Bioinformatics Tools (build for Windows)
1. Tabix (Download)
2. Bgzip (Download)
These tools are build using MingW, with necessary changes to source codes:
给作者编号
Author Number
最近写了一个网页，主要解决写文章给作者编号的问题。这个问题怎么来的呢？现在的文章需要提供作者，作者工作单位和作者的贡献，但是提供的方式是给每个作者单位按照作者出现的顺序编号。比如我的文章有79个作者，现在突然要加一个新的合作者，把他拍到第50位，那么从第51位到最后一位作者的编号可能都需要改变。这个过程很容易出错。我想写个软件给所有人用，顺便凑个热闹，学习一下jQuery + Django，最后的作品放到我的网页(link)。在这个过程中，还学习了Nginx, Emacs web-mode, 这篇笔记主要是把我的经验记录下来。
1. 学习Django
Django是Python语言实现的Web架构，它最开始是用于展示新闻（Newroom），国内的豆瓣也用Django。作为Python的“粉丝”，我学一下Django，希望以后可以把有用的工具放到网上。
想入门，最好最省时间的方法是Django tutorial，就在Django的官方网页。这个Tutorial一共有六个部分，介绍的常用Django的功能，包括： 模型（Model），模板（Template），视图（View），静态文件（Static），管理界面（Admin），网址分发（URL Dispatching）等等。学习之后，我感到Django的强项是利用Python语言做到来简化数据库使用。对于一个简单的App，基本开发的流程是： （1）设定project 的settings.py 和urls.py，注册新的app ；（2）设定urls.py来确定网址和视图（View）的关系；（3）用HTML开发模板（/template/app/XXX.html）同时实现各种需要的视图（views.py）
架设Django，一般简易使用uWSGI。我使用的是Nginx处理静态页面，同时用uWSGI处理Django相关界面。简易先在本机用uWSGI调好程序，再放到服务器上并配置Nginx和uWSGI。
Djano默认使用Unicode，而我们一般都用str()，这是ASCII编码。两种编码对于字符串处理来讲（包括join, index）没有什么区别，但在print的时候，Unicode的字符应该先转成UTF-8字符，比如： print u”aaa”.encode(‘UTF-8’)
2. 学习jQuery
用jQuery的主要目的是用Ajax来更新网页数据，这样用户用起来有行云流水的感觉。jQuery有.get 和 .post两个方法，使用起来和访问网页很相似。不过这里面有几个陷阱。第一个是GET方式适合小数据，对于Django来讲，默认的大小是4096个字符，大一点的数据应该用POST；第二个陷阱就是POST，为了安全（CSRF: cross-site request forgery），Django要求POST的数据必须有csrftoken，一般的HTML表格Form必须有csrf的标记才会被Django接收。
为了调试Ajax的输入输出，简易用Firefox下的FireBug或者最新版本的Firefox，它们都可以显示Ajax请求的参数和返回值。最新版本的Firefox还可以给Javascript设置断点，这就更加降低了调试的难度。
jQuery的功能很多，这个网页把jQuery 1.9以及之前版本的功能用不同颜色区分出来，很方便查询（link）。
在这个网页中，我还用了handsontable，这是一个在jQuery的基础上开发的实用的javascript spreadsheet，语法简单，使用方便。
3. 一点Nginx经验
对Nginx来讲，我们的配置是用location语句来把特定的网址传给uWSGI进程。注意Nginx设置里如果有多个location语句，Nginx并不一定选择最先匹配的网址，而是选择最长的网址。比如：
location ~* /author/static/.+.(jpg|jpeg|gif|css|png|js|ico|xml)$ {
root /var/django/zhanxw/; # STATIC_ROOT
expires 30d;
}
location ~* ^.+.(jpg|jpeg|gif|css|png|js|ico|xml)$ {
access_log off;
expires 30d;
root /var/www;
}
如果第一个location写成： “location /author/static”，那么.jpg之类的文件会被第二个location处理，这就不是Django static文件的正确处理方式。
4. 一点Emacs web-mode经验
用Emacs写Django的模板HTML，最好用的不是django-html-mode，而是web-mode。只有这个mode可以识别 “{% static ‘polls/index.html’ %}”这样的记号，并正确缩进。
此外web-mode可以自动补全HTML tab，比如你在<p>后面打</，web-mode会帮你补全</p>。还可以用C-c C-e b 和C-c C-e e跳到一对tag的最前面（beginning）和最后面（end）。
5. 一般性经验
最开始设计应该以最少功能，最小实现为好，不要一下子把界面设计复杂。可以想几个用例（Use Case），保证最基本最重要的功能，其他功能应该越少越好。
网页的布局应该少用<br/>这种硬回车。在有Bootstrap的情况下，完全可以用<div>和<p>来用更少的HTML tag来实现更自然、自动的布局。
让R更快
Speed up R
用R 3.0.1来做基准，用Rscript运行R-benchmark-25.R计时。
1) 基准时间：
197.16u 1.74s 199.71r 1703184kB 0 Rscript R-benchmark-25.R
之后下载OpenBLAS，编译，然后把编译好的libopenblas.so 替换R自带的libRblas.so.
2) 测试单线程的速度：
Single thread OpenBLAS
105.83u 108.53s 58.04r 3072256kB 0 Rscript R-benchmark-25.R
3) 下面试试四个线程：
Four threaded OpenBLAS
export OPENBLAS_NUM_THREADS=4
79.39u 23.67s 58.54r 2122688kB 0 Rscript R-benchmark-25.R
可以看出使用四个线程和一个线程耗时差不多一样。但如果细看矩阵计算时间（这里忽略），四个线程还是能提速不少的。
但是考虑到使用方便，一个线程在大多数情况下应该就够用了。
Install matplotlib using pip (Mac)
在Mac OSX下安装matplotlib并不简单 （比如Linux可以用apt-get，Windows可以直接下载Binary build），因为matplotlib需要一些底层库(例如freetype，pygtk，而pygtk又需要gobject, gobject需要cairo）。
这里总结一下我在Mac OSX下安装Matplotlib的经验。
首先安装MacPorts，具体参见Install MacPorts.
然后安装py27-pygtk
port install py27-pygtk
然后把pygtk的路径添加到PYTHONPATH里：
export PYTHONPATH=$PYTHONPATH:/opt/local//Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/
最后用pip安装
alias pipInstall='pip install --install-option="--prefix=/Users/zhanxw/python" ' export CC=/opt/local/bin/g++; export CFLAGS=; export LDFLAGS= ; pipInstall -U matplotlib
这里要指定GCC编译器的路径，否则系统默认用gcc 4.2版编译。
还需要清除CFLAG和LDFLAGS，不然安装的时候不用pkg-config，也就得不到gtk库文件的位置。
额外两个tip：
【1】 安装pip需要先安装setuptools
【2】 一个命令升级所有pip安装的软件：
pip freeze --local | grep -v '^\-e' | cut -d = -f 1 | xargs pip install -U
此外如何在Mac OSX下用源码安装numpy和scipy？
这里有官网的说明。
特别注意的是，编译numpy和scipy要用gcc 4.0版。
另外scipy还需要cython （pip install cython）
2015-06-16 更新：
这里讲的方法可能已经不管用了，至少在我使用Solaris 10 的VirtualBox Image的时候，下面的方法行不通。
Install Solaris 10 and install R under Solaris
最近的写的一个R package vcf2geno不能在Solaris 10 下编译。
为了解决这个问题，我决定重复CRAN上Solaris 10的测试环境。
下面写个流水账
1.安装Virtual Box
下载，安装。
2.安装Solaris 10 和 Guest OS
一定要注意的是手动分区，把/tmp的容量设置到5G以上。不然默认的/tmp只有512M，这样就不方便安装Solaris Studio （第3步）。
安装virtualBox的Guest OS 软件后，Solaris的屏幕分辨率增加。
3.安装Solaris Studio 12.3
下载，解压，安装 （就是特别慢）
4.安装OpenSolaris
Solaris里面没有ubuntu的apt和fedora的yum，但是有个类似的软件叫做OpenCSW Link.
参考OpenCSW的手册Getting Start.
然后用pkgutil安装tetex, gcc4g++, iconv, readline
5.下载R
去R的主页下载源代码，然后解压
6.配置环境参数，安装
export CC=suncc
export CFLAGS="-xO5 -xc99 -xlibmil -nofstore"
export CPICFLAGS=-Kpic
export F77=sunf95
export FFLAGS="-O5 -libmil -nofstore"
export FPICFLAGS=-Kpic
export CXX="sunCC -library=stlport4"
export CXXFLAGS="-xO5 -xlibmil -nofstore -features=tmplrefstatic"
export CXXPICFLAGS=-Kpic
export FC=sunf95
export FCFLAGS=$FFLAGS
export FCPICFLAGS=-Kpic
export LDFLAGS=-L/opt/sunstudio12.1/rtlibs/amd64
export SHLIB_LDFLAGS=-shared
export SHLIB_CXXLDFLAGS=-G
export SHLIB_FCLDFLAGS=-G
export SAFE_FFLAGS="-O5 -libmil"
export CPPFLAGS=’-I/opt/csw/include -I/opt/csw/include/readline’
export LDFLAGS=’-L/opt/sunstudio12.1/rtlibs/amd64 -L/opt/csw/lib’
export PATH=/usr/xpg4/bin:$PATH
export PATH=/usr/sfw/bin/:$PATH
之后我们依次执行：
./configure
gmake #（Solaris下面的GNU make）
gmake install
经验：
主要参考：
【1】http://cran.r-project.org/doc/manuals/R-admin.html#Solaris
【2】Solaris下的locate工具. Link
【3】http://www.opencsw.org/get-it/packages/
Mac Mail设置邮件签名的时候，签名字体和邮件正文总是无法一致。
比如下图：（之前）
参考：http://apple.stackexchange.com/questions/10530/mail-signature-changes-font-size-when-sent-to-gmail
发现Mac下解决这个问题不难，但也很烦。
把步骤写下来，以备不时之需吧。
1. 退出Mail
2. 进入： ~/Library/Mail/Signatures
3. 用Web Archive Folderizer打开： DBA028E6-8465-492D-B0AF-4B19D3C06450.webarchive （总之是一个奇怪的文件名字）
之后会出现新目录“DBA028E6-8465-492D-B0AF-4B19D3C06450”，里面有一个叫做“localhost”的文件。
4. 用Text Edit打开这个文件，把所有font-size = medium，都改成font-size = 12px 。 因为默认的邮件字体是Helvetica 12。
5. 把改好的文件存为localhost.html
6. 用Safari打开localhost.html，然后存成Webarchive格式，覆盖：DBA028E6-8465-492D-B0AF-4B19D3C06450.webarchive
7. 打开Mail
好了，现在的签名字体和邮件正文的字体一致了。
（之后）
How to set up Meta appropriately for iTerm2
学校的电脑是Mac，Mac下最好的terminal是iTerm2；我用的编辑器是Emacs，但Terminal下的Emacs不能正常工作，比如M+/是我设置的hippie-expand，我不能用Alt/Command + /按出来，一定要用Esc+/ 。
被困扰了好久之后，我终于下定决心彻底解决这个问题。
NOTE：Alt/Command 指的是一个按键，在windows键盘上是Alt，Mac键盘上叫做Command，上面有一个四瓣的小花（Apple Clove）
首先要弄清楚流程：
1. 我按的键能不能传入iTerm2？
2. iTerm2如何把我的击键传到远处的Linux Terminal？
3. 远端的Terminal里的Emacs能不能正确解析击键？
1. 我按的键能不能传入iTerm2？
在Mac系统，一些组合键还真不一定能传到iTerm2，举个例子：Alt/Command + / ，这个是iTerm2里Find Cursor的Shortcuts，就是我一按这个组合键，就执行Find Cursor的功能，iTerm里的shell是收不到我的按键的。
解决方法：详细见这个邮件列表 http://groups.google.com/group/iterm2-discuss/browse_thread/thread/e960f5098ff3c4a0
就是增加一个系统级别的设置，把Find Cursor的组合键Overwrite掉。
顺便说，我顺便发现一个工具ShiftIt，就是用组合键安排窗口，比如：把窗口最大化，放在左边1/2，右边1/2…… 非常顺手。
2. iTerm2如何把我的击键传到远处的Linux Terminal？
下面是假设我按下键了，iTerm2会把我的击键传到Linux Terminal上。注意这个过程并不简单，因为我的按键会被remap，也会被改动。
举例来说，如果我按下Alt/Command，如果有remap（比如在iTerm2里设置了，或者用Double Command等设置了Remap），实际打出的可能是Option（就是Windows键盘上的Win键）。
还有一种可能是我的击键是Alt/Command，但Linux Terminal不认识Alt/Command，只有强制iTerm2把Alt/Command输出成+Esc 才成。
简单来说，在iTerm2 针对每个Session的设定里，在设定keys时，选择Preset xterm；然后把左右Option Key都选成+Esc。
另外在Linux Terminal中.inputrc文件中加入：
set input-meta on
set output-meta on
set convert-meta off
更多资料，参见在iTerm2里设置Emacs 和 paredit以及 iTerm2官方讲Keybinding的wiki
其中官方wiki指出了一个技巧，Ctrl＋V，然后击键，可以看出到底快捷键具体是什么，比如Ctrl＋v，然后按Esc，就会出现：”^[“, 说明Esc对应 ^[
3. 远端的Terminal里的bash/Emacs能不能正确解析击键？
Bash 常用的一个功能是backward-kill-word，就是说用快捷键向前删除单词，一般可以用Ctrl+W，还有一种常用的快捷键是Alt+Backspace。比如在iTerm2里可以Remap Alt+Backspace，但是怎么才能输入Alt+Backspace呢？直接输入时，Backspace会删除上一个字符，这时候通过查ASCII表，可以看到Hex 0x17对应backspace，那么我在iTerm2里设置0x17就可以了。
现在在Terminal 方式的Emacs里面（emacs -nw方式），应该可以用Option来代替Meta键，比如Meta+/可以用Option+/来输入。但如果我还是习惯用Alt/Command+/怎么办？
为了不在Emacs里设置，可以在iTerm2中设置 Alt/Command + / 为发送Escaped sequenced: ^[ /
假设我们按了快捷键，只有要Emacs事先知道快捷键对应什么功能才行。（例如可以用Ctrl+h k来看我们输入的快捷键对应的功能）。
经过以上三步，现在如果我需要在Emacs里输入Alt/Command + /， 可以按Esc+/ , Alt/Command + /, 或Option + / .
当然好处不止如此，比如在Emacs里各个窗口移动，可以很方便的用Shift+ArrowKey； 在一个文档快速移动，可以用Ctrl+ArrowKey。当然最大的好处是可以用Option作为Meta，以后按键就方便多了。
2016-12-09补充
如果在GNU screen里用Emacs，需要在.screenrc里加入这两行：
term xterm
c1 off
这是为了确保GNU screen不会改变键盘上输入的Escape sequence。
换句话说，可以保证“Shift＋向右的箭头”可以从键盘送到Emacs程序。
Use varnish to bypass school proxy (rewrite URL to bypass port blocking).
学校的防火墙规则很严格，除了80，443等常用端口外，不允许特殊端口的通信（就连git使用的9418端口也被block过）。
可以我的网站2812端口有monit服务，我常常想从学校的电脑访问 ，看看自己网站的是不是工作正常。为了解决这个问题，我发现可以用Varnish的rewrite 功能。
原理上讲，Varnish收到一个URL request，会调用vcl_recv函数 （可能是callback机制），然后根据header中的URL来分析如何具体处理，比如可以去掉header，对mobile的browser agent用mobile版的web server，还可以用不同的backend服务器，这个就是用这个功能。
先把相应的配置放上来：
default.vcl中先添加一个后台服务器：
backend monit {
.host = "localhost";
.port = "2812";
}
在sub vcl_recv函数中增加对/monit请求的重写（rewrite），就是说每次访问xxx.com/monit自动翻译成xxx.com/, 然后用backend monit（就是上面的localhost:2812服务器）来服务：
if (req.url ~ "^/monit"){
set req.url = regsub(req.url, "^/monit", "/");
set req.url = regsub(req.url, "^//", "/");
set req.backend = monit;
}
通过上面的设置，就可以在学校里，用80端口来访问服务器端2812端口的内容了。
注意，默认monit会使用这样的链接： xxx.com/nginx
这种情况下，varnish不会用backend monit来服务，我们需要手动访问：xxx.com/monit/nginx
现在还没有想到如何解决这种不方便。
后话1：
Varnish是一个非常强大的proxy，用它内置的VCL语言，可以很灵活、高效（Varnish内部把VCL编译成C语言）处理各种类型的HTTP request。比如round-robin式的负载均衡。最常用的两个函数是vcl_recv （表示varnish接收到browser的请求） 和vcl_fetch（表示varnish已经从后台服务器取得数据）。更多的用法可以见：
后话2：
Varnish不会像Apache/Nginx把log写到磁盘。如需要检查log，可以用Varnish自带的varnishlog。
比如下面的：
12 SessionOpen c 76.235.186.40 34862 :80 12 ReqStart c 76.235.186.40 34862 911966818 12 RxRequest c GET 12 RxURL c /monit 12 RxProtocol c HTTP/1.1 12 RxHeader c Host: zhanxw.com 12 RxHeader c User-Agent: Mozilla/5.0 (Ubuntu; X11; Linux x86_64; rv:8.0) Gecko/20100101 Firefox/8.0 12 RxHeader c Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8 12 RxHeader c Accept-Language: en-us,en;q=0.5 12 RxHeader c Accept-Encoding: gzip, deflate 12 RxHeader c Accept-Charset: ISO-8859-1,utf-8;q=0.7,*;q=0.7 12 RxHeader c Connection: keep-alive 12 RxHeader c Cookie: __utma=134065221.936534807.1323323714.1323329816.1323533189.3; __utmz=134065221.1323323714.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); __utmc=134065221 12 RxHeader c Authorization: Basic YWRtaW46eGlhb3dlaXhpYW95aQ== 12 RxHeader c Cache-Control: max-age=0 12 VCL_call c recv 12 VCL_return c pass 12 VCL_call c hash 12 VCL_return c hash 12 VCL_call c pass 12 VCL_return c pass 14 BackendOpen b monit 127.0.0.1 37258 127.0.0.1 2812 12 Backend c 14 monit monit 14 TxRequest b GET 14 TxURL b 14 TxProtocol b HTTP/1.1 14 TxHeader b Host: zhanxw.com 14 TxHeader b User-Agent: Mozilla/5.0 (Ubuntu; X11; Linux x86_64; rv:8.0) Gecko/20100101 Firefox/8.0 14 TxHeader b Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8 14 TxHeader b Accept-Language: en-us,en;q=0.5 14 TxHeader b Accept-Encoding: gzip, deflate 14 TxHeader b Accept-Charset: ISO-8859-1,utf-8;q=0.7,*;q=0.7 14 TxHeader b Cookie: __utma=134065221.936534807.1323323714.1323329816.1323533189.3; __utmz=134065221.1323323714.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); __utmc=134065221 14 TxHeader b Authorization: Basic YWRtaW46eGlhb3dlaXhpYW95aQ== 14 TxHeader b X-Forwarded-For: 76.235.186.40 14 TxHeader b X-Varnish: 911966818 14 RxProtocol b HTTP/1.0 14 RxStatus b 400 14 RxResponse b Bad Request 14 RxHeader b Date: Sat, 10 Dec 2011 17:58:50 GMT 14 RxHeader b Server: monit 5.2.1 14 RxHeader b Content-Type: text/html 14 RxHeader b Connection: close 12 TTL c 911966818 RFC 120 1323539930 0 0 0 0 12 VCL_call c fetch 12 VCL_return c pass 12 ObjProtocol c HTTP/1.1 12 ObjStatus c 400 12 ObjResponse c Bad Request 12 ObjHeader c Date: Sat, 10 Dec 2011 17:58:50 GMT 12 ObjHeader c Server: monit 5.2.1 12 ObjHeader c Content-Type: text/html 14 Length b 201 14 BackendClose b monit 12 VCL_call c deliver 12 VCL_return c deliver 12 TxProtocol c HTTP/1.1 12 TxStatus c 400 12 TxResponse c Bad Request 12 TxHeader c Server: monit 5.2.1 12 TxHeader c Content-Type: text/html 12 TxHeader c Content-Length: 201 12 TxHeader c Date: Sat, 10 Dec 2011 17:58:50 GMT 12 TxHeader c X-Varnish: 911966818 12 TxHeader c Age: 0 12 TxHeader c Via: 1.1 varnish 12 TxHeader c Connection: keep-alive 12 Length c 201 12 ReqEnd c 911966818 1323539930.287971973 1323539930.288527966 0.000089884 0.000468969 0.000087023 12 Debug c "herding"
其中最重要的是第3列： b 表示 “backend”，就是varnish和backend端的通信； c 表示 “client”，就是varnish和client端（www browser）之间的通信。
第2列中， VCL_call 表示varnish内部哪个函数被调用，VCL_return则是调用结果是什么。比如：VCL_call retch ，表示VCL配置文件中vcl_fetch函数被调用； VCL_return pass，表示return pass，同样也是VCL配置文件中的语句。
Compiling 64bit R using Intel Compiler (icc/ifort) and Intel Math Kernel Library (MKL).
通过Intel的编译器和Intel MKL，我们得到运行速度最快的R系统（比上一篇介绍的 R+GotoBlas 还快一点点）。
下载，安装Intel Parallel Studio，这个包括Intel C compiler (icc), C++ Compiler (icpc), Fortran compiler(ifort)：
http://software.intel.com/en-us/articles/intel-parallel-studio-xe/
下载，安装Intel Math Kernel Library
http://software.intel.com/en-us/articles/intel-mkl/
Intel的这两个软件对于非商业用途是免费的。
然后需要下载R的源代码：
http://cran.cnr.berkeley.edu/
解压缩R之后，在其目录下建立bash文件来指定编译的方式（R本身是使用静态链接还是动态链接库？安装路径？）。
具体方式可以在这个脚本的末尾部分找到，大家可以自己按需要修改。
注：在我的比较下，使用动态链接的BLAS库与静态链接库相比不会损失速度；使用动态链接库的优点是可以方便的换用不同BLAS库。
source /home/zhanxw/intel/composer_xe_2011_sp1.6.233/bin/iccvars.sh intel64
source /home/zhanxw/intel/composer_xe_2011_sp1.6.233/bin/ifortvars.sh intel64
source /home/zhanxw/intel/composer_xe_2011_sp1.6.233/mkl/bin/mklvars.sh intel64
export CC=icc
export CFLAGS="-O3 -wd188 -mieee-fp"
export F77=ifort
export FFLAGS="-O3 -mieee-fp"
export CXX=icpc
export CXXFLAGS="-O3"
export FC=ifort
export FCFLAGS="-O3 -mieee-fp"
export ICC_LIBS=/home/zhanxw/intel/composer_xe_2011_sp1.6.233/compiler/lib/intel64
export IFC_LIBS=/home/zhanxw/intel/composer_xe_2011_sp1.6.233/compiler/lib/intel64
export SHLIB_CXXLD=icpc
export SHLIB_CXXLDFLAGS=-shared
MKL_LIB_PATH=/home/zhanxw/intel/composer_xe_2011_sp1.6.233/mkl/lib/intel64
export LD_LIBRARY_PATH=$MKL_LIB_PATH
OMP_NUM_THREADS=8
export LDFLAGS="-L${MKL_LIB_PATH},-Bdirect,--hash-style=both,-Wl,-O1 -L$ICC_LIBS -L$IFC_LIBS -L/usr/local/lib"
export SHLIB_LDFLAGS="-lpthread"
export MAIN_LDFLAGS="-lpthread"
MKL="-L${MKL_LIB_PATH} -lmkl_blas95 -lmkl_lapack95 -Wl,--start-group -lmkl_intel -lmkl_intel_thread -lmkl_core -Wl,--end-group -openmp -lpthread"
OMP_NUM_THREADS=8
MKL="-L${MKL_LIB_PATH} -lmkl_intel_lp64 -lmkl_intel_thread -lmkl_core -liomp5 -lpthread"
#static linked library of R
#./configure --with-blas="$MKL" --with-lapack="$MKL" --prefix=/net/dumbo/home/zhanxw/software/Rmkl
# dynamic linked library of: R and BLAS
#./configure --enable-R-shlib --enable-BLAS-shlib --with-blas="$MKL" --with-lapack="$MKL" --prefix=/net/dumbo/home/zhanxw/software/Rmkl
#dynamic linked library of: BLAS
./configure --enable-BLAS-shlib --with-blas="$MKL" --with-lapack="$MKL" --prefix=/net/dumbo/home/zhanxw/software/Rmkl
之后用make; make install即可。
使用同样的R-benchmark脚本，结果如下：
Intel Compiler (ICC+Ifort) and Intel MKL
R Benchmark 2.5
===============
Number of times each test is run__________________________: 3
I. Matrix calculation
---------------------
Creation, transp., deformation of a 2500x2500 matrix (sec): 0.719666666666667
2400x2400 normal distributed random matrix ^1000____ (sec): 0.394333333333333
Sorting of 7,000,000 random values__________________ (sec): 0.861
2800x2800 cross-product matrix (b = a' * a)_________ (sec): 0.709
Linear regr. over a 3000x3000 matrix (c = a \ b')___ (sec): 0.448
--------------------------------------------
Trimmed geom. mean (2 extremes eliminated): 0.611437229773395
II. Matrix functions
--------------------
FFT over 2,400,000 random values____________________ (sec): 0.907666666666668
Eigenvalues of a 640x640 random matrix______________ (sec): 0.613000000000001
Determinant of a 2500x2500 random matrix____________ (sec): 0.493333333333333
Cholesky decomposition of a 3000x3000 matrix________ (sec): 0.334333333333332
Inverse of a 1600x1600 random matrix________________ (sec): 0.611666666666667
--------------------------------------------
Trimmed geom. mean (2 extremes eliminated): 0.569777440099831
III. Programmation
------------------
3,500,000 Fibonacci numbers calculation (vector calc)(sec): 0.82
Creation of a 3000x3000 Hilbert matrix (matrix calc) (sec): 0.535999999999999
Grand common divisors of 400,000 pairs (recursion)__ (sec): 2.64933333333334
Creation of a 500x500 Toeplitz matrix (loops)_______ (sec): 0.683666666666667
Escoufier's method on a 45x45 matrix (mixed)________ (sec): 0.828000000000003
--------------------------------------------
Trimmed geom. mean (2 extremes eliminated): 0.774276714018349
Total time for all 15 tests_________________________ (sec): 11.609
Overall mean (sum of I, II and III trimmed means/3)_ (sec): 0.646126830621363
--- End of test ---
Intel Compiler(ICC+Ifort) + GotoBlas2(Compiled by ICC/Ifort)
R Benchmark 2.5
===============
Number of times each test is run__________________________: 3
I. Matrix calculation
---------------------
Creation, transp., deformation of a 2500x2500 matrix (sec): 0.715333333333333
2400x2400 normal distributed random matrix ^1000____ (sec): 0.41
Sorting of 7,000,000 random values__________________ (sec): 0.862666666666666
2800x2800 cross-product matrix (b = a' * a)_________ (sec): 0.829333333333333
Linear regr. over a 3000x3000 matrix (c = a \ b')___ (sec): 0.554666666666667
--------------------------------------------
Trimmed geom. mean (2 extremes eliminated): 0.690382674196494
II. Matrix functions
--------------------
FFT over 2,400,000 random values____________________ (sec): 0.922333333333332
Eigenvalues of a 640x640 random matrix______________ (sec): 0.681333333333333
Determinant of a 2500x2500 random matrix____________ (sec): 0.511666666666667
Cholesky decomposition of a 3000x3000 matrix________ (sec): 0.433333333333332
Inverse of a 1600x1600 random matrix________________ (sec): 0.594333333333331
--------------------------------------------
Trimmed geom. mean (2 extremes eliminated): 0.591732764155743
III. Programmation
------------------
3,500,000 Fibonacci numbers calculation (vector calc)(sec): 0.835999999999999
Creation of a 3000x3000 Hilbert matrix (matrix calc) (sec): 0.545000000000002
Grand common divisors of 400,000 pairs (recursion)__ (sec): 2.66133333333333
Creation of a 500x500 Toeplitz matrix (loops)_______ (sec): 0.695666666666665
Escoufier's method on a 45x45 matrix (mixed)________ (sec): 0.585000000000001
--------------------------------------------
Trimmed geom. mean (2 extremes eliminated): 0.698105585240407
Total time for all 15 tests_________________________ (sec): 11.838
Overall mean (sum of I, II and III trimmed means/3)_ (sec): 0.658231817116501
--- End of test ---
常见的错误：
在编译R的时候，我们用–with-blas=”$MKL”来制定Intel MKL的位置 （网上其他文章的做法），但如果$MKL的值不正确，R无法正常链接MKL。我们需要检查configure的输出或者文件config.log，要确保这两项的检查都是yes:
checking for dgemm_ in -L/home/zhanxw/intel/composer_xe_2011_sp1.6.233/mkl/lib/intel64 -lmkl_intel_lp64 -lmkl_intel_thread -lmkl_core -liomp5 -lpthread… yes
checking whether double complex BLAS can be used… yes
checking whether the BLAS is complete… yes
值得指出的是在链接Intel库时，LP64 和 ILP64是不同的。在我的机器上，错误的制定ILP64，例如-lmkl_intel_ilp64，会导致R无法使用MKL，因为使用ILP64编译的程序会crash(在configure脚本里，这个文件是conftest)
config.log是非常有用的文件，它包括的configure检查系统环境时相关信息，通过这个文件并结合configure(本质是一个shell script），可以帮助我们确定R是否可以，或者为什么不可以链接MKL库。
另外，使用shared BLAS库的时候R会检查zgeev_，并检查不到MKL，这个R“有意”的结果。因为动态的MKL库会包含LAPACK的信息。如果介意这方面的速度损失，可以使用静态链接的方式。
Updated (2011-10-05):
Similar idea in the PPT format: