容器与云原生 / 系统课时
怎样限制容器使用 CPU
怎样限制容器使用 CPU
CPU 限制不是把容器“分配”到一颗虚拟 CPU,而是控制它在宿主机调度器中能获得多少执行时间。本节用 --cpus 建立最常用的硬上限,再区分 quota、CPU 亲和性和 shares,避免把“限制”和“优先级”混为一谈。
学习目标
- 能使用
--cpus为容器设置明确的 CPU 上限 - 能区分
--cpu-quota、--cpuset-cpus与--cpu-shares的作用 - 能判断 CPU 限制过低对吞吐和尾延迟的影响
先区分几种 CPU 控制方式
Docker 常见 CPU 参数控制的并不是同一件事:
| 参数 | 主要作用 | 是否形成明确上限 |
|---|---|---|
--cpus |
用较直观的小数表示可用 CPU 时间,例如 0.5、2 |
是 |
--cpu-period + --cpu-quota |
直接配置 CFS 周期和配额 | 是 |
--cpuset-cpus |
指定容器允许在哪些逻辑 CPU 上运行 | 否,主要是亲和性 |
--cpu-shares |
多个容器争抢 CPU 时调整相对权重 | 否 |
日常运维优先使用 --cpus。只有需要精确控制调度周期、绑定核心或调整竞争权重时,再使用更底层参数。
用 --cpus 设置最常见的上限
下面启动一个持续占用 CPU 的容器,并把上限设为 0.5 个 CPU。随后通过 docker inspect 检查 Docker 保存的配置。
docker run -d --name cpu-demo --cpus 0.50 alpine:3.20 sh -c 'while :; do :; done'
docker inspect cpu-demo --format 'NanoCpus={{.HostConfig.NanoCpus}}'预期输出:
<ID>
NanoCpus=500000000<ID> 是实际容器 ID。NanoCpus=500000000 表示 0.5 个 CPU 的配额。这里的“0.5 个 CPU”是调度时间上限,不要求容器固定运行在某个物理核心上。
如果用 docker stats 观察该忙循环,CPU 使用率通常会在限制附近波动,但瞬时数值会受采样周期、宿主机负载和 CPU 计数方式影响,因此不要把某一次百分比当成严格验证值。
quota、cpuset 和 shares 怎么选
--cpu-period 与 --cpu-quota 是更底层的配额形式,近似关系为“可用 CPU 数 = quota / period”。例如 period 为 100000 微秒、quota 为 50000 微秒,相当于约 0.5 个 CPU。--cpus 0.5 更容易读,也更不容易把两个数配错。
--cpuset-cpus 0,2 表示容器只能在逻辑 CPU 0 和 2 上运行,但它并没有自动限制为“2 个 CPU 的一部分”;如果这两个 CPU 空闲,容器可以充分使用它们。这个参数更适合需要 CPU 亲和性、NUMA 调优或减少调度漂移的场景。
--cpu-shares 只在 CPU 发生竞争时影响相对权重。宿主机很空闲时,即使 shares 较低,容器仍可能使用大量 CPU,所以它不能替代硬上限。
限制过低为什么会拖慢应用
CPU 密集型任务最先表现为吞吐下降,但网络服务往往还会出现 p95、p99 延迟上升。原因是容器耗尽当前调度周期的配额后会被节流,只能等待后续周期重新获得 CPU 时间;线程越多、突发越集中,这种等待越容易放大尾延迟。
设置上限时,应把资源保护和业务目标一起验证。先从接近实际需求的 --cpus 值开始,在代表性负载下观察吞吐、响应延迟、错误率和 docker stats,再逐步收紧。需要固定核心时再叠加 --cpuset-cpus,需要相对优先级时才使用 --cpu-shares。
CPU 限制的目标不是让图表上的使用率更低,而是在多容器竞争时给系统留出边界,同时仍满足应用的性能目标。