docker容器oom不是立即发生，而是内核在内存分配失败时触发；-m设的是硬边界，但存在页缓存回收延迟和wsl2/hyper-v虚拟化层的内存overhead与监控盲区，导致实际触发时机滞后且日志不全。
容器在 Docker Desktop 上超内存后，不是立刻崩溃，而是触发 Linux 内核的 OOM Killer 机制，主进程被发 SIGKILL（退出码 137）强制终止。这和 Linux 宿主机行为一致，但 Desktop 的资源抽象层（Hyper-V 或 WSL2）会额外引入延迟和监控盲区，导致现象更难复现、日志更不完整。
docker run -m 设置后，OOM 是立即发生的吗？
不是。内核只在实际内存分配失败时才触发 OOM Killer，而不是在“使用量接近 limit”时预警。这意味着：
-
memory.limit_in_bytes是硬边界，但内核允许短暂的“超限容忍”，尤其当页缓存（page cache）或匿名内存回收尚未完成时 - 应用 malloc 成功、但后续 touch 内存页时才真正触发 OOM —— 所以压测中
stress --vm-bytes常比dd更快触发 - Docker Desktop 的 WSL2 虚拟机本身有内存 overhead（约 500MB~1GB），
-m 1g的容器在 WSL2 内实际可用物理内存可能不足 1GB
为什么 docker stats 显示 MEM % 已达 99%，容器却还没被杀？
docker stats 统计的是 cgroup v1 的 memory.usage_in_bytes，它包含 page cache、slab、匿名内存等，但 OOM 判定依据是 memory.memsw.usage_in_bytes（含 swap）与 memory.limit_in_bytes 的差值。常见错觉来源：
- page cache 占用高但可被快速回收，不算“不可释放内存”，所以不触发 OOM
- WSL2 默认禁用 swap（
--memory-swap=0隐式生效），一旦匿名内存 + kernel memory 超过memory.limit_in_bytes，OOM 立即发生 - Docker Desktop 的 GUI 仪表盘刷新延迟约 2~5 秒，
docker stats实时性更高，但两者都看不到 kernel memory 分配细节
如何确认某次容器退出真是 OOM 导致的？
不能只看 ExitCode，必须交叉验证三处信息：
- 检查容器状态：
docker inspect <container_id> --format='{{.State.OOMKilled}}'</container_id>→ 返回true才是明确证据 - 查退出码：
docker inspect <container_id> --format='{{.State.ExitCode}}'</container_id>→137（128+9）是 SIGKILL，但不等于一定是 OOM（也可能是kill -9） - 查内核日志：在 WSL2 中运行
wsl -d docker-desktop -- cat /var/log/kern.log | grep -i "Out of memory"；在 macOS Docker Desktop 中需通过docker run --privileged --pid=host alpine ps aux间接访问宿主机 dmesg
软限制（--memory-reservation）在 Docker Desktop 上有效吗？
基本无效。Docker Desktop 底层使用 WSL2（Windows）或 HyperKit（macOS），其 cgroup 控制器默认启用的是 cgroup v2，而 --memory-reservation 是 cgroup v1 的 memory.soft_limit_in_bytes 参数，在 v2 中已被废弃，由 memory.low 替代 —— 但 Docker CLI 当前（26.1.x）仍未将该参数映射到 v2 的对应字段。
实测结果：
- 启动时加
--memory-reservation=512m，cat /sys/fs/cgroup/memory.low在容器内始终为0 - 即使宿主机内存紧张，容器也不会被主动回收内存，仍会走到 OOM 流程
- 真正起作用的只有
--memory和--oom-kill-disable（后者慎用，会 hang 住 malloc）
复杂点在于：Docker Desktop 的资源滑块（Resources → Memory）只影响 WSL2/HyperKit 虚拟机总内存，不透传给单个容器的 cgroup；你调高这个滑块，只是给所有容器腾出更大池子，而非改变某个容器的 memory.limit_in_bytes。这点极易被忽略。
