Kiri 容器引擎在 Ubuntu 上与 Docker、Podman、nerdctl 等六大引擎的完整基准测试报告

原创2026-11-08 17:04:392,340 阅读

Kiri 容器引擎在 Ubuntu 上与 Docker、Podman、nerdctl 等六大引擎的完整基准测试报告

本篇基于仓库内 Ubuntu 基准测试报告 展开:在同一台机器、同一会话内,用同一个 docker CLI 对 Kiri 与 Docker Engine、Podman、nerdctl、Colima、Docker Desktop 六个引擎做"热机"测量,覆盖容器启动、exec、双向 200 MB 传输、bind mount I/O、发布端口吞吐、镜像构建与拉取共 9 项指标。读完本篇,你将理解每项数字是怎么测出来的、哪些结论可靠哪些不可靠,以及如何用仓库自带脚本在自己的机器上完整复现。

一、测试环境:一台机器、一次会话、六个引擎

报告的前提是严格控制变量:

  • 机器:一台 16 核 x86-64 PC,系统为 Ubuntu 24.04.4(作为 WSL 2 发行版运行,内核 6.6.87,32 GB 内存),测试期间无其他负载。报告特意强调这不是裸金属:测试脚本是纯 bash,原封不动可以在原生 Ubuntu 主机上重跑。
  • 测量方式:所有计时都是 hyperfine 的中位数——延迟类跑 30 次、传输类跑 5 次、每项前有 3 次预热(warm-up)。原始 hyperfine JSON 不入库,只保留汇总结果。
  • 统一入口:六个引擎都通过同一个 docker CLI(29.8.2)访问,只有 nerdctl 走自己的 CLI;所有引擎各自监听独立的 socket,互不干扰,测完即弃。

各引擎的具体版本与接入方式(这张表对复现至关重要,直接决定了 DOCKER_HOST 怎么设):

引擎 版本 接入方式
Kiri main @ 181dde4,Linux-host engine kiri daemon,其 unix socket
Docker Engine 29.9.2 static,containerd + runc 独立 dockerd、独立 socket,不装服务
Podman 4.9.3,crun 1.14.1,rootful podman system service,Docker API socket
nerdctl 2.4.1,containerd 2.4.1,runc,CNI nerdctl CLI,buildkitd 负责构建
Colima 0.10.3,QEMU VM 8 CPU / 8 GB,内含 dockerd 29.5.2 其 docker socket
Docker Desktop 29.8.2,WSL 2 后端 其 WSL 集成 socket

二、主结果表:9 项指标的中位数

引擎 run --rm alpine true exec … true 200 MB 容器→宿主 200 MB 宿主→容器 1 GB bind mount 写(fsync) 1 GB bind mount 读 发布端口 iperf3 build 3 层无缓存 pull alpine
Kiri 188 ms 187 ms 209 MB/s not valid (1) 1467 MB/s 3851 MB/s 10.3 Gbit/s 1113 ms 2862 ms
Docker Engine 697 ms 224 ms 56 MB/s 129 MB/s 819 MB/s 1307 MB/s 100.7 Gbit/s 1723 ms 2239 ms
Podman 1105 ms 274 ms 70 MB/s 121 MB/s 593 MB/s 907 MB/s 51.9 Gbit/s 1148 ms 4921 ms
nerdctl 631 ms 57 ms 72 MB/s 131 MB/s 845 MB/s 1485 MB/s 52.4 Gbit/s 1211 ms 1796 ms
Colima 635 ms 226 ms 20 MB/s 70 MB/s 493 MB/s 1496 MB/s 0.8 Gbit/s 2472 ms 4418 ms
Docker Desktop 714 ms 224 ms 114 MB/s 143 MB/s 826 MB/s 1283 MB/s 87.8 Gbit/s 2008 ms 2114 ms

注 (1):宿主→容器的 stdin 传输当时不可引用——Kiri 的 guest agent 把待消费输入的上限设为 4 MiB,超出的部分被丢弃(见 agent.rs 中的 MAX_PENDING_INPUT),200 MB 管道输入实际只到达 1.2 MB。报告原话:修好流控之前这个数字没有意义。

为展示噪声水平,报告在同一会话里做了第二遍:Kiri 为 190 / 174 ms(run / exec)、204 MB/s、1226 / 4001 MB/s、9.4 Gbit/s、1131 ms(build);Docker Engine 为 664 / 201 ms、56 MB/s、737 / 1397 MB/s、102.1 Gbit/s、1558 ms。两遍之间差距很小,说明结论稳定而非单次运气。

三、结果解读:哪些结论可以下,哪些不能

报告专门用一节标题为 "What to say, and what not to"(该说与不该说的)来约束结论的边界,这是全文最值得一读的部分:

  • 容器启动:Kiri 比 Docker Engine 快 3.4 倍、比 Podman 快 5.9 倍,且差距在多轮测量中稳定。作为对照,Windows 报告 中同一引擎的容器启动只要 78 ms。
  • 容器→宿主流式传输:209 MB/s 约为 Docker Engine(56 MB/s)的 3.7 倍。
  • bind mount I/O:写 1467 MB/s(Docker 819,1.8×)、读 3851 MB/s(Docker 1307,2.9×)。
  • docker build 一个小 Dockerfile:Kiri 是六个引擎里最快的(1113 ms)。
  • 发布端口吞吐是 Kiri 当时唯一的短板:10.3 Gbit/s 对 Docker Engine 的 100.7 Gbit/s。原因是当时的 Kiri 在用户态中继(relay)发布端口,而 Docker 走 iptables DNAT。对 Web 应用无感,批量传输则会明显可见。
  • exec 只是略快于 Docker(187 vs 224 ms),但比 nerdctl 慢 3 倍——nerdctl 直接对接 containerd,没有额外抽象层。
  • pull alpine 的差距是噪声:那是 Docker Hub 的网络时间,与引擎无关。
  • Colima 不参与公平比较:它是在 Linux 上测的 VM 引擎,"在这个平台上它本没有存在的必要",出现在表里只是因为有人要求测,不应作为横向结论依据。

为什么 stdin 当时"不可引用":从源码看 4 MiB 上限

这一条在源码里可以精确对上。协议层的发送窗口定义在 kiri-proto:

/// Stdin bytes the host may have sent a process beyond what the guest has
/// reported consumed (`InputConsumed`). The guest buffers at most this much
/// for a process that is not reading; the host blocks the client instead.
pub const INPUT_WINDOW: usize = 4 << 20;   // 4 MiB

而 guest agent 侧的兜底上限是它的两倍(agent.rs):

const MAX_PENDING_INPUT: usize = 2 * kiri_proto::INPUT_WINDOW;

agent 处理 Input 帧时,一旦某个进程的待写输入超过这个上限,就清空缓冲区并直接关闭该进程的 stdin(agent.rs 输入处理):

if p.input.len() + data.len() > MAX_PENDING_INPUT {
    p.input.clear();
    p.run.stdin = None;
} else {
    p.input.extend(data);
    target = Some(fd);
}

注释写得很直白:这是给"行为失范的对端"准备的防线——正常的宿主应当被 4 MiB 流控窗口挡住,而不是让 agent 无限占用内存。2026-10-26 当天第一次测量时流控尚未实现,所以"先到达、容器还没来得及读"的数据在 4 MiB 窗口后被丢弃,wc -c 只数出 1.2 MB。测试脚本对这一点的防御值得注意:suite.sh 会先验证容器实际收到的字节数,只有等于 200000000 才对 stdin 计时,否则打印 stdin: container saw N of 200000000 bytes; not timed——这正是结果表里 "not valid (1)" 的来源。

四、剥离 CLI 干扰:只测引擎的 Docker API 延迟

上表所有 docker … 数字都包含 docker CLI 本身的进程启动成本。报告给出的关键背景是:在这台 WSL 发行版里,光 docker --version 就要 185–190 ms(同一台机器上 nerdctl --version 只要 16 ms)。因此 Kiri 在 CLI 侧的 run/exec 耗时约 95% 是 docker CLI 自己的开销——kiri exec 同样委托给 docker CLI,成本相同。

为了剥离这层噪声,api.sh 直接用 curl 打 Docker API:一次完整生命周期(create → start → wait → delete,4 次 curl 调用,含约 35 ms 的 curl+jq 进程开销)和一次 exec(2 次调用,约 19 ms 开销),hyperfine 中位数 30 次:

引擎 lifecycle exec
Kiri 33–47 ms(引擎本体 ≈ 10 ms) 17 ms(引擎 ≈ 1 ms;curl 在 101 升级时就返回)
Docker Engine 531 ms 50 ms
Podman 1010 ms 120 ms
Docker Desktop 579 ms 70 ms
Colima 523 ms 67 ms

这张表的存在意义就是把"引擎有多快"和"CLI 有多慢"分开:Kiri 引擎本体一次完整容器生命周期约 10 ms 量级,exec 约 1 ms 量级。

五、两天修复之后的复测:stdin 与发布端口

同一台机器、同一天之后,分支 stdin-flow-control 落地了两项修复:

  1. stdin 信用窗口(credit window):agent 上报已消费字节数,宿主阻塞客户端,不再丢数据;
  2. Linux 宿主的发布端口改走内核转发:由 agent 安装 nftables DNAT 规则,用户态 relay 仅保留给 --network host 目标和 Mac VM 场景。

两项修复前后各跑两遍 bench/suite.sh,完整数据如下(这是理解"修复影响面"的关键证据——大部分列没动,动的是该动的):

before after, pass 1 after, pass 2
200 MB 宿主→容器 not valid,仅到 1.2 MB 200 MB/s,全量字节 207 MB/s
发布端口 iperf3 10.3 Gbit/s 55.8 Gbit/s 58.0 Gbit/s
run --rm alpine true 188 ms 214 ms 230 ms
exec … true 187 ms 191 ms 199 ms
200 MB 容器→宿主 209 MB/s 144 MB/s 197 MB/s
bind 写 / 读 1467 / 3851 MB/s 970 / 3142 MB/s 883 / 3075 MB/s
API lifecycle / exec 33–47 / 17 ms 36 / 18 ms

修复后的解读同样克制:

  • stdin 成为六个引擎中最快(Docker Engine 为 129–163 MB/s)。
  • 发布端口追平 Podman 与 nerdctl——三者走的是同一条内核 DNAT 路径。Docker Engine 在回环绑定上拿到的 100 Gbit/s,报告指出来自其 userland proxy 落在 lo 上且 64 KiB MTU,并非 DNAT 之功;Kiri 的差距是"用户态 relay 对比内核转发"的差距,修复后消除。
  • 其余列(run/exec/绑定盘 I/O)的波动在"当天噪声"之内——docker CLI 自身启动时间就有 130–200 ms 的波动;排除 CLI 的 API 级数字几乎没动(lifecycle 33–47 → 36 ms,exec 17 → 18 ms),说明这两项修复没有引入启动路径回归。

从源码看这两项修复是怎么实现的

stdin 信用窗口:协议 v3 新增了 InputConsumed 帧(kiri-proto 的注释明确说明:旧 agent 没有这帧会让客户端 stdin 在 4 MiB 后永久阻塞,因此宿主直接拒绝版本不匹配的 agent)。宿主侧的信用账本在 vmlink.rs:每个容器一个以 INPUT_WINDOW 为上限的信用池,reader 线程收到 InputConsumed { id, bytes } 就归还信用(wins.add),写 stdin 前先 take() 等待并扣除,池空即阻塞——这就是"agent 报告已消费字节、宿主阻塞客户端"的具体含义。

内核转发发布端口:Linux 宿主上 daemon 与容器共享内核,从源码结构看,规则表由 guest agent 通过原始 netlink 消息直接写入 nf_tables,不需要宿主机安装 ip 或 nft 二进制(netlink.rs)。核心规则形如:

[ip daddr <host_ip> | fib daddr type local ip daddr != 127.0.0.0/8]
 <tcp|udp> dport <host_port> dnat to <to_ip>:<to_port>

其中 fib daddr type local 是 0.0.0.0 绑定的匹配方式(与 Docker 的做法一致),并额外排除 127.0.0.0/8——宿主自己的回环连接不走 DNAT,而是由 daemon 用 splice(2) 在用户态 relay,原因见 ports.rs 的注释:relay 会把一条流的负载拆到两个 CPU 上,纯 bridge 单 CPU 跑 loopback 时只能到 Docker 的一半速度。规则的安装与拆除入口是 install_nat_from / remove_nat:容器删除时整表 remove_nat(),"nothing of the engine is left in the host's network"。一个值得注意的环境差异:WSL2 的内核没有 nft_fib_ipv6(IPv4 的 nft_fib_ipv4 缺失时,代码会退化为逐地址匹配,net.rs),这正是该 WSL 环境下相关限制的实际来源。

修复后的实测验证也列在报告中:回环与全接口绑定(127.0.0.1 与 LAN 地址,63.8 Gbit/s)、UDP、HTTP 均通过;rm 后规则被移除;--restart=always 重启后发布端口自动重发布;--network host 目标仍走 relay,行为符合设计。

六、完整复现指南

工具依赖:hyperfine、fio、iperf3、jq。install-ubuntu.sh 负责在 Ubuntu 24.04 上装齐依赖与竞争引擎——注意它对每个二进制 tarball 都做 SHA-256 校验(fetch_verified),Docker Engine 用官方 static tarball 起独立 dockerd(不装服务)、nerdctl 用 nerdctl-full、Colima 用 lima + QEMU 并给普通用户加 kvm 组。

对每个引擎,通过 DOCKER_HOST(或 CLI)指定入口后运行 suite.sh:

# 工具:hyperfine、fio、iperf3、jq;各引擎独立 socket,见 install-ubuntu.sh
DOCKER_HOST=unix:///path/to/kiri/docker.sock   bench/suite.sh kiri
DOCKER_HOST=unix:///run/dockerd-bench.sock     bench/suite.sh docker-engine
DOCKER_HOST=unix:///run/podman-bench.sock      bench/suite.sh podman
CLI=nerdctl                                    bench/suite.sh nerdctl
bench/report.sh > table.md

可调环境变量(见 suite.sh 头部注释):CLI(默认 docker)、RUNS(默认 30)、OUT(默认 bench/results);传输项另有 RUNS_IO(默认 5)。suite.sh 的工作流程值得留意,它决定了你看到的数字里包含了什么:

  1. 先 pull alpine 和 pull networkstatic/iperf3,空跑 3 次 run --rm alpine true 做预热;
  2. 起一个长驻容器 bench-$$(sleep 3600)专供 exec 测量;
  3. 延迟项(run/exec)用 hyperfine -N --warmup 3 --runs 30;
  4. 传输项:容器→宿主是 head -c 200000000 /dev/zero 经 stdout;宿主→容器先做字节数校验,全量到达才计时;
  5. bind mount 项用 dd bs=1M count=1024,写带 conv=fsync(所以表头是"1 GB bind-mount write (fsync)");
  6. 网络项:容器内跑 iperf3 -s,宿主 iperf3 -c 127.0.0.1 -p 15201 -t 5,jq 取 bits_per_second;
  7. build 项是 3 层 RUN echo 的最小 Dockerfile,--no-cache;pull 项先 rmi -f alpine 再拉;
  8. 每项导出 hyperfine JSON 到 $OUT/<label>.<item>.json,汇总一行写进 summary.txt。

report.sh 则把 $OUT/*.json 里的中位数(jq 取 .results[0].median)拼成 markdown 表,传输类换算成 MB/s。要测纯 API 延迟,再跑 api.sh(SOCK=... bench/api.sh <label>,curl 直连 socket,30 次取中位数)。

七、结论与适用前提

这份报告的价值,一半在数字本身,另一半在它对测量方法的坦诚:

  • 适用前提:16 核 x86-64、Ubuntu 24.04.4(WSL 2 发行版,非裸金属)、内核 6.6.87、32 GB,2026-10-26 同一会话内完成;引擎版本固定为上表所列。WSL 发行版上 docker CLI 的 185–190 ms 启动开销会抬高所有 CLI 侧数字,跨机器或裸金属复现时,请以 API 级数字(bench/api.sh)为主要比较口径。
  • 可以下的结论:Kiri 在容器启动(≈3.4× Docker Engine)、容器→宿主流式输出、bind mount 读写、小型 Dockerfile 构建上显著领先;修复 stdin 流控与发布端口内核转发后,两项曾经的短板分别变为六引擎最快 stdin(≈200+ MB/s)和追平 Podman/nerdctl 的发布端口吞吐(≈56–58 Gbit/s)。
  • 不该下的结论:pull 差距是网络噪声;Colima 一行不代表 VM 引擎的真实定位;Docker Engine 发布端口的 100 Gbit/s 有 userland proxy 在 lo 上的加成成分,Kiri 修复后的 56–58 Gbit/s 走的是与 Podman/nerdctl 相同的内核 DNAT 路径。

仓库内相关脚本均可直接查看复现细节:suite.sh、report.sh、api.sh、install-ubuntu.sh、Windows 侧对照 compare.ps1 与 compare.sh,以及 Windows 基准报告(其中还给出安全加固"零性能代价"的对照数据:run 191/206 → 189/189 ms,exec 182/176 → 170/172 ms,均在噪声内)。

登录后查看全文
kiri