外觀
雲端運算基礎 (Cloud Computing Fundamentals)
雲端運算不只是「把伺服器搬到別人的機房」,而是把運算、儲存、網路與平台能力變成可隨需取得、以 API 操作、依用量計費的服務。對資料與生資工作者,雲端的價值在於:不必先買機器就能跑大規模分析、直接使用存放在雲端的公開資料集(1000 Genomes、gnomAD、TCGA 等)、用託管服務省去維運。
為什麼用雲端
| 傳統自建機房 (on-premises) 的問題 | 雲端的做法 |
|---|---|
| 容量要先買,必須預估尖峰 | 隨需擴縮,用多少付多少 |
| 新環境開通慢 | 幾分鐘內建立資源 |
| 備援、災難復原、全球部署門檻高 | 多個區域與可用區現成可用 |
| 固定的資本支出 (CapEx) | 變動的營運支出 (OpEx) |
雲端不保證比較便宜:長期滿載的工作負載可能自建更划算;沒有治理的雲端很容易浪費。真正的好處是彈性與速度。
服務模式 (Service Models)
| 模式 | 供應商負責 | 你負責 | 例子 | 適合 |
|---|---|---|---|---|
| IaaS | 硬體、虛擬化、基礎網路 | OS、執行環境、應用、資料 | EC2、Azure VM、Compute Engine | 需要控制權、搬遷既有系統 |
| PaaS | 上述 + OS 與執行平台 | 應用程式與資料 | Elastic Beanstalk、App Service、Cloud Run、託管資料庫 | 專注開發交付 |
| SaaS | 幾乎整個應用 | 設定、資料、使用治理 | Microsoft 365、Gmail、Salesforce | 直接使用成熟產品 |
| Serverless / FaaS | 連擴縮與伺服器都不見了 | 函式程式碼 | Lambda、Azure Functions、Cloud Run functions | 事件驅動、短時任務 |
text
控制權高 ◄─────────────────────────────────────────► 維運負擔低
自建機房 → IaaS → 容器服務 → PaaS → Serverless → SaaS部署模式 (Deployment Models)
| 模式 | 說明 | 優點 | 代價 |
|---|---|---|---|
| 公有雲 (public) | 供應商營運、多客戶共用基礎設施 | 啟動快、服務多、無前期投資 | 需要成本與治理紀律 |
| 私有雲 (private) | 專屬於單一組織(自建或託管) | 控制權高、特殊合規較易 | 前期投資與管理成本高 |
| 混合雲 (hybrid) | 私有 + 公有 | 敏感資料留在內部,彈性運算放公有雲(尖峰時 cloud bursting) | 架構、網路、治理更複雜 |
| 多雲 (multi-cloud) | 同時使用多家公有雲 | 避免綁定、各取所長 | 技能與治理成本加倍 |
共享責任模型 (Shared Responsibility Model)
| 供應商負責「雲端本身」的安全 | 客戶負責「雲端裡」的安全 |
|---|---|
| 實體機房、硬體、網路基礎設施、虛擬化層 | 資料、身分與權限、網路規則、OS 修補(IaaS)、應用程式、加密設定 |
上雲不代表安全責任消失,而是分界改變;託管程度越高,客戶負責的範圍越小。最常見的雲端資安事件是客戶自己設定錯誤(公開的儲存桶、過大的權限、外洩的金鑰)。
全球基礎設施
| 層級 | 意義 | 決定什麼 |
|---|---|---|
| 區域 (region) | 一個地理區域的一組資料中心 | 延遲、資料主權 / 法規(個資、健康資料常有地域限制)、可用服務、價格 |
| 可用區 (availability zone, AZ) | 區域內彼此獨立的資料中心群 | 高可用:跨 AZ 部署避免單點故障 |
| 邊緣節點 (edge location) | 靠近使用者的快取點 | CDN、降低延遲 |
計費的關鍵
| 項目 | 注意 |
|---|---|
| 運算 | 依時間與規格計費;閒置的 VM 照樣收費 |
| 儲存 | 依容量與儲存等級;冷儲存便宜但取回要錢、要等 |
| 資料傳出 (egress) | 資料傳出雲端或跨區域要收費,進入通常免費;TB 級的定序資料下載費用可觀 |
| 託管服務 | 方便但單價較高 |
| 折扣 | 長期承諾(Reserved / Savings Plans / Committed Use)、可中斷的 Spot / Preemptible 執行個體(便宜 60–90%,適合可重試的批次分析) |
生資在雲端的常見做法:資料放物件儲存(S3 / Blob / Cloud Storage)、運算在同一區域(避免 egress)、用 Nextflow / Snakemake 搭配批次服務(AWS Batch、Azure Batch、Google Batch)與 Spot 執行個體。工作流見 工作流引擎。
選擇供應商
| 供應商 | 常見印象 |
|---|---|
| AWS | 服務最廣、生態最成熟;生資公開資料集(AWS Open Data)很多 |
| Azure | 與 Microsoft 365、Entra ID、企業 IT 整合;企業與醫院常見 |
| GCP | 資料分析(BigQuery)與 AI 強;gnomAD、Terra 等生資平台在 GCP 上 |
實務上比功能表更重要的是:團隊熟悉哪個生態、機構既有的帳號與身分管理、法規要求、主要工作負載(網站、資料平台、ML、批次分析)。
| 常見誤區 | 說明 |
|---|---|
| 上雲 = 直接搬 VM (lift-and-shift) | 沒用到託管服務與彈性,成本常更高 |
| 上雲自然會便宜 | 沒有關機、沒有預算警示就會浪費 |
| 沒有治理就大量開資源 | 權限與成本失控 |
| 先選平台再想工作負載 | 應先定義需求 |
容器與虛擬化的概念見 容器與虛擬化。