OllamaのsystemdリソースコントロールでCPU・メモリを制限する方法|他サービスを圧迫しないOllama本番運用設定ガイド

運営:リナックスマスター.JP(代表 宮崎智広)
HOME > Linux技術 リナックスマスター.JP(Linuxマスター.JP) > ローカルLLM > OllamaのsystemdリソースコントロールでCPU・メモリを制限する方法|他サービスを圧迫しないOllama本番運用設定ガイド
「Ollamaを本番サーバーで動かしたら、同じサーバーのWebサーバーやデータベースが重くなった」
「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


OllamaのsystemdリソースコントロールでCPU・メモリを制限する方法|他サービスを圧迫しないOllama本番運用設定ガイド

「このままじゃマズい」と感じていませんか?
参考書を開く気力もない、同年代に取り残される不安——
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。
姓・名・メールの3つだけ/30秒/解除は3秒 / 詳細はこちら

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 - -

%CPUが300を超えていれば、3コア分以上を使用していることになります。
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

サーバーのコア数に合わせて制限値を決めてください。
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

エディタが開いたら以下の内容を入力して保存します。

[Service] CPUQuota=400%

保存するとファイルは/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)

OOMキラーが頻発する場合はMemoryMaxの値が小さすぎます。
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 - -

%CPUが400を超えない範囲に収まっていれば、CPUQuota=400%が機能しています。
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=8G8GB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=50CPU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。

>> ローカルAIマスターセミナーの詳細を確認する
ローカルLLMの構築・運用に関する関連記事もあわせて参考にしてください。

・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

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

暗記不要・1時間後にはサーバーが動く

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

Linux無料マニュアル(図解60P) 名前とメールで30秒登録

運営

リナックスマスター.JP(代表 宮崎智広)

株式会社イーネットマーキュリーが運営するLinux教育サイトです。代表の宮崎智広は現役のLinuxサーバー管理者として20年以上の実務経験を持ち、累計3,100名以上のエンジニアを指導してきました。実践型のLinuxセミナーや無料マニュアルの配布を通じてLinux人材の育成に取り組んでいます。