
预测任务的存储空间不能只按输出结构文件大小估算。以AlphaFold 3为例,遗传数据库和模型权重可能远大于单个结果;运行目录还会产生中间文件、日志和缓存。GPU则主要决定某些预测阶段能否运行和处理多大输入,并不会自动解决数据库磁盘、下载带宽或结果留存问题。
先把数据分成五类
建立目录和容量台账,分别记录原始输入、可复用数据库、模型权重、任务工作目录和正式结果/备份。数据库和权重只在有权限的范围共享;用户输入与结果应按课题组权限隔离。每个目录记文件系统、实际大小、是否压缩、是否需要备份、保留责任人和清理条件。
| 数据类别 | 例子 | 估算时注意 |
|---|---|---|
| 数据库 | 序列库、模板库及索引 | 压缩下载与解压后占用分别计量 |
| 模型权重 | 模型参数文件 | 确认使用权限及受限访问,不打包外发 |
| 输入与临时 | FASTA/JSON、MSA、运行缓存 | 并发任务会叠加临时峰值 |
| 预测输出 | CIF、置信度、种子样本和日志 | 多个种子/采样会增加文件数和空间 |
| 归档副本 | 校验后的结果备份 | 区分工作盘与长期保留盘 |
容量规划可按四步完成:
- 盘点数据库、权重、工作目录、输出和备份。
- 核对官方数据版本与下载/解压占用。
- 用代表样本和计划并发测实际峰值。
- 完成校验与迁出后,再按规则清理数据。
用官方数据和自己的实测做容量预算
AlphaFold 3当前安装文档写明完整数据库下载量约252GB、解压后约630GB,完整安装最多需要约1TB磁盘并建议使用SSD;这些数字对应官方文档所描述的数据库和安装方式。不要把这些容量与自己的输入、临时文件、多个副本和备份混在一起,也要在升级数据库前重新核对目标版本大小。ColabFold则应按实际安装与搜索方式测量本地数据库或缓存,不把远端MMseqs2搜索误算成已有本地完整库。
先跑一份代表样本和一批小规模并发,任务前后分别记录df -h、df -i和相关目录的du -sh。统计的不只是结束后剩余空间,还要记录运行期间的峰值;如不能采样峰值,就保守地按同时存在的输入、临时文件、输出和备份估算并注明假设。
GPU试跑与磁盘试跑分开判断
固定软件版本、输入规模、种子数和存储位置,记录GPU型号及显存、内存峰值、各阶段耗时和任务输出。若预测阶段GPU不足,可减少并发或选更适合已验证输入的设备;若任务慢在数据库读取或MSA搜索,应先检查SSD、文件系统和网络路径。换GPU时保持存储条件相同;换存储时保持GPU和其他参数相同,逐项测试才能定位瓶颈。
输出规划应计入每个随机种子和采样产生的结构、置信度文件、运行日志和汇总表。AlphaFold 3官方输出文档列出了顶层CIF、置信度JSON、summary confidence JSON及多seed/sample子目录。结果打包前核对文件数量、大小和校验值,并确认能按输入ID追溯。置信度输出有分析价值,也需要和项目的科学验证流程一起解释。
在租期结束前处理保留和清理
开始任务前就定好数据库、模型、输入和输出的保留责任。数据库可复用时,按许可和团队访问范围放在共享只读位置;课题数据和预测结果则按项目权限保存。清理前先完成结果校验、迁出及接收确认。GPU使用周期应覆盖模型准备、实际预测、验收和迁出;数据库留存可以与计算租期分开规划,避免为了等待归档而长时间占用高价计算设备。
配置申请附上官方数据库基线、实测工作目录峰值、并发数量、结果保留期限和备份策略,并标明尚未测过的输入规模。这样能分别决定计算资源、工作盘与长期存储容量,后续也能用实际占用修正预算。
参考资料
下载练习材料
先核对包内SHA256清单,再在独立目录复现。
需要额外算力时
适用前提:确认版本所需数据库后仍缺存储或读写能力。如需额外资源,可评估服务器租赁及按需工作盘或存储。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
