Docker Compose如何设置CPU和内存限制,容器内外的指标怎么看?

发布人:A5数据发布时间:2026-11-10 09:27阅读量:83

​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:

作用机制:Compose 参数怎样变成容器限制配图

  1. Compose 是否识别并解析了字段。
  2. Engine 是否在创建容器时收到对应限制。
  3. 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。

作用机制:Compose 参数怎样变成容器限制配图

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。

业务影响:限制会改变吞吐和故障边界配图

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。

验证与排错:从配置解析到运行指标逐层确认配图

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

相关推荐