努力
加油

在1核1G的云服务器上部署容器需要注意什么?

在 1核1G(1 vCPU, 1 GB RAM)这种“乞丐版”配置上跑容器,本质上是在刀尖上跳舞。这不仅仅是性能问题,更是稳定性问题。很多新手觉得 Docker 轻量,随便就能跑,但在这么小的资源池里,任何一点配置不当都会导致 OOM(内存溢出)或者 CPU 软锁死。

以下是我在实际生产环境(虽然通常是测试或边缘节点)中总结的几条核心注意事项,分为内存、CPU、调度、存储四个维度:

1. 内存是生死线,必须严格限制

1GB 内存对于宿主机来说,扣除操作系统内核、Swap、Docker Daemon 本身以及必要的系统守护进程后,留给容器的余量可能只有 600-700MB。如果这时候再开两个业务容器,必崩。

  • 严禁使用无限制的默认值:
    千万不要让容器自动获取宿主机的全部内存。必须在 docker run 时加上 -m (memory) 和 --memory-swap 参数。

    # 错误示范:不限制内存,一旦应用泄漏,直接拖垮宿主机
    docker run -d myapp
    
    # 正确示范:限制最大内存为 512M,禁止使用 Swap(或者极少使用)
    docker run -d -m 512m --memory-swap=512m myapp

    注意:--memory-swap 设置为与 memory 相同,意味着禁用 Swap。在 1G 机器上,Swap 往往比物理内存更慢,且频繁交换会导致 CPU 飙升,不如直接 OOM Kill 一个容器来得干净。

  • JVM 类应用的特殊处理:
    如果你要跑 Java 应用,默认的 JVM 堆大小计算逻辑在老版本 JDK 中无法感知 Docker 的 cgroup 限制,可能会尝试分配超过 1G 的堆内存,导致启动即崩溃。

    • JDK 8u191+ / JDK 11+:通常能自动识别 cgroup,但仍建议显式设置 -Xmx。
    • 老旧版本:必须手动指定 -XX:MaxRAMPercentage 或 -Xmx,确保堆内存 + 非堆内存 < 容器限制内存。
  • 预留宿主机开销:
    假设你有 3 个容器,每个容器分 256MB,加起来 768MB。剩下 256MB 给宿主机?不够。Docker daemon、etcd(如果有)、日志采集 agent(如 Filebeat/Fluentd)、监控 agent(Node Exporter)都需要内存。
    建议方案:单容器部署为主。如果必须多容器,考虑使用 systemd 管理关键服务,或者将非核心组件合并到一个容器镜像中(Fat Jar 模式)。

2. CPU 隔离与防止“吵闹邻居”

1 核 CPU 意味着所有容器共享这一个核心。如果某个容器陷入死循环或高负载计算,其他容器会立刻响应缓慢甚至超时。

  • 强制 CPU 配额:
    使用 --cpus 或 --cpu-quota 限制单个容器的 CPU 使用上限。

    # 限制该容器最多使用 0.5 个 CPU 核心
    docker run -d --cpus=0.5 myapp

    这样即使你的应用代码写得烂,吃满了 CPU,也不会影响同一个宿主机上其他容器的基本存活。

  • 避免 I/O 密集型任务并发:
    磁盘 I/O 也是瓶颈。不要在 1G 机器上同时运行大量的数据库写操作、日志切割或大规模文件压缩。如果必须做,请通过 Cron 错开时间,或者降低并发度。

3. 网络与端口冲突

小服务器通常只有一张网卡,IP 资源紧张。

  • 端口映射需谨慎:
    确保没有端口冲突。使用 docker port 检查当前占用情况。
  • DNS 解析延迟:
    在低配机器上,DNS 查询失败或超时可能导致应用启动极慢。建议在容器内配置可靠的 DNS(如阿里 DNS 223.5.5.5 或腾讯 DNS 119.29.29.29),并在 /etc/resolv.conf 中优化。
  • 考虑使用 Host Network 模式(谨慎):
    如果容器数量极少(比如就 1-2 个),且对网络性能有极致要求,可以考虑 network_mode: host。但这失去了网络隔离性,仅适用于信任度极高的内部服务。一般不建议在生产环境随意使用。

4. 存储与日志管理

这是最容易被忽视的“隐形杀手”。

  • 日志驱动选择:
    Docker 默认的 json-file 日志驱动会将所有 stdout/stderr 写入磁盘。如果应用打印了大量 DEBUG 日志,几天后你的磁盘就会爆满,导致整个系统不可用。

    • 解决方案:
      1. 配置 log-driver 为 local 并限制大小。
      2. 或者使用 journald 驱动(CentOS/RHEL 系列)。
      3. 最佳实践:在应用层面控制日志级别(生产环境设为 INFO 或 WARN),并通过侧车容器(Sidecar)如 Fluent Bit 收集日志发送到外部 ES/Kafka,但要注意 Sidecar 本身也占资源。
  • 临时目录空间:
    检查 /tmp 是否挂载了 tmpfs(内存文件系统)。如果容器内程序大量读写临时文件,会迅速耗尽内存。确保这些临时文件有合理的清理机制。

5. 运维与监控策略

  • 自动化重启策略:
    设置 restart: unless-stopped 或 always。因为 1G 机器上,OOM 是大概率事件。与其让人工介入,不如让 Docker 自动拉起。
  • 极简监控:
    不要上 Prometheus + Grafana + Alertmanager 全家桶,那套架构本身就需要几百 MB 内存。

    • 推荐:使用轻量级工具,如 cAdvisor(单独容器,资源占用极低)或简单的 Shell 脚本监控脚本,定期检测内存使用率,超过阈值则告警。
  • 定期清理无用资源:
    编写 crontab 任务,定期执行 docker system prune -af,删除停止的容器、悬空的镜像和未使用的卷。否则几个月后,磁盘会被历史垃圾填满。

6. 替代方案思考

如果上述所有优化后,你依然感觉卡顿或资源捉襟见肘,那么可能需要重新评估架构:

  • 改用 Systemd 直管:如果只有一个单体应用,直接用 Systemd 管理进程,去掉 Docker 的额外开销(约 50-100MB 内存)。
  • Serverless / 函数计算:如果只是偶尔触发的任务,考虑阿里云 FC、腾讯云 SCF 等按量付费的 Serverless 服务,无需维护服务器。
  • 升级配置:说实话,1核1G 在现代 Web 应用中非常吃力。如果能承受每月几十元的成本,升级到 2核2G 或 2核4G,体验会有质的飞跃。云计算的优势就是弹性,别在极限配置上过度优化,人力成本远高于服务器差价。

总结一句话:
在 1核1G 上跑容器,核心原则是“隔离”与“节制”。严格控制每个容器的内存上限,禁用 Swap,限制 CPU 份额,精简日志输出。把它当成一个精密仪器来调优,而不是一个可以随意塞东西的黑盒。