强力的应用容器引擎---------Docker的资源控制

目录

一、CPU 资源控制

1.1cgroups有四大功能

1.2设置CPU使用率上限

1.2.1查看CPU使用率

1.2.2进行CPU压力测试

1.2.3设置50%的比例分配CPU使用时间上限

1.3设置CPU资源占用比(设置多个容器时才有效)

1.3.1创建两个容器为hua1 和hua2,容器的权重为2:1

1.3.2分别进入容器,进行压力测试

1.3.3查看容器运行状态(动态更新)

1.4设置容器绑定指定的CPU

1.4.1先分配虚拟机4个核数

1.4.2进入容器,进行压力测试

1.5对内存使用的限制

1.5.1限制容器可以使用的最大内存

1.5.2限制可用的 swap 大小

1.5.3对磁盘IO配额控制(blkio)的限制

1.5.3.1创建容器,并限制写速度

1.5.3.2清理docker占用的磁盘空间

二、故障处理

2.1由于docker容器故障导致大量日志集满,会造成磁盘空间满

2.2解决方案

2.2.1清楚日志

2.2.2当日志占满之后如何处理

2.2.2.1设置docker日志文件数量及每个日志大小

三、总结

3.1对cpu的限制参数

3.2对内存的限制

3.3对磁盘IO的限制


一、CPU 资源控制

  • Docker 通过 Cgroup 来控制容器使用的资源配额,包括 CPU、内存、磁盘三大方面, 基本覆盖了常见的资源配额和使用量控制
  • Cgroup 是 ControlGroups 的缩写,是 Linux 内核提供的一种可以限制、记录、隔离进程组所使用的物理资源(如 CPU、内存、磁盘 IO 等等) 的机制,被 LXC、docker 等很多项目用于实现进程资源控制。
  • Cgroup 本身是提供将进程进行分组化管理的功能和接口的基础结构,I/O 或内存的分配控制等具体的资源管理是通过该功能来实现的
  • groups,是一个非常强大的linux内核工具,他不仅可以限制被namespace隔离起来的资源,还可以为资源设置权重、计算使用量、操控进程启停等等。
  • 所以cgroups (Control groups) 实现了对资源的配额和度量

1.1cgroups有四大功能

  • 资源限制:可以对任务使用的资源总额进行限制
  • 优先级分配:通过分配的cpu时间片数量以及磁盘IO带宽大小,实际上相当于控制了任务运行优先级
  • 资源统计:可以统计系统的资源使用量,如cpu时长,内存用量等
  • 任务控制:cgroup可以对任务执行挂起、恢复等操作

1.2设置CPU使用率上限

Linux通过CFS(Completely Fair Scheduler,完全公平调度器)来调度各个进程对CPU的使用

CFS默认的调度周期是100ms

我们可以设置每个容器进程的调度周期,以及在这个周期内各个容器最多能使用多少CPU 时间

使用 --cpu-period 即可设置调度周期,使用 --cpu-quota 即可设置在每个周期内容器能使用的CPU时间。两者可以配合使用

CFS 周期的有效范围是 1ms~1s,对应的 --cpu-period 的数值范围是 1000~1000000。 周期100毫秒 
而容器的 CPU 配额必须不小于 1ms,即 --cpu-quota 的值必须 >= 1000

1.2.1查看CPU使用率

docker run -itd --name car1 centos:7 /bin/bash
--------------------------------------------------------
docker ps -a
CONTAINER ID   IMAGE          COMMAND                   CREATED             STATUS                      PORTS                                     NAMES
669e68d4b1ae   centos:7       "/bin/bash"               50 seconds ago      Up 48 seconds 
----------------------------------------------------------
cd /sys/fs/cgroup/cpu/docker/669e68d4b1ae57434f0003addef2ebf0f7b806b52e62359c59d6603f914ef2a5/
--------------------------------------------------------
cat cpu.cfs_period_us 

cat cpu.cfs_quota_us
  • cpu.cfs_period_us:cpu分配的周期(微秒,所以文件名中用 us 表示),默认为100000
  • cpu.cfs_quota_us:表示该cgroups限制占用的时间(微秒),默认为-1,表示不限制。 如果设为50000,表示占用50000/100000=50%的CPU
docker run -itd --name car1 centos:7 /bin/bash
#创建名为car1的centos7容器

1.2.2进行CPU压力测试

docker ps -a 
#查看docker容器id

docker exec -it 容器唯一id/容器名   /bin/bash
#进入容器中

vi  /cpu.sh
#!/bin/bash
i=0
while true
do
let i++
done
#编辑脚本

chmod +x /cpu.sh
#添加执行权限

./cpu.sh
#执行脚本
新开一个shell窗口
top查看cpu占用率,按1查看使用的那个cpu

再重新开一个shell窗口

1.2.3设置50%的比例分配CPU使用时间上限

Cgroups限制cpu使用率

方法一:
docker run -itd --name test6 --cpu-quota 50000 centos:7 /bin/bash    
#可以重新创建一个容器并设置限额

方法二:
cd /sys/fs/cgroup/cpu/docker/669e68d4b1ae57434f0003addef2ebf0f7b806b52e62359c59d6603f914ef2a5
echo 50000 > cpu.cfs_quota_us
docker exec -it car1 /bin/bash  #进入容器
./cpu.sh  #执行脚本

新开一个xhell窗口,查看top

在新开一个xhell窗口

top     可以看到cpu占用率接近50%,cgroups对cpu的控制起了效果

1.3设置CPU资源占用比(设置多个容器时才有效)

#创建两个容器为 c1 和 c2,若只有这两个容器,设置容器的权重,使得c1和c2的CPU资源占比为1/3和2/3。
docker run -itd --name c1 --cpu-shares 512 centos:7	
docker run -itd --name c2 --cpu-shares 1024 centos:7

#分别进入容器,进行压力测试
yum install -y epel-release
yum install -y stress
stress -c 4				#产生四个进程,每个进程都反复不停的计算随机数的平方根

#查看容器运行状态(动态更新)
docker stats
CONTAINER ID   NAME             CPU %     MEM USAGE / LIMIT     MEM %     NET I/O          BLOCK I/O         PIDS
c3ee18e65852   c2               66.50%    5.5MiB / 976.3MiB     0.56%     20.4MB / 265kB   115MB / 14.2MB    4
bb02d3b345d8   c1               32.68%    2.625MiB / 976.3MiB   0.27%     20.4MB / 325kB   191MB / 12.7MB    4

Docker 通过 --cpu-shares 指定 CPU 份额,默认值为1024,值为1024的倍数。

#创建两个容器为 c1 和 c2,若只有这两个容器,设置容器的权重,使得c1和c2的CPU资源占比为1/3和2/3

1.3.1创建两个容器为hua1 和hua2,容器的权重为2:1

docker run -itd --name hua1 --cpu-shares 512 centos:7
docker run -itd --name hua2 --cpu-shares 1024 centos:7

1.3.2分别进入容器,进行压力测试

分别进入容器
然后安装

yum install -y epel-release
yum install -y stress
stress -c 4                #产生四个进程,每个进程都反复不停的计算随机数的平方根

安装stress 程序

1.3.3查看容器运行状态(动态更新)

重新开一个7-2的xhell终端,使用docker stats命令查看

1.4设置容器绑定指定的CPU

#先分配虚拟机4个CPU核数
docker run -itd --name test7 --cpuset-cpus 1,3 centos:7 /bin/bash

#进入容器,进行压力测试
yum install -y epel-release
yum install stress -y
stress -c 4

#退出容器,执行 top 命令再按 1 查看CPU使用情况。

1.4.1先分配虚拟机4个核数

docker run -itd --name hua3 --cpuset-cpus 1,3 centos:7 /bin/bash

1.4.2进入容器,进行压力测试

docker exec -it hua3 /bin/bash
yum install -y epel-release
yum install stress -y 
stress -c 4

在新开一个xhell窗口7-2查看内容,输入top然后按1

1.5对内存使用的限制

1.5.1限制容器可以使用的最大内存

-m(--memory=) 选项用于限制容器可以使用的最大内存

docker run -itd --name test8 -m 512m centos:7 /bin/bash
#创建并启动容器centos7命名为test8,限制最大内存为512mb
docker stats
#查看容器运行状态

1.5.2限制可用的 swap 大小

强调一下,--memory-swap 是必须要与 --memory 一起使用的。

  • 正常情况下,--memory-swap 的值包含容器可用内存和可用 swap。
  • 所以 -m 300m --memory-swap=1g 的含义为:容器可以使用 300M 的物理内存,并且可以使用 700M(1G - 300)的 swap

如果 --memory-swap 设置为 0 或者 不设置,则容器可以使用的 swap 大小为 -m 值的两倍。
如果 --memory-swap 的值和 -m 值相同,则容器不能使用 swap
如果 --memory-swap 值为 -1,它表示容器程序使用的内存受限,而可以使用的 swap 空间使用不受限制(宿主机有多少 swap 容器就可以使用多少)

docker run -itd --name hua5 -m 512m --memory-swap=1G centos:7 /bin/bash

1.5.3对磁盘IO配额控制(blkio)的限制

--device-read-bps:限制某个设备上的读速度bps(数据量),单位可以是kb、mb(M)或者gb。
例:docker run -itd --name test9 --device-read-bps /dev/sda:1M  centos:7 /bin/bash

--device-write-bps : 限制某个设备上的写速度bps(数据量),单位可以是kb、mb(M)或者gb。
例:docker run -itd --name test10 --device-write-bps /dev/sda:1mb centos:7 /bin/bash

--device-read-iops :限制读某个设备的iops(次数)
 
--device-write-iops :限制写入某个设备的iops(次数)

docker run -itd --name hua7 --device-read-bps /dev/sda:1M centos:7 /bin/bash
dd if=/dev/zero of=/test.out bs=2M count=5 oflag=direct
1.5.3.1创建容器,并限制写速度
#创建容器,并限制写入速度为1MB/s,即每秒只能写入1MB的数据量。
docker run -itd --name hua7 --device-read-bps /dev/sda:1M centos:7 /bin/bash
#通过dd来验证写速度,拷贝50M的数据到容器中
dd if=/dev/zero of=/test.out bs=2M count=5 oflag=direct  #添加oflag参数以规避掉文件系统cache

1.5.3.2清理docker占用的磁盘空间
docker system prune -a  #可以用于清理磁盘,删除关闭的容器、无用的数据卷和网络

docker ps -a #显示所有容器

二、故障处理

2.1由于docker容器故障导致大量日志集满,会造成磁盘空间满

2.2解决方案

2.2.1清楚日志

#!/bin/bash
logs=$ (find /var/lib/docker/containers/ -name *-json.log*)
for log in $logs
do
cat /dev/null > $log
done

2.2.2当日志占满之后如何处理

2.2.2.1设置docker日志文件数量及每个日志大小
设置docker日志文件数量及每个日志大小
 vim /etc/docker/daemon.json
{
"registry-mirrors": ["http://f613ce8f.m.daocloud.io"],
"log-driver": "json-file",   #我的一日志格式
"log-opts": { "max-size" : "500m", "max-file" : "3"}   日志的参数最大500M   我最大容器中有三个日志文件 每个日志文件大小是500M
}

修改完需要重新加载  systemctl daemon-reload

三、总结

3.1对cpu的限制参数

 docker run -cpu-period     #设置调度周期时间1000~1000000
            -cpu-quota      #设置容器进程的CPU占用时间,要与调度周期时间成比例
            --cpu-shares    #设置多个容器之间的CPU资源占用比
            --cpuset-cpus   #绑核(第一个CPU编号从0开始)

3.2对内存的限制

 -m 物理内存 [--memory-swap=总值]

3.3对磁盘IO的限制

 --device-read-bps 设备文件:1mb/1M     #限制读速度
 --device-write-bps 设备文件:1mb/1M    #限制写速度
 --device-read-iops                   #限制读次数
 --device-write-iops                  #限制写次数
 ​docker system prune -a             #释放无用的资源

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/571029.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

The_Maya_Society

突然发现自己做了一些逆向题都没有写笔记 今天,发现这道题有意思 1.解压文件 三个文件The Maya Society.html,maim.cc,maya.png 当时我看到这个题的时候,我以为是不是会是js逆向 看来是我蠢了 这三个文件,main.css和maya.png这两…

【算法分析与设计】重复的DNA

📝个人主页:五敷有你 🔥系列专栏:算法分析与设计 ⛺️稳中求进,晒太阳 题目 DNA序列 由一系列核苷酸组成,缩写为 A, C, G 和 T.。 例如,"ACGAATTCCG" 是一个 DNA序列 。 在研究…

libVLC 制作一款精美的播放器

1.简介 本文将简单介绍使用libVLC制作一款精美的播放器。 开发环境:Visual Studio + Qt插件。 Qt版本:Qt5.9。 libVLC版本:3.0.20。 以下是运行界面效果图:截取其中几张。 右键菜单,功能还是比较齐全。 2.ui界面构成 接下来简单介绍一下ui界面构成。 主界面由播放树…

二维码图片的链接怎么提取?在线获取解码链接的方法

随着现在二维码成为内容展示的主要用途,很多场景下都会需要通过扫码的方式在手机上获取内容。那么在遇到无法扫码的情况时,可以通过提取二维码短链接来访问内容,点击链接跳转到对应的内容页面。 二维码链接想要快速的提取出来,最…

在 vue3 中使用高德地图

前言:定位地图位置所需要的经纬度,可以通过 拾取坐标 获取。 一:快速上手 1. 安装依赖 npm install amap/amap-jsapi-loader # or pnpm add amap/amap-jsapi-loader # or yarn add amap/amap-jsapi-loader 2. 创建组件 src/components/Ma…

面向对象三大特征(python)

目录 1. 封装 为什么使用封装? 如何实现封装? 一个简单的封装示例 二.继承 为什么使用继承? 如何实现继承? 一个简单的继承示例 使用继承的好处 三.多态 为什么使用多态? 如何实现多态? 一个简…

面向对象介绍

1、面向对象程序设计 2、数据抽象 3、实体、对象、类之间的关系 4、从计算机的观点看对象 5、抽象 6、封装 7、继承 8、多态 9、面向对象编程方法的特性 10、面向对象编程的优缺点

IEEE PDF eXpress Validating Pdf..之后Error in converting file

在将自己写好的pdf论文转化为IEEE出版的pdf论文格式的时候,错误如下图: 解决办法如下:失败之后,那里有一个选项按钮,叫做manual request,也就是人工转换,点那个申请就可以了,然后也挺…

mathtype设置公式编号,公式居中以及编号靠右

在word中实现: 1. 首先点击栏,选择更多栏去看 看到栏的宽度,然后去设置样式 在开始-样式中设置,新建样式: 新建样式,然后设置格式-制表位,选择对齐方式,居中对齐设置刚才的一半,右…

Windows10安装配置nodejs环境

一、下载 下载地址:https://nodejs.cn/download/ ​ 二、安装 1、找到node-v16.17.0-x64.msi安装包, 根据默认提示安装, 过程中间的弹窗不勾选 2、安装完成后, 打开powershell(管理员身份) ​ 3、命令行输入 node -v 和 npm -v 如下图所示则nodejs安装成功 ​ 三…

【线程池总结】

文章目录 线程池介绍线程池的优点线程池的执行流程线程池池参数:线程池的状态常见的线程池FixedThreadPool(有限线程数的线程池):ScheduledThreadPool(定时线程池)scheduleWithFixedDelaySingleThreadExecu…

synchronized的底层原理

目录 介绍 实现原理 对象头 Monitor(监视器) 锁升级 偏向锁 轻量级锁 重量级锁 锁的优缺点 介绍 synchronized 是 Java 中的关键字,它用于锁定代码块或方法,以确保同一时刻只有一个线程可以进入被锁定的部分。这在多线程…

企商在线亮相2024中国生成式AI大会,展出多元异构算力服务

4月18—19日,由知名媒体机构智东西与智猩猩共同主办的2024中国生成式AI大会在北京举行,55位重量级产学研投界代表同台分享。企商在线作为算力行业代表企业,参展生成式AI展区,现场展出企商在线AI算力平台及异构算力服务。 大会以“…

NodeRed节点编辑用于边缘计算和规则引擎,能做带UI界面和业务逻辑的上位机或前端应用吗?

网站:hhtp://www.uiotos.net 先说结论,可以,但是需要有页面嵌套继承类似的技术,实现页面模块化封装,否则难以实现复杂应用。 相信目光敏锐的人都在关注节点编辑在自身行业的应用! NodeRed在边缘计算做数据…

四、Flask进阶

Flask-Cache pip install flask-caching安装flask_cache初始化 # ext.py from flask_sqlalchemy import SQLAlchemy from flask_migrate import Migrate from flask_caching import Cachedb SQLAlchemy() migrate Migrate() cache Cache(config{CACHE_TYPE: simple # 缓存…

debian配置distcc分布式编译

前言 distcc 是一个用于在网络上的多台机器上分发 C、C、Objective C 或 Objective C 代码构建的程序。 distcc 应始终生成与本地构建相同的结果,易于安装和使用,并且通常比本地编译快得多。 distcc 不要求所有机器共享文件系统、同步时钟或安装相同的…

编写一款2D CAD/CAM软件(十四)绘制工具栏

前面的文章已经封装了数个最基本的图元,但是视图的呈现是基于测试数据形成的。为了尽快完善软件交互的框架和能力,本文将增加工具栏。 资源文件 1.首先,创建按钮图标。使用绘图软件构建出工具栏按钮的图标,绘图软件多种多样&…

使用 Rust 后,我​​使用 Python 的方式发生了变化

使用 Rust 后,我​​使用 Python 的方式发生了变化 Using type hints where possible, and sticking to the classic “make illegal state unrepresentable” principle. 尽可能使用类型提示,并坚持经典的“使非法状态不可表示”原则。 近年来&#xff…

PyTorch Conv2d 前向传递中发生了什么?

💝💝💝欢迎莅临我的博客,很高兴能够在这里和您见面!希望您在这里可以感受到一份轻松愉快的氛围,不仅可以获得有趣的内容和知识,也可以畅所欲言、分享您的想法和见解。 推荐:「stormsha的主页」…

决策大模型专题(一)

决策智能不应该停留在以前的思维中了,现在开一个专题来学习一下决策论坛的老师们的精彩的内容。本内容来自决策大模型论坛,张伟楠老师的内容整理。 决策大模型 是新一代人工智能的底层技术,它可以去赋能,智能体也就是AI agent&a…