分类： 架构设计与优化
2021-03-03 19:22:39
随着云计算服务和实践的成熟，越来越多的行业对于云计算的需求也日益增加。不同行业的需求与云计算融合，就需要更大的算力支撑。这也意味着，云计算的需求市场日渐扩大，Cloudam云端自主研发的云E算力平台应运而生。
不仅企业对于算力资源的需求越来越多，各大高校及各研究所，也会因为算力资源不足，而拖延项目研究的进度。例如，在某港澳大学的基因组项目中，也面临因为当前计算机性能不够导致算力不足的问题。
首先，目前该大学某生物信息课题组需对约2000个物种使用RepeatMasker进行基因组分析，中间需产生约2PB的临时数据及100T以上的最终结果数据，这样巨量的存储需求，是当前设备的存储资源不能满足的。
其次，该项目需使用600万核时计算资源，且需支持并发约2000核，因而导致现有的计算资源明显不足。
此外，该大学原来是直接使用某公有云资源计算，但此项目若直接使用公有云资源, 那么成本将会是原本预算的很多倍。因此，项目组需要在国内寻求更为经济的解决方案。
针对当前这些棘手的问题，Cloudam云端通过云E算力平台进行SaaS接入，用户可以通过浏览器直接使用RepeatMasker进行分析, Cloudam云端的云E平台支持高达10PB的超大存储完全满足客户数据量的需求。同时，该用户利用云E平台提供的跨地域Gbps级别专线，将100TB的最终结果下载到自己本地，传输过程有着高速、智能化的特点。最重要的一点，云E算力平台同客户签订了数据安全及保密协议，Cloudam云端将严格保障用户输入数据及计算结果的安全与私密性，保障了客户的安全和隐私。
该解决方案最终耗时约550万核时完成整个项目，中间存储及最终的结果下载完全免费。费用方面，此次Cloudam云端的云E平台的花费大约只用了公有云1/5的成本，有效节约近80%的预算成本，就完成了整个基因组分析任务。
相比于超算中心的算力资源，Cloudam云端的云E算力平台显然有着更低的成本、和更高的效率。更重要的是通过这一次的项目经验，极大提升了该所院校对国内云计算产品的信心及信任度，最终，Cloudam云端也与该院校达成了长期合作关系。
从以上实际案例中，我们可以看到，云E算力平台确实有效地解决在科研过程中，高校及研究所面临的本地算力资源不足、成本过高以及计算时间过长等问题。除此之外，还为用户提供了灵活高效的传输方案，及免费的存储空间。显著提高了科研项目的效率。
