docker通过cgroups实现容器资源配额，核心是按组施控、动态约束、内核拦截：为容器创建专属cgroup子目录，将进程pid写入cgroup.procs，内核在调度或分配时依据cpu.cfs_quota_us/cfs_period_us等参数强制限制cpu、内存、io等资源。
Linux 控制组（Cgroups）在 Docker 容器中实现物理资源配额划分，核心在于“按组施控、动态约束、内核拦截”。Docker 启动一个容器时，会自动为其创建专属的 Cgroup 子目录（如 /sys/fs/cgroup/cpu/docker/），并将容器内所有进程 PID 写入该组的 cgroup.procs 文件。此后，这些进程的资源申请行为会被内核在调度或分配路径上实时拦截，并依据对应子系统（如 cpu、memory）下的配置参数强制执行限制。
CPU 配额：靠时间片切片与周期配比来硬限
Cgroups 通过 CFS（完全公平调度器）实现 CPU 资源的可配额化。关键参数是 cpu.cfs_period_us（调度周期，默认 100000 微秒即 0.1 秒）和 cpu.cfs_quota_us（该周期内允许使用的最大 CPU 时间）。两者的比值就是实际可用的 CPU 上限。
- 设
cpu.cfs_period_us=100000，cpu.cfs_quota_us=50000→ 容器最多用 50% 的单核 CPU - 设
cpu.cfs_quota_us=-1→ 不设上限（默认行为） - Docker 命令
--cpus="2.5"实际会自动换算为period=100000、quota=250000
内存限制：靠页分配拦截与 OOM 管理来强控
内存子系统不依赖“使用率”，而是直接限制进程能分配的物理内存总量（含 page cache）。关键文件是 memory.max（v2）或 memory.limit_in_bytes（v1）。
Linux Ai Server
下载
Linux AI 服务器 — 将 Linux 服务器转换为本地 AI 推理集群。使用 systemd、NVIDIA CUDA 实现无头 Linux AI，零 GUI 开销。
- 当容器尝试分配内存超出设定值，内核会触发内存回收；若仍无法满足，直接触发 OOM Killer 终止进程
- 支持软限制（
memory.soft_limit_in_bytes）作为预警阈值，但不强制阻止分配 - Docker 的
--memory=512m就是写入该限制值
I/O 与设备访问：按权重或带宽做分级调控
块设备 I/O（blkio）和设备权限（devices）子系统提供更细粒度的控制能力：
-
blkio.weight设置相对权重（100–1000），决定争抢磁盘带宽时的优先级 -
blkio.throttle.read_bps_device可硬性限制某设备每秒读取字节数 -
devices.list明确列出容器可访问的设备节点（如c 1:3 rwm表示允许对/dev/null读写执行）
统一层级与版本差异：v1 和 v2 的落地影响
当前主流发行版已默认启用 Cgroups v2（如 Ubuntu 22.04+、RHEL 9+），它把所有子系统纳入单一挂载点（/sys/fs/cgroup），避免 v1 中多挂载、多层级导致的配置冲突。
- v1：每个子系统独立挂载（
/sys/fs/cgroup/cpu、/sys/fs/cgroup/memory…），需分别管理 - v2：统一 hierarchy，通过
cgroup.controllers开关启用子系统，Docker 自动适配 - Docker 20.10+ 全面支持 v2，旧版工具链（如某些监控脚本）可能需适配路径和文件名
