docker19.03限制容器使用的cpu资源
一，用--cpus限制可用的cpu个数
例子：
[root@localhost liuhongdi]# docker run -idt --name kafka1 --hostname kafka1 --cpus=0.3 --privileged kafka:0.1 /usr/sbin/init
此处限定了可用cpu个数为0.3
说明：刘宏缔的架构森林是一个专注架构的博客，
网站：https://blog.imgtouch.com
本文: https://blog.imgtouch.com/index.php/2023/05/21/docker-xian-zhi-rong-qi-shi-yong-de-cpu-zi-yuan-docker1903/
对应的源码可以访问这里获取： https://github.com/liuhongdi/
说明：作者:刘宏缔 邮箱: 371125307@qq.com
二，登录进入后，安装stress
说明：el8的源里面还没有，先用el7的试试
[root@kafka1 source]# wget https://download-ib01.fedoraproject.org/pub/epel/7/x86_64/Packages/s/stress-1.0.4-16.el7.x86_64.rpm [root@kafka1 source]# rpm -ivh stress-1.0.4-16.el7.x86_64.rpm
三，测试--cpus对cpu的限制是否起作用
1,
在容器内执行stress,创建四个消耗 CPU 资源的进程
[root@kafka1 source]# stress -c 4
2,
在宿主机上执行top,查看cpu使用率
[root@localhost liuhongdi]# top top - 16:18:34 up 2:01, 1 user, load average: 0.02, 0.07, 0.08 Tasks: 297 total, 5 running, 292 sleeping, 0 stopped, 0 zombie %Cpu0 : 14.6 us, 0.0 sy, 0.0 ni, 84.8 id, 0.0 wa, 0.3 hi, 0.3 si, 0.0 st %Cpu1 : 13.7 us, 0.3 sy, 0.0 ni, 85.7 id, 0.0 wa, 0.3 hi, 0.0 si, 0.0 st
可以发现stress占用了大约30%的cpu,
每颗cpu上大约15%左右,基本上平均的分布在每颗cpu上面
3,
用docker stats检查:
[root@localhost liuhongdi]# docker stats kafka1 --no-stream CONTAINER ID NAME CPU % MEM USAGE / LIMIT MEM % NET I/O BLOCK I/O PIDS db7b125a944f kafka1 29.64% 67.75MiB / 3.67GiB 1.80% 20.9MB / 599kB 79MB / 5.57MB 10
CPU %的值29.64%,基本上跑满了，说明容器对cpu的限制起作用
4，cpus的限制，可以从inspect中查看:
[root@localhost liuhongdi]# docker update --cpus=2 kafka2 kafka2 [root@localhost liuhongdi]# docker inspect kafka2 | grep -i NanoCpus "NanoCpus": 2000000000, [root@localhost liuhongdi]# docker update --cpus=0.5 kafka2 kafka2 [root@localhost liuhongdi]# docker inspect kafka2 | grep -i NanoCpus "NanoCpus": 500000000,
四，使用--cpuset-cpus参数可以指定使用固定的某一颗或几颗cpu
1,
例子：当我们有2颗cpu时，id分别是:0,1
我们指定容器只使用第0颗cpu
看例子：我们用 --cpuset-cpus指定要使用的cpu是第0颗
[root@localhost liuhongdi]# docker run -idt --name kafka1 --hostname kafka1 --cpuset-cpus="0" --privileged kafka:0.1 /usr/sbin/init 3e3c43759030fd1db5031ef0b9e7b0a34fdb3a0900520d3e3d265056bf49c33d
2，登录进入，用stress测试
[root@localhost liuhongdi]# docker exec -it kafka1 /bin/bash
[root@kafka1 source]# stress -c 4
3,
用docker stats查看:
[root@localhost liuhongdi]# docker stats kafka1 --no-stream CONTAINER ID NAME CPU % MEM USAGE / LIMIT MEM % NET I/O BLOCK I/O PIDS 3e3c43759030 kafka1 97.51% 54.84MiB / 3.67GiB 1.46% 12.6MB / 240kB 19.7MB / 1.04MB 10
可以看到cpu已跑满到接近100%
4,
top中可以看到两颗cpu使用情况的不同：
[root@localhost liuhongdi]# top top - 16:33:14 up 2:15, 1 user, load average: 2.94, 1.19, 0.50 Tasks: 303 total, 6 running, 297 sleeping, 0 stopped, 0 zombie %Cpu0 : 96.3 us, 0.0 sy, 0.0 ni, 0.0 id, 0.0 wa, 3.3 hi, 0.3 si, 0.0 st %Cpu1 : 6.7 us, 1.3 sy, 0.0 ni, 91.6 id, 0.0 wa, 0.0 hi, 0.3 si, 0.0 st
5,
如何查看当前的配置:
[root@localhost liuhongdi]# docker inspect kafka1 | grep CpusetCpus "CpusetCpus": "0",
6,
如果指定多颗cpu,格式如下:
docker run -it --rm --cpuset-cpus="1,3" u-stress:latest /bin/bash
五，查看docker的版本:
[root@localhost liuhongdi]# docker --version Docker version 19.03.8, build afacb8b
