.path.join(MAIN_DIR, "1.txt"), \
         file2 = os.path.join(MAIN_DIR, "2.txt"), \
         file3 = os.path.join(MAIN_DIR, "3.txt")
     output:
         foldr = dir, \
         file4 = os.path.join(dir, "A.png"), \
         file5 = os.path.join(dir, "A.tsv")
     resources:
         mem_mb=100000
     shell:
         " pythonscript.py -i {input.file1} -v {input.file2} -q {input.file3} --cores 5 -o {output.foldr}  "

但我想做的是限制整个Snake文件的内存使用：

snakamake --snakefile mysnakefile_snakefile --resources mem_mb=100000

---

因此，并非所有作业都会使用

100GB

（如果我有5条规则，意思是

500GB

内存分配），但它们的所有执行都将是最大

100GB

（5个作业，总共

100GB

分配？

命令行参数设置总限制。Snakemake调度程序将确保对于正在运行的作业集，

mem_mb

资源的总和不会超过总限制

---

我想这正是你想要的，不是吗？您只需要在规则本身中设置每个作业的预期内存。请注意，Snakemake不会为您测量此值。您必须在规则中自己定义该值。例如，如果您希望您的工作使用100MB内存，请将

mem_mb=100

放入该规则。

谢谢您的回答。是的，我想限制所有作业的RAM消耗总量。我避免对作业设置单独的限制，因为有一次它使用了6个线程，并且使用了6次内存分配，因此造成了问题。当我说“mem_mb=100”时，它为每个作业分配了“100mb”，至少在Dryrun中是这样的是的，这就是它的本意。资源始终是每个作业在该作业的所有线程上的资源。如果内存使用情况取决于线程数（情况并非总是如此），则可以将资源定义为可调用的，例如，

mem_mb=lambda通配符，threads:100*threads

。这样每个线程将使用默认线程大小的

100mb

？或者它需要我在执行snakemake时使用

-j

命令来指定它吗？我在命令行中使用mem_mb=100000运行它，目标总使用量为~100GB，但是它超过了它，RAM使用量达到了110GB。。你知道为什么它没有保持在极限吗？你可能对此感兴趣：