本文主要向大家介绍了机器学习入门之『中级篇』容器的资源限制（22），通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

对于容器的资源限制，在容器出来之前有虚拟化技术，我们可以在一个物理机上创建很多虚拟机，对于一台物理机来讲他的cpu和内存都是配置有限的，对于虚拟机我们在配置的时候也是可以进行限定的。本节跟上节关联比较紧密，建议一起学习。

虚拟机配置

内存配置

CPU 配置

容器配置

为什么配置容器，给大家说个很实际的例子，如果一个虚拟机里面就一个容器，切这个容器不设置CPU和内存，当容器内的应用一直在运行的时候，它会一直慢慢的吞噬宿主机上的cpu和内存，最终导致的结果是，容器直到占满整个内存。这就是不限制的恐怖之处。

内存控制

docker image ls
#限定运行内存是200M+虚拟内存200M 结果是内存是400M，
#通过stress 设置一个一个测试的使用内存是500M，
#也就是400M的内存运行一个要使用500M内存的应用效果是什么？ 
docker run --memory=200M liming/unbuntu-stress --vm 1 --verbose --vm-bytes 500M

CPU控制

--cpu-share，就是cpu的权重，如果一个物理机里面有2个容器，A 权重是10，B的权重是5，2个容器占满了整个CPU100%，A占用了整个CPU的66%，B占用了整个CPU的33%。启动2个容器，看看效果，不要光说不练，实践才能出真知。

A容器

>cpu权限10，名字test11，PID是4342
docker run --cpu-shares=10 --name=test11 liming/ubuntu-stress --cpu 1

B容器

>cpu权限5，名字test22，PID是4395
docker run --cpu-shares=5 --name=test22 liming/ubuntu-stress --cpu 1

A，B容器的对比

发现是不是容器A占用了66.6%，B占用了33.3%，这就是CPU权重的重要性

PS：Docker 底层的核心技术包括

Linux 上的命名空间（Namespaces）

控制组（Control groups）做资源限制

Union 文件系统（Union file systems）

容器格式（Container format）分层

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！