CPU核心绑定的核心目标是减少上下文切换、避免跨核缓存失效并隔离关键任务；通过--cpuset-cpus指定物理核心（如"0,2"或"1-3"），配合--cpus限制算力，再结合isolcpus内核参数实现真正独占。
在Docker中做CPU核心绑定，核心目标是减少上下文切换、避免跨核缓存失效，并隔离关键计算任务不受其他进程干扰。它不是简单“多给点CPU”，而是让容器稳定运行在指定物理核心上，这对Jupyter、数据库、实时推理等场景特别有效。
用 --cpuset-cpus 指定可运行的核心
这是最直接的绑核方式，告诉内核“这个容器只准在哪些CPU核心上调度”。支持离散编号（如0,2,4）和连续范围（如1-3），多个值用英文逗号分隔：
-
绑定到核心0和2：
docker run -d --name app --cpuset-cpus "0,2" nginx -
绑定到核心1～3（共3个）：
docker run -d --name app --cpuset-cpus "1-3" python:3.9 sleep inf -
验证是否生效：进入容器后执行
cat /sys/fs/cgroup/cpuset/cpuset.cpus，输出应与你设置的一致
配合 --cpus 控制实际使用量，避免资源争抢
--cpuset-cpus 只限制“在哪跑”，不控制“跑多猛”；--cpus 才真正限制时间片配额。两者结合才能既稳定又公平：
- 例如：容器只能在核心0、1上运行，但最多只用1个核心的算力：
--cpuset-cpus "0,1" --cpus "1" - 若只设
--cpus "1"却不绑核，容器可能被调度到任意核心，造成NUMA延迟或缓存抖动 - 数值支持小数，比如
--cpus "0.8"适合低优先级监控类容器
Docker Compose 中统一配置绑核策略
多服务编排时，推荐在docker-compose.yml里集中管理，避免命令行遗漏：
- 旧版写法（v2/v3早期）支持
cpuset字段：services:<br> jupyter:<br> image: quay.io/jupyter/scipy-notebook<br> cpuset: "0-1"
- 新版推荐用
deploy.resources.limits+cpuset并存（需 Swarm 模式）：deploy:<br> resources:<br> limits:<br> cpus: '2'<br> memory: 4G<br> placement:<br> preferences:<br> - spread: node.labels.cpu-role
再配合节点打标实现核心预留
宿主机层面配合：隔离关键CPU核心
仅靠容器参数不够——如果宿主机其他进程频繁抢占你绑定的核心，效果会打折。建议启动系统时加内核参数：
- 编辑
/etc/default/grub，在GRUB_CMDLINE_LINUX中添加：isolcpus=1,2,3 nohz_full=1,2,3 rcu_nocbs=1,2,3 - 更新grub并重启：
sudo update-grub && sudo reboot - 之后再用
--cpuset-cpus "1-3"启动容器，这些核心将基本不被系统调度器用于常规任务
