Docker 部署 AI 工具如何限制资源：CPU、内存和磁盘配额

AI 工具跑在 Docker 里，不限制资源很容易把 VPS 搞崩。Ollama 拉模型、Claude Code 跑推理、n8n 编排工作流时，CPU 占满、内存溢出、磁盘写爆，这些坑在主机选的读者群里几乎每周都有人问。别急着重装系统，先学会用 Docker 的资源限制参数，比事后排查日志省心得多。

为什么 AI 工具需要资源限制

AI 类容器和普通 Web 容器不一样。比如 Ollama 部署后如果没限制内存，一次加载 7B 模型可能吃掉 8GB 内存；Hermes Agent 跑多轮对话时 CPU 飙到 100% 持续几分钟；n8n 如果日志不清理，磁盘很快被占满。不设限制，一个容器就能拖垮同一台 VPS 上的所有服务。

Docker 原生支持 CPU、内存、磁盘配额，不需要装额外工具。核心参数就几个：`–cpus`、`–memory`、`–memory-swap`、`–storage-opt`。下面按场景拆开说。

CPU 配额：防止单容器占满所有核心

Docker 限制 CPU 的两种方式

1. 按 CPU 核心数限制

docker run –cpus="1.5" your-ai-image

`–cpus` 参数限制容器最多使用 1.5 个 CPU 核心。比如 VPS 是 4 核，设成 1.5 就能保证其他容器和系统进程有资源。

2. 按 CPU 份额分配权重（非硬限制）

docker run –cpu-shares=512 your-ai-image

默认份额是 1024，设成 512 表示这个容器只拿一半的 CPU 时间。注意：`–cpu-shares` 只在 CPU 争抢时生效，空闲时容器仍可用满全部核心。对 AI 推理这种突发负载，建议用 `–cpus` 做硬限制。

实战：给 Ollama 容器限制 2 核

docker run -d –name ollama \
–cpus="2" \
-v ollama:/root/.ollama \
-p 11434:11434 \
ollama/ollama

这样即使 Ollama 同时处理多个请求，也不会超过 2 个 CPU 核心。如果你跑 Codex 或 Claude Code 的 API 网关，同样适用。

内存限制：避免 OOM 杀死整个节点

Docker 内存配额参数详解

1. 硬限制内存上限

docker run –memory="4g" your-ai-image

容器最多使用 4GB 内存，超过直接 OOM Kill。AI 工具加载模型时内存飙升很快，这个参数必须设。

2. 限制 swap 使用

docker run –memory="4g" –memory-swap="6g" your-ai-image

`–memory-swap` 表示内存 + swap 总上限。如果设成 `–memory-swap="4g"`，等于禁用 swap，容器内存超过 4GB 立刻被杀。建议 swap 比内存大 1-2GB，防止模型加载中途被强杀。

3. 预留内存（软限制）

docker run –memory="4g" –memory-reservation="2g" your-ai-image

`–memory-reservation` 是 Docker 尽量保证容器至少有 2GB 可用，但其他容器争抢时可能被压缩。适合 n8n 这种对内存不太敏感的服务。

实战：给 Hermes Agent 容器限制 6GB 内存

docker run -d –name hermes-agent \
–memory="6g" \
–memory-swap="8g" \
-e OPENAI_API_KEY=sk-xxx \
your-hermes-image

注意：如果 VPS 总内存只有 8GB，设 6GB 硬限制后系统只剩 2GB，容易触发系统 OOM。建议留出总内存的 20% 给系统和其他服务。

磁盘配额：控制日志和模型缓存

Docker 限制容器磁盘写入

Docker 原生支持磁盘配额，但需要存储驱动支持（overlay2 默认支持）。常用参数：

1. 限制容器可写层大小

docker run –storage-opt size=10G your-ai-image

容器内所有写入（包括日志、临时文件）不能超过 10GB。超过后容器无法写入新文件，但已运行的服务可能报错。

2. 限制挂载卷的大小
如果 AI 工具把模型数据存在宿主机目录，比如 Ollama 的模型目录 `/root/.ollama`，需要靠宿主机文件系统限制（如 XFS 的 project quota 或 LVM）。Docker 本身无法限制 bind mount 卷的大小。一个变通方案是单独给模型目录挂一个虚拟磁盘：

dd if=/dev/zero of=/var/lib/docker/ollama-models.img bs=1M count=0 seek=20000
mkfs.ext4 /var/lib/docker/ollama-models.img
docker run -v /var/lib/docker/ollama-models.img:/root/.ollama …

这种方法略复杂，但能精确控制模型存储上限，适合生产环境。

实战：限制 n8n 日志目录大小

n8n 默认日志路径在 `/home/node/.n8n`，可以通过 `–storage-opt` 限制容器整体写入：

docker run -d –name n8n \
–storage-opt size=5G \
-e N8N_LOG_OUTPUT=file \
-v n8n_data:/home/node/.n8n \
n8nio/n8n

同时配合日志轮转（N8N 环境变量 `N8N_LOG_FILE_SIZE_MAX` 和 `N8N_LOG_FILE_COUNT_MAX`），双重保险。

老鸟叮嘱：资源限制的常见坑

1.`–memory-swap` 不设等于没限制内存
只设 `–memory` 不设 `–memory-swap`，Docker 默认允许容器使用双倍内存（即 memory + memory-swap 无上限）。必须显式指定 swap 上限。

2.CPU 限制对 GPU 容器无效
如果 AI 工具要用 GPU（比如通过 `–gpus all`），`–cpus` 只限制 CPU 核数，不影响 GPU 占用。GPU 资源需要用 nvidia-docker 的 `–gpus` 参数或设置 `NVIDIA_VISIBLE_DEVICES`。

3.磁盘限制可能被 overlay2 忽略
部分旧版 Docker 内核不支持 `–storage-opt size`，建议先用 `docker info` 确认存储驱动为 `overlay2` 且 `Backing Filesystem` 为 `xfs`。

4.别把所有服务塞进一个容器
限制资源的前提是每个容器跑单一服务。如果在一个容器里同时跑 Ollama 和 n8n，资源限制会互相干扰，日志排查也麻烦。

5.监控比限制更重要
设完参数不代表万事大吉。建议用 `docker stats` 定期检查，或接入 Prometheus + cAdvisor 做告警。主机选之前有文章介绍过 `docker stats` 的用法，可以翻翻。

FAQ

Q1：限制 CPU 后 AI 推理速度变慢怎么办？
A：先确认瓶颈在 CPU 还是内存。用 `docker stats` 观察，如果 CPU 使用率经常达到限制上限，说明核心数不够，需要增加 `–cpus` 值或升级 VPS。如果内存接近上限，模型可能被换到 swap，速度会暴跌。

Q2：为什么设了 `–memory="4g"` 容器还是被 OOM 杀了？
A：检查 `–memory-swap` 是否也设了。如果只设 memory 不设 swap，Docker 默认允许使用 8GB（4GB 内存 + 4GB swap）。如果总内存+swap 不够，系统 OOM Killer 仍会杀容器。建议把 memory-swap 设成和 memory 一样，强制容器不超过 4GB。

Q3：磁盘配额设了 10GB，但容器内 `df -h` 显示的还是宿主机大小？
A：正常。`–storage-opt` 限制的是容器可写层，不是挂载卷。容器内的 `df` 看到的是 overlay 文件系统，但实际写入超过 10GB 时会报 `No space left on device`。要限制挂载卷，请用上面提到的虚拟磁盘方案。

Q4：限制资源后，n8n 工作流跑一半报内存不足？
A：n8n 每个工作流节点都会占用内存，特别是调用 AI 模型时。建议先用 `–memory="2g"` 测试，然后根据 `docker stats` 的实际峰值上调。如果峰值接近限制，说明需要增大内存或拆分工作流。

Q5：多个 AI 容器共享一个 VPS，如何合理分配资源？
A：先统计每个容器的平均和峰值资源需求。比如 Ollama 分配 2 核 4GB，n8n 分配 1 核 1GB，再留 2GB 给系统。用 `docker-compose` 的 `deploy.resources` 字段可以统一管理，方便调整。

Q6：限制资源会影响 Docker 的自动重启策略吗？
A：不会。`–restart=always` 和资源限制独立。容器因 OOM 被杀后，Docker 会自动重启。但如果每次重启都立即 OOM，会陷入死循环，需要手动调整资源限制。

资源限制不是玄学，是每个 AI 工具上 VPS 的必修课。先设死参数，再根据监控调整，比出事后再查日志省几个小时。下次部署 Claude Code、Codex 或 Hermes Agent 时，记得先写一行 `–cpus` 和 `–memory`。