当前位置:首页 > 文章列表 > 文章 > 软件教程 > Docker Compose 怎样给服务设置资源限制

Docker Compose 怎样给服务设置资源限制

来源:17golang原创 2026-10-26 21:30:33 0浏览 收藏

Docker Compose 给服务设置资源限制,核心不是在宿主机上临时执行一条命令,而是在目标服务的 deploy.resources.limits 下声明边界。常见字段是 cpus、memory 和 pids;如果还要表达调度时希望得到的最低资源,可以另外写 reservations。下面用服务 api 演示一套可读、可回退的配置路径。

Docker 官方地址:https://docs.docker.com/reference/compose-file/deploy/

最小可用写法是把限制放在目标服务的 deploy.resources.limits 中,例如 CPU 写 0.50、内存写 512M、进程数写 128。限制和预留不是同一个概念:前者是平台不应允许超过的上限,后者是平台应尽量保证的最低资源。

先找到服务资源设置入口

在配置工作区中,先从左侧项目树进入 应用配置 → compose 文件 → 服务列表,再点击目标服务 api。右侧设置面板应显示“服务资源”,并把“限制”和“预留”分成两个区域。这里的界面是帮助理解字段位置的原创操作示意图,不是 Docker Desktop、编辑器或浏览器的真实截图。

  1. 打开项目的 Compose 配置文件。
  2. 在服务列表中选择 api,不要误选数据库或反向代理服务。
  3. 进入 服务资源 → 限制,先记录需要控制的 CPU、内存和进程数。
原创配置工作区中选中 api 服务并显示限制和预留资源字段的界面说明图
图1:操作示意图。它把目标服务、Compose 字段和资源设置面板放在同一视图中,帮助定位入口;画面为原创说明图,不是运行截图。

Compose Deploy Specification 把资源配置放在 deploy.resources 下,其中 limits 表示上限,reservations 表示最低资源要求。不要把预留值当成容器一定会持续占用的配额,也不要只改界面字段而忘记保存到 Compose 文件。

填写 CPU、内存和 PID 限制

进入 服务资源 → 限制 后,给 api 填入本次示例值:CPU 上限 0.50,内存上限 512M,PID 上限 128。这些值只是演示字段写法,生产值应根据服务实际负载、宿主机容量和平台约束决定。

services:
  api:
    image: example/api:stable
    deploy:
      resources:
        limits:
          cpus: "0.50"   # 限制最多使用约半个 CPU 核心
          memory: 512M    # 限制容器可分配的内存上限
          pids: 128       # 限制容器可创建的进程数量
        reservations:
          cpus: "0.25"    # 声明调度时希望得到的 CPU 资源
          memory: 256M    # 声明调度时希望得到的内存资源

配置文件是严格的 YAML,缩进决定字段层级。resources 必须属于目标服务的 deploy,不能和 image、ports 同级后再随意放一个 limits。如果只需要上限,可以暂时省略 reservations,但不要把两类字段混写成一个“资源值”。

在界面中完成填写后,依次点击 资源限制 → CPU、资源限制 → 内存、资源限制 → 进程数,最后点击 应用配置。这里的按钮路径对应的是原创配置工作区的教学布局,实际使用时以你选择的 Compose 编辑工具为准。

保存后确认字段落在正确服务下

保存不是只看绿色提示。先回到 YAML 编辑区,确认 deploy.resources.limits 仍然位于 services.api 下面;再在资源摘要中对照 CPU、内存和 PID 三项。第二张图展示的是“配置已保存”的说明状态,右侧的使用率仅用于说明界面层级,不能当成本机运行数据。

原创容器配置工作区中展示 api 服务资源摘要和配置已保存状态的界面说明图
图2:结果示意图。资源摘要把限制与预留并列显示,绿色状态只表示示意界面已保存配置,不代表本文已在真实环境执行或测得使用率。
  1. 点击 应用配置 → 保存,等待界面显示“配置已保存”。
  2. 打开 服务 → api → 资源摘要,核对 CPU 上限、内存上限和 PID 上限。
  3. 回看 Compose 文件,确保没有把字段写到了 web、db 或其他服务下。

如果项目使用的 Compose 实现或部署平台对 Deploy Specification 的支持范围不同,界面能保存字段并不自动等于运行时会施加同样的约束。应把“文件结构正确”和“目标平台支持并应用”分成两个判断,避免看到配置被保存就直接推断限制已经生效。

不生效时按配置层级排查

先看最容易出错的三点:服务名是否正确、缩进是否正确、字段是否放在 deploy.resources.limits 下。下面这个错误示例把 limits 放到了服务根部,界面可能仍能显示文本,但它不是本文所用的资源字段层级。

services:
  api:
    image: example/api:stable
    limits:              # 错误示例:不要把 limits 放在服务根部
      memory: 512M       # 正确位置应是 deploy.resources.limits.memory

然后检查目标服务最终使用的 Compose 文件和覆盖文件。多文件合并时,先确认当前命令引用了哪一组文件,再确认 api 没有在后续文件中被覆盖。不要为了掩盖字段问题直接删除整个服务或清理宿主机数据。

现象优先检查处理方向
资源面板没有数据是否选中了目标服务,字段是否在 deploy.resources修正服务层级和 YAML 缩进
保存成功但运行行为没变化当前 Compose 实现和部署平台是否支持该字段查对应平台文档,不把保存状态当执行证据
内存值被拒绝值格式、宿主机容量和平台约束使用明确的字节单位并调整到合理范围
临时需要恢复默认是否保留了原始配置只删除本次新增的 limits 或回退到版本控制中的文件

回退时保留服务定义和镜像配置,只移除本次新增的 deploy.resources.limits,并重新保存 Compose 文件。若同时写过预留值,也要按变更记录决定是否一起删除;不要把回退动作扩大成删除容器、卷或网络。

常见疑问

CPU 的 0.50 是百分比吗?

不是。Docker 文档把 cpus 表述为可使用的 CPU 资源数量,示例中的 0.50 更接近半个 CPU 核心的配置表达,不应当直接当作“50% 的所有机器性能”。实际可用范围仍受平台和宿主机资源影响。

limits 和 reservations 必须同时写吗?

不必须。只想控制上限时可以只写 limits;需要表达调度最低资源时再写 reservations。两者的用途不同,不能用预留值代替上限。

保存后就能证明限制生效了吗?

不能。保存只能证明 Compose 文件或配置工作区接收了字段。是否真正施加限制,还取决于使用的 Compose 实现和部署环境;应根据对应平台提供的运行状态、资源信息或文档规则另行确认。

这套配置可以压缩成一个顺序:选对服务,进入 deploy.resources,把上限写入 limits,需要最低资源时再写 reservations,保存后同时检查 YAML 层级和平台支持范围。这样既能完成 Docker Compose 的资源设置,也能避免把界面提示误读成运行时证据。

参考:https://docs.docker.com/reference/compose-file/deploy/

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
GitHub Actions 怎样让 job 只在条件满足时运行GitHub Actions 怎样让 job 只在条件满足时运行
上一篇
GitHub Actions 怎样让 job 只在条件满足时运行
Docker Compose 怎样把敏感配置注入服务而不写进镜像
下一篇
Docker Compose 怎样把敏感配置注入服务而不写进镜像
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    718次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    726次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    801次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    761次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    598次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码