项目背景
某高校生命科学学院重点实验室，团队 10 名研究生 + 2 名 PI，研究方向涵盖转录组、单细胞和公共数据挖掘。
迁移前的问题
迁移前每人使用个人笔记本或学校超算：
- 个人笔记本（16GB 内存）：STAR 比对一个 RNA-seq 样本需要 2 小时，DESeq2 跑 50 个样本直接崩溃
- 学校超算：排队 1-3 天才能轮到，环境不可控，数据传输麻烦
- 环境混乱：每人自己装 Conda 环境，版本不统一，互相复现代码经常报错
- 数据分散：原始数据存在各人电脑上，PI 无法统一管理
部署方案
配置 72 核 / 512GB 内存 / 16TB RAID5 存储，部署方案：
| 组件 | 配置 | 说明 |
|---|---|---|
| Linux 用户管理 | 12 个独立账号 | 每人独立 home 目录 + 权限 |
| Slurm 队列 | cpu + gpu 两个分区 | 每人限 24 核，防独占 |
| Conda 环境 | 5 个公共环境 | wes/rna/scrna/metagenome/general |
| 共享数据目录 | /shared/data（只读） | 参考基因组、GATK 资源包 |
| 个人目录 | /home/username | 每人 1TB 配额 |
| WebSSH | 浏览器直连 | 无需安装 SSH 客户端 |
| JupyterHub | 多人同时用 | 每人独立 Python 环境 |
迁移后效果
- 10 人同时使用不卡：Slurm 公平调度，每人最多 24 核，自动排队
- 环境统一：公共 Conda 环境保证所有人跑同样的软件版本
- 数据集中：所有数据在 RAID5 存储上，PI 可统一查看和管理
- 效率提升：以前排队超算 3 天的任务，现在提交后 2 小时出结果
成本
独享物理机年付，10 人均摊后每人每月不到 ¥300，比公有云按小时计费便宜 3-4 倍。