第三章：硬件与系统环境准备
这一步在我看来，是整个多批次优化里最容易踩坑的地方。机器配好了，后续调参数才顺手；机器没弄对，后面你再怎么折腾设置，都是白费力气。我见过一个团队，为了省预算买了廉价主板和普通机械硬盘，结果跑8个批次的MaxQuant，每次都要读写好几TB的中间文件，光IO等待就占了三分之一的时间。嗯，说白了，硬件这块不能省。
CPU核心数：不是越多越好
我一开始也以为核心越多，跑得越快。后来才发现，这事儿没那么简单。MaxQuant的并行计算主要依赖CPU的物理核心，但它的加速曲线并不是线性的。
- 6~8核心：入门配置，单批次运行还行，多批次一启动，CPU马上就吃满了。
- 16~32核心：我个人推荐的「甜点区」。多批次场景下，每个任务分到4~8个核心，整体吞吐量最高。
- 64核心以上：你想想看，很多计算步骤有内部同步开销，核心太多反而会因为线程竞争拉低效率。
核心结论：蛋白质组学多批次分析，推荐2颗Intel Xeon或AMD EPYC处理器，总核心数控制在16~32核。
内存：越大越好，但别浪费
内存我建议按一个简单的公式来算：每个批次至少32GB。如果你同时跑4个批次，128GB就是底线。
我在项目中遇到过一种情况：服务器有256GB内存，但只配了2根128GB的条子。结果内存带宽根本跟不上，CPU等数据的延迟比计算本身还长。为什么会这样？因为内存通道数没跑满。
| 批次并行数 | 建议内存总量 | 内存通道数 |
|---|---|---|
| 1~2 | 64 GB | 4通道 |
| 3~4 | 128 GB | 6通道 |
| 5~8 | 256 GB | 8通道 |
避坑指南：我曾经帮一个课题组调机器，他们配了256GB内存但只用了2根条子。我建议他们把内存换成4根64GB，跑满通道，结果同样的计算任务速度提升了18%。别小看内存布局。
磁盘IO：这才是真正的瓶颈
很多人光盯着CPU和内存，却忽略了硬盘。实际上，在多批次场景下，磁盘读写才是最大的拖油瓶。
MaxQuant在处理过程中会生成大量临时文件，尤其是谱图文件和中间结果。机械硬盘在这种场景下基本就废了。我个人习惯用NVMe SSD，而且是RAID 0阵列。
实测数据：我在自己实验室测试过，单块NVMe SSD vs 4块NVMe RAID0，4批次同时运行的IO等待时间从34%降到了7%以内。效果立竿见影。
# 查看当前磁盘IO等待时间（iowait）
top - 09:45:12 up 10 days, 3:21, 2 users, load average: 4.35, 3.82, 3.01
%Cpu(s): 12.5 us, 3.2 sy, 0.0 ni, 78.2 id, 6.1 wa, 0.0 hi, 0.0 si, 0.0 st
# 如果wa那列超过10%，说明磁盘已经扛不住了
# 这时候就需要考虑升级存储方案操作系统兼容性：Windows还是Linux？
这个问题我每次都会被问到。直接说结论：生产环境首选Linux，开发调试可以用Windows。
- Windows：安装简单，GUI操作直观，适合单机或小规模测试。但文件系统（NTFS）在大文件读写性能上不如Linux的ext4/XFS，而且多进程调度效率稍低。
- Linux（Ubuntu 20.04/22.04 LTS）：我所有的大规模多批次分析都在Linux上跑。内存管理、进程调度、IO栈都更干净，而且没有图形界面的开销。
我自己在Linux上调过一台机器，跑同样的8批次任务，比同配置的Windows快了9%左右。原因？Windows的GUI进程和杀毒软件会抢CPU时间片，Linux就没有这些负担。
并行计算基础：理解MaxQuant的线程模型
MaxQuant的并行计算，说白了就是两套体系：多进程和多线程。两者混用，理解清楚了才能调得动。
多进程：每个独立的批次任务分配一个进程。进程之间不共享内存，各自管各自的输入输出。这是最安全的并行方式，也是我推荐的首选。
多线程：每个进程内部，针对某些计算密集环节（比如肽段鉴定、定量计算），会开启多个线程并行。线程数由MaxQuant内部的--threads参数控制。
我曾经犯过的错：把CPU核心全部分配给一个进程的线程，结果其他批次因为拿不到核心而排队。多批次场景下，我更推荐用「每个进程固定使用4~6个线程」的方式运行。
# 示例：4个批次同时运行，每个批次用6个线程
MaxQuantCmd.exe mqpar_batch1.xml --threads=6 &
MaxQuantCmd.exe mqpar_batch2.xml --threads=6 &
MaxQuantCmd.exe mqpar_batch3.xml --threads=6 &
MaxQuantCmd.exe mqpar_batch4.xml --threads=6 &
wait核心知识框架
下面这张图，是我总结的多批次硬件环境决策流程。你可以把它贴在仪器室墙上，每次配新机器时对照着看一遍。
一张表看懂配置推荐
| 组件 | 推荐配置 | 预算有限 | 避免踩坑 |
|---|---|---|---|
| CPU | 2x Xeon Gold / AMD EPYC 16C | 1x Xeon Silver 8C | 不要用消费级CPU跑多批次 |
| 内存 | 128~256 GB, 多通道 | 64 GB, 至少双通道 | 不要只用2根条子填满容量 |
| 存储 | 4x NVMe SSD RAID0 | 1x NVMe SSD | 不要用机械硬盘做工作盘 |
| OS | Ubuntu 22.04 LTS | Windows 10/11 | 不要用Windows跑超过4批次 |
我个人的一个习惯：买服务器时多花10%~15%的预算在NVMe SSD上，这部分回报率是最高的。
避坑清单：我替你踩过的雷
- CPU超线程：我个人习惯在BIOS里关闭超线程。MaxQuant对超线程不敏感，反而容易引起线程竞争。
- 散热问题：多批次跑24小时，CPU温度能飙到90°C。配一个好的风冷或水冷，不然降频损失远超硬件成本。
- 网络存储：不要直接用NAS或网络盘作为工作目录。我试过一次，结果一个批次的网络延迟拖垮了所有批次。
硬件环境准备好之后，下一步就是系统的软件环境搭建。这部分内容会比较细致，但我们一个一个来，先把机器弄稳再说。