Question

我在python中写了一个测试程序'cputest.py'，如下所示：

import time
 while True:
    for _ in range(10120*40):
        pass
    time.sleep(0.008)

，在容器中运行时花费 80％ cpu（不受其他runnng容器干扰）。

然后我通过以下两个命令在两个容器中运行该程序：

docker run -d -c 256 --cpuset=1 IMAGENAME python /cputest.py

docker run -d -c 1024 --cpuset=1 IMAGENAME python /cputest.py

并使用'top'查看其cpu成本。事实证明，他们相对成本 30％和 67％ cpu。我很困惑这个结果。有人会帮我解释一下吗？非常感谢！

Answer 1

我昨晚坐下来试图自己解决这个问题，但结果却无法解释70/30分裂。所以，我发了一封电子邮件给其他开发者并得到了这个回复，我认为这是有道理的：

我认为你对任务调度的工作原理有点误解 - 这就是为什么数学不起作用的原因。我会尝试挖掘一篇好文章，但在基本层面上，内核会为需要执行的每个任务分配一些时间，并将切片分配给具有给定优先级的任务。

因此，对于那些优先级和紧密的循环代码（无睡眠），内核将4/5的插槽分配给a和1/5到b。因此80/20分裂。

然而，当你加入睡眠时，它变得更加复杂。 Sleep基本上告诉内核产生当前任务，然后执行将在睡眠时间结束后返回到该任务。它可能比给定的时间更长 - 特别是如果有更高优先级的任务在运行。当没有其他任何东西在运行时，内核就会闲置休眠时间。

但是当你有两个任务时，睡眠允许两个任务交织。所以当一个人睡觉时，另一个人可以执行。这可能会导致执行复杂，您无法使用简单的数学建模。随意在那里证明我错了！

我认为70/30分裂的另一个原因是你做“80％负荷”的方式。您为循环和睡眠选择的数字恰好在您的PC上运行，只执行一个任务。您可以尝试将循环移动到基于已用时间 - 因此循环为0.8然后睡眠为0.2。这可能会让你接近80/20，但我不知道。

所以从本质上讲，你的time.sleep()调用会扭曲你的预期数字，删除time.sleep()会导致CPU负载更接近你的预期。

对Docker的cpushare设置感到困惑。

1 个答案: