生信分析平台搭建（十七）：服务器配置

熟悉完虚拟机配置服务器之后，就可以尝试上手搭建实体服务器了，如果要选购服务器，应该考虑哪些因素呢？如果不差钱，那就好办了，直接选最贵的就好了。在预算有限的条件下。CPU，内存，硬盘如何取舍，达到最佳性能，是否需要购买UPS，显卡是否有必要？这些问题，我们一文解决这些疑问。

二十二：服务器配置

1、CPU

CPU是计算机的大脑，计算机的计算主要就是靠CPU来完成，所以，CPU非常重要，CPU的计算速度决定了计算机的计算能力。也就是水桶效应中最上面的那块木板。比如序列拼接这个工作，需要将测序的reads切成更小 的片段，然后将这些小片段根据序列间的关系，连成更长的片段，那么这些片段有数百万至数千万，需要非常大的计算量。如果数据复杂，计算量就更大了。

另外，CPU还需要支持多核心，CPU是大脑，一个核心是一个心眼儿，所以，我们知道心眼越多的人越聪明。多核心就可以进行并行计算，在生物信息分析中，有些工作，可以进行并行计算。相当于原来一个人的工作，现在由100个同样的人来做，理论上速度快了100倍。因此，在硬件配置中，选择CPU是非常重要的。

2、内存

内存是CPU和硬盘之间数据交流的媒介，计算机需要将存储在硬盘上的数据读取到内存中，CPU才能用来计算，而CPU不能直接读取硬盘上的数据，必须通过内存这个缓冲区，举个例子，CPU是大脑，内存是脖子，脖子以下是硬盘。内存往往就是“瓶颈”。

假设一个人的全基因组测序数据，采用二代测序的方法，人的基因组3G，10被数据30G，那么这30G的碱基，在切成更小的kmer，假设数据增加到了100G，还不算存储序列的一些其他信息，序列拼接的时候必须一次将所有数据同时存入内存，如果内存达不到100G，拼接根本无法完成。

3、硬盘

硬盘其实是计算机硬件配置中非常重要的一环，但是硬盘往往容易被大家忽略掉，认为硬盘用来存储数据，只要需要足够大就行了，这是不对的。

首先大存储量是必须的，因为生物数据往往都称为生物大数据，非常消耗存储空间，包括原始的数据存储，中间分析结果，最终结果，数据备份等，尤其是在样品量大的时候，就会非常占据存储空间，一般都是以T为单位的。

其次，硬盘的读写速度，这个也是非常重要的因素，因为目前CPU计算速度和内存已经足够大了，这样的条件下，硬盘成为限制计算机整体性能的因素。因此使用SSD硬盘会明显改善计算机性能。由于目前SSD过于昂贵，可以选择SSD+机械硬盘的方案，硬盘要做成RAID提高读写速度和数据安全性。

4、显卡

可以选配显卡，这个并不是必须的，因为很多分析工作都是文本操作，显卡适合于图形计算，例如计算蛋白质空间结构，构建系统网络等，可以选择配置显卡。

5、不间断电源UPS

UPS相当于一个大的移动电源，为了防止突然断电，导致数据丢失。UPS还是非常重要的。有些生物计算需要持续很长时间，例如拼接一个大的基因组，构建一个大的系统发育树等可能数十天时间，一旦断电，损失非常大，不要心存侥幸心理，灾难往往就发生在那些心存侥幸心理的人身上。

6、其他

冷却系统，如果是大型计算系统，设备会产生大量热量，需要建设冷却系统。

---------- END ----------

欢迎订阅我们的微信公众号，更多精彩内容等你发掘！

生物信息学中数学占了很大的比重。统计学，包括多元统计学，是生物信息学的数学基础之一；概率论与随机过程理论，如隐马尔科夫链模型（HMM），在生物信息学中有重要应用；其他如用于序列比对的运筹学；蛋白质空间结构预测和分子对接研究中采用的最优化理论；研究DNA超螺旋结构的拓扑学；研究遗传密码和DNA序列的对称性方面的群论等等.总之，各种数学理论或多或少在生物学研究中起到了相应的作用.但并非所有的数学方法在引入生物信息学中都能普遍成立的，以下以统计学和度量空间为例来说明. Simond在人类的认知一书中指出，人在解决问题时，一般并不去寻找最优的方法，而只要求找到一个满意的方法.因为即使是解决最简单的问题，要想得到次数最少，效能最高的解决方法也是非常困难的.最优方法和满意方法之间的困难程度相差很大，后者不依赖于问题的空间，不需要进行全部搜索，而只要能达到解决的程度就可以了.正如前所述，面对大规模的序列和蛋白质结构数据集，要获得全局结果，往往是即使算法复杂度为线性时也不能够得到好的结果，因此，要通过变换解空间或不依赖于问题的解空间获得满意解，生物信息学仍需要人工智能和认知科学对人脑的进一步认识，并从中得到更好的启发式方法.

---