济南海马机械设计有限公司
一、背景：为什么要给 Codesys 套上 Docker”外壳”？
在工业边缘计算场景中，Codesys 作为主流的 PLC 编程与运行平台，就像工厂里的 “老管家”，负责执行设备控制逻辑、处理传感器数据。但随着生产线设备增多、控制逻辑复杂化，传统的 Codesys 部署方式开始暴露问题：
- 不同设备的 Codesys 运行环境五花八门（比如操作系统版本、依赖库差异），调试时经常出现 “在 A 设备能跑，在 B 设备报错” 的情况；
- 边缘节点资源有限，多套控制程序同时运行时，容易出现内存争抢、CPU 占用过高的冲突；
- 程序更新时需要停机部署，影响生产效率。
而 Docker 容器技术就像一个 “标准化快递盒”，能把 Codesys 运行时及所有依赖 “打包” 起来，实现 “一次打包，到处运行”。但工程师们最关心的是：给 Codesys 套上 Docker 外壳后，性能会不会打折？控制延迟会不会增加？ 这正是本次压测要回答的问题。
二、压测方案：模拟真实工业场景的 “压力测试”
为了贴近实际生产，我们搭建了一套边缘计算测试环境，具体配置如下：
| 测试项 | 配置详情 |
|---|---|
| 硬件平台 | 工业边缘网关（4 核 CPU，8GB 内存，千兆网卡） |
| 操作系统 | Linux Ubuntu 20.04 LTS |
| Docker 版本 | 20.10.12 |
| Codesys 版本 | v3.5 SP17（运行时版本 4.6.0.0） |
| 对比组设置 | ① 传统部署：Codesys 直接安装在物理机；② 容器化部署：Codesys 运行时封装在 Docker 容器中 |
压测场景模拟了 3 种典型工业控制需求：
- 轻负载场景：100 个数字量 IO 信号采集 + 简单逻辑控制（如电机启停）；
- 中负载场景：500 个模拟量数据（如温度、压力）采集 + PID 调节算法；
- 高负载场景：1000 个混合信号（数字量 + 模拟量）+ 复杂逻辑运算（如生产线节拍同步）。
压测指标聚焦于工业控制的核心性能：程序循环周期（扫描周期）、数据处理延迟、CPU / 内存占用率。
三、压测结果：Docker 容器化的 “性能成绩单”
经过 72 小时连续压测，两组部署方式的性能数据对比见下表（数据为多次测试平均值）：
| 指标 | 轻负载场景（传统 vs 容器化） | 中负载场景（传统 vs 容器化） | 高负载场景（传统 vs 容器化） |
|---|---|---|---|
| 扫描周期 | 12ms vs 12.3ms（差异 2.5%） | 35ms vs 36.8ms（差异 5.1%） | 89ms vs 94.2ms（差异 5.8%） |
| 数据处理延迟 | 0.8ms vs 0.85ms（差异 6.2%） | 2.3ms vs 2.5ms（差异 8.7%） | 5.6ms vs 6.1ms（差异 8.9%） |
| CPU 平均占用率 | 12% vs 13.5%（差异 12.5%） | 35% vs 38%（差异 8.6%） | 72% vs 76%（差异 5.5%） |
| 内存占用率 | 8% vs 9%（差异 12.5%） | 15% vs 16.5%（差异 10%） | 28% vs 30%（差异 7.1%） |
四、关键发现：容器化对性能的影响到底有多大？
- 性能损耗在可接受范围
从数据来看，Docker 容器化部署的 Codesys 运行时，在各负载场景下性能损耗均未超过 10%。而工业控制中，通常允许 5%-15% 的性能波动（比如环境温度变化、设备老化也会导致类似波动），因此容器化带来的损耗完全在实用范围内。 - 高负载下，容器化优势更明显
在高负载场景中，传统部署的 Codesys 偶尔会出现 “内存溢出” 导致的程序卡顿（约每 24 小时 1-2 次），而 Docker 的资源隔离机制（通过 cgroups 限制 CPU / 内存使用）能有效避免这种情况，容器化部署的稳定性反而更优。 - 部署效率提升显著
除了性能，容器化的 “隐藏优势” 在测试中也凸显：传统部署一套 Codesys 运行环境需要 30 分钟（包括依赖安装、配置调试），而 Docker 镜像导入 + 启动仅需 2 分钟，且在不同边缘设备上的部署一致性达 100%。
五、结论：Docker 容器化，边缘计算的 “性价比之选”
本次压测证明：将 Codesys 运行时容器化后，虽然会带来 5%-10% 的性能损耗，但完全满足工业控制的实时性要求，且换来的部署效率提升、环境一致性保障、资源隔离稳定性，在边缘计算场景中更具实际价值。
对于中小型生产线（轻 / 中负载），容器化几乎不会影响控制精度；对于高负载场景，只要提前通过 Docker 配置合理的资源限制（如预留 20% CPU 冗余），就能兼顾性能与稳定性。
未来，随着边缘计算节点数量激增，Docker+Codesys 的组合有望成为工业控制部署的 “标准配置”—— 毕竟在效率与稳定性面前，5% 的性能损耗，更像是一笔 “划算的技术投资”。