반응형
컨테이너 생성 시 CPU·메모리·GPU·디스크·네트워크·프로세스 등 모든 리소스 제한 옵션 총정리
1. CPU 제한
--cpus — CPU 코어 수 제한 (가장 많이 씀)
docker run --cpus="4" <이미지>- 물리 코어 수와 관계없이 논리적으로 사용할 코어 수를 제한
--cpus="1.5"→ 1.5개 코어 분량 사용 가능docker stats에서 최대400%(4코어)까지 올라감
--cpu-shares — CPU 가중치 (상대적 우선순위)
docker run --cpu-shares=512 <이미지>- 기본값:
1024 - 절대 제한이 아닌 상대적 비율 — CPU 경합 시 우선순위 결정
1024:512= 2:1 비율로 CPU 분배- CPU가 여유 있을 때는 제한 없이 다 씀
--cpu-period + --cpu-quota — CFS 스케줄러 직접 제어
# 500ms 주기에서 250ms만 사용 → 50% 제한 (0.5코어)
docker run --cpu-period=500000 --cpu-quota=250000 <이미지>
# 100ms 주기에서 400ms 사용 → 400% (4코어)
docker run --cpu-period=100000 --cpu-quota=400000 <이미지>--cpu-period: 측정 주기 (마이크로초, 기본 100000 = 100ms)--cpu-quota: 주기 내 사용 가능한 시간 (마이크로초)--cpus가 내부적으로 이 두 값을 자동 계산해서 설정함
--cpuset-cpus — 특정 CPU 코어 고정
# 0번, 1번 코어만 사용
docker run --cpuset-cpus="0,1" <이미지>
# 0~3번 코어만 사용
docker run --cpuset-cpus="0-3" <이미지>- NUMA 아키텍처 최적화나 코어 격리에 사용
- CPU affinity 고정 → 캐시 효율 향상
--cpuset-mems — NUMA 메모리 노드 고정
# NUMA 노드 0번 메모리만 사용
docker run --cpuset-mems="0" <이미지>CPU 설정 조합 예시 (실무)
docker run \
--cpus="16" \ # 최대 16코어
--cpu-shares=512 \ # 우선순위 낮음 (기본의 절반)
--cpuset-cpus="0-15" \ # 물리 0~15번 코어만 사용
<이미지>CPU 설정 확인
# inspect로 확인
docker inspect <컨테이너> | grep -E "NanoCpus|CpuShares|CpuQuota|CpuPeriod|CpusetCpus"
# NanoCpus → 실제 코어 수 = NanoCpus / 1,000,000,000
# 16코어 → NanoCpus: 160000000002. 메모리 제한
--memory — 최대 메모리 제한
docker run --memory="8g" <이미지>
docker run --memory="512m" <이미지>
docker run --memory="1024k" <이미지>- 단위:
b,k,m,g - 제한 초과 시 → OOM Killer가 컨테이너 프로세스 종료
--memory-swap — 스왑 포함 총 메모리 제한
# 메모리 8g + 스왑 8g → 총 16g 가능
docker run --memory="8g" --memory-swap="16g" <이미지>
# 스왑 완전 비활성화 (--memory와 같은 값)
docker run --memory="8g" --memory-swap="8g" <이미지>
# 스왑 무제한 허용
docker run --memory="8g" --memory-swap="-1" <이미지>
--memory-swap은 메모리+스왑의 합산 값임. 스왑 단독 크기가 아님.
스왑 실제 크기 =--memory-swap---memory
--memory-reservation — 소프트 메모리 제한 (보장량)
docker run --memory="40g" --memory-reservation="20g" <이미지>- 호스트 메모리 부족 시 이 값까지 줄어들도록 유도 (강제 아님)
- 최소 보장 메모리 개념
- 반드시
--memory보다 작아야 함
--memory-swappiness — 스왑 사용 경향 조절
# 스왑을 최대한 안 씀 (0~100, 기본 -1 = 호스트 설정 따름)
docker run --memory-swappiness=0 <이미지>--oom-kill-disable — OOM Killer 비활성화
docker run --memory="8g" --oom-kill-disable <이미지>- 메모리 초과 시 프로세스를 죽이지 않고 대기
- 주의: 호스트 전체 OOM 유발 위험 있음.
--memory와 함께만 사용
--oom-score-adj — OOM 우선순위 조정
# 높을수록 OOM 시 먼저 종료됨 (-1000 ~ 1000)
docker run --oom-score-adj=300 <이미지>
# 가장 마지막에 종료되도록
docker run --oom-score-adj=-500 <이미지>--shm-size — 공유 메모리 크기
docker run --shm-size="20g" <이미지>/dev/shm크기 설정 (기본 64MB)- ML 학습, 멀티프로세스 통신에서 중요
- PyTorch DataLoader num_workers 쓸 때 반드시 늘려야 함
메모리 설정 확인
docker inspect <컨테이너> | grep -E "Memory|Swap|Shm"3. GPU 제한
--gpus — GPU 할당
# 전체 GPU 사용
docker run --gpus all <이미지>
# GPU 1개 사용
docker run --gpus 1 <이미지>
# 특정 GPU 지정 (device ID)
docker run --gpus '"device=0"' <이미지>
docker run --gpus '"device=0,1"' <이미지>
docker run --gpus '"device=5"' <이미지>
# 복수 지정
docker run --gpus '"device=0,2,5"' <이미지>
nvidia-container-toolkit설치 필요
GPU 사용 확인
# 컨테이너 내부에서
docker exec <컨테이너> nvidia-smi
# 호스트에서 컨테이너별 GPU 사용량
nvidia-smi
# GPU 메모리 포함 상세
nvidia-smi --query-compute-apps=pid,process_name,used_memory --format=csv4. 디스크 I/O 제한
--device-read-bps / --device-write-bps — 초당 바이트 제한
# /dev/sda 읽기 10MB/s 제한
docker run --device-read-bps /dev/sda:10mb <이미지>
# 쓰기 20MB/s 제한
docker run --device-write-bps /dev/sda:20mb <이미지>--device-read-iops / --device-write-iops — 초당 IOPS 제한
# 읽기 1000 IOPS 제한
docker run --device-read-iops /dev/sda:1000 <이미지>
# 쓰기 500 IOPS 제한
docker run --device-write-iops /dev/sda:500 <이미지>--blkio-weight — 블록 I/O 가중치
# 10~1000, 기본 500
docker run --blkio-weight=300 <이미지>5. 네트워크 제한
도커 자체에는 네트워크 대역폭 제한 옵션이 없음. tc (traffic control) 조합 필요.
# 컨테이너 내부에서 대역폭 제한 (tc 사용)
docker exec <컨테이너> tc qdisc add dev eth0 root tbf \
rate 100mbit burst 32kbit latency 400ms또는 --network 옵션으로 네트워크 격리:
# 네트워크 없음 (완전 격리)
docker run --network=none <이미지>
# 호스트 네트워크 사용 (성능 최대)
docker run --network=host <이미지>6. 프로세스 수 제한
--pids-limit — 최대 프로세스(PID) 수
# 최대 200개 프로세스
docker run --pids-limit=200 <이미지>
# 무제한
docker run --pids-limit=-1 <이미지>- Fork 폭탄 방지에 효과적
- 기본값은 호스트 설정을 따름
7. 재시작 정책
# 항상 재시작
docker run --restart=always <이미지>
# 비정상 종료 시만 재시작 (종료코드 0이 아닐 때)
docker run --restart=on-failure <이미지>
# 최대 5회까지만 재시작
docker run --restart=on-failure:5 <이미지>
# 도커 데몬 시작 시에만 재시작 (수동 stop은 안 함)
docker run --restart=unless-stopped <이미지>
# 재시작 안 함 (기본값)
docker run --restart=no <이미지>8. ulimit 제한
# 열 수 있는 파일 수 제한 (nofile)
docker run --ulimit nofile=65536:65536 <이미지>
# 스택 크기 제한
docker run --ulimit stack=67108864:67108864 <이미지>
# 코어 덤프 크기
docker run --ulimit core=-1 <이미지>
# 여러 ulimit 동시 적용
docker run \
--ulimit nofile=65536:65536 \
--ulimit nproc=65536:65536 \
<이미지>9. 실무 예시 템플릿
ML/딥러닝 컨테이너
docker run -d \
--name ml_train \
--ipc=host \
--gpus '"device=0,1"' \
--cpus="32" \
--cpu-shares=1024 \
--memory="64g" \
--memory-swap="64g" \
--memory-reservation="32g" \
--shm-size="32g" \
--oom-score-adj=300 \
--pids-limit=4096 \
--restart=unless-stopped \
-v /raid/DATA:/data \
pytorch/pytorch:latest웹 서버 (리소스 절약형)
docker run -d \
--name web_server \
--cpus="2" \
--cpu-shares=512 \
--memory="2g" \
--memory-swap="2g" \
--memory-reservation="512m" \
--pids-limit=200 \
--restart=always \
--log-opt max-size=100m \
--log-opt max-file=3 \
-p 80:80 \
nginx:latestDB 컨테이너 (안정성 우선)
docker run -d \
--name postgres_db \
--cpus="8" \
--memory="16g" \
--memory-swap="16g" \
--memory-reservation="8g" \
--oom-kill-disable \
--shm-size="1g" \
--ulimit nofile=65536:65536 \
--restart=always \
-v pg_data:/var/lib/postgresql/data \
postgres:15배치 작업 (일회성, 낮은 우선순위)
docker run --rm \
--name batch_job \
--cpus="4" \
--cpu-shares=256 \
--memory="8g" \
--memory-swap="16g" \
--pids-limit=100 \
--oom-score-adj=500 \
batch_image:latest10. 실행 중 컨테이너 리소스 제한 변경 (재시작 없이)
# CPU 제한 변경
docker update --cpus="8" <컨테이너명>
# 메모리 제한 변경
docker update --memory="16g" --memory-swap="16g" <컨테이너명>
# CPU + 메모리 동시 변경
docker update \
--cpus="8" \
--memory="16g" \
--memory-swap="16g" \
<컨테이너명>
# 재시작 정책 변경
docker update --restart=always <컨테이너명>
# 여러 컨테이너 동시 변경
docker update --cpus="4" container1 container2 container311. Docker Compose에서 리소스 제한
# docker-compose.yml
services:
app:
image: myapp:latest
deploy:
resources:
limits:
cpus: "4"
memory: 8G
reservations:
cpus: "1"
memory: 2G
ulimits:
nofile:
soft: 65536
hard: 65536
shm_size: "2gb"
restart: unless-stopped
logging:
driver: json-file
options:
max-size: "100m"
max-file: "3"
gpu_service:
image: pytorch:latest
deploy:
resources:
reservations:
devices:
- driver: nvidia
device_ids: ["0", "1"]
capabilities: [gpu]12. 리소스 제한 확인 명령어 모음
# CPU 관련 전체
docker inspect <컨테이너> | grep -E \
"NanoCpus|CpuShares|CpuQuota|CpuPeriod|CpusetCpus|CpusetMems"
# 메모리 관련 전체
docker inspect <컨테이너> | grep -E \
"Memory|Swap|Shm|OomKill|OomScore"
# 리소스 제한 요약 (한 번에)
docker inspect <컨테이너> --format \
'CPU: {{.HostConfig.NanoCpus}} nano | Shares: {{.HostConfig.CpuShares}} | Mem: {{.HostConfig.Memory}} | Swap: {{.HostConfig.MemorySwap}} | Shm: {{.HostConfig.ShmSize}}'
# 현재 실시간 사용량
docker stats <컨테이너>13. 옵션 한눈에 보기
| 옵션 | 기본값 | 설명 |
|---|---|---|
--cpus |
무제한 | 사용 가능한 CPU 코어 수 |
--cpu-shares |
1024 | CPU 상대적 우선순위 가중치 |
--cpuset-cpus |
무제한 | 사용할 물리 코어 번호 고정 |
--cpu-period |
100000 | CFS 주기 (마이크로초) |
--cpu-quota |
-1(무제한) | CFS 주기 내 사용 시간 |
--memory |
무제한 | 최대 메모리 |
--memory-swap |
--memory의 2배 |
메모리+스왑 합산 제한 |
--memory-reservation |
무제한 | 소프트 메모리 보장량 |
--memory-swappiness |
-1(호스트 따름) | 스왑 사용 경향 (0~100) |
--shm-size |
64MB | 공유 메모리(/dev/shm) 크기 |
--oom-kill-disable |
false | OOM Killer 비활성화 |
--oom-score-adj |
0 | OOM 종료 우선순위 |
--gpus |
없음 | GPU 할당 |
--pids-limit |
-1(무제한) | 최대 프로세스 수 |
--blkio-weight |
500 | 블록 I/O 가중치 |
--restart |
no | 재시작 정책 |
--ulimit |
호스트 따름 | ulimit 설정 |
반응형