તમે કન્ટેનર રિસોર્સ (CPU અને મેમરી) કેવી રીતે મેનેજ કરો છો?

Question

Accepted Answer

ડિફોલ્ટ રીતે, કન્ટેનર્સ **અનલિમિટેડ હોસ્ટ રિસોર્સ** વાપરી શકે છે — જે એક કન્ટેનર અન્યને ભૂખમરાથી મરાવે અથવા હોસ્ટને ક્રેશ કરવાનું જોખમ ઊભું કરે છે। Docker તમને **રિસોર્સ લિમિટ્સ** (CPU, મેમરી) સેટ કરવા દે છે જેથી વપરાશ નિયંત્રણમાં આવે, જે સ્થિરતા અને ઉત્પાદનમાં ન્યાયી રિસોર્સ શેરિંગ માટે મહત્વપૂર્ણ છે।

## સમસ્યા: અસીમ રિસોર્સ વપરાશ

```text
BY DEFAULT a container can consume ALL available host CPU and memory:
  → a buggy/busy container (memory leak, runaway loop) can starve other containers
    or crash the entire host (out of memory)
→ In production (multiple containers per host), LIMIT resources to isolate them.
```

## મેમરી અને CPU લિમિટ્સ સેટ કરવી

```bash
# memory limits
docker run -m 512m myapp              # hard limit: 512 MB (container killed if exceeded — OOM)
docker run -m 512m --memory-reservation 256m myapp   # soft limit + hard limit

# CPU limits
docker run --cpus="1.5" myapp         # limit to 1.5 CPU cores
docker run --cpu-shares=512 myapp     # relative weight (priority under contention)
```

```yaml
# in docker-compose.yml (or for orchestrators)
services:
  app:
    deploy:
      resources:
        limits:    { cpus: '1.5', memory: 512M }   # maximum
        reservations: { cpus: '0.5', memory: 256M } # guaranteed minimum
```

મેમરી લિમિટ્સ (`-m`) વપરાશને કેપ કરે છે (કન્ટેનર **OOM-killed** થાય છે જો તે હાર્ડ લિમિટ વધારી જાય); CPU લિમિટ્સ (`--cpus`) CPU વપરાશને કેપ કરે છે। **રિઝર્વેશન્સ** ન્યૂનતમ ગ્યારંટી આપે છે।

## મોનિટરીંગ અને ટ્યુનીંગ

```text
✓ docker stats → live CPU/memory usage per container (to right-size limits)
✓ Set limits based on the app's actual needs (measure, then add headroom)
✓ OOMKilled (in docker inspect) → the container hit its memory limit → raise it or fix a leak
✓ Orchestrators (Kubernetes) use requests/limits similarly — essential for scheduling
```

## શા માટે તે મહત્વપૂર્ણ છે

કન્ટેનર રિસોર્સ મેનેજમેન્ટ સમજવું **ઉત્પાદનમાં કન્ટેનર્સને વિશ્વસનીય રીતે ચલાવવા** માટે મહત્વપૂર્ણ છે, તેથી તે મૂલ્યવાન ઓપરેશનલ જ્ઞાન છે।

મુખ્ય સમસ્યા — ડિફોલ્ટ રીતે, **કન્ટેનર્સ તમામ ઉપલબ્ધ હોસ્ટ રિસોર્સ વાપરી શકે છે** — એક વાસ્તવિક જોખમ છે: એક ખામીયુક્ત અથવા વ્યસ્ત કન્ટેનર (મેમરી લીક અથવા ભાગી ગયેલી પ્રક્રિયા સાથે) **અન્ય કન્ટેનર્સને ભૂખમરાથી મરાવી શકે છે અથવા સમગ્ર હોસ્ટને ક્રેશ કરી શકે છે** (મેમરી આઉટ), હોસ્ટને અસ્થિર બનાવે છે।

**રિસોર્સ લિમિટ્સ** (મેમરી અને CPU) સેટ કરવું આને રોકે છે **કન્ટેનર્સની રિસોર્સ વપરાશને અલગ કરીને**, સુનિશ્ચિત કરે છે કે એક કન્ટેનર અન્યને અથવા હોસ્ટને નીચે લાવી શકે નહીં — હોસ્ટ પ્રતિ બહુવિધ કન્ટેનર્સ ચલાવતી વખતે (ઉત્પાદનમાં આદર્શ) સ્થિરતા માટે આવશ્યક છે।

**મેમરી લિમિટ્સ** (કન્ટેનર હાર્ડ લિમિટ વધારી જાય તો OOM-killed થાય છે) અને **CPU લિમિટ્સ** સેટ કરવું કેવી રીતે જાણવું, ગમતે **રિઝર્વેશન્સ** (ન્યૂનતમ ગ્યારંટી આપવા), રિસોર્સ નિયંત્રણ અને ન્યાયી શેરિંગ માટે વ્યવહારુ મિકેનિজમ છે।

**મોનિટર અને ટ્યુન કરવું** જાણવું — વાસ્તવિક વપરાશ જોવા અને લિમિટ્સને સાચું માપવા માટે `docker stats` વાપરીને, `OOMKilled` ને ઓળખીને (કન્ટેનર તેની મેમરી લિમિટ હિટ કરતી વખતે) સમસ્યાઓ નિદાન કરવા માટે — વાસ્તવિક જરૂરિયાતો પર આધારિત યોગ્ય લિમિટ્સ સેટ કરવા માટે મહત્વપૂર્ણ છે।

ઓર્કેસ્ટ્રેશનથી પણ આ જોડાયેલું છે: **Kubernetes સમાન રિસોર્સ રીક્વેસ્ટ્સ/લિમિટ્સ વાપરે છે** જે શેડ્યુલીંગ અને સ્થિરતા માટે આવશ્યક છે, તેથી ખ્યાલ સમજવું ઓર્કેસ્ટ્રેટેડ વાતાવરણમાં સ્થાનાંતરિત થાય છે।

ચૂંકી બહુવિધ કન્ટેનર્સને વિશ્વસનીય રીતે ચલાવવા માટે રિસોર્સ વિવાદ અને ભાગી ગયેલો વપરાશ રોકવા જરૂરી છે, અને રિસોર્સ લિમિટ્સ (મેમરી અને CPU કેપ્સ, રિઝર્વેશન્સ, મોનિટરીંગ) કન્ટેનર્સને અલગ કરવા અને હોસ્ટ સ્થિરતાનો રક્ષણ કરવા માટેનો મિકેનિજમ છે, કન્ટેનર રિસોર્સ મેનેજમેન્ટ સમજવું મૂલ્યવાન, વ્યવહારુ રીતે મહત્વપૂર્ણ જ્ઞાન છે ઉત્પાદન કન્ટેનર ડિપ્લોયમેન્ટ્સ માટે — સ્થિર મલ્ટી-કન્ટેનર હોસ્ટ્સ માટે જરૂરી અને એક ખ્યાલ જે Kubernetes જેવા ઓર્કેસ્ટ્રેટેડ વાતાવરણમાં સીધું વિસ્તૃત થાય છે, જ્યાં રિસોર્સ સ્પષ્ટીકરણ મૌલિક છે।