CPU核心绑定通过--cpuset-cpus将科学计算容器（如Jupyter、MPI）限定在指定物理核心（如0,2），减少上下文切换、提升缓存命中率、规避超线程干扰，结合isolcpus内核参数可实现硬隔离，保障确定性性能。
在Docker中配置CPU核心绑定，对科学计算类容器（如Jupyter、NumPy密集型任务、MPI应用）效果显著——它能减少上下文切换、避免缓存抖动、提升L3缓存命中率，并规避超线程逻辑核间的资源争抢。关键不是“多用核”，而是“用对核”。
明确物理核心，避开超线程干扰
科学计算通常受益于高主频和独占缓存，而非更多逻辑核。先确认宿主机物理拓扑：
- 运行 lscpu 查看 “Socket(s)”、“Core(s) per socket”、“Thread(s) per core”；若 Thread(s) per core = 2，说明启用了超线程
- 推荐绑定连续的物理核心（例如 0,2,4,6），跳过同物理核上的超线程逻辑核（如 1,3,5,7）
- 验证容器内是否真正隔离：进入容器后执行 cat /sys/fs/cgroup/cpuset/cpuset.cpus，输出应与设定一致
使用 --cpuset-cpus 精确绑定
这是最直接有效的绑核方式，适用于单容器或调试场景：
-
绑定两个物理核心（0 和 2）：
docker run -d --name sci-comp --cpuset-cpus="0,2" -m 4g quay.io/jupyter/scipy-notebook -
绑定连续物理核范围（0–3）：
--cpuset-cpus="0-3"—— 注意这在启用超线程时实际包含 0/1/2/3 四个逻辑核，需结合 lscpu 判断是否为不同物理核 - 搭配 --cpus=2.0 可进一步限制调度器时间配额，避免突发负载抢占全部带宽
Docker Compose 中统一管理多服务绑核
适合 Jupyter + Redis + PostgreSQL 等协同工作的科学计算栈：
- 在 docker-compose.yml 的 service 下添加
cpuset: "0,2"（注意不是 deploy.resources 下的字段） - 示例片段：
services:
notebook:
image: ghcr.io/do/docker-stacks/scipy-notebook
cpuset: "0,2"
mem_limit: 4g
redis:
image: redis:alpine
cpuset: "4"
- 不同服务分配不重叠的核心，可防止 MPI 或 OpenMP 子进程跨核迁移
进阶：配合 isolcpus 内核参数实现硬隔离
当宿主机还运行其他非容器负载（如监控代理、日志采集）时，仅靠 --cpuset-cpus 不足以完全隔离：
- 修改 GRUB 配置，添加内核启动参数：
isolcpus=0,2,4,6 nohz_full=0,2,4,6 rcu_nocbs=0,2,4,6 - 重启后，这些核心将从通用调度器中移除，仅响应显式绑定的进程（如你的科学计算容器）
- 此时再运行
docker run --cpuset-cpus="0,2" ...，即可获得接近裸金属的确定性延迟和吞吐
