生信服务器怎么配：先看你要跑什么，再谈花多少钱

生信服务器怎么配：先看你要跑什么，再谈花多少钱

两万和十万的差别，不在核心数上

快到年底了，很多实验室都在做同一件事情：将一两年积累的数据从师兄的旧工作站转移到一台新的机器上。医院和高校采购公告一批批挂出来，硬件在促销，看着是下手的时候了。但是预算一到具体配置单，问题也来了——花十万买核心数最多的机子，跑单细胞还是内存溢出；两三万配置双路平台，数据盘居然是慢速的，写BAM写到怀疑人生的也有。一台机器一般用个三四五年，配置单错一行，还债三年。

很多人选择服务器跟选择游戏本一样，看核心数、看频率、看跑分。这逻辑对于生信不适用。因为生信不是一个任务，而是一长串的任务串起来的流水线，每一段的瓶颈不一样。同一台机器，跑比对可能很欢，跑单细胞整合就卡死。换个数据集，又变成写文件慢。所以配置的第一步不是选CPU，而是要搞清楚组内最经常使用的几种工作，瓶颈在哪里？

第一点是单线程性能。序列比对、变异检测、很多统计函数和R包能并行的地方有限，真正决定速度的还是单核能力和内存带宽。这就是为什么有的核心数翻倍、主频偏低的平台跑某些步骤并没有快多少的原因。核心数买多放着不用也是浪费，买少排队也是浪费，你同时有几个人跑任务，不是看参数表上数字大不大。

第二处就是内存了，这是最不能省的。内存不够是中途直接停止，几个小时的工作就白费了。最典型的就是单细胞的数据，一个样本几千个细胞还好，多样本的整合，几十万细胞放在一个矩阵里，再加上中间的这些对象，几百G是常有的事情。拼接、宏基因组、大队列分析也是如此。内存还有一个不太容易注意到的就是插法，插满和插一半通道数、频率都不同，后面会讲到。

第三处是IO。生信的数据流是粗暴的：读一堆FASTQ，写出比输入还大的BAM，中间还夹杂着成千上万个小文件。机械盘做仓库做大容量是没问题的，但是把工作目录放在机械盘上，CPU有一半的时间在等磁盘。合理的做法是分层，固态盘做工作区和数据库，机械盘阵列做归档和原始数据。这一层设计不好，前面CPU、内存的钱都白花了。

将组内任务粗略划分为三大类。第一类为轻量分析：bulk转录组差异表达与富集、从公共数据库中挖掘数据、统计建模与作图、撰写文章时的重复性计算。这样的活不挑内存，也不挑IO，一台工作站，一台高配台式机就够用了。缺的是稳定，缺的是一个能排队的共用机器，缺的是不会被误删掉的存储。

第二类为单细胞及空间组学。这些任务基本上集中在内存上：预处理、整合、聚类、注释，所有这些都是对内存中大型矩阵的操作。宁可内存大一些，核心小一些，但绝不要反过来的。硬盘也得跟上，这种项目的中间文件很多，工作区放在慢盘上会拖慢整个速度。

第三类是多组学整合、大队列、宏基因组、全基因组重分析等。此类活是IO和存储密集型的，原始数据动辄几十T，且需要长期保存和备份。这个时候你考虑的是盘位、阵列卡、网络、备份策略，而不是再加几个核。很多实验室的教训是：算力配得很足，半年后数据装不下，只能再买一台存储，钱花了两遍。

分完类你会发现，有些任务其实不必为它买机器。像公开数据的差异分析、富集、单细胞注释这类标准流程，已经可以用 PaperOK 的生信模式跑：一句话说清研究问题和数据，它会先跟你确认数据集、分组和统计标准，再完成质控、比对、聚类、注释、差异分析和富集，最后交付图表、统计表、报告和可复现脚本。先用它把流程和数据量摸清楚，再决定机器配到哪一档，比拍脑袋下单稳得多。

2~3万元档次的目标现实点就是“够用、可扩”。这个价位多为单路或上一代的双路平台，建议内存128G起步，有256G更好，小固态做系统盘，大机械做数据盘，机箱电源预留加盘空间。它适合bulk分析、教学、轻量单细胞，不适合将整个组的重活都压上去。买这一档最忌讳的就是把钱都砸在核心数上面，最后内存是64G。

五六万是大多数课题组的黄金区域。这个预算可以买到当代主流的双路平台，内存256G-512G，固态的工作区4-5T，加上几个大容量的机械盘作为仓库，单细胞，常规的多组学，一般的宏基因组都可以做到。这里最值加钱的地方是内存和固态，最不值钱的是把核心数加到一个永远用不满的档位。想省就省在核心数、外观上，别省在内存上。

八至十万要以整组共用考虑。内存走向512G-1T，存储进行分层乃至全闪，网络万兆，机箱/供电/散热按机架环境设计。这个档位要不要上 GPU，取决于你们是否真的跑深度学习或者某些加速工具；如果只是跑常规流程，GPU 的钱不如加到内存和存储上，回报更直接。

无论什么档，均要预留总预算的10%-20%作为配套资金。交换机、网线光模块、UPS、机柜或者降噪改造、备份盘，它们虽不在配置单上显眼的地方，但是决定了机器能否安稳运行三年。见过太多单子：主机十万、配件0元、机器放在没有空调的房间里，夏天一热就降频，跑什么都慢。

这个问题没有答案，但是有标准的算法：三年一个周期，将现金支出、运维人力、电费、折旧、搬迁数据成本等都计算在内，再进行比较。如果只对比第一年的账单，那么结论必然是云便宜；如果只对比机器的价格，那么结论必然是自购便宜。两种比法均不完整。

一个比较实用的说法：如果你组数据量大、工作长期稳定、有专人管理机器，自购更加划算；如果你是短期项目、工作峰值变化大、无人懂得运维，上云更加省心。折中的也有，自己买一台够用的，赶工头的日子临时上云。最容易被忽视的成本就是数据的搬运，将几十T的数据上传下载下来，其时间与带宽成本往往高于计算成本。

机器买回来了，问题往往出现在细节上。第一就是阵列卡。很多整机标配的都是入门卡，缓存低，无掉电保护，写大文件性能骤降。问清楚是阵列卡还是直通，卡上有无缓存，有无电池。是做阵列还是单盘+备份，这些都要提前想好。阵列≠备份，每年都有人翻车。

第二点就是网络。万兆不是插上就万兆：网卡、交换机、网线、光模块要匹配。有人买了万兆网卡，配的是接千兆口的线，跑出来的还是千兆，白白浪费钱也找不出问题。第三处是内存的插法。同样是256G，8条32G插满8个通道和4条64G插一半的通道，带宽就差了一截，可能频率也会下降。在配置单上不能只写明“256G内存”，需要写明内存的条数及容量。

第四处就是磁盘布局以及文件系统。系统、数据库、工作区、归档最好分开挂载，生信小文件多，文件系统、挂载参数选不对，列个目录要等半天。第五个是运行环境，机器很好，时间都花在装依赖和解决冲突上。这些都是「买回来才知道」的成本，问清楚总比出问题再问强。

合同方面，最有价值的是“讲清楚”。型号写具体的型号，内存写到几条多少G的，硬盘写到什么型号的几块，别搞什么或者同等配置。验收别光看能不能开机，跑一遍内存测试和磁盘读写，再把组里最常用的流程实际跑一遍。

最后啰嗦一句，配置单是给“自己人”看的，不是给参数表的。列出你们组最频繁的3个任务，根据任务计算所需的内存、存储和同时使用人数，然后查看哪个预算级别是合适的。这台机器不用跑分漂亮，只要你们真正要跑的那几件事上不拖后腿就行。

服务器不会让分析变快，配对了才会