docker的shm-size参数用于设置容器内/dev/shm大小，默认仅64mb，需通过docker run --shm-size=2g等方式显式指定，不支持dockerfile声明，且独立于内存限制。

Docker 的 shm-size 参数用于设置容器内 /dev/shm 文件系统的大小，默认只有 64MB。当运行依赖大量共享内存的应用（如 TensorFlow、PyTorch 多进程数据加载、某些数据库或科学计算程序）时，容易因空间不足报错：OSError: unable to mmap 134217728 bytes of shared memory 或类似提示。调整它很简单，关键是理解何时调、怎么设、设多大。

什么时候需要设置 shm-size

以下情况建议显式配置：

• 使用 PyTorch DataLoader 开启 num_workers > 0 且 pin_memory=True
• 运行 TensorFlow 分布式训练或启用共享内存通信的模型服务
• 容器内启动 Redis、PostgreSQL 等依赖 shm 的服务（尤其开启 AOF 或大 buffer）
• 执行 OpenMP、MPI 程序，或调用 shm_open()/ mmap() 的自定义 C/C++ 应用

如何在 docker run 中指定 shm-size

直接通过 --shm-size 选项传入数值，支持单位后缀（b、k、m、g），不区分大小写：

docker run --shm-size=2g nginx:alpine

也可以用字节数（不推荐，易出错）：

docker run --shm-size=2147483648 ubuntu:22.04

注意：--shm-size 必须在 docker run 命令中显式声明，不能在 Dockerfile 中设置（Dockerfile 无对应指令）。

minimax-mcp-docker版（适配极空间）

MiniMax 图片理解 + 网络搜索 MCP 工具。适配 Docker 环境（极空间等），支持图片 OCR 识别、图像内容理解、网络搜索。API Key 安全存储在本地 credentials 文件，不暴露在代码中。

下载

合理设置 shm-size 的大小建议

没有统一标准，需结合应用行为估算：

• PyTorch DataLoader：每个 worker 默认预分配约 64MB 共享内存；若用 8 个 worker，建议至少 --shm-size=512m
• TensorFlow Serving 或 TF 2.x 多线程推理：常需 1g~2g，尤其 batch size 较大时
• 调试阶段可先设大些（如 --shm-size=4g），再根据 df -h /dev/shm 观察实际占用逐步下调
• 避免设得过大（如 16g），虽不影响宿主机内存，但可能掩盖程序内存泄漏问题

验证 shm-size 是否生效

进入容器后检查：

docker exec -it <container_id> df -h /dev/shm</container_id>

输出应显示你设定的大小，例如：

shm              2.0G     0  2.0G   0% /dev/shm

也可查看挂载信息确认参数来源：

docker exec -it <container_id> mount | grep shm</container_id>

正常会看到类似：shm on /dev/shm type tmpfs (rw,nosuid,nodev,noexec,relatime,size=2097152k)。