什么是生信分析服務(wù)器?如何配置？前兩天，復(fù)旦大學(xué)已向國外泄露了中國人類基因組計劃的部分數(shù)據(jù)，這些數(shù)據(jù)被認為是中國的國家機密。這一事件引起了人們對基因數(shù)據(jù)的保護與共享的關(guān)注。其實，中國的人類基因數(shù)據(jù)分析時間已經(jīng)從1天提升到7分鐘。隨著服務(wù)器的進步，以前不可能的事情，也越來越多的進入到平常人的生活當中。

經(jīng)過這一次實踐，又看閑魚上那么多賣生信分析的服務(wù)，我想我也有了新的使命，可以提供/協(xié)助給對于會裝/會用rstudio的廣大醫(yī)學(xué)生/研究人員像自來水一樣的分析計算資源，并把這樣的經(jīng)驗推廣并幫助到更多的朋友們。

一、什么是生信分析服務(wù)器?

最近碰上這樣的優(yōu)質(zhì)客戶，說要安裝r和rstudio分析10G的數(shù)據(jù),并且要安裝百度網(wǎng)盤。問什么樣的設(shè)備可以做這樣的分析。進一步詢問，了解到其自身8G內(nèi)存,3060顯卡戴爾G16電腦安裝后根本帶不動。網(wǎng)上搜索了一下rstudio的硬件配置，找到這樣一篇文章《單細胞轉(zhuǎn)錄組基礎(chǔ)分析一：分析環(huán)境搭建》，文章來源于生信會客廳 ，作者Kinesin。里邊有一段關(guān)于硬件要求的描述：

10X Genomics單細胞數(shù)據(jù)分析對電腦硬件配置要求比較高。上游分析軟件Cell Ranger最低配置要求8核CPU+64G內(nèi)存，推薦配置為16核CPU+128G內(nèi)存，這顯然不是個人電腦可以勝任的。下游分析使用R語言Seurat包時，10000個細胞的表達矩陣，8G內(nèi)存的電腦就不能應(yīng)付了。因此沒有服務(wù)器的同學(xué)不用考慮上游分析，僅做下游分析最低也要16G內(nèi)存的電腦。

機器性能配置初步成型

發(fā)給客戶一聊，其立即表示認可，確實需要這么大的配置。再問是只做數(shù)據(jù)分析，不涉及圖像處理。那么配置就清晰下來，數(shù)據(jù)只要10G，分析后也只有5G左右，包系統(tǒng)20G左右。一般40G的系統(tǒng)盤基本也能滿足要求，跟客戶建議多配置20G做數(shù)據(jù)盤。后來了解分析后數(shù)據(jù)要下載大概5G，且只是某個時間需要下載，按照1M下載速率除8算，10*1024*1024/128/60/60=22.76小時，所以可以選擇按照流量計費，帶寬可以升級帶寬到100M，無下載流量不需要費用。

二、生信分析服務(wù)器初步建議客戶配置：(一般圍繞客戶使用場景也主要了解判斷如下三方面要求)

1、16核128G內(nèi)存

2、60G硬盤(應(yīng)該推薦超高IO類型的硬盤)

3、網(wǎng)絡(luò)按流量計費，帶寬開100M(初次建議5M，后來了解分析后還有5G數(shù)據(jù)要下載，建議是100M)

客戶下載r,rstudio,網(wǎng)盤和數(shù)據(jù)到服務(wù)器，準備就緒，導(dǎo)入數(shù)據(jù)到rstudio，結(jié)果反饋導(dǎo)了10幾分鐘還沒有導(dǎo)完。后來估計40多分鐘左右才導(dǎo)完。

所以貌似16核128G配置還是略顯有點不足，實際還可以升級配置到24vCPUs 192GiB內(nèi)存或更高。速度上去了，實際總體使用成本應(yīng)該不會差多少，但至少節(jié)約了時間?？蛻舴答亴嶋H1-2天時間就可以完成數(shù)據(jù)分析，總體成本兩三百元或者更少。

后來了解到客戶實際運行一段時間，沒信心跑下去就把機器關(guān)掉刪掉了資源。再花了500元讓別人分析給結(jié)果數(shù)據(jù)了。

三、生信分析服務(wù)器方案配置成本：

客戶反饋這次數(shù)據(jù)有15G的基因數(shù)據(jù)，所以硬盤容量60G應(yīng)該是夠。因為升級機器性能只會換CPU和內(nèi)存，所以磁盤類型就需要從一開始就選型好。從rstudio分析基因數(shù)據(jù)的統(tǒng)計來看，涉及到讀和寫，讀入速度也是考慮的一方面，如本次15G數(shù)據(jù)讀入就花了1小時15分鐘左右，內(nèi)存占用也到了190多G。

所以選擇盡可能高讀寫性能的磁盤類型，這里選擇了超高IO，60G一小時是0.08元。帶寬方面，客戶使用方式上就遠程桌面到云服務(wù)器下載網(wǎng)盤，下載R，rstudio和數(shù)據(jù)，然后配置和運行操作，不涉及到頻繁的大量的數(shù)據(jù)從服務(wù)器流出的情況。所以建議客戶配置帶寬為100M，計費方式為按量計費。

下載1G數(shù)據(jù)也才0.64元。CPU和內(nèi)存方面，rstuido分析CPU占用率并不高，目前實際觀察8核也夠了，具體可能和算法及基因數(shù)據(jù)不同有差異，待進一步觀察;內(nèi)存卻是占用大頭。這部分根據(jù)前人經(jīng)驗有個初步對應(yīng)供參考。這樣服務(wù)器配置和操作過程就非常清晰了。

四、生信分析服務(wù)器具體配置方案

按照上述步驟創(chuàng)建服務(wù)器和準備，導(dǎo)數(shù)據(jù)前打開RStudio，輸入memory.limit()檢查rstuido能分配的內(nèi)存是否足夠大(這里單位為M)，如和購買服務(wù)器內(nèi)存不一致，可以用如memory.limit(256000)設(shè)為256G。

客戶導(dǎo)了不到一個小時又開始急了，說一直沒動靜像卡住了。安慰其打開任務(wù)管理器查看CPU和內(nèi)存有無變化，rstudio的CPU實際占用率只有3.1上下跳動，內(nèi)存卻隔幾秒鐘就出現(xiàn)G級的增長。觀察了一陣，導(dǎo)入命令運行完了，內(nèi)存占用穩(wěn)定在190G。從交流時間和如下賬單分析15G數(shù)據(jù)導(dǎo)入消耗了1小時15分鐘左右。

隨后客戶運行分析。從賬單和關(guān)機時間分析，應(yīng)該分析時間在1個半小時左右。

如下為此次生信數(shù)據(jù)準備和分析過程的賬單詳情，成本在37.8元左右。

最后：想想正是有了云計算的便利，才使得生信分析服務(wù)器的硬件配置幾分鐘就可以獲得，即便要調(diào)整配置也就是幾分鐘的事情。而且即用即申請，不用可關(guān)機，用完即刻釋放，成本也相對極低。對于非大企業(yè)，研究機構(gòu)的小公司，個人分析者，真實實實在在的方便，正如文章中所講沒有服務(wù)器的同學(xué)不用考慮上游分析，如今想要用就可以隨時可用而且用得起。