Migrando el análisis de proteínas a la nube con Google Cloud

El reto

Allox necesitaba evolucionar hacia un modelo de computación capaz de absorber picos de demanda y ejecutar un mayor volumen de cálculos en paralelo sin depender de la capacidad instalada.

El reto pasaba por habilitar una infraestructura flexible, que permitiera aprovisionar recursos bajo demanda, optimizar el uso de GPU y reducir los tiempos de ejecución sin incrementar la complejidad operativa.

Además, buscaban preparar su entorno para escalar de forma sostenible, facilitando el despliegue de nuevas versiones y eliminando dependencias del sistema local.

La solución

Tras evaluar inicialmente otras opciones, un análisis detallado y una serie de pruebas nos llevó a optar por Google Batch: una solución más alineada con la arquitectura de sus aplicaciones, que permite aprovisionar dinámicamente las máquinas y GPUs dedicadas que requiere cada ejecución.

1. Contenerización y estandarización del entorno
Se eliminaron las dependencias del sistema local mediante la migración a contenedores basados en CUDA y Micromamba. Cada aplicación pasa a ser autónoma y replicable en cualquier entorno de Google Cloud con GPU, utilizando imágenes oficiales de NVIDIA para maximizar el rendimiento.

2. Ejecución paralela con aprovisionamiento dinámico de GPU
Con Google Batch, las máquinas se crean y liberan automáticamente según la demanda. Cada trabajo dispone de su propia GPU dedicada, lo que permite escalar en paralelo sin cuellos de botella ni tiempos de espera.

3. Pipeline de despliegue y versionado
Se estandariza el ciclo de vida de los contenedores con Artifact Registry y Cloud Build: build automatizado, versionado en repositorio privado y despliegue reproducible. Esto permite distribuir nuevas versiones hasta un 80% más rápido, reduciendo además el consumo de red.

4. Acceso y seguridad de la plataforma
Se desarrolla una aplicación web interna sobre Cloud Run, protegida mediante Identity-Aware Proxy (IAP), que permite a los equipos científicos acceder y visualizar resultados de forma segura. La exposición de servicios se gestiona a través de un Load Balancer con Cloud Armor, garantizando disponibilidad y protección frente a amenazas externas.

Resultados e impacto

La nueva arquitectura ha permitido a Allox pasar de un modelo limitado por hardware a una plataforma flexible, capaz de escalar al ritmo de sus necesidades de investigación:

• Las aplicaciones de análisis de proteínas se ejecutan ahora en contenedores CUDA portables, eliminando la dependencia del hardware del clúster Slurm.
• La capacidad de ejecución paralela crece de forma significativa: donde antes había colas de trabajos, ahora múltiples procesos se ejecutan simultáneamente con recursos dedicados.
• La reducción en tiempos de cómputo se traduce directamente en menor coste y mayor velocidad en los ciclos de investigación.
• Los equipos científicos disponen de una aplicación web interna segura para visualizar resultados, con acceso sencillo mediante autenticación corporativa.
• El equipo de ingeniería despliega nuevas versiones hasta un 80% más rápido, reduciendo además el consumo de red en la infraestructura de Google Cloud