「Ollamaが突発的に大量のCPUを消費してしまい、他のサービスのレスポンスが悪化した」
そんな悩みを抱えるLinuxサーバー管理者は多いはずです。この記事では、systemdのリソースコントロール機能を使ってOllamaのCPU・メモリ使用量を制限し、同じサーバーで動く他のサービスに影響を与えない設定手順を解説します。
CPUQuotaとMemoryMaxの具体的な設定値から、設定後の効果確認方法まで、コマンドをそのまま実行できる形で紹介します。
Ollamaの基本的な構築手順については「Ubuntu ServerでローカルLLMを構築する方法」を先に読んでおくとスムーズです。
この記事のポイント
・CPUQuota=200%で4コアサーバーのうち最大2コア分のCPU使用量を制限できる
・MemoryMax=8GでOllamaのメモリ使用量に上限を設けてOOM事故を防げる
・CPUWeightを50に下げると、CPU競合時にOllamaを他サービスより低優先度にできる
・systemd-cgtopで設定後のリソース使用量をリアルタイムに確認できる
でも安心してください。プロのエンジニアはコマンドを暗記していません。
「現場で使える型」を効率よく使いこなしているだけです。
なぜOllamaのリソース使用量を制限する必要があるのか
LLMの推論処理はCPUとメモリを大量消費します。GPUを搭載したサーバーではGPUが主力になりますが、モデルのロード・アンロード時やCPU推論時には全コアを占有することがあります。
典型的なケースとして、Ollama専用サーバーではなく、NginxやPostgreSQL、Gitサーバーなどと同居させる構成があります。
この場合、Ollamaが大量のリクエストを処理し始めると、同じサーバーで動く他のサービスのCPU時間やメモリが奪われます。
systemdのリソースコントロール機能を使えば、OllamaをLinuxのcgroups v2の制約下に置けます。
CPUの使用率に上限を設けたり、メモリ使用量を一定量以下に抑えたりすることで、他のサービスへの影響を最小化できます。
社内でOllamaをチームで共有する運用の背景については「社内でChatGPTが使えないときの代替手段」も参考にしてください。
systemdリソースコントロールとcgroups v2の仕組み
systemdはLinuxのcgroups v2を利用してサービスのリソースを管理しています。systemdで管理される各サービスはそれぞれ独立したcgroupに配置され、CPU・メモリ・I/Oの上限をUnit Fileの[Service]セクションで設定できます。
Ollamaはsystemdサービスとして動作しているため、
systemctl edit ollamaでオーバーライドファイルを作成するだけで、設定を追加できます。主要なディレクティブは以下のとおりです。
・
CPUQuota: CPU使用率の上限。100%=1コア相当で、4コア全体を使わせたくない場合は200%や300%で制限する・
MemoryMax: メモリ使用量の最大値。超過するとOOMキラーがOllamaのプロセスを終了させる・
CPUWeight: CPU競合時の相対的な優先度(デフォルト100)。50に設定するとWebサーバーより低優先度になる・
IOWeight: I/O帯域の優先度(デフォルト100)。モデルファイルの読み込み時のI/Oを制限できるcgroups v2はRHEL 9・Ubuntu 22.04以降で標準有効になっています。
cat /sys/fs/cgroup/cgroup.controllersでcpu memory ioが含まれていれば利用可能です。
現在のOllamaのリソース使用量を確認する
1. systemctlで現在のリソース設定を確認する
まず既存の設定がどうなっているかを確認します。インストール直後はリソース制限が設定されていないため、デフォルト値(上限なし)になっています。
# systemctl show ollama | grep -E 'CPUQuota|MemoryMax|CPUWeight|IOWeight' CPUQuotaPerSecUSec=infinity MemoryMax=infinity CPUWeight=100 IOWeight=100
infinityはすべて上限なしの状態です。これを適切な値に変更します。
2. systemd-cgtopで現在の使用量を確認する
systemd-cgtopはcgroupごとのリソース使用量をリアルタイムに表示するツールです。Ollamaにリクエストを送りながら実行すると、どの程度のCPU・メモリを消費しているか確認できます。
# systemd-cgtop -b -n 2 | grep -E 'Control Group|ollama' Control Group Tasks %CPU Memory Input/s Output/s /system.slice/ollama.service 3 312.4 6.2G - -
Memory欄でメモリ使用量も確認できます。
この数値を参考に、次のステップで制限値を決めます。
CPUQuotaでCPU使用率に上限を設定する
1. サーバーのCPUコア数を確認して制限値を決める
CPUQuotaは100%が1コア相当です。8コアのサーバーでOllamaを最大4コアに制限したい場合は
CPUQuota=400%と設定します。# nproc 8 # lscpu | grep 'CPU(s):' CPU(s): 8
Ollamaに割り当てるコア数の目安は「全コア数の半分」が出発点です。
並列リクエストが少ない環境では全体の25%程度でも十分な場合があります。
2. systemctl editでオーバーライドファイルを作成する
systemctl edit ollamaを実行するとエディタが開き、オーバーライドファイルを作成できます。元のUnit Fileは変更されないため、パッケージ更新後も設定が維持されます。
# systemctl edit ollama
[Service] CPUQuota=400%
/etc/systemd/system/ollama.service.d/override.confに作成されます。
3. 設定を反映してサービスを再起動する
# systemctl daemon-reload # systemctl restart ollama # systemctl show ollama | grep CPUQuota CPUQuotaPerSecUSec=4000ms
CPUQuotaPerSecUSec=4000msは毎秒4000ミリ秒分のCPU時間(=4コア相当)を上限とする設定です。400%が正しく反映されていることを確認してください。
MemoryMaxでメモリ使用量に上限を設定する
1. モデルサイズに合わせた上限値の目安
MemoryMaxの値はロードするモデルのサイズに合わせて設定します。量子化モデルのVRAM・RAM使用量の目安は以下のとおりです。
・Llama3.3:70b-instruct-q4_0(70Bモデル、4bit量子化): 約40GB
・Llama3.3:8b-instruct-q4_0(8Bモデル、4bit量子化): 約5GB
・Phi-4:14b-q4_K_M(14Bモデル): 約9GB
モデルの量子化タグとVRAM要件の詳細は「ローカルLLMのモデルを比較する方法」で解説しています。
CPUで処理する環境では、VRAM使用量の代わりにRAMが消費されます。MemoryMaxはこのRAM消費量より少し余裕を持った値に設定します。
2. MemoryMaxとMemorySwapMaxを設定する
systemctl edit ollamaで既存のオーバーライドファイルを開き、MemoryMaxを追加します。[Service] CPUQuota=400% MemoryMax=8G MemorySwapMax=0
MemorySwapMax=0はスワップの使用を禁止します。LLMの推論処理はスワップ使用時に極端に遅くなるため、スワップに逃げさせない設定にしておく方が安定します。
設定後は
systemctl daemon-reload && systemctl restart ollamaで反映してください。
3. OOMキラーの挙動を理解する
MemoryMaxを超えたメモリを確保しようとすると、Linuxのカーネルがollamaプロセスを強制終了します。この状態は
journalctl -u ollamaで確認できます。# journalctl -u ollama --since "10 minutes ago" | grep -E 'OOM|Killed|killed' Nov 16 10:30:15 server kernel: ollama invoked oom-killer Nov 16 10:30:15 server kernel: Killed process 12345 (ollama)
ロードするモデルより少なくとも10%以上の余裕を持たせた値に調整してください。
CPUWeightでOllamaの優先度を下げる
1. CPUWeightの仕組みと設定値の目安
CPUWeightはCPUが競合した際の相対的な優先度を決めます。デフォルト値は100で、すべてのサービスが同じ優先度です。
Ollamaを低優先度にして、NginxやPostgreSQLを優先したい場合の設定例は以下のとおりです。
・Ollamaに割り当てるCPUWeight: 50(半分の優先度)
・Nginxには変更なし(デフォルト100)
CPUWeightの範囲は1(最低)~10000(最高)です。
CPU競合がない場合は重み付けは関係なく、Ollamaはすべての空きCPUを使えます。
CPUQuotaとの組み合わせにより、競合時の優先度制御と絶対的な使用量制限の両方を実現できます。
2. CPUWeightを設定して反映する
systemctl edit ollamaで既存のオーバーライドファイルにCPUWeightを追加します。[Service] CPUQuota=400% MemoryMax=8G MemorySwapMax=0 CPUWeight=50
# systemctl daemon-reload # systemctl restart ollama # systemctl show ollama | grep -E 'CPUWeight' CPUWeight=50
CPUWeight=50が反映されていることを確認してください。
設定後にリソース制限の効果を確認する
1. systemd-cgtopでリアルタイムに確認する
Ollamaにリクエストを送りながらsystemd-cgtopを実行すると、CPUQuotaの制限内に収まっているかを確認できます。# systemd-cgtop -b -n 3 | grep -E 'Control Group|ollama' Control Group Tasks %CPU Memory Input/s Output/s /system.slice/ollama.service 3 395.2 7.1G - -
Memory欄が8Gを超えていなければMemoryMaxも正常です。
2. cgroupのファイルシステムで設定値を確認する
systemdの設定内容はcgroupのファイルシステムからも確認できます。# cat /sys/fs/cgroup/system.slice/ollama.service/cpu.max 400000 100000 # cat /sys/fs/cgroup/system.slice/ollama.service/memory.max 8589934592
cpu.maxの値は「割り当てるマイクロ秒数 / 期間マイクロ秒数」の形式です。400000 100000は100msの期間に400ms分のCPU時間(=4コア相当)という意味です。memory.maxはバイト単位で、8589934592は8GBです。
よくあるトラブルと注意点
OOMキラーでOllamaが強制終了する場合MemoryMaxの値がモデルのサイズより小さいことが原因です。
journalctl -u ollama | grep -i oomで確認し、MemoryMaxを増やしてください。推論が極端に遅くなった場合
CPUQuotaが低すぎる可能性があります。
systemd-cgtopで%CPUがQuota上限に張り付いていれば、CPUQuotaの値を上げて調整してください。MemorySwapMax=0を設定したら起動しなくなった場合
システム全体のスワップが少ない環境でモデルのロードに失敗することがあります。
まずMemorySwapMaxの行を削除してサービスを起動させ、MemoryMaxの値を見直してください。
systemctl editで設定したのに反映されない場合
systemctl daemon-reloadを実行せずにsystemctl restart ollamaだけ実行した場合は設定が読み込まれません。必ずdaemon-reloadの後にrestartを実行してください。
# cat /etc/systemd/system/ollama.service.d/override.conf [Service] CPUQuota=400% MemoryMax=8G MemorySwapMax=0 CPUWeight=50 # systemctl show ollama | grep -E 'CPUQuota|MemoryMax|CPUWeight' CPUQuotaPerSecUSec=4000ms MemoryMax=8589934592 CPUWeight=50
override.confの内容とsystemctl showの出力が一致していれば設定は正しく適用されています。
まとめ
この記事では、systemdのリソースコントロール機能を使ってOllamaのCPU・メモリ使用量を制限する手順を解説しました。CPUQuota・MemoryMax・CPUWeightを組み合わせることで、他のサービスを圧迫しないOllamaの本番運用環境を構築できます。
20年以上のLinuxサーバー管理経験から見ても、ローカルLLMの導入で多いつまずきのひとつが「推論が重くなるとWebアプリまで止まる」というケースです。
最初からリソース制限を入れておくことで、そのような事態を事前に防げます。
| 設定項目 | ディレクティブ例 | 効果 |
|---|---|---|
| CPU使用率の上限 | CPUQuota=400% | 8コアサーバーで最大4コア分のCPU使用量に制限する |
| メモリ使用量の上限 | MemoryMax=8G | 8GBを超えるとOOMキラーがプロセスを終了させる |
| スワップ禁止 | MemorySwapMax=0 | スワップへの退避を禁止して推論速度の低下を防ぐ |
| CPU優先度 | CPUWeight=50 | CPU競合時にOllamaを他サービスより低優先度にする |
| 設定確認 | systemctl show ollama | grep -E 'CPUQuota|MemoryMax|CPUWeight' | 現在の設定値をまとめて確認する |
OllamaのLinux本番運用設定を2日間のハンズオンで体験する
systemdリソースコントロールを含むOllamaの本番運用設定を、実機GPU環境で手を動かしながら習得したい方向けに、「ローカルAIマスターセミナー」を開催しています。
少人数(最大8名)ZOOMハンズオン形式で実施しています。
・Ubuntu ServerでローカルLLMを構築する方法|Ollamaで機密データを外に出さず業務AIを動かす完全ガイド
・社内でChatGPTが使えないときの代替手段|機密データを守るローカルLLMという選択肢
・ローカルLLMのモデルを比較する方法|Llama3.3・Mistral・Gemma・Phi-4をUbuntuで使い分けるポイント
3,100名以上が実践した「型」を無料で公開中
プロのエンジニアはコマンドを暗記していません。
「現場で使える型」を効率よく使いこなしているだけです。
その「型」を図解60Pにまとめた入門マニュアルを、完全無料でプレゼントしています。
姓・名・メールの3つだけ/30秒/解除は3秒 / 詳細はこちら
- 前のページへ:OllamaのAPIをGolangから使う方法|net/httpでチャット・ストリーミング・埋め込みをLinuxで実装する手順
- この記事の属するカテゴリ:ローカルLLMへ戻る

無料メルマガで学習を続ける
Linuxの実践スキルをメールで毎週お届け。
登録は30秒、解除もいつでも可。
登録無料・いつでも解除できます