生信小白：服务器、超算、运维…这些词经常挂在生信专家嘴边，为什么需要这些东西呢？
西克孚肉：我们之前讲过，二代测序技术就像碎纸机，我们要用这些碎纸片段完成拼图。这个过程并没有想象中那么简单！首先拼图数目巨大，有好几十幅拼图凑在一起，存在大量重复的片段…这意味着处理数据需要比较大的计算量。
生信小白：难怪我说要跑全基因组数据时，好几个大佬说需要服务器、超算等资源...我好穷啊，真的是入门生信一时爽，一到分析悔断肠啊TT
西克孚肉：传统解决方案是购买高性能计算机或者服务器集群。但在实际的应用中，测序厂商们会遇到着不少问题...
Q:传统解决方案会遇到什么问题？
西克孚肉：
购买计算机或者服务器集群，需要考虑金钱成本和人力成本。
要买多少服务器呢？由于测序业务量有一定波动，服务器的数量不能很好控制。如果服务器数量不足，就不能满足峰值阶段的测序任务。购买大量资源，在业务量较低时，又会造成一定的资源浪费。这时，要么降低任务量来匹配服务器的限制，要么购买大量资源匹配最大可能的未来需求。
并且，购买硬件需要投入大量人力、精力维护，比如定期安装升级软件、有了故障要进行排查定位等等。
云计算
云计算可以更好地解决传统方案遇到的问题：
弹性资源分配，按需计量
云计算具有资源按需提供的特征，能够以弹性伸缩的方式分配计算资源。云计算对于个体来讲，可以有更大的计算能力和存储空间。用户可根据业务需求，动态申请资源。不必担心资源过渡供给导致额外使用开销，也不必担心资源受限导致任务不能很好运行。
数据交付与协作
使用相同的云基础设施，上下游用户之间的数据交付会变得更简单便捷。尤其是在基因领域，涉及大量数据的交付和协作。常规数据协作模式依赖于硬盘寄送，寄送后的数据还要再拷贝一次。但如果有了云和统一的接口、标准之后，整个过程会变得更简便，数据会变得更加易于管理，业务之间的关联也会变得更加紧密。
西克孚肉：有了云计算，对于很多的生物信息开发者，只需要一些电脑，就可以通过网络服务实现大量数据的计算。国际上最新的算法和数据库也可以最快时间更新到云平台上，让用户能够同步使用。
生信小白：代码能力不强的话，可以使用云计算吗？
西克孚肉：对于代码能力相对薄弱一点的用户来讲，使用GeneDock SeqFlow来做基因数据分析是一种更友好的方式。这降低了采纳新技术的门槛，用户可以花费更多的时间关注自己的主要业务。
生信小白：太好了，有了你之后，真的是入门生信一时爽，一直分析一直爽...
往期回顾：
第0期 生信分析是个什么玩意儿？
第1期 FASTQ! BAM! VCF! 傻傻分不清楚？
第2期 从FASTQ到BAM经历了什么？
第3期 变异类型知多少
第4期 变异注解之旅
第5期 变异筛选
226
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
