Docker详解(十)——Docker容器CPU资源限额配置

简介: Docker详解(十)——Docker容器CPU资源限额配置

今天继续给大家介绍Linux运维相关知识,本文主要内容是Docker的CPU资源限额配置。
当我们在一台设备上运行多个Docker时,我们会对一个Docker容器的使用进行限制,避免其使用过多的系统硬件资源,而造成其他的容器“饿死”的现象。在Docker的使用中,我们通过使用cgroup来对Docker的容器资源使用进行限制。
Docker对容器CPU的限制可以分为三种,即相对份额限制、绝对使用限制以及CPU核心控制。

一、CPU相对份额限制
所谓CPU相对份额限制,指的是给Docker的镜像分配一个“份额”,使得当CPU资源紧张时,不同的Docker镜像之间对CPU资源的竞争大致上是按照这个份额的比例来进行使用的。
但是,CPU的相对份额限制又不是绝对的,即当CPU资源不紧张时,任何一个Docker容器都可以“任意”占据CPU资源。这样,即使是一个份额比较小的Docker容器,占据的CPU资源也会超过份额比较大的Docker容器。
Docker容器在执行运行命令时,可以使用-c(或者是–cpu-shares)参数来指定该容器的CPU使用份额。在默认情况下,Docker容器的CPU份额是1024。
由于该参数对CPU限制的特殊性,因此,当系统中只有一个Docker容器在运行的时候,该参数的配置是没有意义的。即,这种CPU限制只会在CPU资源紧缺时才会生效,任何一个Docker容器都可以在CPU资源不紧缺的时候,都可以任意的占据使用CPU,这种限制此时不会生效,同样的,这种限制也无法保证Docker容器获得多长的CPU使用时间或者是CPU频率。
Docker容器在运行后,我们可以在/sys/fs/cgrou[/cpu/cpu.shares文件中查看我们配置的CPU份额,结果如下所示:

二、CPU使用绝对限制
不同与CPU的份额相对限制,Docker还支持一种“硬性”的对CPU资源的限制。我们都知道,现代操作系统为了保证多程序多任务的运行,对CPU的使用采取了分片的策略,CPU在使用时会不断的从一个任务切换到另一个任务,每次获得CPU资源的进程实际上就是获得了CPU的使用权,或者说获得了CPU分片。
在Docker容器运行时,我们可以通过–cpu-period和–cpu-quota参数来指定Docker容器对CPU的占用情况。–cpu-priod参数指定容器对CPU使用的分配周期,而–cpu-quota则指定了在该周期内,该进程最多可以使用CPU的时间。–cpu-period和–cpu-quota的单位均为微妙(1秒=1000000微妙)。
例如,我们设置–cpu-period为1000000,设置–cpu-quota的值为100000,则表示在1秒钟内,该Docker容器使用CPU最长为0.1秒。
–cpu-period参数的最小值为1000,最大值为1000000,默认值为100000。–cpu-quota的默认值为-1,表示不进行控制。
Docker容器在运行后,我们可以在/sys/fs/cgrou[/cpu/cpu.cfs_period_us和cpu.cfs_quota_us文件中查看我们的CPU周期和时长配置,如下所示:

三、CPU核心控制
除了上述对CPU的使用限制外,现代的计算机一般是多核CPU,因此,我们有时还希望一个Docker容器能够固定在一个CPU上运行。这对于NUMA(即非一致存储访问结构)的服务器尤为有用,而对于简单的单核服务器则没有任何作用。
在Docker容器运行时,我们可以使用参数–cpuset来绑定CPU,使得该Docker容器只在固定的CPU上运行。
在Docker容器运行后,我们可以使用task命令查看Docker容器使用的CPU内核,如下所示:

原创不易,转载请说明出处:https://blog.csdn.net/weixin_40228200
————————————————

                        版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。

原文链接:https://blog.csdn.net/weixin_40228200/article/details/124197330

目录
相关文章
|
4月前
|
域名解析 网络协议 API
【Azure Container App】配置容器应用的缩放规则 Managed Identity 连接中国区 Azure Service Bus 问题
本文介绍了在 Azure Container Apps 中配置基于自定义 Azure Service Bus 的自动缩放规则时,因未指定云环境导致的域名解析错误问题。解决方案是在扩展规则中添加 `cloud=AzureChinaCloud` 参数,以适配中国区 Azure 环境。内容涵盖问题描述、原因分析、解决方法及配置示例,适用于使用 KEDA 实现事件驱动自动缩放的场景。
136 1
|
3月前
|
缓存 Ubuntu Docker
Ubuntu环境下删除Docker镜像与容器、配置静态IP地址教程。
如果遇见问题或者想回滚改动, 可以重启系统.
275 16
|
3月前
|
数据建模 应用服务中间件 PHP
配置nginx容器和php容器协同工作成功,使用ip加端口的方式进行通信
本示例演示如何通过Docker挂载同一宿主目录至Nginx与PHP容器,实现PHP项目运行环境配置。需注意PHP容器中监听地址修改为0.0.0.0:9000,并调整Nginx配置中fastcgi_pass指向正确的IP与端口。同时确保Nginx容器中/var/www/html权限正确,以避免访问问题。
配置nginx容器和php容器协同工作成功,使用ip加端口的方式进行通信
|
6月前
|
Prometheus 监控 Cloud Native
除了Prometheus,还有哪些工具可以监控Docker Swarm集群的资源使用情况?
除了Prometheus,还有哪些工具可以监控Docker Swarm集群的资源使用情况?
530 79
|
11月前
|
Prometheus 监控 Cloud Native
如何使用Prometheus监控Docker Swarm集群的资源使用情况?
还可以根据实际需求进行进一步的配置和优化,如设置告警规则,当资源使用超出阈值时及时发出警报。通过这些步骤,能够有效地使用 Prometheus 对 Docker Swarm 集群的资源进行监控和管理。
624 161
|
11月前
|
XML Java 数据格式
Spring容器Bean之XML配置方式
通过对以上内容的掌握,开发人员可以灵活地使用Spring的XML配置方式来管理应用程序的Bean,提高代码的模块化和可维护性。
351 6
|
11月前
|
存储 缓存 监控
Docker容器性能调优的关键技巧,涵盖CPU、内存、网络及磁盘I/O的优化策略,结合实战案例,旨在帮助读者有效提升Docker容器的性能与稳定性。
本文介绍了Docker容器性能调优的关键技巧,涵盖CPU、内存、网络及磁盘I/O的优化策略,结合实战案例,旨在帮助读者有效提升Docker容器的性能与稳定性。
1058 7
|
11月前
|
存储 Prometheus 监控
Docker容器内进行应用调试与故障排除的方法与技巧,包括使用日志、进入容器检查、利用监控工具及检查配置等,旨在帮助用户有效应对应用部署中的挑战,确保应用稳定运行
本文深入探讨了在Docker容器内进行应用调试与故障排除的方法与技巧,包括使用日志、进入容器检查、利用监控工具及检查配置等,旨在帮助用户有效应对应用部署中的挑战,确保应用稳定运行。
457 5
|
运维 JavaScript Linux
容器内的Nodejs应用如何获取宿主机的基础信息-系统、内存、cpu、启动时间,以及一个df -h的坑
本文介绍了如何在Docker容器内的Node.js应用中获取宿主机的基础信息,包括系统信息、内存使用情况、磁盘空间和启动时间等。核心思路是将宿主机的根目录挂载到容器,但需注意权限和安全问题。文章还提到了使用`df -P`替代`df -h`以获得一致性输出,避免解析错误。
482 1
|
存储 安全 算法
CPU资源
【10月更文挑战第2天】CPU资源
270 5

热门文章

最新文章