是否有支持复杂GPU计算的Google Cloud服务？

你这个低触发频率、重计算负载、需队列调度、无需常驻服务的需求，完全可以用Google Cloud全托管无服务组件组合实现，任务空闲时无计算资源运行，几乎不会产生闲置成本，不需要自己维护长期在线的等待服务器。

• 核心计算层：优先选 Cloud Run Jobs，如果需要GPU加速、任务运行时长超过24小时就换用 Cloud Batch
  普通Cloud Function存在执行时长、内存、CPU上限（2代版本最长支持60分钟运行、最大32GB内存），没法支撑蛋白质序列建模这类重负载计算任务。Cloud Run Jobs是专门面向一次性跑完即退出的任务设计的无服务器计算服务，最高支持96vCPU、360GB内存，最长可运行24小时，支持容器化部署你自己的计算逻辑，任务启动后拉起实例运行，跑完立刻销毁资源按实际使用时长计费，冷启动速度通常在数秒级别。如果你的建模任务需要GPU算力、或者单任务时长超过24小时，直接替换为Cloud Batch即可，这是专门面向科学计算、批处理任务设计的无服务器HPC服务，支持按需挂载各类CPU/GPU资源，跑完自动释放，不需要手动管理GCE实例的启停。
• 队列调度层：用 Cloud Tasks 即可
  不需要自己搭建维护队列服务，Cloud Tasks是全托管的无服务器任务队列，支持自定义并发数限制、失败重试规则、任务超时控制，能自动给计算任务排队，避免突发请求同时拉起过多计算实例导致成本超支。你只需要部署一个极轻量的入口（用普通Cloud Function或者最小规格的Cloud Run服务就行，只负责接收用户提交的表单参数、生成唯一任务ID、把任务信息写入存储、把任务投递到Cloud Tasks），配置Cloud Tasks的触发目标为前面的计算服务，就可以实现请求到计算任务的自动流转。
• 状态与结果存储层：搭配 Cloud Firestore + Cloud Storage 使用
  用户提交任务后，先在Firestore写入对应任务ID的「待执行」状态；计算任务启动后更新状态为「运行中」；任务完成后，把蛋白质建模生成的大体积结果文件存在Cloud Storage，同时把结果访问路径、「已完成」状态更新到Firestore。前端只需要按任务ID轮询Firestore的状态，看到任务完成后直接拉取Cloud Storage里的结果即可，不需要维持长连接。

如果你已经有预制好的自定义GCE虚拟机镜像，也可以通过托管实例组的按需实例模板配合Cloud Tasks触发实现同样的效果，但整体运维成本比直接用Cloud Run Jobs/Cloud Batch高不少，冷启动速度也更慢。

整个链路所有组件都是按实际使用量计费，没有任务请求时计算实例会缩到0，不会产生闲置计算费用，完全匹配你低频触发、不想养常驻服务器的要求。

内容的提问来源于stack exchange，提问作者user19291442