Docker容器中Python性能低于主机的原因排查

以下是导致你观察到的性能差异（尤其是pystone.py和python_bench.py这类CPU密集型脚本）的常见因素：

• 系统镜像与库的优化差异
  你使用的python:3.12.4-slim-bookworm基于Debian Bookworm的精简镜像，而主机是Ubuntu 22.04。两者的底层系统库（如glibc）版本、编译策略不同：slim镜像为了压缩体积，可能移除了优化后的组件，或者编译时未启用针对主机CPU架构的特定指令集优化（如AVX、SSE等）；而Ubuntu主机的系统库和Python通常是针对本地硬件做过适配优化的。

• Python编译参数的区别
  主机上的Python大概率是Ubuntu官方预编译版本，编译时启用了-O3、-march=native这类针对性优化选项，能充分利用你主机CPU的硬件特性；而Docker镜像中的Python是通用编译版本，为了兼容多平台硬件，没有启用这些特定优化，这对CPU密集型基准测试的性能影响非常显著。

• CPU资源调度与限制
  如果未显式配置Docker的CPU资源参数（如--cpuset-cpus指定可用核心、--cpu-quota调整调度配额），容器可能无法完全利用主机的多核CPU，或者CPU调度优先级低于主机本地进程，导致计算密集型任务的性能被限制。

• 容器隔离的额外开销
  Docker通过cgroups和namespaces实现资源隔离，这会带来少量的CPU调度、内存管理开销。对于普通应用来说这种开销可以忽略，但对于pystone.py这类极致压榨CPU的基准测试，微小的开销会被放大，体现为明显的性能差距。

• 文件系统IO开销（针对IO相关测试）
  若performance.py包含文件IO操作，容器的overlay2文件系统相比主机原生的ext4等文件系统会有额外的IO开销，但这对纯CPU运算的pystone.py和python_bench.py影响极小。

内容的提问来源于stack exchange，提问作者Farhad Emami