projet dans Docker Skill Tree

Exécuter des tâches Docker avec une mémoire limitée

Produisez un index HTML complet en ajustant la concurrence des lots sans augmenter le budget mémoire de 160 MiB.

ProjetDocker

💡 Ce tutoriel est traduit par l'IA à partir de la version anglaise. Pour voir la version originale, vous pouvez cliquer ici

Introduction

Exécuter des tâches Docker avec une mémoire limitée est un projet pratique pour les personnes qui apprennent Docker en traitant une petite collection d’histoires orales. L’outil fourni analyse réellement les documents HTML et compte les mots Unicode, mais son lot initial dépasse le budget mémoire de 160 MiB du conteneur. Terminez l’index entier en choisissant une concurrence réalisable sous la même limite.

Un laboratoire guidé enseigne le diagnostic fondé sur des preuves et la livraison complète. Un défi indépendant utilise une autre collection et une autre organisation de sortie. Un échantillon distinct de deux documents présente la recherche avant le traitement des sources attribuées.

Ce que vous apprendrez

  • lire les limites effectives de RAM et de RAM plus swap d’un conteneur ;
  • relier un échec à l’enregistrement OOM du groupe de contrôle mémoire du conteneur exact ;
  • distinguer un code de sortie ou un indicateur Docker d’un diagnostic suffisant ;
  • réduire la concurrence réelle des lots HTML sans augmenter le budget de ressources ;
  • préserver chaque identité source, les titres identiques et les comptes de mots Unicode ;
  • livrer un index modifiable et explorer ses véritables relations documentaires et téléchargements.

À qui s’adresse ce cours

Ce cours convient aux débutants Docker qui souhaitent terminer un traitement de fichiers avec une quantité fixe de ressources.

Prérequis : Bases de Docker run, chemins dans un terminal et rôle des bind mounts. Les options mémoire, identifiants de compte, chemins entre guillemets et pipeline de lecture des preuves sont expliqués. Ni programmation Python ni implémentation d’algorithme de recherche ne sont nécessaires.

Environnement d’apprentissage : Docker, l’image d’indexation, les HTML d’origine et Search Desk en lecture seule sont prêts. Chaque laboratoire possède sa propre collection et son environnement de conteneurs indépendant.

Questions fréquentes

L’échec mémoire vient-il d’une boucle d’allocation artificielle ?

Non. L’outil conserve de véritables arbres de documents HTML analysés dans son lot. Un lot plus petit réduit cet ensemble de travail tout en traitant chaque entrée. Les documents sont du matériel pédagogique synthétique original.

Puis-je augmenter la limite ou retirer un document difficile ?

La tâche maintient les deux réglages mémoire à 160 MiB et préserve tous les HTML attribués. Réussir signifie que l’index complet tient dans ce budget, y compris les mots accentués et les documents distincts portant le même titre.

Le code 137 prouve-t-il un OOM ?

Non. Vous conservez le conteneur ayant réellement échoué et rapprochez son ID et son heure d’un enregistrement natif du groupe de contrôle mémoire. L’indicateur OOMKilled de Docker peut varier dans cet environnement pédagogique : aucun de ces éléments n’est utilisé seul comme preuve.

Enseignant

labby
Labby
Labby is the LabEx teacher.

Recommandé pour vous

no data