
要比较DeepVariant的CPU和GPU费用,先保证两组做的是同一任务。固定软件版本、输入校验、模型、区域、输出种类和num_shards,再记录完整运行。CPU规格、内存和工作盘也要写入结果表;一台更强CPU配GPU的机器,不能把全部收益都归给那张卡。
固定输入并设计公平的记录
本例从已核对的官方chr20 BAM、BAI、FASTA、FAI测试目录dv-input-001开始,范围为chr20:10000000-10010000,使用1.10.0 WGS模型。正式选型另用自己的代表性常染色体区间。两组必须有可用容器权限,GPU组还须确认驱动及NVIDIA运行时兼容。
| 指标 | CPU组填写 | 单GPU组填写 |
|---|---|---|
| 设备和额度 | CPU型号/核数、RAM、盘 | 同项及GPU型号/显存 |
| 准备时间 | 镜像拉取、数据传入 | 镜像拉取、设备检查 |
| 计算时间 | 完整三阶段与分阶段 | 完整三阶段与分阶段 |
| 容量 | 任务RAM、临时盘峰值 | 同项及显存峰值 |
| 收费依据 | 计费单价、时段、最小粒度 | 同项及GPU附加费用 |
| 质量 | 样本、区域、位点与基因型 | 差异及其解释 |
两个独立目录跑完整协议
先分别拉取CPU和GPU镜像,记录实际镜像ID;下载与首次拉取不混进复用镜像的计算计时。下面脚本顺序运行两组,用新目录保存完整输出。num_shards=1是小样例设置,若正式任务调整,两组均应相同;平台可用额度不足时先修预算。
#!/usr/bin/env bash
set -euo pipefail
input="$PWD/dv-input-001"
for file in NA12878_S1.chr20.10_10p1mb.bam NA12878_S1.chr20.10_10p1mb.bam.bai \
ucsc.hg19.chr20.unittest.fasta ucsc.hg19.chr20.unittest.fasta.fai; do
test -s "$input/$file"
done
docker pull google/deepvariant:1.10.0
docker pull google/deepvariant:1.10.0-gpu
for mode in cpu gpu; do
out="$PWD/dv-compare-$mode-001"
mkdir "$out"
image=google/deepvariant:1.10.0
args=()
if [ "$mode" = gpu ]; then
image=google/deepvariant:1.10.0-gpu
args=(--gpus 1)
fi
docker image inspect "$image" > "$out/image.json"
/usr/bin/time -v -o "$out/docker-client.time.txt" \
docker run --rm "${args[@]}" \
-v "$input:/input:ro" -v "$out:/output" \
"$image" /opt/deepvariant/bin/run_deepvariant \
--model_type=WGS --ref=/input/ucsc.hg19.chr20.unittest.fasta \
--reads=/input/NA12878_S1.chr20.10_10p1mb.bam \
--regions "chr20:10,000,000-10,010,000" --num_shards=1 \
--output_vcf=/output/output.vcf.gz --output_gvcf=/output/output.g.vcf.gz \
--intermediate_results_dir=/output/intermediate --vcf_stats_report=true \
> "$out/run.stdout.log" 2> "$out/run.stderr.log"
for file in output.vcf.gz output.vcf.gz.tbi output.g.vcf.gz output.g.vcf.gz.tbi output.visual_report.html; do
test -s "$out/$file"
done
bcftools query -l "$out/output.vcf.gz" > "$out/samples.txt"
bcftools query -f '%CHROM\t%POS\t%REF\t%ALT[\t%SAMPLE=%GT]\n' \
"$out/output.vcf.gz" > "$out/genotypes.tsv"
done
diff dv-compare-cpu-001/samples.txt dv-compare-gpu-001/samples.txt
diff dv-compare-cpu-001/genotypes.tsv dv-compare-gpu-001/genotypes.tsv
注意GNU Time包在docker命令外层,RSS主要对应客户端,不能当作容器的RAM峰值。内存应由容器或作业监控记录,GPU显存由设备监控采样;磁盘要观察运行中的峰值,最终目录大小不能替代。完整墙钟时间可以包含容器启动,但需在两组采用一致口径。
若缓存条件影响明显,交换两组运行顺序并重复,保留每次结果和设备初始负载。只挑最快一次会低估实际波动;异常运行应标明原因,不能悄悄排除后宣称稳定提速。
先验收结果,再计算有效成本
diff用来检查样本、位点、等位基因及GT的初步一致性,不是完整科学评估。出现差异需结合模型、数值环境、质量字段与高置信区域解释;不能只删去不同位点让比较通过。若有可信真值,另用匹配组装与置信区间的评估流程,报告适用范围。
只看call_variants耗时会夸大GPU的端到端收益:make_examples和postprocess仍用CPU。分别记三个阶段,再计总时间;输入传输、首次拉取、复跑、结果迁出及排队是否计费也要列明。测试失败或未通过结果检查的运行不能被记成成功加速。
费用按实际合同填写:总额=各计费资源的单价×计费数量×计费时长,加存储与传输费用;按平台最小粒度取整。复用镜像的计算费用和首次准备费用分别列出,不能自行假设GPU一定更省钱。没有真实报价和实测时间时,保留空表而不编金额。
小区间更适合验证环境,大任务才更接近正式容量;扩大范围后需要重新检查CPU、RAM、盘和显存。换版本、模型或设备后复验协议。若GPU仅缩短很少一段、总费用反增,可保留CPU方案;选择依据应是本项目通过验收的整体记录。
参考资料
需要额外算力时
适用前提:具体DeepVariant版本的call_variants支持获配单卡,CPU预处理、主机内存及工作盘适配,且完整流程试跑显示租用有实际收益。如需额外资源,可评估兼容单卡GPU服务器租赁。咨询时说明软件版本、任务规模和使用期限,配置与支持范围另行确认。
咨询本任务的服务器配置
留下手机号,我们会结合本文任务与您沟通服务器配置和报价。 也可联系云生信企业微信客服,说明本文任务。咨询本任务的服务器配置
