容器:隔离是手段,交付是目的
一、引言
一个开发者在本地调通了服务,推到测试环境崩了。排查三小时,发现是 Python 版本差了一个小版本,某个依赖的行为有细微不同。修好推上去,生产又崩。这次是 glibc 版本不一致。
这不是个案,是软件交付的常态矛盾:代码是确定的,但环境是历史的产物。每台服务器都带着自己的历史——不同的人在不同时间装了不同的东西,没有人能完整重现这台机器的状态。
Docker 在 2013 年给出了一个系统性的回答。但很多人误解了这个回答的本质。
二、为什么:根本矛盾是不可重复
配置漂移的真实代价
传统运维的标准解法是文档和规范:“所有服务器必须装 Python 3.9.7……”。文档会过时,人会犯错,规范执行不统一。结果是配置漂移(configuration drift):随着时间推移,本该一致的机器悄悄变得不同,而没有人知道。
问题的本质不是权限管理松散,也不是运维不认真。是可变的基础设施容易积累没有进入交付记录的历史状态。操作日志可以回答”昨天做了什么”,但要重建”今天的状态是怎么从两年前一步步演变过来的”,还得把依赖、外部输入和每次变更接起来。缺少持续记录和验证的手动操作,会让这条链越来越难还原。
VM 为什么没有根治这个问题
虚拟机(VM)是第一次系统性的回答:把整个操作系统打包,保证环境一致。但 VM 解决的是”初始环境的一致性”,没有解决”交付之后的环境演变”。
你把一个 VM 镜像交给运维,运维登录进去装了几个调试工具,改了一个配置文件——这个 VM 已经不再是你打包时的那个环境了。状态漂移只是被推迟,没有被消灭。
传统完整 VM 镜像通常比容器制品更重,启动和分发成本也往往更高;具体密度与速度取决于负载、硬件和虚拟化实现。VM 同样可以采用不可变镜像与自动重建,容器也可以被手动改坏。真正要改变的是交付方式,而不只是运行形态。
Docker 的真正创新是镜像,不是隔离
Linux 的 namespace 和 cgroups 早在 2008 年前后就有了,LXC 在 Docker 出现前已经用这套机制做容器。Docker 没有发明容器技术,也没有首创系统镜像;它把镜像构建、分层复用、分发和运行连成了开发者容易使用的一套工作流。
容器镜像可以作为内容寻址的不可变制品来交付:固定单一平台的 image manifest digest,就固定了它引用的配置和文件系统层;多架构 image index 则会按平台选择其中的镜像。它消除了”同一个版本名背后到底是什么内容”的一类歧义。宿主机内核、CPU 架构、挂载卷、环境变量和外部服务仍会影响运行结果。
FROM python:3.9.7-slim
COPY requirements.txt .
RUN pip install -r requirements.txt
COPY . /app
CMD ["python", "/app/main.py"]这是构建环境的规格说明书,还不是可复现构建的保证。Tag 可能移动,未锁定的依赖、软件仓库内容和构建时间戳也可能变化;同一份 Dockerfile 重建后不一定得到相同 digest。上例只说明结构。要追求可复现,需要固定基础镜像 digest、依赖版本及校验值,并控制构建工具和时间戳等输入。交付时更稳妥的做法是构建一次,按 digest 晋级同一制品,把运行时配置另外管理。Docker 可复现构建
这就是”隔离是手段,交付是目的”的含义:namespace 和 cgroups 解决运行时的边界问题,是手段;镜像解决可重复交付问题,才是目的。
三、怎么设计:三层机制
Docker 的底层由三层机制构成,各自解决不同的问题:namespace 做隔离,cgroups 做限制,OCI 镜像做打包。
namespace——多维隔离,让进程看到”裁剪过的世界”
Namespace 是 Linux 内核提供的一种视图隔离机制:同一个内核,给不同的进程看到不同的”世界”。容器不是独立的操作系统,而是一组被精心裁剪了视野的进程。
下面六种 namespace 最常出现在容器入门里;Linux 还提供 cgroup 和 time namespace,不同内核及运行时的启用方式不同:
| Namespace | 隔离的是 | 哲学意义 |
|---|---|---|
| pid | 进程号空间 | 容器内的 pid 1 不是宿主机的 pid 1——每个容器有自己的进程树 |
| net | 网络栈 | 独立的网卡、IP、路由表——容器的网络是虚构的 |
| mnt | 挂载点视图 | 决定”这个进程能看到哪些文件系统”——镜像的根文件系统从这里挂入 |
| uts | 主机名 / 域名 | 容器可以有自己的 hostname,而不影响宿主机 |
| ipc | 进程间通信 | 信号量、消息队列——容器之间默认不能用这些通信 |
| user | 用户和组 ID | 容器内的 root 可以映射到宿主机的普通用户——这是 rootless 容器的基础 |
核心判断:这些机制首先隔离的是资源视图与身份上下文——内核只有一个,它只是给不同进程看到不同的切片。隔离不是绝对的,是一组可以被撤销、可以被穿透的内核约束。容器的安全边界,本质上依赖内核的完整性。
cgroups——资源不是无限的
Namespace 解决了”看到什么”,cgroups(control groups)解决了”能用多少”。没有有效资源控制,一个容器可能挤占宿主机 CPU 和内存,影响同机其他容器;启用了 cgroup 也还要检查具体限制是否配置。
cgroups 把进程分组,对每个组施加资源限制:
- cpu:竞争时的相对权重与 CPU 时间配额是两件事。v1 对应
cpu.shares、cpu.cfs_quota_us;v2 对应cpu.weight、cpu.max。权重不等于最低保障或上限。 - memory:回收不能满足分配、触及限制时可能触发 cgroup OOM;是否杀进程、哪个进程被杀,要看内核和配置。退出码 137 只说明 SIGKILL,不能单凭它认定 OOM。
- I/O:按设备控制 I/O 权重或吞吐上限,v1 常见
blkio,v2 为io;效果取决于存储路径、调度器与控制器支持。
cgroups 和 namespace 的组合,使容器得以在共享内核的前提下,对同机其他租户做到”视图隔离 + 资源隔离”。这和 VM 的根本差异在于:VM 通常运行独立客体内核,通过 hypervisor 建立另一层边界;普通 Linux 容器共享宿主机内核。两者都需要正确配置和漏洞治理,不能把任一种边界理解成绝对安全。
OCI 镜像——层模型、内容寻址、运行时标准化
UnionFS 与 OverlayFS:镜像是分层文件系统的叠加。RUN、COPY、ADD 等通常产生文件系统变更层,CMD、ENV 等主要修改镜像配置,并非每条指令都有文件系统层。镜像层是只读的,运行时在最顶层加一个可写层。多个容器可以共享底层的只读层,只有最上层的写时复制(copy-on-write)是独属于每个容器实例的。
flowchart TB W["可写层 ← 容器运行时的修改落在这里,容器删除后消失"]:::write L4["COPY . /app ← 只读层"]:::ro L3["RUN pip install ← 只读层"]:::ro L2["COPY req.txt ← 只读层"]:::ro L1["python:3.9.7 ← 只读层,来自基础镜像"]:::ro W --- L4 --- L3 --- L2 --- L1 classDef write fill:#fef3c7,stroke:#f59e0b classDef ro fill:#e0f2fe,stroke:#0284c7
内容寻址:OCI manifest 通过 descriptor 的 digest 引用镜像配置与各层 blob;镜像引用中的 digest 通常标识 manifest 或 image index 的字节内容,并不是笼统的“所有层哈希树的根”。校验链让下载方发现内容与预期摘要不符。在所用哈希算法的安全假设下,它提供内容完整性;谁发布了这些内容、内容是否可信,还需要签名和来源验证。OCI Image Manifest
OCI 标准化:Open Container Initiative 定义镜像、分发与低层运行时规范。containerd、CRI-O 为 Kubernetes 实现 CRI,再由 runc 等低层运行时按 OCI 规范启动容器。符合 OCI 不等于实现 CRI,Kubernetes 连接的是 CRI 服务。标准化让制品与工具解耦,但镜像架构、操作系统及运行时能力仍须兼容。Kubernetes CRI
四、上手:写一个容器,把它跑起来
写第一个 Dockerfile
一个 Dockerfile 由三部分构成:起点(FROM)、构建过程(RUN / COPY)、启动命令(CMD / ENTRYPOINT)。
# 起点:选一个官方基础镜像
FROM python:3.11-slim
# 设置工作目录
WORKDIR /app
# 先复制依赖文件(利用层缓存,后面会解释为什么这样排)
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
# 再复制业务代码
COPY . .
# 容器启动时执行的命令
CMD ["python", "main.py"]选基础镜像的原则:
- Debian 系
python:3.11通常含更多构建依赖,便于开发;具体基础发行版要查看所选标签。 python:3.11-slim裁剪了许多系统包,通常更小,但必须补齐应用实际需要的库。python:3.11-alpine基于 musl libc;某些 C 扩展缺少兼容 wheel,可能需要编译或改用其他基础镜像。
版本号用于说明写法,不代表当前安全基线。实践时先选择仍受支持的版本,并记录 digest、平台和扫描结果;瘦身应以兼容性和可维护性为前提。
构建与运行
# 构建镜像,-t 指定名字和标签
docker build -t myapp:v1 .
# 查看构建结果
docker images myapp
# 前提:应用监听 0.0.0.0:80,当前目录的 data 用作实验数据目录
mkdir -p data
# 后台运行;仅向本机发布 8080;续行反斜线后不能再放注释
docker run \
-d \
--name myapp \
-p 127.0.0.1:8080:80 \
-e APP_ENV=production \
--mount type=bind,src="$(pwd)/data",dst=/app/data \
myapp:v1
# 查看运行状态
docker ps
docker stats myapp # 实时资源占用核心参数:-p 是端口映射(宿主机端口:容器端口),-e 注入环境变量,-v 挂载宿主机目录到容器内,-d 让容器在后台运行。
进去看看:exec / logs / inspect 三件套
容器跑起来之后,排查的三个基本工具:
# 查看日志(最常用)
docker logs myapp # 输出所有日志
docker logs -f myapp # 实时追踪日志
docker logs --tail 100 myapp # 只看最后 100 行
# 进入容器执行命令(容器必须在运行中)
docker exec -it myapp /bin/sh # 交互式 shell
docker exec myapp env # 查看容器内环境变量
docker exec myapp cat /etc/hosts
# 查看容器的详细配置与状态
docker inspect myapp
docker inspect myapp | grep -i "ipaddress\|ports\|mounts"docker inspect 输出的是容器配置与状态 JSON,包括网络 IP、挂载点、环境变量、重启次数等——排查问题时是重要的第一手资料;环境变量可能含敏感值,分享前应按字段摘取。
推到 Registry
# 本地镜像打标签(格式:registry/namespace/name:tag)
docker tag myapp:v1 registry.example.com/team/myapp:v1
# 登录私有 Registry
docker login registry.example.com
# 推送
docker push registry.example.com/team/myapp:v1
# 在另一台机器上拉取
docker pull registry.example.com/team/myapp:v1公共 Registry 用 Docker Hub(docker.io),私有 Registry 常见选择是 Harbor(自托管)或云厂商的 ACR / ECR / Artifact Registry。推送后记录实际 digest;同名 tag 被覆盖是标签管理问题,不等于内容哈希校验失效。
五、走向生产:让容器跑得好
Dockerfile 优化:层缓存策略与多阶段构建
层缓存策略:对同一条依赖链,构建输入变化会使相关步骤及下游缓存失效;独立阶段不一定全部重建。所以规则是:把变化频率低的层放前面,把变化频率高的层放后面。
# 错误示范:代码层在依赖层之前
COPY . /app
# 改业务代码会使下面依赖安装的缓存失效
RUN pip install -r /app/requirements.txt
# 正确示范:依赖层与代码层分离
COPY requirements.txt .
# 前面的构建输入不变时,业务代码改动不会使这一层失效
RUN pip install -r requirements.txt
COPY . /app
# 业务代码改动影响这一层及其后的相关步骤多阶段构建:把构建环境和运行环境分离,避免把编译工具链、测试依赖打进最终镜像。
# 构建阶段:使用完整的构建环境
FROM golang:1.22 AS builder
WORKDIR /build
COPY . .
RUN CGO_ENABLED=0 go build -o app .
# 运行阶段:只把编译产物复制进来
FROM gcr.io/distroless/static
COPY --from=builder /build/app /app
ENTRYPOINT ["/app"]这个示例要求应用能在 CGO_ENABLED=0 下构建,并且没有遗漏运行所需文件。需要 C 动态库的程序应选匹配的运行基础层。体积收益用本机 docker image inspect 比较,不能把某个示例的 MB 数当成所有 Go 应用的保证。
镜像瘦身原则:
- 用
--no-cache-dir(pip)/--no-install-recommends(apt)避免缓存和可选包 - 在同一个
RUN指令里完成安装和清理(分开会产生额外层) - 在兼容前提下评估
distroless、slim 或alpine;同时准备调试路径和升级策略
运行配置:资源限制、健康检查、非 root 用户
这三项都需要明确设计:限制按负载设置,健康信号要对应故障动作,权限只保留运行所需。机械地填满配置,也可能制造重启循环或性能问题。
资源限制:没有限制的容器可以悄悄把同节点所有容器拖死。
# 内存上限 512 MiB,软限制 256 MiB,CPU 时间配额相当于 0.5 核
# memory-reservation 的具体实现受 cgroup 版本影响,它不是预分配内存
docker run \
--memory 512m \
--memory-reservation 256m \
--cpus 0.5 \
myapp:v1健康检查:让 Docker 知道容器内的应用是否真正就绪,而不只是进程存活。
# 前提:镜像包含 curl,应用在 80 端口提供只读健康接口
HEALTHCHECK --interval=30s --timeout=5s --retries=3 \
CMD curl -fsS http://localhost:80/health || exit 1Docker 会把检查失败的容器标为 unhealthy;单靠这个标记不会自动重启容器。Kubernetes 不把镜像的 HEALTHCHECK 当成 Pod 探针,必须在 Pod spec 中另配 readinessProbe、livenessProbe 或 startupProbe,分别设计流量摘除与重启条件。Kubernetes 探针
非 root 用户:镜像未指定 USER 时通常以 root 运行。它不必然等于宿主机 root,但没有 user namespace 映射、又拥有高权限或宿主机挂载时,风险会显著扩大。非 root 是缩小权限的一层,还要控制 capabilities、挂载和运行时访问。
# 创建专用用户
RUN addgroup --system appgroup && adduser --system --ingroup appgroup appuser
# 切换到非 root 用户
USER appuser本地多容器:docker compose 的定位与边界
一个应用通常不只有一个容器——还有数据库、缓存、消息队列。docker compose 是描述和管理多容器应用的工具,常用于本地开发、测试,也可服务于规模与可用性要求合适的单机部署。
# compose.yaml
services:
app:
build: .
ports:
- "8080:80"
environment:
- DATABASE_URL=postgres://user:pass@db:5432/mydb
depends_on:
db:
condition: service_healthy
db:
image: postgres:16-alpine
environment:
POSTGRES_USER: user
POSTGRES_PASSWORD: pass
POSTGRES_DB: mydb
healthcheck:
test: ["CMD-SHELL", "pg_isready -U user -d mydb"]
interval: 5s
retries: 5
volumes:
- pgdata:/var/lib/postgresql/data
volumes:
pgdata:docker compose up -d # 启动所有服务
docker compose logs -f app # 查看某个服务的日志
docker compose down # 停止并清理
docker compose down -v # 删除项目命名卷和匿名卷;仅在确认实验数据可丢弃后执行compose 和 Kubernetes 的边界:Compose 可配合重启策略处理部分进程故障,但不提供 Kubernetes 式的跨节点调度和控制器收敛。是否引入 Kubernetes,要看故障域、发布需求与维护能力;单机服务不需要为了“进阶”强行搬迁。需要跨节点编排时继续看——02-Kubernetes-声明意图,控制器维持世界。
六、故障剧场:亲手把它弄坏
理解容器边界,可以从隔离实验里取得直接证据。以下只用于可丢弃的 Linux 实验 VM;macOS 上 Docker 的 Linux 内核运行在 VM 内,宿主机终端不能直接照搬 unshare。先记录内核、Docker 和 cgroup 版本及正常结果;每次只引入一个变化,记录实际读数与恢复结果。若实验越过预定 VM 或影响宿主机,立即停止并恢复。
实验一:用 unshare 手搓一个 namespace
# 在实验 VM 内记录外层主机名;创建 pid + mount + net + uts namespace
hostname
sudo unshare --pid --mount --net --uts --fork --mount-proc /bin/bash
# 在新 shell 里:进程表变小、网络初始通常只有未启用的 loopback
ps aux
ip addr
hostname new-world
hostname
exit
# 回到外层:与第一条 hostname 的读数比较,应保持原值
hostname你刚刚手动使用了容器运行时会组合使用的部分机制,还没有创建完整容器或独立根文件系统。这里的 --uts 是关键:漏掉它就会修改外层共享的主机名。一般在最后一个进程及其他持有引用都释放后,namespace 才被销毁;绑定挂载或打开的文件描述符也能延长其生命周期。Linux namespaces
实验二:--privileged 松开了哪些约束
# 普通容器
docker run --rm alpine cat /proc/1/status | grep CapEff
# 记录实际 CapEff 位图;数值取决于内核和 Docker 配置
# privileged 容器
docker run --rm --privileged alpine cat /proc/1/status | grep CapEff
# 比较 capability 的变化,不把固定十六进制值当验收标准--privileged 不只放开 capabilities,还放宽设备访问和多项安全配置;namespace 未必消失,但不少保护已经被撤下。本实验只读权限位图,不挂载宿主机磁盘或运行逃逸代码;--rm 在结束后清理容器。位图变化只能证明权限变化,不能证明安全或演示完整逃逸。隔离不是一个开关,是一组必须分别检查的约束。Docker privileged
实验三:cgroup OOM kill
# 保留退出后的容器,以便检查原因;禁用容器可用 swap,减小实验差异
# 前提:实验内核支持 memory/swap 限制,且容器名没有被占用
docker run --name oom-lab --memory 50m --memory-swap 50m python:3.11-slim python -u -c "
x = []
while True:
x.append(' ' * 1024 * 1024)
print(f'allocated {len(x)}MB')
"
docker inspect oom-lab --format 'exit={{.State.ExitCode}} oom={{.State.OOMKilled}}'
# 记录实际退出码、OOMKilled 与最后一条日志,再清理实验容器
docker rm oom-labPython 解释器和其他内存开销也计入限制,不能期待列表恰好分配到 50 MB。若没有观察到 OOM,先核对限制是否生效和 swap 支持,不要继续无界加压。资源上限是保护边界;137 只是 SIGKILL 的编码,结合 OOMKilled 和内核事件才能解释这次退出。
实验四:层缓存失效对比
# 写法 A:代码层在依赖层之前
time docker build -t test-a -f Dockerfile.bad . # 第一次构建
# 改一行业务代码后再构建
time docker build -t test-a -f Dockerfile.bad . # 记录哪些步骤重跑及实际耗时
# 写法 B:依赖层与代码层分离
time docker build -t test-b -f Dockerfile.good . # 第一次构建
# 改同一行业务代码后再构建
time docker build -t test-b -f Dockerfile.good . # 检查依赖安装是否命中缓存,记录实际耗时先保存业务文件基线,用相同依赖、构建器与网络条件比较两种 Dockerfile;测完恢复那一行改动。首次下载、缓存冷热和网络波动都会影响耗时。真正要验证的是依赖步骤是否被复用,再比较多次计时,不能预写“快十倍”的结论。层的顺序不只是代码风格问题,是构建效率的关键决策。
七、日常排障:容器坏了怎么查
启动失败:exit code 速查
容器退出后先看状态与日志;下表同时涉及 docker run 的 CLI 退出状态和容器主进程退出状态,125/126/127 应结合启动错误判断,不能只看 inspect:
docker ps -a # 查看所有容器(包括已退出的)
docker inspect myapp --format='{{.State.ExitCode}}'| 退出码 | 含义 | 排查方向 |
|---|---|---|
| 1 | 应用内部错误 | docker logs myapp,看应用报什么错 |
| 125 | Docker 命令本身失败 | 检查 docker run 参数是否有误 |
| 126 | CMD 无法执行 | 检查 CMD 路径和权限 |
| 127 | CMD 找不到 | 检查命令是否存在于镜像内 |
| 137 | 收到 SIGKILL(128+9) | 核对 OOMKilled、节点事件与人为 kill,再判断是否调整内存 |
| 139 | Segfault(128+11) | 应用崩溃,查应用日志或 core dump |
| 143 | SIGTERM(128+15) | 常见于停止或更新;仍需确认来源及退出是否符合预期 |
# 容器启动失败时最有用的命令
docker logs myapp # 看应用自己输出了什么
docker inspect myapp | grep -A5 '"State"' # 看退出状态服务跑起来但不通:网络排查思路
# 第一步:确认容器本身是通的
docker exec myapp curl -s http://localhost:80/health
# 第二步:确认端口映射是否正确
docker port myapp # 查看端口映射
docker inspect myapp | grep -i ports
# 第三步:确认宿主机可达
curl http://127.0.0.1:8080/health # 用宿主机访问映射端口
# 第四步:检查容器网络
docker network inspect bridge # 查看默认网络里的容器 IP
docker exec myapp ip addr # 查看容器内网络接口
# 第五步:多容器之间不通时(compose 场景)
docker network ls # 列出所有网络
docker compose exec app getent hosts db # 镜像需包含 getent;先核对服务名解析常见原因:应用监听了 127.0.0.1 而不是 0.0.0.0(端口映射无法据此访问容器网络接口上的服务);端口映射写反了(宿主机端口和容器端口顺序搞混);防火墙规则阻断。
镜像拉不下来
# 认证问题
docker login registry.example.com # 重新登录
# 检查凭证助手与 Registry 地址;不要把 config.json 的认证内容贴到日志
# 网络问题
docker pull hello-world # 先测公共 Registry 能否访问
# 固定发布记录中的实际完整 digest,避免移动 tag 带来歧义
# docker pull registry.example.com/team/myapp@sha256:<完整摘要>磁盘被容器吃光
docker system df # 查看各类资源的磁盘占用
# TYPE TOTAL ACTIVE SIZE RECLAIMABLE
# Images 23 5 12.4GB 9.1GB (73%)
# Containers 8 3 120MB 80MB
# Volumes 12 4 4.2GB 2.1GB
# Build Cache - - 3.1GB 3.1GB
# 清理停止的容器、未使用的镜像、悬空的网络和构建缓存
docker system prune
# 同时清理未使用的匿名卷;先核对 Docker 版本、命令确认列表与数据备份
docker system prune --volumes
# 清理悬空镜像;构建缓存另有独立的回收范围
docker image prune
# 强制清理所有未使用镜像(包括有 tag 但没有容器在用的)
docker image prune -a先用 docker system df 和容量趋势确定占用,再按保留策略回收。CI 缓存可能持续增长,但一键清理会损失缓存,也可能删除仍有业务价值的停止容器或匿名卷;把清理范围与可恢复性写进维护规则,比定期盲跑命令可靠。
八、往哪走
容器解决了”可重复交付”,但没有完全解决”可信交付”和”大规模运行”的问题。
镜像签名与供应链安全:docker pull nginx:latest 拉到的是发布者当时给 latest 标记的内容,它未必是你要的版本。即使摘要校验通过,谁能证明制品来自可信的构建过程?Cosign(Sigstore 项目)给镜像引入了数字签名:构建时签名,部署时验签,可以结合身份验证和透明日志审计签名来源。SBOM(Software Bill of Materials)列出工具识别到的组件及依赖,为漏洞核对提供材料,但完整性仍取决于生成与扫描方式。这是”交付可信”这条线的下一步。
Rootless 容器:Docker Daemon 以 root 身份运行是历史遗留问题——任何能与 Daemon 通信的用户都有潜在的提权路径。Rootless 模式(Podman 默认支持,Docker 也已支持)把整个容器运行时放在用户 namespace 里,普通用户可以运行容器;宿主机仍需满足 user namespace、subuid/subgid 和相关辅助程序等配置条件。
这条线的终点:容器的本质贡献是把”环境”变成了”可版本化的不可变制品”,把”交付代码”升级为”交付代码加环境的整体声明”。它是整个云原生体系的原子单元——Kubernetes 调度的是 pod(容器的封装),GitOps 交付的是容器镜像,IaC 管理的基础设施上跑的是容器。下一个问题:容器多了,谁来管?
关联
- → 02-Kubernetes-声明意图,控制器维持世界:K8s 的调度单元是 pod,pod 是容器的封装,控制循环维持的是容器的期望状态
- → 06-eBPF-内核变成可编程的基础设施:容器的网络隔离和安全策略的底层是 Linux 内核,eBPF 在这层做增强
- → Linux 系统 MOC:namespace 和 cgroups 是 Linux 内核特性,容器是它们的应用层组合
参考资料与实践边界
本篇机制与命令文档核验于 2026-10-14。示例用于理解机制,本轮未运行容器或故障实验;版本、耗时、退出原因以实际环境记录为准。文中的 myapp 需要自备可构建的应用、依赖文件及健康接口,示意配置不能替代生产验收。
- Dockerfile reference:构建指令、镜像配置与健康检查。
- Docker resource constraints:CPU、内存与 OOM 的运行时边界。
- Docker Compose in production:Compose 的单机生产用法。
- Linux cgroup v2:权重、配额、内存与 I/O 控制器。