Docker Compose如何设置CPU和内存限制,容器内外的指标怎么看?
Compose 文件里的 CPU、内存参数,不一定等于容器实际获得的资源上限,也不一定能直接解释业务体验。要判断限制是否生效,需要分别核对 Compose 解析结果、Docker 创建容器时写入的限制,以及容器运行时的指标;容器内看到的进程内存,也不能简单等同于宿主机上看到的容器内存。
参数定义:上限、权重和预留不是一回事
以 Docker Compose 部署单个服务为例,常用限制可以写在服务级别:
services:
app:
image: example/app:1.0
cpus: 1.5
mem_limit: 1g
这里的 cpus: 1.5 表示容器最多使用约 1.5 个 CPU 核的计算时间,不是把 1.5 个实体核心独占分配给容器。mem_limit: 1g 是容器可用内存的上限;进程持续触及上限时,可能遭遇分配失败或被内核 OOM 机制终止。
也可以使用 deploy.resources.limits 表达限制:
services:
app:
image: example/app:1.0
deploy:
resources:
limits:
cpus: "1.50"
memory: 1g
deploy 最初用于描述编排部署资源,不同 Compose 实现和版本对相关字段的支持可能不同。现代 Docker Compose 插件通常能将这些限制应用到本机容器,但不能只因为 YAML 语法通过,就认定资源限制已经写入容器。应以实际运行容器的检查结果为准。
同一个服务若同时设置 mem_limit 和 deploy.resources.limits.memory,数值应保持一致。CPU 限制也应避免在不同字段中写出互相矛盾的值。否则可能出现配置校验失败、行为依赖实现,或维护人员误判最终上限的情况。选一种表达方式并在项目中保持一致,通常更容易排错。
几类容易混淆的概念如下:
| 配置含义 | 影响什么 | 不代表什么 |
|---|---|---|
| CPU 上限 | 限制容器在一段时间内可使用的 CPU 计算时间 | 不保证容器始终获得这些 CPU,也不代表独占实体核心 |
| CPU 权重或份额 | 多个容器竞争 CPU 时,影响相对分配倾向 | 不构成固定 CPU 上限 |
| 内存上限 | 限制容器可使用的内存量,超限时可能触发 OOM | 不等于应用启动时预留了这部分内存 |
| 内存预留 | 为调度或资源竞争提供参考,具体效果取决于运行环境 | 不等于硬性内存上限 |
如果业务要求“无论其他容器是否繁忙,单个服务都不能超过某个 CPU 用量”,关注的是 CPU 上限,而不是 CPU 权重。如果业务要求“容器内存不能超过指定值”,需要确认硬限制实际生效,而不能只设置一个偏软的预留值。
作用机制:Compose 参数怎样变成容器限制
Docker Compose 负责解析服务配置并请求 Docker Engine 创建容器。资源限制最终由 Engine 和 Linux 内核的控制组机制(cgroups)执行。因此,参数是否生效至少跨过三个环节:

- Compose 是否识别并解析了字段。
- Engine 是否在创建容器时收到对应限制。
- 内核是否在运行时按限制约束容器。
其中任一环节不符合预期,YAML 中写了数值也可能不等于实际运行效果。例如,使用了不支持相应字段的 Compose 实现,配置可能被忽略或不受支持;容器运行后修改了 Compose 文件,但没有重新创建容器,旧容器仍可能沿用原有设置。
CPU 上限控制的是时间,不是核心归属
CPU 配额通常通过限制容器在调度周期内可消耗的 CPU 时间来实现。以 cpus: 1.5 为例,容器在持续竞争时最多大致相当于使用 1.5 个逻辑 CPU 的计算量。它仍可能在不同核心之间迁移,也可能因宿主机繁忙而得不到满额时间。
这会带来一个容易误读的现象:CPU 使用率可能超过 100%。在 Docker CLI 的 docker stats 中,百分比通常以一个逻辑 CPU 的使用量作为约 100% 参考;因此,使用 1.5 个核左右时,读数接近 150% 并不必然表示突破了 cpus: 1.5。反过来,读数低于上限也不代表业务没有等待,应用可能正被磁盘 I/O、锁竞争、外部依赖或线程配置限制。

内存上限影响的是容器内存边界
容器内存不是应用堆内存的同义词。进程堆、线程栈、原生内存、共享内存以及部分文件缓存等,都可能影响内存统计或限制判定。比如,Java 应用的堆上限即使只有 700 MiB,进程还可能有堆外内存、线程栈和运行时开销;容器设为 1 GiB,并不意味着应用可以把 1 GiB 全部用作堆。
当容器内存逼近限制时,表现可能是应用分配失败、延迟升高,也可能是容器内的进程被内核终止。服务显示退出码 137 常见于进程收到 SIGKILL,但仅凭退出码不能确定一定是内存 OOM;还应检查 Docker 状态和内核记录。
业务影响:限制会改变吞吐和故障边界
对 CPU 密集型任务设置上限,能减少单个服务抢占宿主机计算资源的风险,但上限过低会让请求排队、批处理耗时增长。对在线服务而言,CPU 被限制后,平均 CPU 使用率可能看上去稳定,尾部延迟却可能明显变差。容量评估不能只看“有没有超过 CPU 上限”,还应观察请求延迟、队列长度和错误率。
内存上限的价值是把单个容器的资源使用限制在可预期范围内,降低某个进程持续膨胀而挤占整台主机的风险。代价是余量不足时,故障可能集中表现为容器内 OOM,而不是宿主机整体内存不足。若服务需要短时缓存大量数据,限制设得太紧会反复触发 OOM;设得过宽则可能挤压同机数据库、缓存或其他服务的可用内存。
考虑一个仅用于说明的示例:某服务平时占用约 500 MiB,流量高峰时会上升到 850 MiB,峰值持续数分钟。若上限设为 768 MiB,高峰期间可能被 OOM 终止;若上限提高到 1 GiB,也仍需给宿主机上的系统进程和其他容器留下空间。判断标准应是有代表性的峰值和持续时间,而不是只按空闲时的内存读数设置。

资源限制也不是性能保证。设置了 2 个 CPU 的上限,不代表服务一定获得 2 个 CPU;宿主机 CPU 竞争、虚拟化环境的调度、应用线程数和其他资源瓶颈都会影响实际表现。限制的主要作用是建立边界,不能替代容量规划。
限制变量:容易让配置看似正确、结果却不对的因素
排查时,先核对实际运行对象,再判断参数含义,避免只盯着 YAML 文件。
- 改过文件但没有更新容器:检查当前容器是由哪份 Compose 配置创建的。配置修改后,通常需要通过 Compose 重新创建相关服务,单纯重启现有容器不一定会更新资源限制。
- 字段被当前实现忽略或不支持:先运行
docker compose config检查解析后的配置,再用容器检查结果确认 Engine 收到了什么。不要把docker-compose旧版命令与docker compose插件的行为默认视为相同。 - CPU 限制和 CPU 权重混淆:权重主要影响竞争时的相对优先级,不能代替 CPU 上限。
docker stats的百分比也不能不看核数和统计口径就直接与配置数字比较。 - 内存口径不同:
docker stats在 Linux 上展示的内存使用值可能会扣除部分缓存;容器内的应用监控则可能只统计进程或运行时管理的内存。不同工具的数值不一定一致。 - 容器内存与宿主机可用内存混为一谈:宿主机还要为内核、容器运行时及其他工作负载留出空间。不能把整机内存总量全部分配给 Compose 服务。
- 应用自身另有内存上限:例如运行时的堆大小、工作进程数或连接缓冲区,可能先于容器上限成为瓶颈。容器限制生效,不代表应用会自动合理使用额度。
单位也要看清:1g 和 1G 在不同配置语境中可能涉及十进制或二进制解释。为了减少容量估算误差,应明确采用的单位口径,并通过实际配置及运行状态核验,而不是仅凭显示界面的取整数字判断。
验证与排错:从配置解析到运行指标逐层确认
以下检查适用于采用 Docker Compose 管理服务的 Linux Docker 环境。示例中的服务名为 app,应替换为实际 Compose 服务名。

1. 确认 Compose 实际解析了什么
docker compose version
docker compose config
重点检查输出中服务的 CPU、内存限制是否存在、数值是否符合预期,以及是否因环境变量替换、多个 Compose 文件合并而发生变化。若 docker compose config 已经报错,先处理配置语法或字段兼容问题,不要继续用容器运行指标反推配置。
2. 检查 Docker 创建容器时收到的限制
CID=$(docker compose ps -q app)
docker inspect "$CID" --format \
'NanoCpus={{.HostConfig.NanoCpus}} Memory={{.HostConfig.Memory}} MemorySwap={{.HostConfig.MemorySwap}}'
NanoCpus 非零时,可将其除以 1,000,000,000,换算为 CPU 核数;Memory 单位为字节。例如,Memory=1073741824 对应 1 GiB。若字段为 0 或与预期不符,应检查 Compose 字段支持情况、配置合并结果和容器是否已经重新创建。
使用 deploy.resources.limits 时,也要检查同一容器的 HostConfig,而不是只确认 Compose 文件里保留了 deploy 段。不同 Engine 版本和运行环境可能让部分字段呈现方式有所差异;如果结果不明确,继续检查容器的 cgroup 文件和运行事件。
3. 比较宿主机与容器运行指标
宿主机上可用以下命令查看实时容器指标:
docker stats
它适合观察趋势和对比容器之间的 CPU、内存、网络及块设备活动,不适合单独证明限制值。短时间采样可能错过峰值;内存显示也可能与进程监控口径不同。
在支持 cgroup v2 的 Linux 容器中,可进一步读取控制组文件:
docker compose exec app sh -c '
for f in /sys/fs/cgroup/cpu.max /sys/fs/cgroup/memory.max /sys/fs/cgroup/memory.current /sys/fs/cgroup/memory.events; do
if [ -r "$f" ]; then
echo "### $f"
cat "$f"
fi
done
'
cpu.max 展示 CPU 配额与周期;如果显示 max,通常表示该层没有设置 CPU 配额上限。memory.max 表示内存上限,max 通常代表该层未设置硬上限;memory.current 是当前 cgroup 内存用量。memory.events 中的 oom、oom_kill 等计数可辅助判断是否发生过内存压力或 OOM 终止。
并非所有镜像都带有 sh,也不是所有容器都能读取这些文件。cgroup v1 的文件路径和字段不同,不能把上述 cgroup v2 路径套用到所有环境。读取失败时,先确认宿主机的 cgroup 版本及容器挂载情况,再选择对应的检查方式。
对于需要长期运行容器化网站、数据库、接口服务或多任务计算的业务,A5idc数据提供香港、美国、日本、韩国、中国台湾、新加坡和马来西亚等地区的物理服务器资源,覆盖Xeon Gold、AMD EPYC、NVMe及大容量存储,并配备不同带宽线路。多档CPU与内存配置可适配不同负载,GPU系列还可用于AI推理和模型测试,为资源边界明确的部署提供硬件基础。
4. 按结果定位问题
docker compose config中没有限制:先检查 Compose 文件合并、变量展开和所用 Compose 实现。- 配置输出有值,但
docker inspect中没有对应限制:重点检查字段是否被当前版本支持、服务容器是否已重新创建,以及查看的是否为正确服务实例。 inspect有限制,cgroup 文件却显示max:核对当前容器所处的 cgroup 层级和文件路径;必要时查看宿主机侧对应控制组,不能仅凭容器内某个路径下的文件作结论。- 限制已生效,但业务仍变慢:同时检查 CPU 被限流的迹象、请求延迟、队列、应用线程和 I/O。资源上限只能解释资源边界,不能单独指出业务瓶颈。
- 容器退出或频繁重启:查看容器状态、退出码及
OOMKilled信息,并结合内核日志确认原因;137本身不是 OOM 的充分证据。
从业务目标反推限制值
配置资源上限时,应先收集业务在正常负载、峰值和突发期间的指标,再确定可接受的延迟、吞吐和故障边界。CPU 适合观察持续使用量、峰值和限流相关指标;内存应关注容器总用量、应用自身内存、峰值持续时间及 OOM 记录。采样周期要足以覆盖业务高峰,单次快照不足以代表长期需求。
随后按服务职责设定初始边界,并为宿主机和同机服务预留余量。应用有堆或进程数上限时,要让应用级预算与容器内存上限相互匹配,避免应用以为仍有空间,容器却已触及 cgroup 限制。上线后在可控负载下观察延迟、吞吐、CPU 使用和内存峰值,再逐步调整;每次变更都应核对 Compose 解析结果、容器限制和运行指标。
最终选定的参数应回答两个问题:这个服务最多可以消耗多少资源,以及接近边界时业务是否仍能接受。前者由容器限制表达,后者要靠业务指标验证。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/8523.html



