Branch data Line data Source code
1 : : // SPDX-License-Identifier: GPL-2.0
2 : : /*
3 : : * Completely Fair Scheduling (CFS) Class (SCHED_NORMAL/SCHED_BATCH)
4 : : *
5 : : * Copyright (C) 2007 Red Hat, Inc., Ingo Molnar <mingo@redhat.com>
6 : : *
7 : : * Interactivity improvements by Mike Galbraith
8 : : * (C) 2007 Mike Galbraith <efault@gmx.de>
9 : : *
10 : : * Various enhancements by Dmitry Adamushko.
11 : : * (C) 2007 Dmitry Adamushko <dmitry.adamushko@gmail.com>
12 : : *
13 : : * Group scheduling enhancements by Srivatsa Vaddagiri
14 : : * Copyright IBM Corporation, 2007
15 : : * Author: Srivatsa Vaddagiri <vatsa@linux.vnet.ibm.com>
16 : : *
17 : : * Scaled math optimizations by Thomas Gleixner
18 : : * Copyright (C) 2007, Thomas Gleixner <tglx@linutronix.de>
19 : : *
20 : : * Adaptive scheduling granularity, math enhancements by Peter Zijlstra
21 : : * Copyright (C) 2007 Red Hat, Inc., Peter Zijlstra
22 : : */
23 : : #include "sched.h"
24 : :
25 : : #include <trace/events/sched.h>
26 : :
27 : : /*
28 : : * Targeted preemption latency for CPU-bound tasks:
29 : : *
30 : : * NOTE: this latency value is not the same as the concept of
31 : : * 'timeslice length' - timeslices in CFS are of variable length
32 : : * and have no persistent notion like in traditional, time-slice
33 : : * based scheduling concepts.
34 : : *
35 : : * (to see the precise effective timeslice length of your workload,
36 : : * run vmstat and monitor the context-switches (cs) field)
37 : : *
38 : : * (default: 6ms * (1 + ilog(ncpus)), units: nanoseconds)
39 : : */
40 : : unsigned int sysctl_sched_latency = 6000000ULL;
41 : : static unsigned int normalized_sysctl_sched_latency = 6000000ULL;
42 : :
43 : : /*
44 : : * The initial- and re-scaling of tunables is configurable
45 : : *
46 : : * Options are:
47 : : *
48 : : * SCHED_TUNABLESCALING_NONE - unscaled, always *1
49 : : * SCHED_TUNABLESCALING_LOG - scaled logarithmical, *1+ilog(ncpus)
50 : : * SCHED_TUNABLESCALING_LINEAR - scaled linear, *ncpus
51 : : *
52 : : * (default SCHED_TUNABLESCALING_LOG = *(1+ilog(ncpus))
53 : : */
54 : : enum sched_tunable_scaling sysctl_sched_tunable_scaling = SCHED_TUNABLESCALING_LOG;
55 : :
56 : : /*
57 : : * Minimal preemption granularity for CPU-bound tasks:
58 : : *
59 : : * (default: 0.75 msec * (1 + ilog(ncpus)), units: nanoseconds)
60 : : */
61 : : unsigned int sysctl_sched_min_granularity = 750000ULL;
62 : : static unsigned int normalized_sysctl_sched_min_granularity = 750000ULL;
63 : :
64 : : /*
65 : : * This value is kept at sysctl_sched_latency/sysctl_sched_min_granularity
66 : : */
67 : : static unsigned int sched_nr_latency = 8;
68 : :
69 : : /*
70 : : * After fork, child runs first. If set to 0 (default) then
71 : : * parent will (try to) run first.
72 : : */
73 : : unsigned int sysctl_sched_child_runs_first __read_mostly;
74 : :
75 : : /*
76 : : * SCHED_OTHER wake-up granularity.
77 : : *
78 : : * This option delays the preemption effects of decoupled workloads
79 : : * and reduces their over-scheduling. Synchronous workloads will still
80 : : * have immediate wakeup/sleep latencies.
81 : : *
82 : : * (default: 1 msec * (1 + ilog(ncpus)), units: nanoseconds)
83 : : */
84 : : unsigned int sysctl_sched_wakeup_granularity = 1000000UL;
85 : : static unsigned int normalized_sysctl_sched_wakeup_granularity = 1000000UL;
86 : :
87 : : const_debug unsigned int sysctl_sched_migration_cost = 500000UL;
88 : :
89 : : #ifdef CONFIG_SMP
90 : : /*
91 : : * For asym packing, by default the lower numbered CPU has higher priority.
92 : : */
93 : 0 : int __weak arch_asym_cpu_priority(int cpu)
94 : : {
95 : 0 : return -cpu;
96 : : }
97 : :
98 : : /*
99 : : * The margin used when comparing utilization with CPU capacity.
100 : : *
101 : : * (default: ~20%)
102 : : */
103 : : #define fits_capacity(cap, max) ((cap) * 1280 < (max) * 1024)
104 : :
105 : : #endif
106 : :
107 : : #ifdef CONFIG_CFS_BANDWIDTH
108 : : /*
109 : : * Amount of runtime to allocate from global (tg) to local (per-cfs_rq) pool
110 : : * each time a cfs_rq requests quota.
111 : : *
112 : : * Note: in the case that the slice exceeds the runtime remaining (either due
113 : : * to consumption or the quota being specified to be smaller than the slice)
114 : : * we will always only issue the remaining available time.
115 : : *
116 : : * (default: 5 msec, units: microseconds)
117 : : */
118 : : unsigned int sysctl_sched_cfs_bandwidth_slice = 5000UL;
119 : : #endif
120 : :
121 : : static inline void update_load_add(struct load_weight *lw, unsigned long inc)
122 : : {
123 : 3 : lw->weight += inc;
124 : 3 : lw->inv_weight = 0;
125 : : }
126 : :
127 : : static inline void update_load_sub(struct load_weight *lw, unsigned long dec)
128 : : {
129 : 3 : lw->weight -= dec;
130 : 3 : lw->inv_weight = 0;
131 : : }
132 : :
133 : : static inline void update_load_set(struct load_weight *lw, unsigned long w)
134 : : {
135 : 3 : lw->weight = w;
136 : 3 : lw->inv_weight = 0;
137 : : }
138 : :
139 : : /*
140 : : * Increase the granularity value when there are more CPUs,
141 : : * because with more CPUs the 'effective latency' as visible
142 : : * to users decreases. But the relationship is not linear,
143 : : * so pick a second-best guess by going with the log2 of the
144 : : * number of CPUs.
145 : : *
146 : : * This idea comes from the SD scheduler of Con Kolivas:
147 : : */
148 : 3 : static unsigned int get_update_sysctl_factor(void)
149 : : {
150 : 3 : unsigned int cpus = min_t(unsigned int, num_online_cpus(), 8);
151 : : unsigned int factor;
152 : :
153 : 3 : switch (sysctl_sched_tunable_scaling) {
154 : : case SCHED_TUNABLESCALING_NONE:
155 : : factor = 1;
156 : : break;
157 : : case SCHED_TUNABLESCALING_LINEAR:
158 : : factor = cpus;
159 : 0 : break;
160 : : case SCHED_TUNABLESCALING_LOG:
161 : : default:
162 : 3 : factor = 1 + ilog2(cpus);
163 : 3 : break;
164 : : }
165 : :
166 : 3 : return factor;
167 : : }
168 : :
169 : 3 : static void update_sysctl(void)
170 : : {
171 : 3 : unsigned int factor = get_update_sysctl_factor();
172 : :
173 : : #define SET_SYSCTL(name) \
174 : : (sysctl_##name = (factor) * normalized_sysctl_##name)
175 : 3 : SET_SYSCTL(sched_min_granularity);
176 : 3 : SET_SYSCTL(sched_latency);
177 : 3 : SET_SYSCTL(sched_wakeup_granularity);
178 : : #undef SET_SYSCTL
179 : 3 : }
180 : :
181 : 3 : void sched_init_granularity(void)
182 : : {
183 : 3 : update_sysctl();
184 : 3 : }
185 : :
186 : : #define WMULT_CONST (~0U)
187 : : #define WMULT_SHIFT 32
188 : :
189 : : static void __update_inv_weight(struct load_weight *lw)
190 : : {
191 : : unsigned long w;
192 : :
193 : 3 : if (likely(lw->inv_weight))
194 : : return;
195 : :
196 : 3 : w = scale_load_down(lw->weight);
197 : :
198 : : if (BITS_PER_LONG > 32 && unlikely(w >= WMULT_CONST))
199 : : lw->inv_weight = 1;
200 : 3 : else if (unlikely(!w))
201 : 0 : lw->inv_weight = WMULT_CONST;
202 : : else
203 : 3 : lw->inv_weight = WMULT_CONST / w;
204 : : }
205 : :
206 : : /*
207 : : * delta_exec * weight / lw.weight
208 : : * OR
209 : : * (delta_exec * (weight * lw->inv_weight)) >> WMULT_SHIFT
210 : : *
211 : : * Either weight := NICE_0_LOAD and lw \e sched_prio_to_wmult[], in which case
212 : : * we're guaranteed shift stays positive because inv_weight is guaranteed to
213 : : * fit 32 bits, and NICE_0_LOAD gives another 10 bits; therefore shift >= 22.
214 : : *
215 : : * Or, weight =< lw.weight (because lw.weight is the runqueue weight), thus
216 : : * weight/lw.weight <= 1, and therefore our shift will also be positive.
217 : : */
218 : 3 : static u64 __calc_delta(u64 delta_exec, unsigned long weight, struct load_weight *lw)
219 : : {
220 : 3 : u64 fact = scale_load_down(weight);
221 : : int shift = WMULT_SHIFT;
222 : :
223 : : __update_inv_weight(lw);
224 : :
225 : 3 : if (unlikely(fact >> 32)) {
226 : 0 : while (fact >> 32) {
227 : 0 : fact >>= 1;
228 : 0 : shift--;
229 : : }
230 : : }
231 : :
232 : : /* hint to use a 32x32->64 mul */
233 : 3 : fact = (u64)(u32)fact * lw->inv_weight;
234 : :
235 : 3 : while (fact >> 32) {
236 : 3 : fact >>= 1;
237 : 3 : shift--;
238 : : }
239 : :
240 : 3 : return mul_u64_u32_shr(delta_exec, fact, shift);
241 : : }
242 : :
243 : :
244 : : const struct sched_class fair_sched_class;
245 : :
246 : : /**************************************************************
247 : : * CFS operations on generic schedulable entities:
248 : : */
249 : :
250 : : #ifdef CONFIG_FAIR_GROUP_SCHED
251 : 3 : static inline struct task_struct *task_of(struct sched_entity *se)
252 : : {
253 : 3 : SCHED_WARN_ON(!entity_is_task(se));
254 : 3 : return container_of(se, struct task_struct, se);
255 : : }
256 : :
257 : : /* Walk up scheduling entities hierarchy */
258 : : #define for_each_sched_entity(se) \
259 : : for (; se; se = se->parent)
260 : :
261 : : static inline struct cfs_rq *task_cfs_rq(struct task_struct *p)
262 : : {
263 : 3 : return p->se.cfs_rq;
264 : : }
265 : :
266 : : /* runqueue on which this entity is (to be) queued */
267 : : static inline struct cfs_rq *cfs_rq_of(struct sched_entity *se)
268 : : {
269 : 3 : return se->cfs_rq;
270 : : }
271 : :
272 : : /* runqueue "owned" by this group */
273 : : static inline struct cfs_rq *group_cfs_rq(struct sched_entity *grp)
274 : : {
275 : 3 : return grp->my_q;
276 : : }
277 : :
278 : 0 : static inline void cfs_rq_tg_path(struct cfs_rq *cfs_rq, char *path, int len)
279 : : {
280 : 0 : if (!path)
281 : 0 : return;
282 : :
283 : 0 : if (cfs_rq && task_group_is_autogroup(cfs_rq->tg))
284 : 0 : autogroup_path(cfs_rq->tg, path, len);
285 : 0 : else if (cfs_rq && cfs_rq->tg->css.cgroup)
286 : 0 : cgroup_path(cfs_rq->tg->css.cgroup, path, len);
287 : : else
288 : 0 : strlcpy(path, "(null)", len);
289 : : }
290 : :
291 : 3 : static inline bool list_add_leaf_cfs_rq(struct cfs_rq *cfs_rq)
292 : : {
293 : : struct rq *rq = rq_of(cfs_rq);
294 : : int cpu = cpu_of(rq);
295 : :
296 : 3 : if (cfs_rq->on_list)
297 : 3 : return rq->tmp_alone_branch == &rq->leaf_cfs_rq_list;
298 : :
299 : 3 : cfs_rq->on_list = 1;
300 : :
301 : : /*
302 : : * Ensure we either appear before our parent (if already
303 : : * enqueued) or force our parent to appear after us when it is
304 : : * enqueued. The fact that we always enqueue bottom-up
305 : : * reduces this to two cases and a special case for the root
306 : : * cfs_rq. Furthermore, it also means that we will always reset
307 : : * tmp_alone_branch either when the branch is connected
308 : : * to a tree or when we reach the top of the tree
309 : : */
310 : 3 : if (cfs_rq->tg->parent &&
311 : 3 : cfs_rq->tg->parent->cfs_rq[cpu]->on_list) {
312 : : /*
313 : : * If parent is already on the list, we add the child
314 : : * just before. Thanks to circular linked property of
315 : : * the list, this means to put the child at the tail
316 : : * of the list that starts by parent.
317 : : */
318 : 3 : list_add_tail_rcu(&cfs_rq->leaf_cfs_rq_list,
319 : : &(cfs_rq->tg->parent->cfs_rq[cpu]->leaf_cfs_rq_list));
320 : : /*
321 : : * The branch is now connected to its tree so we can
322 : : * reset tmp_alone_branch to the beginning of the
323 : : * list.
324 : : */
325 : 3 : rq->tmp_alone_branch = &rq->leaf_cfs_rq_list;
326 : 3 : return true;
327 : : }
328 : :
329 : 3 : if (!cfs_rq->tg->parent) {
330 : : /*
331 : : * cfs rq without parent should be put
332 : : * at the tail of the list.
333 : : */
334 : 3 : list_add_tail_rcu(&cfs_rq->leaf_cfs_rq_list,
335 : : &rq->leaf_cfs_rq_list);
336 : : /*
337 : : * We have reach the top of a tree so we can reset
338 : : * tmp_alone_branch to the beginning of the list.
339 : : */
340 : 3 : rq->tmp_alone_branch = &rq->leaf_cfs_rq_list;
341 : 3 : return true;
342 : : }
343 : :
344 : : /*
345 : : * The parent has not already been added so we want to
346 : : * make sure that it will be put after us.
347 : : * tmp_alone_branch points to the begin of the branch
348 : : * where we will add parent.
349 : : */
350 : 3 : list_add_rcu(&cfs_rq->leaf_cfs_rq_list, rq->tmp_alone_branch);
351 : : /*
352 : : * update tmp_alone_branch to points to the new begin
353 : : * of the branch
354 : : */
355 : 3 : rq->tmp_alone_branch = &cfs_rq->leaf_cfs_rq_list;
356 : 3 : return false;
357 : : }
358 : :
359 : : static inline void list_del_leaf_cfs_rq(struct cfs_rq *cfs_rq)
360 : : {
361 : 3 : if (cfs_rq->on_list) {
362 : : struct rq *rq = rq_of(cfs_rq);
363 : :
364 : : /*
365 : : * With cfs_rq being unthrottled/throttled during an enqueue,
366 : : * it can happen the tmp_alone_branch points the a leaf that
367 : : * we finally want to del. In this case, tmp_alone_branch moves
368 : : * to the prev element but it will point to rq->leaf_cfs_rq_list
369 : : * at the end of the enqueue.
370 : : */
371 : 3 : if (rq->tmp_alone_branch == &cfs_rq->leaf_cfs_rq_list)
372 : 0 : rq->tmp_alone_branch = cfs_rq->leaf_cfs_rq_list.prev;
373 : :
374 : : list_del_rcu(&cfs_rq->leaf_cfs_rq_list);
375 : 3 : cfs_rq->on_list = 0;
376 : : }
377 : : }
378 : :
379 : 3 : static inline void assert_list_leaf_cfs_rq(struct rq *rq)
380 : : {
381 : 3 : SCHED_WARN_ON(rq->tmp_alone_branch != &rq->leaf_cfs_rq_list);
382 : 3 : }
383 : :
384 : : /* Iterate thr' all leaf cfs_rq's on a runqueue */
385 : : #define for_each_leaf_cfs_rq_safe(rq, cfs_rq, pos) \
386 : : list_for_each_entry_safe(cfs_rq, pos, &rq->leaf_cfs_rq_list, \
387 : : leaf_cfs_rq_list)
388 : :
389 : : /* Do the two (enqueued) entities belong to the same group ? */
390 : : static inline struct cfs_rq *
391 : : is_same_group(struct sched_entity *se, struct sched_entity *pse)
392 : : {
393 : 3 : if (se->cfs_rq == pse->cfs_rq)
394 : : return se->cfs_rq;
395 : :
396 : : return NULL;
397 : : }
398 : :
399 : : static inline struct sched_entity *parent_entity(struct sched_entity *se)
400 : : {
401 : 3 : return se->parent;
402 : : }
403 : :
404 : : static void
405 : 3 : find_matching_se(struct sched_entity **se, struct sched_entity **pse)
406 : : {
407 : : int se_depth, pse_depth;
408 : :
409 : : /*
410 : : * preemption test can be made between sibling entities who are in the
411 : : * same cfs_rq i.e who have a common parent. Walk up the hierarchy of
412 : : * both tasks until we find their ancestors who are siblings of common
413 : : * parent.
414 : : */
415 : :
416 : : /* First walk up until both entities are at same depth */
417 : 3 : se_depth = (*se)->depth;
418 : 3 : pse_depth = (*pse)->depth;
419 : :
420 : 3 : while (se_depth > pse_depth) {
421 : 3 : se_depth--;
422 : 3 : *se = parent_entity(*se);
423 : : }
424 : :
425 : 3 : while (pse_depth > se_depth) {
426 : 3 : pse_depth--;
427 : 3 : *pse = parent_entity(*pse);
428 : : }
429 : :
430 : 3 : while (!is_same_group(*se, *pse)) {
431 : 3 : *se = parent_entity(*se);
432 : 3 : *pse = parent_entity(*pse);
433 : : }
434 : 3 : }
435 : :
436 : : #else /* !CONFIG_FAIR_GROUP_SCHED */
437 : :
438 : : static inline struct task_struct *task_of(struct sched_entity *se)
439 : : {
440 : : return container_of(se, struct task_struct, se);
441 : : }
442 : :
443 : : #define for_each_sched_entity(se) \
444 : : for (; se; se = NULL)
445 : :
446 : : static inline struct cfs_rq *task_cfs_rq(struct task_struct *p)
447 : : {
448 : : return &task_rq(p)->cfs;
449 : : }
450 : :
451 : : static inline struct cfs_rq *cfs_rq_of(struct sched_entity *se)
452 : : {
453 : : struct task_struct *p = task_of(se);
454 : : struct rq *rq = task_rq(p);
455 : :
456 : : return &rq->cfs;
457 : : }
458 : :
459 : : /* runqueue "owned" by this group */
460 : : static inline struct cfs_rq *group_cfs_rq(struct sched_entity *grp)
461 : : {
462 : : return NULL;
463 : : }
464 : :
465 : : static inline void cfs_rq_tg_path(struct cfs_rq *cfs_rq, char *path, int len)
466 : : {
467 : : if (path)
468 : : strlcpy(path, "(null)", len);
469 : : }
470 : :
471 : : static inline bool list_add_leaf_cfs_rq(struct cfs_rq *cfs_rq)
472 : : {
473 : : return true;
474 : : }
475 : :
476 : : static inline void list_del_leaf_cfs_rq(struct cfs_rq *cfs_rq)
477 : : {
478 : : }
479 : :
480 : : static inline void assert_list_leaf_cfs_rq(struct rq *rq)
481 : : {
482 : : }
483 : :
484 : : #define for_each_leaf_cfs_rq_safe(rq, cfs_rq, pos) \
485 : : for (cfs_rq = &rq->cfs, pos = NULL; cfs_rq; cfs_rq = pos)
486 : :
487 : : static inline struct sched_entity *parent_entity(struct sched_entity *se)
488 : : {
489 : : return NULL;
490 : : }
491 : :
492 : : static inline void
493 : : find_matching_se(struct sched_entity **se, struct sched_entity **pse)
494 : : {
495 : : }
496 : :
497 : : #endif /* CONFIG_FAIR_GROUP_SCHED */
498 : :
499 : : static __always_inline
500 : : void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec);
501 : :
502 : : /**************************************************************
503 : : * Scheduling class tree data structure manipulation methods:
504 : : */
505 : :
506 : : static inline u64 max_vruntime(u64 max_vruntime, u64 vruntime)
507 : : {
508 : 3 : s64 delta = (s64)(vruntime - max_vruntime);
509 : 3 : if (delta > 0)
510 : : max_vruntime = vruntime;
511 : :
512 : : return max_vruntime;
513 : : }
514 : :
515 : : static inline u64 min_vruntime(u64 min_vruntime, u64 vruntime)
516 : : {
517 : 3 : s64 delta = (s64)(vruntime - min_vruntime);
518 : 3 : if (delta < 0)
519 : : min_vruntime = vruntime;
520 : :
521 : : return min_vruntime;
522 : : }
523 : :
524 : : static inline int entity_before(struct sched_entity *a,
525 : : struct sched_entity *b)
526 : : {
527 : 3 : return (s64)(a->vruntime - b->vruntime) < 0;
528 : : }
529 : :
530 : 3 : static void update_min_vruntime(struct cfs_rq *cfs_rq)
531 : : {
532 : 3 : struct sched_entity *curr = cfs_rq->curr;
533 : 3 : struct rb_node *leftmost = rb_first_cached(&cfs_rq->tasks_timeline);
534 : :
535 : 3 : u64 vruntime = cfs_rq->min_vruntime;
536 : :
537 : 3 : if (curr) {
538 : 3 : if (curr->on_rq)
539 : 3 : vruntime = curr->vruntime;
540 : : else
541 : : curr = NULL;
542 : : }
543 : :
544 : 3 : if (leftmost) { /* non-empty tree */
545 : : struct sched_entity *se;
546 : : se = rb_entry(leftmost, struct sched_entity, run_node);
547 : :
548 : 3 : if (!curr)
549 : 3 : vruntime = se->vruntime;
550 : : else
551 : 3 : vruntime = min_vruntime(vruntime, se->vruntime);
552 : : }
553 : :
554 : : /* ensure we never gain time by being placed backwards. */
555 : 3 : cfs_rq->min_vruntime = max_vruntime(cfs_rq->min_vruntime, vruntime);
556 : : #ifndef CONFIG_64BIT
557 : 3 : smp_wmb();
558 : 3 : cfs_rq->min_vruntime_copy = cfs_rq->min_vruntime;
559 : : #endif
560 : 3 : }
561 : :
562 : : /*
563 : : * Enqueue an entity into the rb-tree:
564 : : */
565 : 3 : static void __enqueue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
566 : : {
567 : 3 : struct rb_node **link = &cfs_rq->tasks_timeline.rb_root.rb_node;
568 : : struct rb_node *parent = NULL;
569 : : struct sched_entity *entry;
570 : : bool leftmost = true;
571 : :
572 : : /*
573 : : * Find the right place in the rbtree:
574 : : */
575 : 3 : while (*link) {
576 : : parent = *link;
577 : : entry = rb_entry(parent, struct sched_entity, run_node);
578 : : /*
579 : : * We dont care about collisions. Nodes with
580 : : * the same key stay together.
581 : : */
582 : 3 : if (entity_before(se, entry)) {
583 : 3 : link = &parent->rb_left;
584 : : } else {
585 : 3 : link = &parent->rb_right;
586 : : leftmost = false;
587 : : }
588 : : }
589 : :
590 : 3 : rb_link_node(&se->run_node, parent, link);
591 : : rb_insert_color_cached(&se->run_node,
592 : : &cfs_rq->tasks_timeline, leftmost);
593 : 3 : }
594 : :
595 : : static void __dequeue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
596 : : {
597 : 3 : rb_erase_cached(&se->run_node, &cfs_rq->tasks_timeline);
598 : : }
599 : :
600 : 0 : struct sched_entity *__pick_first_entity(struct cfs_rq *cfs_rq)
601 : : {
602 : 3 : struct rb_node *left = rb_first_cached(&cfs_rq->tasks_timeline);
603 : :
604 : 3 : if (!left)
605 : : return NULL;
606 : :
607 : 3 : return rb_entry(left, struct sched_entity, run_node);
608 : : }
609 : :
610 : : static struct sched_entity *__pick_next_entity(struct sched_entity *se)
611 : : {
612 : 0 : struct rb_node *next = rb_next(&se->run_node);
613 : :
614 : 0 : if (!next)
615 : : return NULL;
616 : :
617 : 0 : return rb_entry(next, struct sched_entity, run_node);
618 : : }
619 : :
620 : : #ifdef CONFIG_SCHED_DEBUG
621 : 0 : struct sched_entity *__pick_last_entity(struct cfs_rq *cfs_rq)
622 : : {
623 : 0 : struct rb_node *last = rb_last(&cfs_rq->tasks_timeline.rb_root);
624 : :
625 : 0 : if (!last)
626 : : return NULL;
627 : :
628 : 0 : return rb_entry(last, struct sched_entity, run_node);
629 : : }
630 : :
631 : : /**************************************************************
632 : : * Scheduling class statistics methods:
633 : : */
634 : :
635 : 0 : int sched_proc_update_handler(struct ctl_table *table, int write,
636 : : void __user *buffer, size_t *lenp,
637 : : loff_t *ppos)
638 : : {
639 : 0 : int ret = proc_dointvec_minmax(table, write, buffer, lenp, ppos);
640 : 0 : unsigned int factor = get_update_sysctl_factor();
641 : :
642 : 0 : if (ret || !write)
643 : : return ret;
644 : :
645 : 0 : sched_nr_latency = DIV_ROUND_UP(sysctl_sched_latency,
646 : : sysctl_sched_min_granularity);
647 : :
648 : : #define WRT_SYSCTL(name) \
649 : : (normalized_sysctl_##name = sysctl_##name / (factor))
650 : 0 : WRT_SYSCTL(sched_min_granularity);
651 : 0 : WRT_SYSCTL(sched_latency);
652 : 0 : WRT_SYSCTL(sched_wakeup_granularity);
653 : : #undef WRT_SYSCTL
654 : :
655 : 0 : return 0;
656 : : }
657 : : #endif
658 : :
659 : : /*
660 : : * delta /= w
661 : : */
662 : : static inline u64 calc_delta_fair(u64 delta, struct sched_entity *se)
663 : : {
664 : 3 : if (unlikely(se->load.weight != NICE_0_LOAD))
665 : 3 : delta = __calc_delta(delta, NICE_0_LOAD, &se->load);
666 : :
667 : : return delta;
668 : : }
669 : :
670 : : /*
671 : : * The idea is to set a period in which each task runs once.
672 : : *
673 : : * When there are too many tasks (sched_nr_latency) we have to stretch
674 : : * this period because otherwise the slices get too small.
675 : : *
676 : : * p = (nr <= nl) ? l : l*nr/nl
677 : : */
678 : : static u64 __sched_period(unsigned long nr_running)
679 : : {
680 : 3 : if (unlikely(nr_running > sched_nr_latency))
681 : 1 : return nr_running * sysctl_sched_min_granularity;
682 : : else
683 : 3 : return sysctl_sched_latency;
684 : : }
685 : :
686 : : /*
687 : : * We calculate the wall-time slice from the period by taking a part
688 : : * proportional to the weight.
689 : : *
690 : : * s = p*P[w/rw]
691 : : */
692 : 3 : static u64 sched_slice(struct cfs_rq *cfs_rq, struct sched_entity *se)
693 : : {
694 : 3 : u64 slice = __sched_period(cfs_rq->nr_running + !se->on_rq);
695 : :
696 : 3 : for_each_sched_entity(se) {
697 : : struct load_weight *load;
698 : : struct load_weight lw;
699 : :
700 : : cfs_rq = cfs_rq_of(se);
701 : 3 : load = &cfs_rq->load;
702 : :
703 : 3 : if (unlikely(!se->on_rq)) {
704 : 3 : lw = cfs_rq->load;
705 : :
706 : 3 : update_load_add(&lw, se->load.weight);
707 : : load = &lw;
708 : : }
709 : 3 : slice = __calc_delta(slice, se->load.weight, load);
710 : : }
711 : 3 : return slice;
712 : : }
713 : :
714 : : /*
715 : : * We calculate the vruntime slice of a to-be-inserted task.
716 : : *
717 : : * vs = s/w
718 : : */
719 : 3 : static u64 sched_vslice(struct cfs_rq *cfs_rq, struct sched_entity *se)
720 : : {
721 : 3 : return calc_delta_fair(sched_slice(cfs_rq, se), se);
722 : : }
723 : :
724 : : #include "pelt.h"
725 : : #ifdef CONFIG_SMP
726 : :
727 : : static int select_idle_sibling(struct task_struct *p, int prev_cpu, int cpu);
728 : : static unsigned long task_h_load(struct task_struct *p);
729 : : static unsigned long capacity_of(int cpu);
730 : :
731 : : /* Give new sched_entity start runnable values to heavy its load in infant time */
732 : 3 : void init_entity_runnable_average(struct sched_entity *se)
733 : : {
734 : 3 : struct sched_avg *sa = &se->avg;
735 : :
736 : 3 : memset(sa, 0, sizeof(*sa));
737 : :
738 : : /*
739 : : * Tasks are initialized with full load to be seen as heavy tasks until
740 : : * they get a chance to stabilize to their real load level.
741 : : * Group entities are initialized with zero load to reflect the fact that
742 : : * nothing has been attached to the task group yet.
743 : : */
744 : 3 : if (entity_is_task(se))
745 : 3 : sa->runnable_load_avg = sa->load_avg = scale_load_down(se->load.weight);
746 : :
747 : 3 : se->runnable_weight = se->load.weight;
748 : :
749 : : /* when this task enqueue'ed, it will contribute to its cfs_rq's load_avg */
750 : 3 : }
751 : :
752 : : static void attach_entity_cfs_rq(struct sched_entity *se);
753 : :
754 : : /*
755 : : * With new tasks being created, their initial util_avgs are extrapolated
756 : : * based on the cfs_rq's current util_avg:
757 : : *
758 : : * util_avg = cfs_rq->util_avg / (cfs_rq->load_avg + 1) * se.load.weight
759 : : *
760 : : * However, in many cases, the above util_avg does not give a desired
761 : : * value. Moreover, the sum of the util_avgs may be divergent, such
762 : : * as when the series is a harmonic series.
763 : : *
764 : : * To solve this problem, we also cap the util_avg of successive tasks to
765 : : * only 1/2 of the left utilization budget:
766 : : *
767 : : * util_avg_cap = (cpu_scale - cfs_rq->avg.util_avg) / 2^n
768 : : *
769 : : * where n denotes the nth task and cpu_scale the CPU capacity.
770 : : *
771 : : * For example, for a CPU with 1024 of capacity, a simplest series from
772 : : * the beginning would be like:
773 : : *
774 : : * task util_avg: 512, 256, 128, 64, 32, 16, 8, ...
775 : : * cfs_rq util_avg: 512, 768, 896, 960, 992, 1008, 1016, ...
776 : : *
777 : : * Finally, that extrapolated util_avg is clamped to the cap (util_avg_cap)
778 : : * if util_avg > util_avg_cap.
779 : : */
780 : 3 : void post_init_entity_util_avg(struct task_struct *p)
781 : : {
782 : 3 : struct sched_entity *se = &p->se;
783 : : struct cfs_rq *cfs_rq = cfs_rq_of(se);
784 : : struct sched_avg *sa = &se->avg;
785 : : long cpu_scale = arch_scale_cpu_capacity(cpu_of(rq_of(cfs_rq)));
786 : 3 : long cap = (long)(cpu_scale - cfs_rq->avg.util_avg) / 2;
787 : :
788 : 3 : if (cap > 0) {
789 : 3 : if (cfs_rq->avg.util_avg != 0) {
790 : 3 : sa->util_avg = cfs_rq->avg.util_avg * se->load.weight;
791 : 3 : sa->util_avg /= (cfs_rq->avg.load_avg + 1);
792 : :
793 : 3 : if (sa->util_avg > cap)
794 : 3 : sa->util_avg = cap;
795 : : } else {
796 : 3 : sa->util_avg = cap;
797 : : }
798 : : }
799 : :
800 : 3 : if (p->sched_class != &fair_sched_class) {
801 : : /*
802 : : * For !fair tasks do:
803 : : *
804 : : update_cfs_rq_load_avg(now, cfs_rq);
805 : : attach_entity_load_avg(cfs_rq, se, 0);
806 : : switched_from_fair(rq, p);
807 : : *
808 : : * such that the next switched_to_fair() has the
809 : : * expected state.
810 : : */
811 : 0 : se->avg.last_update_time = cfs_rq_clock_pelt(cfs_rq);
812 : 3 : return;
813 : : }
814 : :
815 : 3 : attach_entity_cfs_rq(se);
816 : : }
817 : :
818 : : #else /* !CONFIG_SMP */
819 : : void init_entity_runnable_average(struct sched_entity *se)
820 : : {
821 : : }
822 : : void post_init_entity_util_avg(struct task_struct *p)
823 : : {
824 : : }
825 : : static void update_tg_load_avg(struct cfs_rq *cfs_rq, int force)
826 : : {
827 : : }
828 : : #endif /* CONFIG_SMP */
829 : :
830 : : /*
831 : : * Update the current task's runtime statistics.
832 : : */
833 : 3 : static void update_curr(struct cfs_rq *cfs_rq)
834 : : {
835 : 3 : struct sched_entity *curr = cfs_rq->curr;
836 : : u64 now = rq_clock_task(rq_of(cfs_rq));
837 : : u64 delta_exec;
838 : :
839 : 3 : if (unlikely(!curr))
840 : : return;
841 : :
842 : 3 : delta_exec = now - curr->exec_start;
843 : 3 : if (unlikely((s64)delta_exec <= 0))
844 : : return;
845 : :
846 : 3 : curr->exec_start = now;
847 : :
848 : 3 : schedstat_set(curr->statistics.exec_max,
849 : : max(delta_exec, curr->statistics.exec_max));
850 : :
851 : 3 : curr->sum_exec_runtime += delta_exec;
852 : 3 : schedstat_add(cfs_rq->exec_clock, delta_exec);
853 : :
854 : 3 : curr->vruntime += calc_delta_fair(delta_exec, curr);
855 : 3 : update_min_vruntime(cfs_rq);
856 : :
857 : 3 : if (entity_is_task(curr)) {
858 : 3 : struct task_struct *curtask = task_of(curr);
859 : :
860 : 3 : trace_sched_stat_runtime(curtask, delta_exec, curr->vruntime);
861 : 3 : cgroup_account_cputime(curtask, delta_exec);
862 : 3 : account_group_exec_runtime(curtask, delta_exec);
863 : : }
864 : :
865 : : account_cfs_rq_runtime(cfs_rq, delta_exec);
866 : : }
867 : :
868 : 3 : static void update_curr_fair(struct rq *rq)
869 : : {
870 : 3 : update_curr(cfs_rq_of(&rq->curr->se));
871 : 3 : }
872 : :
873 : : static inline void
874 : 3 : update_stats_wait_start(struct cfs_rq *cfs_rq, struct sched_entity *se)
875 : : {
876 : : u64 wait_start, prev_wait_start;
877 : :
878 : 3 : if (!schedstat_enabled())
879 : 3 : return;
880 : :
881 : : wait_start = rq_clock(rq_of(cfs_rq));
882 : 0 : prev_wait_start = schedstat_val(se->statistics.wait_start);
883 : :
884 : 0 : if (entity_is_task(se) && task_on_rq_migrating(task_of(se)) &&
885 : 0 : likely(wait_start > prev_wait_start))
886 : 0 : wait_start -= prev_wait_start;
887 : :
888 : 0 : __schedstat_set(se->statistics.wait_start, wait_start);
889 : : }
890 : :
891 : : static inline void
892 : 3 : update_stats_wait_end(struct cfs_rq *cfs_rq, struct sched_entity *se)
893 : : {
894 : : struct task_struct *p;
895 : : u64 delta;
896 : :
897 : 3 : if (!schedstat_enabled())
898 : : return;
899 : :
900 : 0 : delta = rq_clock(rq_of(cfs_rq)) - schedstat_val(se->statistics.wait_start);
901 : :
902 : 0 : if (entity_is_task(se)) {
903 : 0 : p = task_of(se);
904 : 0 : if (task_on_rq_migrating(p)) {
905 : : /*
906 : : * Preserve migrating task's wait time so wait_start
907 : : * time stamp can be adjusted to accumulate wait time
908 : : * prior to migration.
909 : : */
910 : 0 : __schedstat_set(se->statistics.wait_start, delta);
911 : 0 : return;
912 : : }
913 : 0 : trace_sched_stat_wait(p, delta);
914 : : }
915 : :
916 : 0 : __schedstat_set(se->statistics.wait_max,
917 : : max(schedstat_val(se->statistics.wait_max), delta));
918 : 0 : __schedstat_inc(se->statistics.wait_count);
919 : 0 : __schedstat_add(se->statistics.wait_sum, delta);
920 : 0 : __schedstat_set(se->statistics.wait_start, 0);
921 : : }
922 : :
923 : : static inline void
924 : 0 : update_stats_enqueue_sleeper(struct cfs_rq *cfs_rq, struct sched_entity *se)
925 : : {
926 : : struct task_struct *tsk = NULL;
927 : : u64 sleep_start, block_start;
928 : :
929 : 0 : if (!schedstat_enabled())
930 : 0 : return;
931 : :
932 : 0 : sleep_start = schedstat_val(se->statistics.sleep_start);
933 : 0 : block_start = schedstat_val(se->statistics.block_start);
934 : :
935 : 0 : if (entity_is_task(se))
936 : 0 : tsk = task_of(se);
937 : :
938 : 0 : if (sleep_start) {
939 : 0 : u64 delta = rq_clock(rq_of(cfs_rq)) - sleep_start;
940 : :
941 : 0 : if ((s64)delta < 0)
942 : : delta = 0;
943 : :
944 : 0 : if (unlikely(delta > schedstat_val(se->statistics.sleep_max)))
945 : 0 : __schedstat_set(se->statistics.sleep_max, delta);
946 : :
947 : 0 : __schedstat_set(se->statistics.sleep_start, 0);
948 : 0 : __schedstat_add(se->statistics.sum_sleep_runtime, delta);
949 : :
950 : 0 : if (tsk) {
951 : 0 : account_scheduler_latency(tsk, delta >> 10, 1);
952 : 0 : trace_sched_stat_sleep(tsk, delta);
953 : : }
954 : : }
955 : 0 : if (block_start) {
956 : 0 : u64 delta = rq_clock(rq_of(cfs_rq)) - block_start;
957 : :
958 : 0 : if ((s64)delta < 0)
959 : : delta = 0;
960 : :
961 : 0 : if (unlikely(delta > schedstat_val(se->statistics.block_max)))
962 : 0 : __schedstat_set(se->statistics.block_max, delta);
963 : :
964 : 0 : __schedstat_set(se->statistics.block_start, 0);
965 : 0 : __schedstat_add(se->statistics.sum_sleep_runtime, delta);
966 : :
967 : 0 : if (tsk) {
968 : 0 : if (tsk->in_iowait) {
969 : 0 : __schedstat_add(se->statistics.iowait_sum, delta);
970 : 0 : __schedstat_inc(se->statistics.iowait_count);
971 : 0 : trace_sched_stat_iowait(tsk, delta);
972 : : }
973 : :
974 : 0 : trace_sched_stat_blocked(tsk, delta);
975 : :
976 : : /*
977 : : * Blocking time is in units of nanosecs, so shift by
978 : : * 20 to get a milliseconds-range estimation of the
979 : : * amount of time that the task spent sleeping:
980 : : */
981 : 0 : if (unlikely(prof_on == SLEEP_PROFILING)) {
982 : 0 : profile_hits(SLEEP_PROFILING,
983 : 0 : (void *)get_wchan(tsk),
984 : 0 : delta >> 20);
985 : : }
986 : 0 : account_scheduler_latency(tsk, delta >> 10, 0);
987 : : }
988 : : }
989 : : }
990 : :
991 : : /*
992 : : * Task is being enqueued - update stats:
993 : : */
994 : : static inline void
995 : 3 : update_stats_enqueue(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
996 : : {
997 : 3 : if (!schedstat_enabled())
998 : 3 : return;
999 : :
1000 : : /*
1001 : : * Are we enqueueing a waiting task? (for current tasks
1002 : : * a dequeue/enqueue event is a NOP)
1003 : : */
1004 : 0 : if (se != cfs_rq->curr)
1005 : 0 : update_stats_wait_start(cfs_rq, se);
1006 : :
1007 : 0 : if (flags & ENQUEUE_WAKEUP)
1008 : 0 : update_stats_enqueue_sleeper(cfs_rq, se);
1009 : : }
1010 : :
1011 : : static inline void
1012 : 3 : update_stats_dequeue(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
1013 : : {
1014 : :
1015 : 3 : if (!schedstat_enabled())
1016 : 3 : return;
1017 : :
1018 : : /*
1019 : : * Mark the end of the wait period if dequeueing a
1020 : : * waiting task:
1021 : : */
1022 : 0 : if (se != cfs_rq->curr)
1023 : 0 : update_stats_wait_end(cfs_rq, se);
1024 : :
1025 : 0 : if ((flags & DEQUEUE_SLEEP) && entity_is_task(se)) {
1026 : 0 : struct task_struct *tsk = task_of(se);
1027 : :
1028 : 0 : if (tsk->state & TASK_INTERRUPTIBLE)
1029 : 0 : __schedstat_set(se->statistics.sleep_start,
1030 : : rq_clock(rq_of(cfs_rq)));
1031 : 0 : if (tsk->state & TASK_UNINTERRUPTIBLE)
1032 : 0 : __schedstat_set(se->statistics.block_start,
1033 : : rq_clock(rq_of(cfs_rq)));
1034 : : }
1035 : : }
1036 : :
1037 : : /*
1038 : : * We are picking a new current task - update its stats:
1039 : : */
1040 : : static inline void
1041 : : update_stats_curr_start(struct cfs_rq *cfs_rq, struct sched_entity *se)
1042 : : {
1043 : : /*
1044 : : * We are starting a new run period:
1045 : : */
1046 : 3 : se->exec_start = rq_clock_task(rq_of(cfs_rq));
1047 : : }
1048 : :
1049 : : /**************************************************
1050 : : * Scheduling class queueing methods:
1051 : : */
1052 : :
1053 : : #ifdef CONFIG_NUMA_BALANCING
1054 : : /*
1055 : : * Approximate time to scan a full NUMA task in ms. The task scan period is
1056 : : * calculated based on the tasks virtual memory size and
1057 : : * numa_balancing_scan_size.
1058 : : */
1059 : : unsigned int sysctl_numa_balancing_scan_period_min = 1000;
1060 : : unsigned int sysctl_numa_balancing_scan_period_max = 60000;
1061 : :
1062 : : /* Portion of address space to scan in MB */
1063 : : unsigned int sysctl_numa_balancing_scan_size = 256;
1064 : :
1065 : : /* Scan @scan_size MB every @scan_period after an initial @scan_delay in ms */
1066 : : unsigned int sysctl_numa_balancing_scan_delay = 1000;
1067 : :
1068 : : struct numa_group {
1069 : : refcount_t refcount;
1070 : :
1071 : : spinlock_t lock; /* nr_tasks, tasks */
1072 : : int nr_tasks;
1073 : : pid_t gid;
1074 : : int active_nodes;
1075 : :
1076 : : struct rcu_head rcu;
1077 : : unsigned long total_faults;
1078 : : unsigned long max_faults_cpu;
1079 : : /*
1080 : : * Faults_cpu is used to decide whether memory should move
1081 : : * towards the CPU. As a consequence, these stats are weighted
1082 : : * more by CPU use than by memory faults.
1083 : : */
1084 : : unsigned long *faults_cpu;
1085 : : unsigned long faults[0];
1086 : : };
1087 : :
1088 : : /*
1089 : : * For functions that can be called in multiple contexts that permit reading
1090 : : * ->numa_group (see struct task_struct for locking rules).
1091 : : */
1092 : : static struct numa_group *deref_task_numa_group(struct task_struct *p)
1093 : : {
1094 : : return rcu_dereference_check(p->numa_group, p == current ||
1095 : : (lockdep_is_held(&task_rq(p)->lock) && !READ_ONCE(p->on_cpu)));
1096 : : }
1097 : :
1098 : : static struct numa_group *deref_curr_numa_group(struct task_struct *p)
1099 : : {
1100 : : return rcu_dereference_protected(p->numa_group, p == current);
1101 : : }
1102 : :
1103 : : static inline unsigned long group_faults_priv(struct numa_group *ng);
1104 : : static inline unsigned long group_faults_shared(struct numa_group *ng);
1105 : :
1106 : : static unsigned int task_nr_scan_windows(struct task_struct *p)
1107 : : {
1108 : : unsigned long rss = 0;
1109 : : unsigned long nr_scan_pages;
1110 : :
1111 : : /*
1112 : : * Calculations based on RSS as non-present and empty pages are skipped
1113 : : * by the PTE scanner and NUMA hinting faults should be trapped based
1114 : : * on resident pages
1115 : : */
1116 : : nr_scan_pages = sysctl_numa_balancing_scan_size << (20 - PAGE_SHIFT);
1117 : : rss = get_mm_rss(p->mm);
1118 : : if (!rss)
1119 : : rss = nr_scan_pages;
1120 : :
1121 : : rss = round_up(rss, nr_scan_pages);
1122 : : return rss / nr_scan_pages;
1123 : : }
1124 : :
1125 : : /* For sanitys sake, never scan more PTEs than MAX_SCAN_WINDOW MB/sec. */
1126 : : #define MAX_SCAN_WINDOW 2560
1127 : :
1128 : : static unsigned int task_scan_min(struct task_struct *p)
1129 : : {
1130 : : unsigned int scan_size = READ_ONCE(sysctl_numa_balancing_scan_size);
1131 : : unsigned int scan, floor;
1132 : : unsigned int windows = 1;
1133 : :
1134 : : if (scan_size < MAX_SCAN_WINDOW)
1135 : : windows = MAX_SCAN_WINDOW / scan_size;
1136 : : floor = 1000 / windows;
1137 : :
1138 : : scan = sysctl_numa_balancing_scan_period_min / task_nr_scan_windows(p);
1139 : : return max_t(unsigned int, floor, scan);
1140 : : }
1141 : :
1142 : : static unsigned int task_scan_start(struct task_struct *p)
1143 : : {
1144 : : unsigned long smin = task_scan_min(p);
1145 : : unsigned long period = smin;
1146 : : struct numa_group *ng;
1147 : :
1148 : : /* Scale the maximum scan period with the amount of shared memory. */
1149 : : rcu_read_lock();
1150 : : ng = rcu_dereference(p->numa_group);
1151 : : if (ng) {
1152 : : unsigned long shared = group_faults_shared(ng);
1153 : : unsigned long private = group_faults_priv(ng);
1154 : :
1155 : : period *= refcount_read(&ng->refcount);
1156 : : period *= shared + 1;
1157 : : period /= private + shared + 1;
1158 : : }
1159 : : rcu_read_unlock();
1160 : :
1161 : : return max(smin, period);
1162 : : }
1163 : :
1164 : : static unsigned int task_scan_max(struct task_struct *p)
1165 : : {
1166 : : unsigned long smin = task_scan_min(p);
1167 : : unsigned long smax;
1168 : : struct numa_group *ng;
1169 : :
1170 : : /* Watch for min being lower than max due to floor calculations */
1171 : : smax = sysctl_numa_balancing_scan_period_max / task_nr_scan_windows(p);
1172 : :
1173 : : /* Scale the maximum scan period with the amount of shared memory. */
1174 : : ng = deref_curr_numa_group(p);
1175 : : if (ng) {
1176 : : unsigned long shared = group_faults_shared(ng);
1177 : : unsigned long private = group_faults_priv(ng);
1178 : : unsigned long period = smax;
1179 : :
1180 : : period *= refcount_read(&ng->refcount);
1181 : : period *= shared + 1;
1182 : : period /= private + shared + 1;
1183 : :
1184 : : smax = max(smax, period);
1185 : : }
1186 : :
1187 : : return max(smin, smax);
1188 : : }
1189 : :
1190 : : static void account_numa_enqueue(struct rq *rq, struct task_struct *p)
1191 : : {
1192 : : rq->nr_numa_running += (p->numa_preferred_nid != NUMA_NO_NODE);
1193 : : rq->nr_preferred_running += (p->numa_preferred_nid == task_node(p));
1194 : : }
1195 : :
1196 : : static void account_numa_dequeue(struct rq *rq, struct task_struct *p)
1197 : : {
1198 : : rq->nr_numa_running -= (p->numa_preferred_nid != NUMA_NO_NODE);
1199 : : rq->nr_preferred_running -= (p->numa_preferred_nid == task_node(p));
1200 : : }
1201 : :
1202 : : /* Shared or private faults. */
1203 : : #define NR_NUMA_HINT_FAULT_TYPES 2
1204 : :
1205 : : /* Memory and CPU locality */
1206 : : #define NR_NUMA_HINT_FAULT_STATS (NR_NUMA_HINT_FAULT_TYPES * 2)
1207 : :
1208 : : /* Averaged statistics, and temporary buffers. */
1209 : : #define NR_NUMA_HINT_FAULT_BUCKETS (NR_NUMA_HINT_FAULT_STATS * 2)
1210 : :
1211 : : pid_t task_numa_group_id(struct task_struct *p)
1212 : : {
1213 : : struct numa_group *ng;
1214 : : pid_t gid = 0;
1215 : :
1216 : : rcu_read_lock();
1217 : : ng = rcu_dereference(p->numa_group);
1218 : : if (ng)
1219 : : gid = ng->gid;
1220 : : rcu_read_unlock();
1221 : :
1222 : : return gid;
1223 : : }
1224 : :
1225 : : /*
1226 : : * The averaged statistics, shared & private, memory & CPU,
1227 : : * occupy the first half of the array. The second half of the
1228 : : * array is for current counters, which are averaged into the
1229 : : * first set by task_numa_placement.
1230 : : */
1231 : : static inline int task_faults_idx(enum numa_faults_stats s, int nid, int priv)
1232 : : {
1233 : : return NR_NUMA_HINT_FAULT_TYPES * (s * nr_node_ids + nid) + priv;
1234 : : }
1235 : :
1236 : : static inline unsigned long task_faults(struct task_struct *p, int nid)
1237 : : {
1238 : : if (!p->numa_faults)
1239 : : return 0;
1240 : :
1241 : : return p->numa_faults[task_faults_idx(NUMA_MEM, nid, 0)] +
1242 : : p->numa_faults[task_faults_idx(NUMA_MEM, nid, 1)];
1243 : : }
1244 : :
1245 : : static inline unsigned long group_faults(struct task_struct *p, int nid)
1246 : : {
1247 : : struct numa_group *ng = deref_task_numa_group(p);
1248 : :
1249 : : if (!ng)
1250 : : return 0;
1251 : :
1252 : : return ng->faults[task_faults_idx(NUMA_MEM, nid, 0)] +
1253 : : ng->faults[task_faults_idx(NUMA_MEM, nid, 1)];
1254 : : }
1255 : :
1256 : : static inline unsigned long group_faults_cpu(struct numa_group *group, int nid)
1257 : : {
1258 : : return group->faults_cpu[task_faults_idx(NUMA_MEM, nid, 0)] +
1259 : : group->faults_cpu[task_faults_idx(NUMA_MEM, nid, 1)];
1260 : : }
1261 : :
1262 : : static inline unsigned long group_faults_priv(struct numa_group *ng)
1263 : : {
1264 : : unsigned long faults = 0;
1265 : : int node;
1266 : :
1267 : : for_each_online_node(node) {
1268 : : faults += ng->faults[task_faults_idx(NUMA_MEM, node, 1)];
1269 : : }
1270 : :
1271 : : return faults;
1272 : : }
1273 : :
1274 : : static inline unsigned long group_faults_shared(struct numa_group *ng)
1275 : : {
1276 : : unsigned long faults = 0;
1277 : : int node;
1278 : :
1279 : : for_each_online_node(node) {
1280 : : faults += ng->faults[task_faults_idx(NUMA_MEM, node, 0)];
1281 : : }
1282 : :
1283 : : return faults;
1284 : : }
1285 : :
1286 : : /*
1287 : : * A node triggering more than 1/3 as many NUMA faults as the maximum is
1288 : : * considered part of a numa group's pseudo-interleaving set. Migrations
1289 : : * between these nodes are slowed down, to allow things to settle down.
1290 : : */
1291 : : #define ACTIVE_NODE_FRACTION 3
1292 : :
1293 : : static bool numa_is_active_node(int nid, struct numa_group *ng)
1294 : : {
1295 : : return group_faults_cpu(ng, nid) * ACTIVE_NODE_FRACTION > ng->max_faults_cpu;
1296 : : }
1297 : :
1298 : : /* Handle placement on systems where not all nodes are directly connected. */
1299 : : static unsigned long score_nearby_nodes(struct task_struct *p, int nid,
1300 : : int maxdist, bool task)
1301 : : {
1302 : : unsigned long score = 0;
1303 : : int node;
1304 : :
1305 : : /*
1306 : : * All nodes are directly connected, and the same distance
1307 : : * from each other. No need for fancy placement algorithms.
1308 : : */
1309 : : if (sched_numa_topology_type == NUMA_DIRECT)
1310 : : return 0;
1311 : :
1312 : : /*
1313 : : * This code is called for each node, introducing N^2 complexity,
1314 : : * which should be ok given the number of nodes rarely exceeds 8.
1315 : : */
1316 : : for_each_online_node(node) {
1317 : : unsigned long faults;
1318 : : int dist = node_distance(nid, node);
1319 : :
1320 : : /*
1321 : : * The furthest away nodes in the system are not interesting
1322 : : * for placement; nid was already counted.
1323 : : */
1324 : : if (dist == sched_max_numa_distance || node == nid)
1325 : : continue;
1326 : :
1327 : : /*
1328 : : * On systems with a backplane NUMA topology, compare groups
1329 : : * of nodes, and move tasks towards the group with the most
1330 : : * memory accesses. When comparing two nodes at distance
1331 : : * "hoplimit", only nodes closer by than "hoplimit" are part
1332 : : * of each group. Skip other nodes.
1333 : : */
1334 : : if (sched_numa_topology_type == NUMA_BACKPLANE &&
1335 : : dist >= maxdist)
1336 : : continue;
1337 : :
1338 : : /* Add up the faults from nearby nodes. */
1339 : : if (task)
1340 : : faults = task_faults(p, node);
1341 : : else
1342 : : faults = group_faults(p, node);
1343 : :
1344 : : /*
1345 : : * On systems with a glueless mesh NUMA topology, there are
1346 : : * no fixed "groups of nodes". Instead, nodes that are not
1347 : : * directly connected bounce traffic through intermediate
1348 : : * nodes; a numa_group can occupy any set of nodes.
1349 : : * The further away a node is, the less the faults count.
1350 : : * This seems to result in good task placement.
1351 : : */
1352 : : if (sched_numa_topology_type == NUMA_GLUELESS_MESH) {
1353 : : faults *= (sched_max_numa_distance - dist);
1354 : : faults /= (sched_max_numa_distance - LOCAL_DISTANCE);
1355 : : }
1356 : :
1357 : : score += faults;
1358 : : }
1359 : :
1360 : : return score;
1361 : : }
1362 : :
1363 : : /*
1364 : : * These return the fraction of accesses done by a particular task, or
1365 : : * task group, on a particular numa node. The group weight is given a
1366 : : * larger multiplier, in order to group tasks together that are almost
1367 : : * evenly spread out between numa nodes.
1368 : : */
1369 : : static inline unsigned long task_weight(struct task_struct *p, int nid,
1370 : : int dist)
1371 : : {
1372 : : unsigned long faults, total_faults;
1373 : :
1374 : : if (!p->numa_faults)
1375 : : return 0;
1376 : :
1377 : : total_faults = p->total_numa_faults;
1378 : :
1379 : : if (!total_faults)
1380 : : return 0;
1381 : :
1382 : : faults = task_faults(p, nid);
1383 : : faults += score_nearby_nodes(p, nid, dist, true);
1384 : :
1385 : : return 1000 * faults / total_faults;
1386 : : }
1387 : :
1388 : : static inline unsigned long group_weight(struct task_struct *p, int nid,
1389 : : int dist)
1390 : : {
1391 : : struct numa_group *ng = deref_task_numa_group(p);
1392 : : unsigned long faults, total_faults;
1393 : :
1394 : : if (!ng)
1395 : : return 0;
1396 : :
1397 : : total_faults = ng->total_faults;
1398 : :
1399 : : if (!total_faults)
1400 : : return 0;
1401 : :
1402 : : faults = group_faults(p, nid);
1403 : : faults += score_nearby_nodes(p, nid, dist, false);
1404 : :
1405 : : return 1000 * faults / total_faults;
1406 : : }
1407 : :
1408 : : bool should_numa_migrate_memory(struct task_struct *p, struct page * page,
1409 : : int src_nid, int dst_cpu)
1410 : : {
1411 : : struct numa_group *ng = deref_curr_numa_group(p);
1412 : : int dst_nid = cpu_to_node(dst_cpu);
1413 : : int last_cpupid, this_cpupid;
1414 : :
1415 : : this_cpupid = cpu_pid_to_cpupid(dst_cpu, current->pid);
1416 : : last_cpupid = page_cpupid_xchg_last(page, this_cpupid);
1417 : :
1418 : : /*
1419 : : * Allow first faults or private faults to migrate immediately early in
1420 : : * the lifetime of a task. The magic number 4 is based on waiting for
1421 : : * two full passes of the "multi-stage node selection" test that is
1422 : : * executed below.
1423 : : */
1424 : : if ((p->numa_preferred_nid == NUMA_NO_NODE || p->numa_scan_seq <= 4) &&
1425 : : (cpupid_pid_unset(last_cpupid) || cpupid_match_pid(p, last_cpupid)))
1426 : : return true;
1427 : :
1428 : : /*
1429 : : * Multi-stage node selection is used in conjunction with a periodic
1430 : : * migration fault to build a temporal task<->page relation. By using
1431 : : * a two-stage filter we remove short/unlikely relations.
1432 : : *
1433 : : * Using P(p) ~ n_p / n_t as per frequentist probability, we can equate
1434 : : * a task's usage of a particular page (n_p) per total usage of this
1435 : : * page (n_t) (in a given time-span) to a probability.
1436 : : *
1437 : : * Our periodic faults will sample this probability and getting the
1438 : : * same result twice in a row, given these samples are fully
1439 : : * independent, is then given by P(n)^2, provided our sample period
1440 : : * is sufficiently short compared to the usage pattern.
1441 : : *
1442 : : * This quadric squishes small probabilities, making it less likely we
1443 : : * act on an unlikely task<->page relation.
1444 : : */
1445 : : if (!cpupid_pid_unset(last_cpupid) &&
1446 : : cpupid_to_nid(last_cpupid) != dst_nid)
1447 : : return false;
1448 : :
1449 : : /* Always allow migrate on private faults */
1450 : : if (cpupid_match_pid(p, last_cpupid))
1451 : : return true;
1452 : :
1453 : : /* A shared fault, but p->numa_group has not been set up yet. */
1454 : : if (!ng)
1455 : : return true;
1456 : :
1457 : : /*
1458 : : * Destination node is much more heavily used than the source
1459 : : * node? Allow migration.
1460 : : */
1461 : : if (group_faults_cpu(ng, dst_nid) > group_faults_cpu(ng, src_nid) *
1462 : : ACTIVE_NODE_FRACTION)
1463 : : return true;
1464 : :
1465 : : /*
1466 : : * Distribute memory according to CPU & memory use on each node,
1467 : : * with 3/4 hysteresis to avoid unnecessary memory migrations:
1468 : : *
1469 : : * faults_cpu(dst) 3 faults_cpu(src)
1470 : : * --------------- * - > ---------------
1471 : : * faults_mem(dst) 4 faults_mem(src)
1472 : : */
1473 : : return group_faults_cpu(ng, dst_nid) * group_faults(p, src_nid) * 3 >
1474 : : group_faults_cpu(ng, src_nid) * group_faults(p, dst_nid) * 4;
1475 : : }
1476 : :
1477 : : static unsigned long cpu_runnable_load(struct rq *rq);
1478 : :
1479 : : /* Cached statistics for all CPUs within a node */
1480 : : struct numa_stats {
1481 : : unsigned long load;
1482 : :
1483 : : /* Total compute capacity of CPUs on a node */
1484 : : unsigned long compute_capacity;
1485 : : };
1486 : :
1487 : : /*
1488 : : * XXX borrowed from update_sg_lb_stats
1489 : : */
1490 : : static void update_numa_stats(struct numa_stats *ns, int nid)
1491 : : {
1492 : : int cpu;
1493 : :
1494 : : memset(ns, 0, sizeof(*ns));
1495 : : for_each_cpu(cpu, cpumask_of_node(nid)) {
1496 : : struct rq *rq = cpu_rq(cpu);
1497 : :
1498 : : ns->load += cpu_runnable_load(rq);
1499 : : ns->compute_capacity += capacity_of(cpu);
1500 : : }
1501 : :
1502 : : }
1503 : :
1504 : : struct task_numa_env {
1505 : : struct task_struct *p;
1506 : :
1507 : : int src_cpu, src_nid;
1508 : : int dst_cpu, dst_nid;
1509 : :
1510 : : struct numa_stats src_stats, dst_stats;
1511 : :
1512 : : int imbalance_pct;
1513 : : int dist;
1514 : :
1515 : : struct task_struct *best_task;
1516 : : long best_imp;
1517 : : int best_cpu;
1518 : : };
1519 : :
1520 : : static void task_numa_assign(struct task_numa_env *env,
1521 : : struct task_struct *p, long imp)
1522 : : {
1523 : : struct rq *rq = cpu_rq(env->dst_cpu);
1524 : :
1525 : : /* Bail out if run-queue part of active NUMA balance. */
1526 : : if (xchg(&rq->numa_migrate_on, 1))
1527 : : return;
1528 : :
1529 : : /*
1530 : : * Clear previous best_cpu/rq numa-migrate flag, since task now
1531 : : * found a better CPU to move/swap.
1532 : : */
1533 : : if (env->best_cpu != -1) {
1534 : : rq = cpu_rq(env->best_cpu);
1535 : : WRITE_ONCE(rq->numa_migrate_on, 0);
1536 : : }
1537 : :
1538 : : if (env->best_task)
1539 : : put_task_struct(env->best_task);
1540 : : if (p)
1541 : : get_task_struct(p);
1542 : :
1543 : : env->best_task = p;
1544 : : env->best_imp = imp;
1545 : : env->best_cpu = env->dst_cpu;
1546 : : }
1547 : :
1548 : : static bool load_too_imbalanced(long src_load, long dst_load,
1549 : : struct task_numa_env *env)
1550 : : {
1551 : : long imb, old_imb;
1552 : : long orig_src_load, orig_dst_load;
1553 : : long src_capacity, dst_capacity;
1554 : :
1555 : : /*
1556 : : * The load is corrected for the CPU capacity available on each node.
1557 : : *
1558 : : * src_load dst_load
1559 : : * ------------ vs ---------
1560 : : * src_capacity dst_capacity
1561 : : */
1562 : : src_capacity = env->src_stats.compute_capacity;
1563 : : dst_capacity = env->dst_stats.compute_capacity;
1564 : :
1565 : : imb = abs(dst_load * src_capacity - src_load * dst_capacity);
1566 : :
1567 : : orig_src_load = env->src_stats.load;
1568 : : orig_dst_load = env->dst_stats.load;
1569 : :
1570 : : old_imb = abs(orig_dst_load * src_capacity - orig_src_load * dst_capacity);
1571 : :
1572 : : /* Would this change make things worse? */
1573 : : return (imb > old_imb);
1574 : : }
1575 : :
1576 : : /*
1577 : : * Maximum NUMA importance can be 1998 (2*999);
1578 : : * SMALLIMP @ 30 would be close to 1998/64.
1579 : : * Used to deter task migration.
1580 : : */
1581 : : #define SMALLIMP 30
1582 : :
1583 : : /*
1584 : : * This checks if the overall compute and NUMA accesses of the system would
1585 : : * be improved if the source tasks was migrated to the target dst_cpu taking
1586 : : * into account that it might be best if task running on the dst_cpu should
1587 : : * be exchanged with the source task
1588 : : */
1589 : : static void task_numa_compare(struct task_numa_env *env,
1590 : : long taskimp, long groupimp, bool maymove)
1591 : : {
1592 : : struct numa_group *cur_ng, *p_ng = deref_curr_numa_group(env->p);
1593 : : struct rq *dst_rq = cpu_rq(env->dst_cpu);
1594 : : long imp = p_ng ? groupimp : taskimp;
1595 : : struct task_struct *cur;
1596 : : long src_load, dst_load;
1597 : : int dist = env->dist;
1598 : : long moveimp = imp;
1599 : : long load;
1600 : :
1601 : : if (READ_ONCE(dst_rq->numa_migrate_on))
1602 : : return;
1603 : :
1604 : : rcu_read_lock();
1605 : : cur = rcu_dereference(dst_rq->curr);
1606 : : if (cur && ((cur->flags & PF_EXITING) || is_idle_task(cur)))
1607 : : cur = NULL;
1608 : :
1609 : : /*
1610 : : * Because we have preemption enabled we can get migrated around and
1611 : : * end try selecting ourselves (current == env->p) as a swap candidate.
1612 : : */
1613 : : if (cur == env->p)
1614 : : goto unlock;
1615 : :
1616 : : if (!cur) {
1617 : : if (maymove && moveimp >= env->best_imp)
1618 : : goto assign;
1619 : : else
1620 : : goto unlock;
1621 : : }
1622 : :
1623 : : /*
1624 : : * "imp" is the fault differential for the source task between the
1625 : : * source and destination node. Calculate the total differential for
1626 : : * the source task and potential destination task. The more negative
1627 : : * the value is, the more remote accesses that would be expected to
1628 : : * be incurred if the tasks were swapped.
1629 : : */
1630 : : /* Skip this swap candidate if cannot move to the source cpu */
1631 : : if (!cpumask_test_cpu(env->src_cpu, cur->cpus_ptr))
1632 : : goto unlock;
1633 : :
1634 : : /*
1635 : : * If dst and source tasks are in the same NUMA group, or not
1636 : : * in any group then look only at task weights.
1637 : : */
1638 : : cur_ng = rcu_dereference(cur->numa_group);
1639 : : if (cur_ng == p_ng) {
1640 : : imp = taskimp + task_weight(cur, env->src_nid, dist) -
1641 : : task_weight(cur, env->dst_nid, dist);
1642 : : /*
1643 : : * Add some hysteresis to prevent swapping the
1644 : : * tasks within a group over tiny differences.
1645 : : */
1646 : : if (cur_ng)
1647 : : imp -= imp / 16;
1648 : : } else {
1649 : : /*
1650 : : * Compare the group weights. If a task is all by itself
1651 : : * (not part of a group), use the task weight instead.
1652 : : */
1653 : : if (cur_ng && p_ng)
1654 : : imp += group_weight(cur, env->src_nid, dist) -
1655 : : group_weight(cur, env->dst_nid, dist);
1656 : : else
1657 : : imp += task_weight(cur, env->src_nid, dist) -
1658 : : task_weight(cur, env->dst_nid, dist);
1659 : : }
1660 : :
1661 : : if (maymove && moveimp > imp && moveimp > env->best_imp) {
1662 : : imp = moveimp;
1663 : : cur = NULL;
1664 : : goto assign;
1665 : : }
1666 : :
1667 : : /*
1668 : : * If the NUMA importance is less than SMALLIMP,
1669 : : * task migration might only result in ping pong
1670 : : * of tasks and also hurt performance due to cache
1671 : : * misses.
1672 : : */
1673 : : if (imp < SMALLIMP || imp <= env->best_imp + SMALLIMP / 2)
1674 : : goto unlock;
1675 : :
1676 : : /*
1677 : : * In the overloaded case, try and keep the load balanced.
1678 : : */
1679 : : load = task_h_load(env->p) - task_h_load(cur);
1680 : : if (!load)
1681 : : goto assign;
1682 : :
1683 : : dst_load = env->dst_stats.load + load;
1684 : : src_load = env->src_stats.load - load;
1685 : :
1686 : : if (load_too_imbalanced(src_load, dst_load, env))
1687 : : goto unlock;
1688 : :
1689 : : assign:
1690 : : /*
1691 : : * One idle CPU per node is evaluated for a task numa move.
1692 : : * Call select_idle_sibling to maybe find a better one.
1693 : : */
1694 : : if (!cur) {
1695 : : /*
1696 : : * select_idle_siblings() uses an per-CPU cpumask that
1697 : : * can be used from IRQ context.
1698 : : */
1699 : : local_irq_disable();
1700 : : env->dst_cpu = select_idle_sibling(env->p, env->src_cpu,
1701 : : env->dst_cpu);
1702 : : local_irq_enable();
1703 : : }
1704 : :
1705 : : task_numa_assign(env, cur, imp);
1706 : : unlock:
1707 : : rcu_read_unlock();
1708 : : }
1709 : :
1710 : : static void task_numa_find_cpu(struct task_numa_env *env,
1711 : : long taskimp, long groupimp)
1712 : : {
1713 : : long src_load, dst_load, load;
1714 : : bool maymove = false;
1715 : : int cpu;
1716 : :
1717 : : load = task_h_load(env->p);
1718 : : dst_load = env->dst_stats.load + load;
1719 : : src_load = env->src_stats.load - load;
1720 : :
1721 : : /*
1722 : : * If the improvement from just moving env->p direction is better
1723 : : * than swapping tasks around, check if a move is possible.
1724 : : */
1725 : : maymove = !load_too_imbalanced(src_load, dst_load, env);
1726 : :
1727 : : for_each_cpu(cpu, cpumask_of_node(env->dst_nid)) {
1728 : : /* Skip this CPU if the source task cannot migrate */
1729 : : if (!cpumask_test_cpu(cpu, env->p->cpus_ptr))
1730 : : continue;
1731 : :
1732 : : env->dst_cpu = cpu;
1733 : : task_numa_compare(env, taskimp, groupimp, maymove);
1734 : : }
1735 : : }
1736 : :
1737 : : static int task_numa_migrate(struct task_struct *p)
1738 : : {
1739 : : struct task_numa_env env = {
1740 : : .p = p,
1741 : :
1742 : : .src_cpu = task_cpu(p),
1743 : : .src_nid = task_node(p),
1744 : :
1745 : : .imbalance_pct = 112,
1746 : :
1747 : : .best_task = NULL,
1748 : : .best_imp = 0,
1749 : : .best_cpu = -1,
1750 : : };
1751 : : unsigned long taskweight, groupweight;
1752 : : struct sched_domain *sd;
1753 : : long taskimp, groupimp;
1754 : : struct numa_group *ng;
1755 : : struct rq *best_rq;
1756 : : int nid, ret, dist;
1757 : :
1758 : : /*
1759 : : * Pick the lowest SD_NUMA domain, as that would have the smallest
1760 : : * imbalance and would be the first to start moving tasks about.
1761 : : *
1762 : : * And we want to avoid any moving of tasks about, as that would create
1763 : : * random movement of tasks -- counter the numa conditions we're trying
1764 : : * to satisfy here.
1765 : : */
1766 : : rcu_read_lock();
1767 : : sd = rcu_dereference(per_cpu(sd_numa, env.src_cpu));
1768 : : if (sd)
1769 : : env.imbalance_pct = 100 + (sd->imbalance_pct - 100) / 2;
1770 : : rcu_read_unlock();
1771 : :
1772 : : /*
1773 : : * Cpusets can break the scheduler domain tree into smaller
1774 : : * balance domains, some of which do not cross NUMA boundaries.
1775 : : * Tasks that are "trapped" in such domains cannot be migrated
1776 : : * elsewhere, so there is no point in (re)trying.
1777 : : */
1778 : : if (unlikely(!sd)) {
1779 : : sched_setnuma(p, task_node(p));
1780 : : return -EINVAL;
1781 : : }
1782 : :
1783 : : env.dst_nid = p->numa_preferred_nid;
1784 : : dist = env.dist = node_distance(env.src_nid, env.dst_nid);
1785 : : taskweight = task_weight(p, env.src_nid, dist);
1786 : : groupweight = group_weight(p, env.src_nid, dist);
1787 : : update_numa_stats(&env.src_stats, env.src_nid);
1788 : : taskimp = task_weight(p, env.dst_nid, dist) - taskweight;
1789 : : groupimp = group_weight(p, env.dst_nid, dist) - groupweight;
1790 : : update_numa_stats(&env.dst_stats, env.dst_nid);
1791 : :
1792 : : /* Try to find a spot on the preferred nid. */
1793 : : task_numa_find_cpu(&env, taskimp, groupimp);
1794 : :
1795 : : /*
1796 : : * Look at other nodes in these cases:
1797 : : * - there is no space available on the preferred_nid
1798 : : * - the task is part of a numa_group that is interleaved across
1799 : : * multiple NUMA nodes; in order to better consolidate the group,
1800 : : * we need to check other locations.
1801 : : */
1802 : : ng = deref_curr_numa_group(p);
1803 : : if (env.best_cpu == -1 || (ng && ng->active_nodes > 1)) {
1804 : : for_each_online_node(nid) {
1805 : : if (nid == env.src_nid || nid == p->numa_preferred_nid)
1806 : : continue;
1807 : :
1808 : : dist = node_distance(env.src_nid, env.dst_nid);
1809 : : if (sched_numa_topology_type == NUMA_BACKPLANE &&
1810 : : dist != env.dist) {
1811 : : taskweight = task_weight(p, env.src_nid, dist);
1812 : : groupweight = group_weight(p, env.src_nid, dist);
1813 : : }
1814 : :
1815 : : /* Only consider nodes where both task and groups benefit */
1816 : : taskimp = task_weight(p, nid, dist) - taskweight;
1817 : : groupimp = group_weight(p, nid, dist) - groupweight;
1818 : : if (taskimp < 0 && groupimp < 0)
1819 : : continue;
1820 : :
1821 : : env.dist = dist;
1822 : : env.dst_nid = nid;
1823 : : update_numa_stats(&env.dst_stats, env.dst_nid);
1824 : : task_numa_find_cpu(&env, taskimp, groupimp);
1825 : : }
1826 : : }
1827 : :
1828 : : /*
1829 : : * If the task is part of a workload that spans multiple NUMA nodes,
1830 : : * and is migrating into one of the workload's active nodes, remember
1831 : : * this node as the task's preferred numa node, so the workload can
1832 : : * settle down.
1833 : : * A task that migrated to a second choice node will be better off
1834 : : * trying for a better one later. Do not set the preferred node here.
1835 : : */
1836 : : if (ng) {
1837 : : if (env.best_cpu == -1)
1838 : : nid = env.src_nid;
1839 : : else
1840 : : nid = cpu_to_node(env.best_cpu);
1841 : :
1842 : : if (nid != p->numa_preferred_nid)
1843 : : sched_setnuma(p, nid);
1844 : : }
1845 : :
1846 : : /* No better CPU than the current one was found. */
1847 : : if (env.best_cpu == -1)
1848 : : return -EAGAIN;
1849 : :
1850 : : best_rq = cpu_rq(env.best_cpu);
1851 : : if (env.best_task == NULL) {
1852 : : ret = migrate_task_to(p, env.best_cpu);
1853 : : WRITE_ONCE(best_rq->numa_migrate_on, 0);
1854 : : if (ret != 0)
1855 : : trace_sched_stick_numa(p, env.src_cpu, env.best_cpu);
1856 : : return ret;
1857 : : }
1858 : :
1859 : : ret = migrate_swap(p, env.best_task, env.best_cpu, env.src_cpu);
1860 : : WRITE_ONCE(best_rq->numa_migrate_on, 0);
1861 : :
1862 : : if (ret != 0)
1863 : : trace_sched_stick_numa(p, env.src_cpu, task_cpu(env.best_task));
1864 : : put_task_struct(env.best_task);
1865 : : return ret;
1866 : : }
1867 : :
1868 : : /* Attempt to migrate a task to a CPU on the preferred node. */
1869 : : static void numa_migrate_preferred(struct task_struct *p)
1870 : : {
1871 : : unsigned long interval = HZ;
1872 : :
1873 : : /* This task has no NUMA fault statistics yet */
1874 : : if (unlikely(p->numa_preferred_nid == NUMA_NO_NODE || !p->numa_faults))
1875 : : return;
1876 : :
1877 : : /* Periodically retry migrating the task to the preferred node */
1878 : : interval = min(interval, msecs_to_jiffies(p->numa_scan_period) / 16);
1879 : : p->numa_migrate_retry = jiffies + interval;
1880 : :
1881 : : /* Success if task is already running on preferred CPU */
1882 : : if (task_node(p) == p->numa_preferred_nid)
1883 : : return;
1884 : :
1885 : : /* Otherwise, try migrate to a CPU on the preferred node */
1886 : : task_numa_migrate(p);
1887 : : }
1888 : :
1889 : : /*
1890 : : * Find out how many nodes on the workload is actively running on. Do this by
1891 : : * tracking the nodes from which NUMA hinting faults are triggered. This can
1892 : : * be different from the set of nodes where the workload's memory is currently
1893 : : * located.
1894 : : */
1895 : : static void numa_group_count_active_nodes(struct numa_group *numa_group)
1896 : : {
1897 : : unsigned long faults, max_faults = 0;
1898 : : int nid, active_nodes = 0;
1899 : :
1900 : : for_each_online_node(nid) {
1901 : : faults = group_faults_cpu(numa_group, nid);
1902 : : if (faults > max_faults)
1903 : : max_faults = faults;
1904 : : }
1905 : :
1906 : : for_each_online_node(nid) {
1907 : : faults = group_faults_cpu(numa_group, nid);
1908 : : if (faults * ACTIVE_NODE_FRACTION > max_faults)
1909 : : active_nodes++;
1910 : : }
1911 : :
1912 : : numa_group->max_faults_cpu = max_faults;
1913 : : numa_group->active_nodes = active_nodes;
1914 : : }
1915 : :
1916 : : /*
1917 : : * When adapting the scan rate, the period is divided into NUMA_PERIOD_SLOTS
1918 : : * increments. The more local the fault statistics are, the higher the scan
1919 : : * period will be for the next scan window. If local/(local+remote) ratio is
1920 : : * below NUMA_PERIOD_THRESHOLD (where range of ratio is 1..NUMA_PERIOD_SLOTS)
1921 : : * the scan period will decrease. Aim for 70% local accesses.
1922 : : */
1923 : : #define NUMA_PERIOD_SLOTS 10
1924 : : #define NUMA_PERIOD_THRESHOLD 7
1925 : :
1926 : : /*
1927 : : * Increase the scan period (slow down scanning) if the majority of
1928 : : * our memory is already on our local node, or if the majority of
1929 : : * the page accesses are shared with other processes.
1930 : : * Otherwise, decrease the scan period.
1931 : : */
1932 : : static void update_task_scan_period(struct task_struct *p,
1933 : : unsigned long shared, unsigned long private)
1934 : : {
1935 : : unsigned int period_slot;
1936 : : int lr_ratio, ps_ratio;
1937 : : int diff;
1938 : :
1939 : : unsigned long remote = p->numa_faults_locality[0];
1940 : : unsigned long local = p->numa_faults_locality[1];
1941 : :
1942 : : /*
1943 : : * If there were no record hinting faults then either the task is
1944 : : * completely idle or all activity is areas that are not of interest
1945 : : * to automatic numa balancing. Related to that, if there were failed
1946 : : * migration then it implies we are migrating too quickly or the local
1947 : : * node is overloaded. In either case, scan slower
1948 : : */
1949 : : if (local + shared == 0 || p->numa_faults_locality[2]) {
1950 : : p->numa_scan_period = min(p->numa_scan_period_max,
1951 : : p->numa_scan_period << 1);
1952 : :
1953 : : p->mm->numa_next_scan = jiffies +
1954 : : msecs_to_jiffies(p->numa_scan_period);
1955 : :
1956 : : return;
1957 : : }
1958 : :
1959 : : /*
1960 : : * Prepare to scale scan period relative to the current period.
1961 : : * == NUMA_PERIOD_THRESHOLD scan period stays the same
1962 : : * < NUMA_PERIOD_THRESHOLD scan period decreases (scan faster)
1963 : : * >= NUMA_PERIOD_THRESHOLD scan period increases (scan slower)
1964 : : */
1965 : : period_slot = DIV_ROUND_UP(p->numa_scan_period, NUMA_PERIOD_SLOTS);
1966 : : lr_ratio = (local * NUMA_PERIOD_SLOTS) / (local + remote);
1967 : : ps_ratio = (private * NUMA_PERIOD_SLOTS) / (private + shared);
1968 : :
1969 : : if (ps_ratio >= NUMA_PERIOD_THRESHOLD) {
1970 : : /*
1971 : : * Most memory accesses are local. There is no need to
1972 : : * do fast NUMA scanning, since memory is already local.
1973 : : */
1974 : : int slot = ps_ratio - NUMA_PERIOD_THRESHOLD;
1975 : : if (!slot)
1976 : : slot = 1;
1977 : : diff = slot * period_slot;
1978 : : } else if (lr_ratio >= NUMA_PERIOD_THRESHOLD) {
1979 : : /*
1980 : : * Most memory accesses are shared with other tasks.
1981 : : * There is no point in continuing fast NUMA scanning,
1982 : : * since other tasks may just move the memory elsewhere.
1983 : : */
1984 : : int slot = lr_ratio - NUMA_PERIOD_THRESHOLD;
1985 : : if (!slot)
1986 : : slot = 1;
1987 : : diff = slot * period_slot;
1988 : : } else {
1989 : : /*
1990 : : * Private memory faults exceed (SLOTS-THRESHOLD)/SLOTS,
1991 : : * yet they are not on the local NUMA node. Speed up
1992 : : * NUMA scanning to get the memory moved over.
1993 : : */
1994 : : int ratio = max(lr_ratio, ps_ratio);
1995 : : diff = -(NUMA_PERIOD_THRESHOLD - ratio) * period_slot;
1996 : : }
1997 : :
1998 : : p->numa_scan_period = clamp(p->numa_scan_period + diff,
1999 : : task_scan_min(p), task_scan_max(p));
2000 : : memset(p->numa_faults_locality, 0, sizeof(p->numa_faults_locality));
2001 : : }
2002 : :
2003 : : /*
2004 : : * Get the fraction of time the task has been running since the last
2005 : : * NUMA placement cycle. The scheduler keeps similar statistics, but
2006 : : * decays those on a 32ms period, which is orders of magnitude off
2007 : : * from the dozens-of-seconds NUMA balancing period. Use the scheduler
2008 : : * stats only if the task is so new there are no NUMA statistics yet.
2009 : : */
2010 : : static u64 numa_get_avg_runtime(struct task_struct *p, u64 *period)
2011 : : {
2012 : : u64 runtime, delta, now;
2013 : : /* Use the start of this time slice to avoid calculations. */
2014 : : now = p->se.exec_start;
2015 : : runtime = p->se.sum_exec_runtime;
2016 : :
2017 : : if (p->last_task_numa_placement) {
2018 : : delta = runtime - p->last_sum_exec_runtime;
2019 : : *period = now - p->last_task_numa_placement;
2020 : :
2021 : : /* Avoid time going backwards, prevent potential divide error: */
2022 : : if (unlikely((s64)*period < 0))
2023 : : *period = 0;
2024 : : } else {
2025 : : delta = p->se.avg.load_sum;
2026 : : *period = LOAD_AVG_MAX;
2027 : : }
2028 : :
2029 : : p->last_sum_exec_runtime = runtime;
2030 : : p->last_task_numa_placement = now;
2031 : :
2032 : : return delta;
2033 : : }
2034 : :
2035 : : /*
2036 : : * Determine the preferred nid for a task in a numa_group. This needs to
2037 : : * be done in a way that produces consistent results with group_weight,
2038 : : * otherwise workloads might not converge.
2039 : : */
2040 : : static int preferred_group_nid(struct task_struct *p, int nid)
2041 : : {
2042 : : nodemask_t nodes;
2043 : : int dist;
2044 : :
2045 : : /* Direct connections between all NUMA nodes. */
2046 : : if (sched_numa_topology_type == NUMA_DIRECT)
2047 : : return nid;
2048 : :
2049 : : /*
2050 : : * On a system with glueless mesh NUMA topology, group_weight
2051 : : * scores nodes according to the number of NUMA hinting faults on
2052 : : * both the node itself, and on nearby nodes.
2053 : : */
2054 : : if (sched_numa_topology_type == NUMA_GLUELESS_MESH) {
2055 : : unsigned long score, max_score = 0;
2056 : : int node, max_node = nid;
2057 : :
2058 : : dist = sched_max_numa_distance;
2059 : :
2060 : : for_each_online_node(node) {
2061 : : score = group_weight(p, node, dist);
2062 : : if (score > max_score) {
2063 : : max_score = score;
2064 : : max_node = node;
2065 : : }
2066 : : }
2067 : : return max_node;
2068 : : }
2069 : :
2070 : : /*
2071 : : * Finding the preferred nid in a system with NUMA backplane
2072 : : * interconnect topology is more involved. The goal is to locate
2073 : : * tasks from numa_groups near each other in the system, and
2074 : : * untangle workloads from different sides of the system. This requires
2075 : : * searching down the hierarchy of node groups, recursively searching
2076 : : * inside the highest scoring group of nodes. The nodemask tricks
2077 : : * keep the complexity of the search down.
2078 : : */
2079 : : nodes = node_online_map;
2080 : : for (dist = sched_max_numa_distance; dist > LOCAL_DISTANCE; dist--) {
2081 : : unsigned long max_faults = 0;
2082 : : nodemask_t max_group = NODE_MASK_NONE;
2083 : : int a, b;
2084 : :
2085 : : /* Are there nodes at this distance from each other? */
2086 : : if (!find_numa_distance(dist))
2087 : : continue;
2088 : :
2089 : : for_each_node_mask(a, nodes) {
2090 : : unsigned long faults = 0;
2091 : : nodemask_t this_group;
2092 : : nodes_clear(this_group);
2093 : :
2094 : : /* Sum group's NUMA faults; includes a==b case. */
2095 : : for_each_node_mask(b, nodes) {
2096 : : if (node_distance(a, b) < dist) {
2097 : : faults += group_faults(p, b);
2098 : : node_set(b, this_group);
2099 : : node_clear(b, nodes);
2100 : : }
2101 : : }
2102 : :
2103 : : /* Remember the top group. */
2104 : : if (faults > max_faults) {
2105 : : max_faults = faults;
2106 : : max_group = this_group;
2107 : : /*
2108 : : * subtle: at the smallest distance there is
2109 : : * just one node left in each "group", the
2110 : : * winner is the preferred nid.
2111 : : */
2112 : : nid = a;
2113 : : }
2114 : : }
2115 : : /* Next round, evaluate the nodes within max_group. */
2116 : : if (!max_faults)
2117 : : break;
2118 : : nodes = max_group;
2119 : : }
2120 : : return nid;
2121 : : }
2122 : :
2123 : : static void task_numa_placement(struct task_struct *p)
2124 : : {
2125 : : int seq, nid, max_nid = NUMA_NO_NODE;
2126 : : unsigned long max_faults = 0;
2127 : : unsigned long fault_types[2] = { 0, 0 };
2128 : : unsigned long total_faults;
2129 : : u64 runtime, period;
2130 : : spinlock_t *group_lock = NULL;
2131 : : struct numa_group *ng;
2132 : :
2133 : : /*
2134 : : * The p->mm->numa_scan_seq field gets updated without
2135 : : * exclusive access. Use READ_ONCE() here to ensure
2136 : : * that the field is read in a single access:
2137 : : */
2138 : : seq = READ_ONCE(p->mm->numa_scan_seq);
2139 : : if (p->numa_scan_seq == seq)
2140 : : return;
2141 : : p->numa_scan_seq = seq;
2142 : : p->numa_scan_period_max = task_scan_max(p);
2143 : :
2144 : : total_faults = p->numa_faults_locality[0] +
2145 : : p->numa_faults_locality[1];
2146 : : runtime = numa_get_avg_runtime(p, &period);
2147 : :
2148 : : /* If the task is part of a group prevent parallel updates to group stats */
2149 : : ng = deref_curr_numa_group(p);
2150 : : if (ng) {
2151 : : group_lock = &ng->lock;
2152 : : spin_lock_irq(group_lock);
2153 : : }
2154 : :
2155 : : /* Find the node with the highest number of faults */
2156 : : for_each_online_node(nid) {
2157 : : /* Keep track of the offsets in numa_faults array */
2158 : : int mem_idx, membuf_idx, cpu_idx, cpubuf_idx;
2159 : : unsigned long faults = 0, group_faults = 0;
2160 : : int priv;
2161 : :
2162 : : for (priv = 0; priv < NR_NUMA_HINT_FAULT_TYPES; priv++) {
2163 : : long diff, f_diff, f_weight;
2164 : :
2165 : : mem_idx = task_faults_idx(NUMA_MEM, nid, priv);
2166 : : membuf_idx = task_faults_idx(NUMA_MEMBUF, nid, priv);
2167 : : cpu_idx = task_faults_idx(NUMA_CPU, nid, priv);
2168 : : cpubuf_idx = task_faults_idx(NUMA_CPUBUF, nid, priv);
2169 : :
2170 : : /* Decay existing window, copy faults since last scan */
2171 : : diff = p->numa_faults[membuf_idx] - p->numa_faults[mem_idx] / 2;
2172 : : fault_types[priv] += p->numa_faults[membuf_idx];
2173 : : p->numa_faults[membuf_idx] = 0;
2174 : :
2175 : : /*
2176 : : * Normalize the faults_from, so all tasks in a group
2177 : : * count according to CPU use, instead of by the raw
2178 : : * number of faults. Tasks with little runtime have
2179 : : * little over-all impact on throughput, and thus their
2180 : : * faults are less important.
2181 : : */
2182 : : f_weight = div64_u64(runtime << 16, period + 1);
2183 : : f_weight = (f_weight * p->numa_faults[cpubuf_idx]) /
2184 : : (total_faults + 1);
2185 : : f_diff = f_weight - p->numa_faults[cpu_idx] / 2;
2186 : : p->numa_faults[cpubuf_idx] = 0;
2187 : :
2188 : : p->numa_faults[mem_idx] += diff;
2189 : : p->numa_faults[cpu_idx] += f_diff;
2190 : : faults += p->numa_faults[mem_idx];
2191 : : p->total_numa_faults += diff;
2192 : : if (ng) {
2193 : : /*
2194 : : * safe because we can only change our own group
2195 : : *
2196 : : * mem_idx represents the offset for a given
2197 : : * nid and priv in a specific region because it
2198 : : * is at the beginning of the numa_faults array.
2199 : : */
2200 : : ng->faults[mem_idx] += diff;
2201 : : ng->faults_cpu[mem_idx] += f_diff;
2202 : : ng->total_faults += diff;
2203 : : group_faults += ng->faults[mem_idx];
2204 : : }
2205 : : }
2206 : :
2207 : : if (!ng) {
2208 : : if (faults > max_faults) {
2209 : : max_faults = faults;
2210 : : max_nid = nid;
2211 : : }
2212 : : } else if (group_faults > max_faults) {
2213 : : max_faults = group_faults;
2214 : : max_nid = nid;
2215 : : }
2216 : : }
2217 : :
2218 : : if (ng) {
2219 : : numa_group_count_active_nodes(ng);
2220 : : spin_unlock_irq(group_lock);
2221 : : max_nid = preferred_group_nid(p, max_nid);
2222 : : }
2223 : :
2224 : : if (max_faults) {
2225 : : /* Set the new preferred node */
2226 : : if (max_nid != p->numa_preferred_nid)
2227 : : sched_setnuma(p, max_nid);
2228 : : }
2229 : :
2230 : : update_task_scan_period(p, fault_types[0], fault_types[1]);
2231 : : }
2232 : :
2233 : : static inline int get_numa_group(struct numa_group *grp)
2234 : : {
2235 : : return refcount_inc_not_zero(&grp->refcount);
2236 : : }
2237 : :
2238 : : static inline void put_numa_group(struct numa_group *grp)
2239 : : {
2240 : : if (refcount_dec_and_test(&grp->refcount))
2241 : : kfree_rcu(grp, rcu);
2242 : : }
2243 : :
2244 : : static void task_numa_group(struct task_struct *p, int cpupid, int flags,
2245 : : int *priv)
2246 : : {
2247 : : struct numa_group *grp, *my_grp;
2248 : : struct task_struct *tsk;
2249 : : bool join = false;
2250 : : int cpu = cpupid_to_cpu(cpupid);
2251 : : int i;
2252 : :
2253 : : if (unlikely(!deref_curr_numa_group(p))) {
2254 : : unsigned int size = sizeof(struct numa_group) +
2255 : : 4*nr_node_ids*sizeof(unsigned long);
2256 : :
2257 : : grp = kzalloc(size, GFP_KERNEL | __GFP_NOWARN);
2258 : : if (!grp)
2259 : : return;
2260 : :
2261 : : refcount_set(&grp->refcount, 1);
2262 : : grp->active_nodes = 1;
2263 : : grp->max_faults_cpu = 0;
2264 : : spin_lock_init(&grp->lock);
2265 : : grp->gid = p->pid;
2266 : : /* Second half of the array tracks nids where faults happen */
2267 : : grp->faults_cpu = grp->faults + NR_NUMA_HINT_FAULT_TYPES *
2268 : : nr_node_ids;
2269 : :
2270 : : for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++)
2271 : : grp->faults[i] = p->numa_faults[i];
2272 : :
2273 : : grp->total_faults = p->total_numa_faults;
2274 : :
2275 : : grp->nr_tasks++;
2276 : : rcu_assign_pointer(p->numa_group, grp);
2277 : : }
2278 : :
2279 : : rcu_read_lock();
2280 : : tsk = READ_ONCE(cpu_rq(cpu)->curr);
2281 : :
2282 : : if (!cpupid_match_pid(tsk, cpupid))
2283 : : goto no_join;
2284 : :
2285 : : grp = rcu_dereference(tsk->numa_group);
2286 : : if (!grp)
2287 : : goto no_join;
2288 : :
2289 : : my_grp = deref_curr_numa_group(p);
2290 : : if (grp == my_grp)
2291 : : goto no_join;
2292 : :
2293 : : /*
2294 : : * Only join the other group if its bigger; if we're the bigger group,
2295 : : * the other task will join us.
2296 : : */
2297 : : if (my_grp->nr_tasks > grp->nr_tasks)
2298 : : goto no_join;
2299 : :
2300 : : /*
2301 : : * Tie-break on the grp address.
2302 : : */
2303 : : if (my_grp->nr_tasks == grp->nr_tasks && my_grp > grp)
2304 : : goto no_join;
2305 : :
2306 : : /* Always join threads in the same process. */
2307 : : if (tsk->mm == current->mm)
2308 : : join = true;
2309 : :
2310 : : /* Simple filter to avoid false positives due to PID collisions */
2311 : : if (flags & TNF_SHARED)
2312 : : join = true;
2313 : :
2314 : : /* Update priv based on whether false sharing was detected */
2315 : : *priv = !join;
2316 : :
2317 : : if (join && !get_numa_group(grp))
2318 : : goto no_join;
2319 : :
2320 : : rcu_read_unlock();
2321 : :
2322 : : if (!join)
2323 : : return;
2324 : :
2325 : : BUG_ON(irqs_disabled());
2326 : : double_lock_irq(&my_grp->lock, &grp->lock);
2327 : :
2328 : : for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++) {
2329 : : my_grp->faults[i] -= p->numa_faults[i];
2330 : : grp->faults[i] += p->numa_faults[i];
2331 : : }
2332 : : my_grp->total_faults -= p->total_numa_faults;
2333 : : grp->total_faults += p->total_numa_faults;
2334 : :
2335 : : my_grp->nr_tasks--;
2336 : : grp->nr_tasks++;
2337 : :
2338 : : spin_unlock(&my_grp->lock);
2339 : : spin_unlock_irq(&grp->lock);
2340 : :
2341 : : rcu_assign_pointer(p->numa_group, grp);
2342 : :
2343 : : put_numa_group(my_grp);
2344 : : return;
2345 : :
2346 : : no_join:
2347 : : rcu_read_unlock();
2348 : : return;
2349 : : }
2350 : :
2351 : : /*
2352 : : * Get rid of NUMA staticstics associated with a task (either current or dead).
2353 : : * If @final is set, the task is dead and has reached refcount zero, so we can
2354 : : * safely free all relevant data structures. Otherwise, there might be
2355 : : * concurrent reads from places like load balancing and procfs, and we should
2356 : : * reset the data back to default state without freeing ->numa_faults.
2357 : : */
2358 : : void task_numa_free(struct task_struct *p, bool final)
2359 : : {
2360 : : /* safe: p either is current or is being freed by current */
2361 : : struct numa_group *grp = rcu_dereference_raw(p->numa_group);
2362 : : unsigned long *numa_faults = p->numa_faults;
2363 : : unsigned long flags;
2364 : : int i;
2365 : :
2366 : : if (!numa_faults)
2367 : : return;
2368 : :
2369 : : if (grp) {
2370 : : spin_lock_irqsave(&grp->lock, flags);
2371 : : for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++)
2372 : : grp->faults[i] -= p->numa_faults[i];
2373 : : grp->total_faults -= p->total_numa_faults;
2374 : :
2375 : : grp->nr_tasks--;
2376 : : spin_unlock_irqrestore(&grp->lock, flags);
2377 : : RCU_INIT_POINTER(p->numa_group, NULL);
2378 : : put_numa_group(grp);
2379 : : }
2380 : :
2381 : : if (final) {
2382 : : p->numa_faults = NULL;
2383 : : kfree(numa_faults);
2384 : : } else {
2385 : : p->total_numa_faults = 0;
2386 : : for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++)
2387 : : numa_faults[i] = 0;
2388 : : }
2389 : : }
2390 : :
2391 : : /*
2392 : : * Got a PROT_NONE fault for a page on @node.
2393 : : */
2394 : : void task_numa_fault(int last_cpupid, int mem_node, int pages, int flags)
2395 : : {
2396 : : struct task_struct *p = current;
2397 : : bool migrated = flags & TNF_MIGRATED;
2398 : : int cpu_node = task_node(current);
2399 : : int local = !!(flags & TNF_FAULT_LOCAL);
2400 : : struct numa_group *ng;
2401 : : int priv;
2402 : :
2403 : : if (!static_branch_likely(&sched_numa_balancing))
2404 : : return;
2405 : :
2406 : : /* for example, ksmd faulting in a user's mm */
2407 : : if (!p->mm)
2408 : : return;
2409 : :
2410 : : /* Allocate buffer to track faults on a per-node basis */
2411 : : if (unlikely(!p->numa_faults)) {
2412 : : int size = sizeof(*p->numa_faults) *
2413 : : NR_NUMA_HINT_FAULT_BUCKETS * nr_node_ids;
2414 : :
2415 : : p->numa_faults = kzalloc(size, GFP_KERNEL|__GFP_NOWARN);
2416 : : if (!p->numa_faults)
2417 : : return;
2418 : :
2419 : : p->total_numa_faults = 0;
2420 : : memset(p->numa_faults_locality, 0, sizeof(p->numa_faults_locality));
2421 : : }
2422 : :
2423 : : /*
2424 : : * First accesses are treated as private, otherwise consider accesses
2425 : : * to be private if the accessing pid has not changed
2426 : : */
2427 : : if (unlikely(last_cpupid == (-1 & LAST_CPUPID_MASK))) {
2428 : : priv = 1;
2429 : : } else {
2430 : : priv = cpupid_match_pid(p, last_cpupid);
2431 : : if (!priv && !(flags & TNF_NO_GROUP))
2432 : : task_numa_group(p, last_cpupid, flags, &priv);
2433 : : }
2434 : :
2435 : : /*
2436 : : * If a workload spans multiple NUMA nodes, a shared fault that
2437 : : * occurs wholly within the set of nodes that the workload is
2438 : : * actively using should be counted as local. This allows the
2439 : : * scan rate to slow down when a workload has settled down.
2440 : : */
2441 : : ng = deref_curr_numa_group(p);
2442 : : if (!priv && !local && ng && ng->active_nodes > 1 &&
2443 : : numa_is_active_node(cpu_node, ng) &&
2444 : : numa_is_active_node(mem_node, ng))
2445 : : local = 1;
2446 : :
2447 : : /*
2448 : : * Retry to migrate task to preferred node periodically, in case it
2449 : : * previously failed, or the scheduler moved us.
2450 : : */
2451 : : if (time_after(jiffies, p->numa_migrate_retry)) {
2452 : : task_numa_placement(p);
2453 : : numa_migrate_preferred(p);
2454 : : }
2455 : :
2456 : : if (migrated)
2457 : : p->numa_pages_migrated += pages;
2458 : : if (flags & TNF_MIGRATE_FAIL)
2459 : : p->numa_faults_locality[2] += pages;
2460 : :
2461 : : p->numa_faults[task_faults_idx(NUMA_MEMBUF, mem_node, priv)] += pages;
2462 : : p->numa_faults[task_faults_idx(NUMA_CPUBUF, cpu_node, priv)] += pages;
2463 : : p->numa_faults_locality[local] += pages;
2464 : : }
2465 : :
2466 : : static void reset_ptenuma_scan(struct task_struct *p)
2467 : : {
2468 : : /*
2469 : : * We only did a read acquisition of the mmap sem, so
2470 : : * p->mm->numa_scan_seq is written to without exclusive access
2471 : : * and the update is not guaranteed to be atomic. That's not
2472 : : * much of an issue though, since this is just used for
2473 : : * statistical sampling. Use READ_ONCE/WRITE_ONCE, which are not
2474 : : * expensive, to avoid any form of compiler optimizations:
2475 : : */
2476 : : WRITE_ONCE(p->mm->numa_scan_seq, READ_ONCE(p->mm->numa_scan_seq) + 1);
2477 : : p->mm->numa_scan_offset = 0;
2478 : : }
2479 : :
2480 : : /*
2481 : : * The expensive part of numa migration is done from task_work context.
2482 : : * Triggered from task_tick_numa().
2483 : : */
2484 : : static void task_numa_work(struct callback_head *work)
2485 : : {
2486 : : unsigned long migrate, next_scan, now = jiffies;
2487 : : struct task_struct *p = current;
2488 : : struct mm_struct *mm = p->mm;
2489 : : u64 runtime = p->se.sum_exec_runtime;
2490 : : struct vm_area_struct *vma;
2491 : : unsigned long start, end;
2492 : : unsigned long nr_pte_updates = 0;
2493 : : long pages, virtpages;
2494 : :
2495 : : SCHED_WARN_ON(p != container_of(work, struct task_struct, numa_work));
2496 : :
2497 : : work->next = work;
2498 : : /*
2499 : : * Who cares about NUMA placement when they're dying.
2500 : : *
2501 : : * NOTE: make sure not to dereference p->mm before this check,
2502 : : * exit_task_work() happens _after_ exit_mm() so we could be called
2503 : : * without p->mm even though we still had it when we enqueued this
2504 : : * work.
2505 : : */
2506 : : if (p->flags & PF_EXITING)
2507 : : return;
2508 : :
2509 : : if (!mm->numa_next_scan) {
2510 : : mm->numa_next_scan = now +
2511 : : msecs_to_jiffies(sysctl_numa_balancing_scan_delay);
2512 : : }
2513 : :
2514 : : /*
2515 : : * Enforce maximal scan/migration frequency..
2516 : : */
2517 : : migrate = mm->numa_next_scan;
2518 : : if (time_before(now, migrate))
2519 : : return;
2520 : :
2521 : : if (p->numa_scan_period == 0) {
2522 : : p->numa_scan_period_max = task_scan_max(p);
2523 : : p->numa_scan_period = task_scan_start(p);
2524 : : }
2525 : :
2526 : : next_scan = now + msecs_to_jiffies(p->numa_scan_period);
2527 : : if (cmpxchg(&mm->numa_next_scan, migrate, next_scan) != migrate)
2528 : : return;
2529 : :
2530 : : /*
2531 : : * Delay this task enough that another task of this mm will likely win
2532 : : * the next time around.
2533 : : */
2534 : : p->node_stamp += 2 * TICK_NSEC;
2535 : :
2536 : : start = mm->numa_scan_offset;
2537 : : pages = sysctl_numa_balancing_scan_size;
2538 : : pages <<= 20 - PAGE_SHIFT; /* MB in pages */
2539 : : virtpages = pages * 8; /* Scan up to this much virtual space */
2540 : : if (!pages)
2541 : : return;
2542 : :
2543 : :
2544 : : if (!down_read_trylock(&mm->mmap_sem))
2545 : : return;
2546 : : vma = find_vma(mm, start);
2547 : : if (!vma) {
2548 : : reset_ptenuma_scan(p);
2549 : : start = 0;
2550 : : vma = mm->mmap;
2551 : : }
2552 : : for (; vma; vma = vma->vm_next) {
2553 : : if (!vma_migratable(vma) || !vma_policy_mof(vma) ||
2554 : : is_vm_hugetlb_page(vma) || (vma->vm_flags & VM_MIXEDMAP)) {
2555 : : continue;
2556 : : }
2557 : :
2558 : : /*
2559 : : * Shared library pages mapped by multiple processes are not
2560 : : * migrated as it is expected they are cache replicated. Avoid
2561 : : * hinting faults in read-only file-backed mappings or the vdso
2562 : : * as migrating the pages will be of marginal benefit.
2563 : : */
2564 : : if (!vma->vm_mm ||
2565 : : (vma->vm_file && (vma->vm_flags & (VM_READ|VM_WRITE)) == (VM_READ)))
2566 : : continue;
2567 : :
2568 : : /*
2569 : : * Skip inaccessible VMAs to avoid any confusion between
2570 : : * PROT_NONE and NUMA hinting ptes
2571 : : */
2572 : : if (!(vma->vm_flags & (VM_READ | VM_EXEC | VM_WRITE)))
2573 : : continue;
2574 : :
2575 : : do {
2576 : : start = max(start, vma->vm_start);
2577 : : end = ALIGN(start + (pages << PAGE_SHIFT), HPAGE_SIZE);
2578 : : end = min(end, vma->vm_end);
2579 : : nr_pte_updates = change_prot_numa(vma, start, end);
2580 : :
2581 : : /*
2582 : : * Try to scan sysctl_numa_balancing_size worth of
2583 : : * hpages that have at least one present PTE that
2584 : : * is not already pte-numa. If the VMA contains
2585 : : * areas that are unused or already full of prot_numa
2586 : : * PTEs, scan up to virtpages, to skip through those
2587 : : * areas faster.
2588 : : */
2589 : : if (nr_pte_updates)
2590 : : pages -= (end - start) >> PAGE_SHIFT;
2591 : : virtpages -= (end - start) >> PAGE_SHIFT;
2592 : :
2593 : : start = end;
2594 : : if (pages <= 0 || virtpages <= 0)
2595 : : goto out;
2596 : :
2597 : : cond_resched();
2598 : : } while (end != vma->vm_end);
2599 : : }
2600 : :
2601 : : out:
2602 : : /*
2603 : : * It is possible to reach the end of the VMA list but the last few
2604 : : * VMAs are not guaranteed to the vma_migratable. If they are not, we
2605 : : * would find the !migratable VMA on the next scan but not reset the
2606 : : * scanner to the start so check it now.
2607 : : */
2608 : : if (vma)
2609 : : mm->numa_scan_offset = start;
2610 : : else
2611 : : reset_ptenuma_scan(p);
2612 : : up_read(&mm->mmap_sem);
2613 : :
2614 : : /*
2615 : : * Make sure tasks use at least 32x as much time to run other code
2616 : : * than they used here, to limit NUMA PTE scanning overhead to 3% max.
2617 : : * Usually update_task_scan_period slows down scanning enough; on an
2618 : : * overloaded system we need to limit overhead on a per task basis.
2619 : : */
2620 : : if (unlikely(p->se.sum_exec_runtime != runtime)) {
2621 : : u64 diff = p->se.sum_exec_runtime - runtime;
2622 : : p->node_stamp += 32 * diff;
2623 : : }
2624 : : }
2625 : :
2626 : : void init_numa_balancing(unsigned long clone_flags, struct task_struct *p)
2627 : : {
2628 : : int mm_users = 0;
2629 : : struct mm_struct *mm = p->mm;
2630 : :
2631 : : if (mm) {
2632 : : mm_users = atomic_read(&mm->mm_users);
2633 : : if (mm_users == 1) {
2634 : : mm->numa_next_scan = jiffies + msecs_to_jiffies(sysctl_numa_balancing_scan_delay);
2635 : : mm->numa_scan_seq = 0;
2636 : : }
2637 : : }
2638 : : p->node_stamp = 0;
2639 : : p->numa_scan_seq = mm ? mm->numa_scan_seq : 0;
2640 : : p->numa_scan_period = sysctl_numa_balancing_scan_delay;
2641 : : /* Protect against double add, see task_tick_numa and task_numa_work */
2642 : : p->numa_work.next = &p->numa_work;
2643 : : p->numa_faults = NULL;
2644 : : RCU_INIT_POINTER(p->numa_group, NULL);
2645 : : p->last_task_numa_placement = 0;
2646 : : p->last_sum_exec_runtime = 0;
2647 : :
2648 : : init_task_work(&p->numa_work, task_numa_work);
2649 : :
2650 : : /* New address space, reset the preferred nid */
2651 : : if (!(clone_flags & CLONE_VM)) {
2652 : : p->numa_preferred_nid = NUMA_NO_NODE;
2653 : : return;
2654 : : }
2655 : :
2656 : : /*
2657 : : * New thread, keep existing numa_preferred_nid which should be copied
2658 : : * already by arch_dup_task_struct but stagger when scans start.
2659 : : */
2660 : : if (mm) {
2661 : : unsigned int delay;
2662 : :
2663 : : delay = min_t(unsigned int, task_scan_max(current),
2664 : : current->numa_scan_period * mm_users * NSEC_PER_MSEC);
2665 : : delay += 2 * TICK_NSEC;
2666 : : p->node_stamp = delay;
2667 : : }
2668 : : }
2669 : :
2670 : : /*
2671 : : * Drive the periodic memory faults..
2672 : : */
2673 : : static void task_tick_numa(struct rq *rq, struct task_struct *curr)
2674 : : {
2675 : : struct callback_head *work = &curr->numa_work;
2676 : : u64 period, now;
2677 : :
2678 : : /*
2679 : : * We don't care about NUMA placement if we don't have memory.
2680 : : */
2681 : : if ((curr->flags & (PF_EXITING | PF_KTHREAD)) || work->next != work)
2682 : : return;
2683 : :
2684 : : /*
2685 : : * Using runtime rather than walltime has the dual advantage that
2686 : : * we (mostly) drive the selection from busy threads and that the
2687 : : * task needs to have done some actual work before we bother with
2688 : : * NUMA placement.
2689 : : */
2690 : : now = curr->se.sum_exec_runtime;
2691 : : period = (u64)curr->numa_scan_period * NSEC_PER_MSEC;
2692 : :
2693 : : if (now > curr->node_stamp + period) {
2694 : : if (!curr->node_stamp)
2695 : : curr->numa_scan_period = task_scan_start(curr);
2696 : : curr->node_stamp += period;
2697 : :
2698 : : if (!time_before(jiffies, curr->mm->numa_next_scan))
2699 : : task_work_add(curr, work, true);
2700 : : }
2701 : : }
2702 : :
2703 : : static void update_scan_period(struct task_struct *p, int new_cpu)
2704 : : {
2705 : : int src_nid = cpu_to_node(task_cpu(p));
2706 : : int dst_nid = cpu_to_node(new_cpu);
2707 : :
2708 : : if (!static_branch_likely(&sched_numa_balancing))
2709 : : return;
2710 : :
2711 : : if (!p->mm || !p->numa_faults || (p->flags & PF_EXITING))
2712 : : return;
2713 : :
2714 : : if (src_nid == dst_nid)
2715 : : return;
2716 : :
2717 : : /*
2718 : : * Allow resets if faults have been trapped before one scan
2719 : : * has completed. This is most likely due to a new task that
2720 : : * is pulled cross-node due to wakeups or load balancing.
2721 : : */
2722 : : if (p->numa_scan_seq) {
2723 : : /*
2724 : : * Avoid scan adjustments if moving to the preferred
2725 : : * node or if the task was not previously running on
2726 : : * the preferred node.
2727 : : */
2728 : : if (dst_nid == p->numa_preferred_nid ||
2729 : : (p->numa_preferred_nid != NUMA_NO_NODE &&
2730 : : src_nid != p->numa_preferred_nid))
2731 : : return;
2732 : : }
2733 : :
2734 : : p->numa_scan_period = task_scan_start(p);
2735 : : }
2736 : :
2737 : : #else
2738 : : static void task_tick_numa(struct rq *rq, struct task_struct *curr)
2739 : : {
2740 : : }
2741 : :
2742 : : static inline void account_numa_enqueue(struct rq *rq, struct task_struct *p)
2743 : : {
2744 : : }
2745 : :
2746 : : static inline void account_numa_dequeue(struct rq *rq, struct task_struct *p)
2747 : : {
2748 : : }
2749 : :
2750 : : static inline void update_scan_period(struct task_struct *p, int new_cpu)
2751 : : {
2752 : : }
2753 : :
2754 : : #endif /* CONFIG_NUMA_BALANCING */
2755 : :
2756 : : static void
2757 : 3 : account_entity_enqueue(struct cfs_rq *cfs_rq, struct sched_entity *se)
2758 : : {
2759 : 3 : update_load_add(&cfs_rq->load, se->load.weight);
2760 : : #ifdef CONFIG_SMP
2761 : 3 : if (entity_is_task(se)) {
2762 : : struct rq *rq = rq_of(cfs_rq);
2763 : :
2764 : 3 : account_numa_enqueue(rq, task_of(se));
2765 : 3 : list_add(&se->group_node, &rq->cfs_tasks);
2766 : : }
2767 : : #endif
2768 : 3 : cfs_rq->nr_running++;
2769 : 3 : }
2770 : :
2771 : : static void
2772 : 3 : account_entity_dequeue(struct cfs_rq *cfs_rq, struct sched_entity *se)
2773 : : {
2774 : 3 : update_load_sub(&cfs_rq->load, se->load.weight);
2775 : : #ifdef CONFIG_SMP
2776 : 3 : if (entity_is_task(se)) {
2777 : 3 : account_numa_dequeue(rq_of(cfs_rq), task_of(se));
2778 : 3 : list_del_init(&se->group_node);
2779 : : }
2780 : : #endif
2781 : 3 : cfs_rq->nr_running--;
2782 : 3 : }
2783 : :
2784 : : /*
2785 : : * Signed add and clamp on underflow.
2786 : : *
2787 : : * Explicitly do a load-store to ensure the intermediate value never hits
2788 : : * memory. This allows lockless observations without ever seeing the negative
2789 : : * values.
2790 : : */
2791 : : #define add_positive(_ptr, _val) do { \
2792 : : typeof(_ptr) ptr = (_ptr); \
2793 : : typeof(_val) val = (_val); \
2794 : : typeof(*ptr) res, var = READ_ONCE(*ptr); \
2795 : : \
2796 : : res = var + val; \
2797 : : \
2798 : : if (val < 0 && res > var) \
2799 : : res = 0; \
2800 : : \
2801 : : WRITE_ONCE(*ptr, res); \
2802 : : } while (0)
2803 : :
2804 : : /*
2805 : : * Unsigned subtract and clamp on underflow.
2806 : : *
2807 : : * Explicitly do a load-store to ensure the intermediate value never hits
2808 : : * memory. This allows lockless observations without ever seeing the negative
2809 : : * values.
2810 : : */
2811 : : #define sub_positive(_ptr, _val) do { \
2812 : : typeof(_ptr) ptr = (_ptr); \
2813 : : typeof(*ptr) val = (_val); \
2814 : : typeof(*ptr) res, var = READ_ONCE(*ptr); \
2815 : : res = var - val; \
2816 : : if (res > var) \
2817 : : res = 0; \
2818 : : WRITE_ONCE(*ptr, res); \
2819 : : } while (0)
2820 : :
2821 : : /*
2822 : : * Remove and clamp on negative, from a local variable.
2823 : : *
2824 : : * A variant of sub_positive(), which does not use explicit load-store
2825 : : * and is thus optimized for local variable updates.
2826 : : */
2827 : : #define lsub_positive(_ptr, _val) do { \
2828 : : typeof(_ptr) ptr = (_ptr); \
2829 : : *ptr -= min_t(typeof(*ptr), *ptr, _val); \
2830 : : } while (0)
2831 : :
2832 : : #ifdef CONFIG_SMP
2833 : : static inline void
2834 : : enqueue_runnable_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se)
2835 : : {
2836 : 3 : cfs_rq->runnable_weight += se->runnable_weight;
2837 : :
2838 : 3 : cfs_rq->avg.runnable_load_avg += se->avg.runnable_load_avg;
2839 : 3 : cfs_rq->avg.runnable_load_sum += se_runnable(se) * se->avg.runnable_load_sum;
2840 : : }
2841 : :
2842 : : static inline void
2843 : 3 : dequeue_runnable_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se)
2844 : : {
2845 : 3 : cfs_rq->runnable_weight -= se->runnable_weight;
2846 : :
2847 : 3 : sub_positive(&cfs_rq->avg.runnable_load_avg, se->avg.runnable_load_avg);
2848 : 3 : sub_positive(&cfs_rq->avg.runnable_load_sum,
2849 : : se_runnable(se) * se->avg.runnable_load_sum);
2850 : 3 : }
2851 : :
2852 : : static inline void
2853 : : enqueue_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se)
2854 : : {
2855 : 3 : cfs_rq->avg.load_avg += se->avg.load_avg;
2856 : 3 : cfs_rq->avg.load_sum += se_weight(se) * se->avg.load_sum;
2857 : : }
2858 : :
2859 : : static inline void
2860 : : dequeue_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se)
2861 : : {
2862 : 3 : sub_positive(&cfs_rq->avg.load_avg, se->avg.load_avg);
2863 : 3 : sub_positive(&cfs_rq->avg.load_sum, se_weight(se) * se->avg.load_sum);
2864 : : }
2865 : : #else
2866 : : static inline void
2867 : : enqueue_runnable_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se) { }
2868 : : static inline void
2869 : : dequeue_runnable_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se) { }
2870 : : static inline void
2871 : : enqueue_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se) { }
2872 : : static inline void
2873 : : dequeue_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se) { }
2874 : : #endif
2875 : :
2876 : 3 : static void reweight_entity(struct cfs_rq *cfs_rq, struct sched_entity *se,
2877 : : unsigned long weight, unsigned long runnable)
2878 : : {
2879 : 3 : if (se->on_rq) {
2880 : : /* commit outstanding execution time */
2881 : 3 : if (cfs_rq->curr == se)
2882 : 3 : update_curr(cfs_rq);
2883 : 3 : account_entity_dequeue(cfs_rq, se);
2884 : 3 : dequeue_runnable_load_avg(cfs_rq, se);
2885 : : }
2886 : : dequeue_load_avg(cfs_rq, se);
2887 : :
2888 : 3 : se->runnable_weight = runnable;
2889 : : update_load_set(&se->load, weight);
2890 : :
2891 : : #ifdef CONFIG_SMP
2892 : : do {
2893 : 3 : u32 divider = LOAD_AVG_MAX - 1024 + se->avg.period_contrib;
2894 : :
2895 : 3 : se->avg.load_avg = div_u64(se_weight(se) * se->avg.load_sum, divider);
2896 : 3 : se->avg.runnable_load_avg =
2897 : 3 : div_u64(se_runnable(se) * se->avg.runnable_load_sum, divider);
2898 : : } while (0);
2899 : : #endif
2900 : :
2901 : : enqueue_load_avg(cfs_rq, se);
2902 : 3 : if (se->on_rq) {
2903 : 3 : account_entity_enqueue(cfs_rq, se);
2904 : : enqueue_runnable_load_avg(cfs_rq, se);
2905 : : }
2906 : 3 : }
2907 : :
2908 : 3 : void reweight_task(struct task_struct *p, int prio)
2909 : : {
2910 : 3 : struct sched_entity *se = &p->se;
2911 : : struct cfs_rq *cfs_rq = cfs_rq_of(se);
2912 : : struct load_weight *load = &se->load;
2913 : 3 : unsigned long weight = scale_load(sched_prio_to_weight[prio]);
2914 : :
2915 : 3 : reweight_entity(cfs_rq, se, weight, weight);
2916 : 3 : load->inv_weight = sched_prio_to_wmult[prio];
2917 : 3 : }
2918 : :
2919 : : #ifdef CONFIG_FAIR_GROUP_SCHED
2920 : : #ifdef CONFIG_SMP
2921 : : /*
2922 : : * All this does is approximate the hierarchical proportion which includes that
2923 : : * global sum we all love to hate.
2924 : : *
2925 : : * That is, the weight of a group entity, is the proportional share of the
2926 : : * group weight based on the group runqueue weights. That is:
2927 : : *
2928 : : * tg->weight * grq->load.weight
2929 : : * ge->load.weight = ----------------------------- (1)
2930 : : * \Sum grq->load.weight
2931 : : *
2932 : : * Now, because computing that sum is prohibitively expensive to compute (been
2933 : : * there, done that) we approximate it with this average stuff. The average
2934 : : * moves slower and therefore the approximation is cheaper and more stable.
2935 : : *
2936 : : * So instead of the above, we substitute:
2937 : : *
2938 : : * grq->load.weight -> grq->avg.load_avg (2)
2939 : : *
2940 : : * which yields the following:
2941 : : *
2942 : : * tg->weight * grq->avg.load_avg
2943 : : * ge->load.weight = ------------------------------ (3)
2944 : : * tg->load_avg
2945 : : *
2946 : : * Where: tg->load_avg ~= \Sum grq->avg.load_avg
2947 : : *
2948 : : * That is shares_avg, and it is right (given the approximation (2)).
2949 : : *
2950 : : * The problem with it is that because the average is slow -- it was designed
2951 : : * to be exactly that of course -- this leads to transients in boundary
2952 : : * conditions. In specific, the case where the group was idle and we start the
2953 : : * one task. It takes time for our CPU's grq->avg.load_avg to build up,
2954 : : * yielding bad latency etc..
2955 : : *
2956 : : * Now, in that special case (1) reduces to:
2957 : : *
2958 : : * tg->weight * grq->load.weight
2959 : : * ge->load.weight = ----------------------------- = tg->weight (4)
2960 : : * grp->load.weight
2961 : : *
2962 : : * That is, the sum collapses because all other CPUs are idle; the UP scenario.
2963 : : *
2964 : : * So what we do is modify our approximation (3) to approach (4) in the (near)
2965 : : * UP case, like:
2966 : : *
2967 : : * ge->load.weight =
2968 : : *
2969 : : * tg->weight * grq->load.weight
2970 : : * --------------------------------------------------- (5)
2971 : : * tg->load_avg - grq->avg.load_avg + grq->load.weight
2972 : : *
2973 : : * But because grq->load.weight can drop to 0, resulting in a divide by zero,
2974 : : * we need to use grq->avg.load_avg as its lower bound, which then gives:
2975 : : *
2976 : : *
2977 : : * tg->weight * grq->load.weight
2978 : : * ge->load.weight = ----------------------------- (6)
2979 : : * tg_load_avg'
2980 : : *
2981 : : * Where:
2982 : : *
2983 : : * tg_load_avg' = tg->load_avg - grq->avg.load_avg +
2984 : : * max(grq->load.weight, grq->avg.load_avg)
2985 : : *
2986 : : * And that is shares_weight and is icky. In the (near) UP case it approaches
2987 : : * (4) while in the normal case it approaches (3). It consistently
2988 : : * overestimates the ge->load.weight and therefore:
2989 : : *
2990 : : * \Sum ge->load.weight >= tg->weight
2991 : : *
2992 : : * hence icky!
2993 : : */
2994 : : static long calc_group_shares(struct cfs_rq *cfs_rq)
2995 : : {
2996 : : long tg_weight, tg_shares, load, shares;
2997 : 3 : struct task_group *tg = cfs_rq->tg;
2998 : :
2999 : 3 : tg_shares = READ_ONCE(tg->shares);
3000 : :
3001 : 3 : load = max(scale_load_down(cfs_rq->load.weight), cfs_rq->avg.load_avg);
3002 : :
3003 : : tg_weight = atomic_long_read(&tg->load_avg);
3004 : :
3005 : : /* Ensure tg_weight >= load */
3006 : 3 : tg_weight -= cfs_rq->tg_load_avg_contrib;
3007 : 3 : tg_weight += load;
3008 : :
3009 : 3 : shares = (tg_shares * load);
3010 : 3 : if (tg_weight)
3011 : 3 : shares /= tg_weight;
3012 : :
3013 : : /*
3014 : : * MIN_SHARES has to be unscaled here to support per-CPU partitioning
3015 : : * of a group with small tg->shares value. It is a floor value which is
3016 : : * assigned as a minimum load.weight to the sched_entity representing
3017 : : * the group on a CPU.
3018 : : *
3019 : : * E.g. on 64-bit for a group with tg->shares of scale_load(15)=15*1024
3020 : : * on an 8-core system with 8 tasks each runnable on one CPU shares has
3021 : : * to be 15*1024*1/8=1920 instead of scale_load(MIN_SHARES)=2*1024. In
3022 : : * case no task is runnable on a CPU MIN_SHARES=2 should be returned
3023 : : * instead of 0.
3024 : : */
3025 : 3 : return clamp_t(long, shares, MIN_SHARES, tg_shares);
3026 : : }
3027 : :
3028 : : /*
3029 : : * This calculates the effective runnable weight for a group entity based on
3030 : : * the group entity weight calculated above.
3031 : : *
3032 : : * Because of the above approximation (2), our group entity weight is
3033 : : * an load_avg based ratio (3). This means that it includes blocked load and
3034 : : * does not represent the runnable weight.
3035 : : *
3036 : : * Approximate the group entity's runnable weight per ratio from the group
3037 : : * runqueue:
3038 : : *
3039 : : * grq->avg.runnable_load_avg
3040 : : * ge->runnable_weight = ge->load.weight * -------------------------- (7)
3041 : : * grq->avg.load_avg
3042 : : *
3043 : : * However, analogous to above, since the avg numbers are slow, this leads to
3044 : : * transients in the from-idle case. Instead we use:
3045 : : *
3046 : : * ge->runnable_weight = ge->load.weight *
3047 : : *
3048 : : * max(grq->avg.runnable_load_avg, grq->runnable_weight)
3049 : : * ----------------------------------------------------- (8)
3050 : : * max(grq->avg.load_avg, grq->load.weight)
3051 : : *
3052 : : * Where these max() serve both to use the 'instant' values to fix the slow
3053 : : * from-idle and avoid the /0 on to-idle, similar to (6).
3054 : : */
3055 : : static long calc_group_runnable(struct cfs_rq *cfs_rq, long shares)
3056 : : {
3057 : : long runnable, load_avg;
3058 : :
3059 : : load_avg = max(cfs_rq->avg.load_avg,
3060 : : scale_load_down(cfs_rq->load.weight));
3061 : :
3062 : 3 : runnable = max(cfs_rq->avg.runnable_load_avg,
3063 : : scale_load_down(cfs_rq->runnable_weight));
3064 : :
3065 : 3 : runnable *= shares;
3066 : 3 : if (load_avg)
3067 : 3 : runnable /= load_avg;
3068 : :
3069 : 3 : return clamp_t(long, runnable, MIN_SHARES, shares);
3070 : : }
3071 : : #endif /* CONFIG_SMP */
3072 : :
3073 : : static inline int throttled_hierarchy(struct cfs_rq *cfs_rq);
3074 : :
3075 : : /*
3076 : : * Recomputes the group entity based on the current state of its group
3077 : : * runqueue.
3078 : : */
3079 : 3 : static void update_cfs_group(struct sched_entity *se)
3080 : : {
3081 : : struct cfs_rq *gcfs_rq = group_cfs_rq(se);
3082 : : long shares, runnable;
3083 : :
3084 : 3 : if (!gcfs_rq)
3085 : : return;
3086 : :
3087 : 3 : if (throttled_hierarchy(gcfs_rq))
3088 : : return;
3089 : :
3090 : : #ifndef CONFIG_SMP
3091 : : runnable = shares = READ_ONCE(gcfs_rq->tg->shares);
3092 : :
3093 : : if (likely(se->load.weight == shares))
3094 : : return;
3095 : : #else
3096 : : shares = calc_group_shares(gcfs_rq);
3097 : : runnable = calc_group_runnable(gcfs_rq, shares);
3098 : : #endif
3099 : :
3100 : 3 : reweight_entity(cfs_rq_of(se), se, shares, runnable);
3101 : : }
3102 : :
3103 : : #else /* CONFIG_FAIR_GROUP_SCHED */
3104 : : static inline void update_cfs_group(struct sched_entity *se)
3105 : : {
3106 : : }
3107 : : #endif /* CONFIG_FAIR_GROUP_SCHED */
3108 : :
3109 : 3 : static inline void cfs_rq_util_change(struct cfs_rq *cfs_rq, int flags)
3110 : : {
3111 : : struct rq *rq = rq_of(cfs_rq);
3112 : :
3113 : 3 : if (&rq->cfs == cfs_rq || (flags & SCHED_CPUFREQ_MIGRATION)) {
3114 : : /*
3115 : : * There are a few boundary cases this might miss but it should
3116 : : * get called often enough that that should (hopefully) not be
3117 : : * a real problem.
3118 : : *
3119 : : * It will not get called when we go idle, because the idle
3120 : : * thread is a different class (!fair), nor will the utilization
3121 : : * number include things like RT tasks.
3122 : : *
3123 : : * As is, the util number is not freq-invariant (we'd have to
3124 : : * implement arch_scale_freq_capacity() for that).
3125 : : *
3126 : : * See cpu_util().
3127 : : */
3128 : 3 : cpufreq_update_util(rq, flags);
3129 : : }
3130 : 3 : }
3131 : :
3132 : : #ifdef CONFIG_SMP
3133 : : #ifdef CONFIG_FAIR_GROUP_SCHED
3134 : : /**
3135 : : * update_tg_load_avg - update the tg's load avg
3136 : : * @cfs_rq: the cfs_rq whose avg changed
3137 : : * @force: update regardless of how small the difference
3138 : : *
3139 : : * This function 'ensures': tg->load_avg := \Sum tg->cfs_rq[]->avg.load.
3140 : : * However, because tg->load_avg is a global value there are performance
3141 : : * considerations.
3142 : : *
3143 : : * In order to avoid having to look at the other cfs_rq's, we use a
3144 : : * differential update where we store the last value we propagated. This in
3145 : : * turn allows skipping updates if the differential is 'small'.
3146 : : *
3147 : : * Updating tg's load_avg is necessary before update_cfs_share().
3148 : : */
3149 : 3 : static inline void update_tg_load_avg(struct cfs_rq *cfs_rq, int force)
3150 : : {
3151 : 3 : long delta = cfs_rq->avg.load_avg - cfs_rq->tg_load_avg_contrib;
3152 : :
3153 : : /*
3154 : : * No need to update load_avg for root_task_group as it is not used.
3155 : : */
3156 : 3 : if (cfs_rq->tg == &root_task_group)
3157 : 3 : return;
3158 : :
3159 : 3 : if (force || abs(delta) > cfs_rq->tg_load_avg_contrib / 64) {
3160 : 3 : atomic_long_add(delta, &cfs_rq->tg->load_avg);
3161 : 3 : cfs_rq->tg_load_avg_contrib = cfs_rq->avg.load_avg;
3162 : : }
3163 : : }
3164 : :
3165 : : /*
3166 : : * Called within set_task_rq() right before setting a task's CPU. The
3167 : : * caller only guarantees p->pi_lock is held; no other assumptions,
3168 : : * including the state of rq->lock, should be made.
3169 : : */
3170 : 3 : void set_task_rq_fair(struct sched_entity *se,
3171 : : struct cfs_rq *prev, struct cfs_rq *next)
3172 : : {
3173 : : u64 p_last_update_time;
3174 : : u64 n_last_update_time;
3175 : :
3176 : 3 : if (!sched_feat(ATTACH_AGE_LOAD))
3177 : : return;
3178 : :
3179 : : /*
3180 : : * We are supposed to update the task to "current" time, then its up to
3181 : : * date and ready to go to new CPU/cfs_rq. But we have difficulty in
3182 : : * getting what current time is, so simply throw away the out-of-date
3183 : : * time. This will result in the wakee task is less decayed, but giving
3184 : : * the wakee more load sounds not bad.
3185 : : */
3186 : 3 : if (!(se->avg.last_update_time && prev))
3187 : : return;
3188 : :
3189 : : #ifndef CONFIG_64BIT
3190 : : {
3191 : : u64 p_last_update_time_copy;
3192 : : u64 n_last_update_time_copy;
3193 : :
3194 : : do {
3195 : 3 : p_last_update_time_copy = prev->load_last_update_time_copy;
3196 : 3 : n_last_update_time_copy = next->load_last_update_time_copy;
3197 : :
3198 : 3 : smp_rmb();
3199 : :
3200 : 3 : p_last_update_time = prev->avg.last_update_time;
3201 : 3 : n_last_update_time = next->avg.last_update_time;
3202 : :
3203 : 3 : } while (p_last_update_time != p_last_update_time_copy ||
3204 : 3 : n_last_update_time != n_last_update_time_copy);
3205 : : }
3206 : : #else
3207 : : p_last_update_time = prev->avg.last_update_time;
3208 : : n_last_update_time = next->avg.last_update_time;
3209 : : #endif
3210 : 3 : __update_load_avg_blocked_se(p_last_update_time, se);
3211 : 3 : se->avg.last_update_time = n_last_update_time;
3212 : : }
3213 : :
3214 : :
3215 : : /*
3216 : : * When on migration a sched_entity joins/leaves the PELT hierarchy, we need to
3217 : : * propagate its contribution. The key to this propagation is the invariant
3218 : : * that for each group:
3219 : : *
3220 : : * ge->avg == grq->avg (1)
3221 : : *
3222 : : * _IFF_ we look at the pure running and runnable sums. Because they
3223 : : * represent the very same entity, just at different points in the hierarchy.
3224 : : *
3225 : : * Per the above update_tg_cfs_util() is trivial and simply copies the running
3226 : : * sum over (but still wrong, because the group entity and group rq do not have
3227 : : * their PELT windows aligned).
3228 : : *
3229 : : * However, update_tg_cfs_runnable() is more complex. So we have:
3230 : : *
3231 : : * ge->avg.load_avg = ge->load.weight * ge->avg.runnable_avg (2)
3232 : : *
3233 : : * And since, like util, the runnable part should be directly transferable,
3234 : : * the following would _appear_ to be the straight forward approach:
3235 : : *
3236 : : * grq->avg.load_avg = grq->load.weight * grq->avg.runnable_avg (3)
3237 : : *
3238 : : * And per (1) we have:
3239 : : *
3240 : : * ge->avg.runnable_avg == grq->avg.runnable_avg
3241 : : *
3242 : : * Which gives:
3243 : : *
3244 : : * ge->load.weight * grq->avg.load_avg
3245 : : * ge->avg.load_avg = ----------------------------------- (4)
3246 : : * grq->load.weight
3247 : : *
3248 : : * Except that is wrong!
3249 : : *
3250 : : * Because while for entities historical weight is not important and we
3251 : : * really only care about our future and therefore can consider a pure
3252 : : * runnable sum, runqueues can NOT do this.
3253 : : *
3254 : : * We specifically want runqueues to have a load_avg that includes
3255 : : * historical weights. Those represent the blocked load, the load we expect
3256 : : * to (shortly) return to us. This only works by keeping the weights as
3257 : : * integral part of the sum. We therefore cannot decompose as per (3).
3258 : : *
3259 : : * Another reason this doesn't work is that runnable isn't a 0-sum entity.
3260 : : * Imagine a rq with 2 tasks that each are runnable 2/3 of the time. Then the
3261 : : * rq itself is runnable anywhere between 2/3 and 1 depending on how the
3262 : : * runnable section of these tasks overlap (or not). If they were to perfectly
3263 : : * align the rq as a whole would be runnable 2/3 of the time. If however we
3264 : : * always have at least 1 runnable task, the rq as a whole is always runnable.
3265 : : *
3266 : : * So we'll have to approximate.. :/
3267 : : *
3268 : : * Given the constraint:
3269 : : *
3270 : : * ge->avg.running_sum <= ge->avg.runnable_sum <= LOAD_AVG_MAX
3271 : : *
3272 : : * We can construct a rule that adds runnable to a rq by assuming minimal
3273 : : * overlap.
3274 : : *
3275 : : * On removal, we'll assume each task is equally runnable; which yields:
3276 : : *
3277 : : * grq->avg.runnable_sum = grq->avg.load_sum / grq->load.weight
3278 : : *
3279 : : * XXX: only do this for the part of runnable > running ?
3280 : : *
3281 : : */
3282 : :
3283 : : static inline void
3284 : : update_tg_cfs_util(struct cfs_rq *cfs_rq, struct sched_entity *se, struct cfs_rq *gcfs_rq)
3285 : : {
3286 : 3 : long delta = gcfs_rq->avg.util_avg - se->avg.util_avg;
3287 : :
3288 : : /* Nothing to update */
3289 : 3 : if (!delta)
3290 : : return;
3291 : :
3292 : : /*
3293 : : * The relation between sum and avg is:
3294 : : *
3295 : : * LOAD_AVG_MAX - 1024 + sa->period_contrib
3296 : : *
3297 : : * however, the PELT windows are not aligned between grq and gse.
3298 : : */
3299 : :
3300 : : /* Set new sched_entity's utilization */
3301 : 3 : se->avg.util_avg = gcfs_rq->avg.util_avg;
3302 : 3 : se->avg.util_sum = se->avg.util_avg * LOAD_AVG_MAX;
3303 : :
3304 : : /* Update parent cfs_rq utilization */
3305 : 3 : add_positive(&cfs_rq->avg.util_avg, delta);
3306 : 3 : cfs_rq->avg.util_sum = cfs_rq->avg.util_avg * LOAD_AVG_MAX;
3307 : : }
3308 : :
3309 : : static inline void
3310 : 3 : update_tg_cfs_runnable(struct cfs_rq *cfs_rq, struct sched_entity *se, struct cfs_rq *gcfs_rq)
3311 : : {
3312 : 3 : long delta_avg, running_sum, runnable_sum = gcfs_rq->prop_runnable_sum;
3313 : : unsigned long runnable_load_avg, load_avg;
3314 : : u64 runnable_load_sum, load_sum = 0;
3315 : : s64 delta_sum;
3316 : :
3317 : 3 : if (!runnable_sum)
3318 : 3 : return;
3319 : :
3320 : 3 : gcfs_rq->prop_runnable_sum = 0;
3321 : :
3322 : 3 : if (runnable_sum >= 0) {
3323 : : /*
3324 : : * Add runnable; clip at LOAD_AVG_MAX. Reflects that until
3325 : : * the CPU is saturated running == runnable.
3326 : : */
3327 : 3 : runnable_sum += se->avg.load_sum;
3328 : 3 : runnable_sum = min(runnable_sum, (long)LOAD_AVG_MAX);
3329 : : } else {
3330 : : /*
3331 : : * Estimate the new unweighted runnable_sum of the gcfs_rq by
3332 : : * assuming all tasks are equally runnable.
3333 : : */
3334 : 3 : if (scale_load_down(gcfs_rq->load.weight)) {
3335 : 3 : load_sum = div_s64(gcfs_rq->avg.load_sum,
3336 : : scale_load_down(gcfs_rq->load.weight));
3337 : : }
3338 : :
3339 : : /* But make sure to not inflate se's runnable */
3340 : 3 : runnable_sum = min(se->avg.load_sum, load_sum);
3341 : : }
3342 : :
3343 : : /*
3344 : : * runnable_sum can't be lower than running_sum
3345 : : * Rescale running sum to be in the same range as runnable sum
3346 : : * running_sum is in [0 : LOAD_AVG_MAX << SCHED_CAPACITY_SHIFT]
3347 : : * runnable_sum is in [0 : LOAD_AVG_MAX]
3348 : : */
3349 : 3 : running_sum = se->avg.util_sum >> SCHED_CAPACITY_SHIFT;
3350 : 3 : runnable_sum = max(runnable_sum, running_sum);
3351 : :
3352 : 3 : load_sum = (s64)se_weight(se) * runnable_sum;
3353 : 3 : load_avg = div_s64(load_sum, LOAD_AVG_MAX);
3354 : :
3355 : 3 : delta_sum = load_sum - (s64)se_weight(se) * se->avg.load_sum;
3356 : 3 : delta_avg = load_avg - se->avg.load_avg;
3357 : :
3358 : 3 : se->avg.load_sum = runnable_sum;
3359 : 3 : se->avg.load_avg = load_avg;
3360 : 3 : add_positive(&cfs_rq->avg.load_avg, delta_avg);
3361 : 3 : add_positive(&cfs_rq->avg.load_sum, delta_sum);
3362 : :
3363 : 3 : runnable_load_sum = (s64)se_runnable(se) * runnable_sum;
3364 : 3 : runnable_load_avg = div_s64(runnable_load_sum, LOAD_AVG_MAX);
3365 : 3 : delta_sum = runnable_load_sum - se_weight(se) * se->avg.runnable_load_sum;
3366 : 3 : delta_avg = runnable_load_avg - se->avg.runnable_load_avg;
3367 : :
3368 : 3 : se->avg.runnable_load_sum = runnable_sum;
3369 : 3 : se->avg.runnable_load_avg = runnable_load_avg;
3370 : :
3371 : 3 : if (se->on_rq) {
3372 : 3 : add_positive(&cfs_rq->avg.runnable_load_avg, delta_avg);
3373 : 3 : add_positive(&cfs_rq->avg.runnable_load_sum, delta_sum);
3374 : : }
3375 : : }
3376 : :
3377 : : static inline void add_tg_cfs_propagate(struct cfs_rq *cfs_rq, long runnable_sum)
3378 : : {
3379 : 3 : cfs_rq->propagate = 1;
3380 : 3 : cfs_rq->prop_runnable_sum += runnable_sum;
3381 : : }
3382 : :
3383 : : /* Update task and its cfs_rq load average */
3384 : 3 : static inline int propagate_entity_load_avg(struct sched_entity *se)
3385 : : {
3386 : : struct cfs_rq *cfs_rq, *gcfs_rq;
3387 : :
3388 : 3 : if (entity_is_task(se))
3389 : : return 0;
3390 : :
3391 : : gcfs_rq = group_cfs_rq(se);
3392 : 3 : if (!gcfs_rq->propagate)
3393 : : return 0;
3394 : :
3395 : 3 : gcfs_rq->propagate = 0;
3396 : :
3397 : : cfs_rq = cfs_rq_of(se);
3398 : :
3399 : 3 : add_tg_cfs_propagate(cfs_rq, gcfs_rq->prop_runnable_sum);
3400 : :
3401 : : update_tg_cfs_util(cfs_rq, se, gcfs_rq);
3402 : 3 : update_tg_cfs_runnable(cfs_rq, se, gcfs_rq);
3403 : :
3404 : 3 : trace_pelt_cfs_tp(cfs_rq);
3405 : 3 : trace_pelt_se_tp(se);
3406 : :
3407 : 3 : return 1;
3408 : : }
3409 : :
3410 : : /*
3411 : : * Check if we need to update the load and the utilization of a blocked
3412 : : * group_entity:
3413 : : */
3414 : : static inline bool skip_blocked_update(struct sched_entity *se)
3415 : : {
3416 : : struct cfs_rq *gcfs_rq = group_cfs_rq(se);
3417 : :
3418 : : /*
3419 : : * If sched_entity still have not zero load or utilization, we have to
3420 : : * decay it:
3421 : : */
3422 : 3 : if (se->avg.load_avg || se->avg.util_avg)
3423 : : return false;
3424 : :
3425 : : /*
3426 : : * If there is a pending propagation, we have to update the load and
3427 : : * the utilization of the sched_entity:
3428 : : */
3429 : 3 : if (gcfs_rq->propagate)
3430 : : return false;
3431 : :
3432 : : /*
3433 : : * Otherwise, the load and the utilization of the sched_entity is
3434 : : * already zero and there is no pending propagation, so it will be a
3435 : : * waste of time to try to decay it:
3436 : : */
3437 : : return true;
3438 : : }
3439 : :
3440 : : #else /* CONFIG_FAIR_GROUP_SCHED */
3441 : :
3442 : : static inline void update_tg_load_avg(struct cfs_rq *cfs_rq, int force) {}
3443 : :
3444 : : static inline int propagate_entity_load_avg(struct sched_entity *se)
3445 : : {
3446 : : return 0;
3447 : : }
3448 : :
3449 : : static inline void add_tg_cfs_propagate(struct cfs_rq *cfs_rq, long runnable_sum) {}
3450 : :
3451 : : #endif /* CONFIG_FAIR_GROUP_SCHED */
3452 : :
3453 : : /**
3454 : : * update_cfs_rq_load_avg - update the cfs_rq's load/util averages
3455 : : * @now: current time, as per cfs_rq_clock_pelt()
3456 : : * @cfs_rq: cfs_rq to update
3457 : : *
3458 : : * The cfs_rq avg is the direct sum of all its entities (blocked and runnable)
3459 : : * avg. The immediate corollary is that all (fair) tasks must be attached, see
3460 : : * post_init_entity_util_avg().
3461 : : *
3462 : : * cfs_rq->avg is used for task_h_load() and update_cfs_share() for example.
3463 : : *
3464 : : * Returns true if the load decayed or we removed load.
3465 : : *
3466 : : * Since both these conditions indicate a changed cfs_rq->avg.load we should
3467 : : * call update_tg_load_avg() when this function returns true.
3468 : : */
3469 : : static inline int
3470 : 3 : update_cfs_rq_load_avg(u64 now, struct cfs_rq *cfs_rq)
3471 : : {
3472 : : unsigned long removed_load = 0, removed_util = 0, removed_runnable_sum = 0;
3473 : : struct sched_avg *sa = &cfs_rq->avg;
3474 : : int decayed = 0;
3475 : :
3476 : 3 : if (cfs_rq->removed.nr) {
3477 : : unsigned long r;
3478 : 3 : u32 divider = LOAD_AVG_MAX - 1024 + sa->period_contrib;
3479 : :
3480 : 3 : raw_spin_lock(&cfs_rq->removed.lock);
3481 : 3 : swap(cfs_rq->removed.util_avg, removed_util);
3482 : 3 : swap(cfs_rq->removed.load_avg, removed_load);
3483 : 3 : swap(cfs_rq->removed.runnable_sum, removed_runnable_sum);
3484 : 3 : cfs_rq->removed.nr = 0;
3485 : : raw_spin_unlock(&cfs_rq->removed.lock);
3486 : :
3487 : : r = removed_load;
3488 : 3 : sub_positive(&sa->load_avg, r);
3489 : 3 : sub_positive(&sa->load_sum, r * divider);
3490 : :
3491 : : r = removed_util;
3492 : 3 : sub_positive(&sa->util_avg, r);
3493 : 3 : sub_positive(&sa->util_sum, r * divider);
3494 : :
3495 : 3 : add_tg_cfs_propagate(cfs_rq, -(long)removed_runnable_sum);
3496 : :
3497 : : decayed = 1;
3498 : : }
3499 : :
3500 : 3 : decayed |= __update_load_avg_cfs_rq(now, cfs_rq);
3501 : :
3502 : : #ifndef CONFIG_64BIT
3503 : 3 : smp_wmb();
3504 : 3 : cfs_rq->load_last_update_time_copy = sa->last_update_time;
3505 : : #endif
3506 : :
3507 : 3 : return decayed;
3508 : : }
3509 : :
3510 : : /**
3511 : : * attach_entity_load_avg - attach this entity to its cfs_rq load avg
3512 : : * @cfs_rq: cfs_rq to attach to
3513 : : * @se: sched_entity to attach
3514 : : * @flags: migration hints
3515 : : *
3516 : : * Must call update_cfs_rq_load_avg() before this, since we rely on
3517 : : * cfs_rq->avg.last_update_time being current.
3518 : : */
3519 : 3 : static void attach_entity_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
3520 : : {
3521 : 3 : u32 divider = LOAD_AVG_MAX - 1024 + cfs_rq->avg.period_contrib;
3522 : :
3523 : : /*
3524 : : * When we attach the @se to the @cfs_rq, we must align the decay
3525 : : * window because without that, really weird and wonderful things can
3526 : : * happen.
3527 : : *
3528 : : * XXX illustrate
3529 : : */
3530 : 3 : se->avg.last_update_time = cfs_rq->avg.last_update_time;
3531 : 3 : se->avg.period_contrib = cfs_rq->avg.period_contrib;
3532 : :
3533 : : /*
3534 : : * Hell(o) Nasty stuff.. we need to recompute _sum based on the new
3535 : : * period_contrib. This isn't strictly correct, but since we're
3536 : : * entirely outside of the PELT hierarchy, nobody cares if we truncate
3537 : : * _sum a little.
3538 : : */
3539 : 3 : se->avg.util_sum = se->avg.util_avg * divider;
3540 : :
3541 : 3 : se->avg.load_sum = divider;
3542 : 3 : if (se_weight(se)) {
3543 : 3 : se->avg.load_sum =
3544 : 3 : div_u64(se->avg.load_avg * se->avg.load_sum, se_weight(se));
3545 : : }
3546 : :
3547 : 3 : se->avg.runnable_load_sum = se->avg.load_sum;
3548 : :
3549 : : enqueue_load_avg(cfs_rq, se);
3550 : 3 : cfs_rq->avg.util_avg += se->avg.util_avg;
3551 : 3 : cfs_rq->avg.util_sum += se->avg.util_sum;
3552 : :
3553 : 3 : add_tg_cfs_propagate(cfs_rq, se->avg.load_sum);
3554 : :
3555 : 3 : cfs_rq_util_change(cfs_rq, flags);
3556 : :
3557 : 3 : trace_pelt_cfs_tp(cfs_rq);
3558 : 3 : }
3559 : :
3560 : : /**
3561 : : * detach_entity_load_avg - detach this entity from its cfs_rq load avg
3562 : : * @cfs_rq: cfs_rq to detach from
3563 : : * @se: sched_entity to detach
3564 : : *
3565 : : * Must call update_cfs_rq_load_avg() before this, since we rely on
3566 : : * cfs_rq->avg.last_update_time being current.
3567 : : */
3568 : 3 : static void detach_entity_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se)
3569 : : {
3570 : : dequeue_load_avg(cfs_rq, se);
3571 : 3 : sub_positive(&cfs_rq->avg.util_avg, se->avg.util_avg);
3572 : 3 : sub_positive(&cfs_rq->avg.util_sum, se->avg.util_sum);
3573 : :
3574 : 3 : add_tg_cfs_propagate(cfs_rq, -se->avg.load_sum);
3575 : :
3576 : 3 : cfs_rq_util_change(cfs_rq, 0);
3577 : :
3578 : 3 : trace_pelt_cfs_tp(cfs_rq);
3579 : 3 : }
3580 : :
3581 : : /*
3582 : : * Optional action to be done while updating the load average
3583 : : */
3584 : : #define UPDATE_TG 0x1
3585 : : #define SKIP_AGE_LOAD 0x2
3586 : : #define DO_ATTACH 0x4
3587 : :
3588 : : /* Update task and its cfs_rq load average */
3589 : 3 : static inline void update_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
3590 : : {
3591 : 3 : u64 now = cfs_rq_clock_pelt(cfs_rq);
3592 : : int decayed;
3593 : :
3594 : : /*
3595 : : * Track task load average for carrying it to new CPU after migrated, and
3596 : : * track group sched_entity load average for task_h_load calc in migration
3597 : : */
3598 : 3 : if (se->avg.last_update_time && !(flags & SKIP_AGE_LOAD))
3599 : 3 : __update_load_avg_se(now, cfs_rq, se);
3600 : :
3601 : 3 : decayed = update_cfs_rq_load_avg(now, cfs_rq);
3602 : 3 : decayed |= propagate_entity_load_avg(se);
3603 : :
3604 : 3 : if (!se->avg.last_update_time && (flags & DO_ATTACH)) {
3605 : :
3606 : : /*
3607 : : * DO_ATTACH means we're here from enqueue_entity().
3608 : : * !last_update_time means we've passed through
3609 : : * migrate_task_rq_fair() indicating we migrated.
3610 : : *
3611 : : * IOW we're enqueueing a task on a new CPU.
3612 : : */
3613 : 3 : attach_entity_load_avg(cfs_rq, se, SCHED_CPUFREQ_MIGRATION);
3614 : 3 : update_tg_load_avg(cfs_rq, 0);
3615 : :
3616 : 3 : } else if (decayed) {
3617 : 3 : cfs_rq_util_change(cfs_rq, 0);
3618 : :
3619 : 3 : if (flags & UPDATE_TG)
3620 : 3 : update_tg_load_avg(cfs_rq, 0);
3621 : : }
3622 : 3 : }
3623 : :
3624 : : #ifndef CONFIG_64BIT
3625 : : static inline u64 cfs_rq_last_update_time(struct cfs_rq *cfs_rq)
3626 : : {
3627 : : u64 last_update_time_copy;
3628 : : u64 last_update_time;
3629 : :
3630 : : do {
3631 : 3 : last_update_time_copy = cfs_rq->load_last_update_time_copy;
3632 : 3 : smp_rmb();
3633 : 3 : last_update_time = cfs_rq->avg.last_update_time;
3634 : 3 : } while (last_update_time != last_update_time_copy);
3635 : :
3636 : 3 : return last_update_time;
3637 : : }
3638 : : #else
3639 : : static inline u64 cfs_rq_last_update_time(struct cfs_rq *cfs_rq)
3640 : : {
3641 : : return cfs_rq->avg.last_update_time;
3642 : : }
3643 : : #endif
3644 : :
3645 : : /*
3646 : : * Synchronize entity load avg of dequeued entity without locking
3647 : : * the previous rq.
3648 : : */
3649 : 3 : static void sync_entity_load_avg(struct sched_entity *se)
3650 : : {
3651 : : struct cfs_rq *cfs_rq = cfs_rq_of(se);
3652 : : u64 last_update_time;
3653 : :
3654 : : last_update_time = cfs_rq_last_update_time(cfs_rq);
3655 : 3 : __update_load_avg_blocked_se(last_update_time, se);
3656 : 3 : }
3657 : :
3658 : : /*
3659 : : * Task first catches up with cfs_rq, and then subtract
3660 : : * itself from the cfs_rq (task must be off the queue now).
3661 : : */
3662 : 3 : static void remove_entity_load_avg(struct sched_entity *se)
3663 : : {
3664 : : struct cfs_rq *cfs_rq = cfs_rq_of(se);
3665 : : unsigned long flags;
3666 : :
3667 : : /*
3668 : : * tasks cannot exit without having gone through wake_up_new_task() ->
3669 : : * post_init_entity_util_avg() which will have added things to the
3670 : : * cfs_rq, so we can remove unconditionally.
3671 : : */
3672 : :
3673 : 3 : sync_entity_load_avg(se);
3674 : :
3675 : 3 : raw_spin_lock_irqsave(&cfs_rq->removed.lock, flags);
3676 : 3 : ++cfs_rq->removed.nr;
3677 : 3 : cfs_rq->removed.util_avg += se->avg.util_avg;
3678 : 3 : cfs_rq->removed.load_avg += se->avg.load_avg;
3679 : 3 : cfs_rq->removed.runnable_sum += se->avg.load_sum; /* == runnable_sum */
3680 : 3 : raw_spin_unlock_irqrestore(&cfs_rq->removed.lock, flags);
3681 : 3 : }
3682 : :
3683 : : static inline unsigned long cfs_rq_runnable_load_avg(struct cfs_rq *cfs_rq)
3684 : : {
3685 : 3 : return cfs_rq->avg.runnable_load_avg;
3686 : : }
3687 : :
3688 : : static inline unsigned long cfs_rq_load_avg(struct cfs_rq *cfs_rq)
3689 : : {
3690 : 3 : return cfs_rq->avg.load_avg;
3691 : : }
3692 : :
3693 : : static inline unsigned long task_util(struct task_struct *p)
3694 : : {
3695 : : return READ_ONCE(p->se.avg.util_avg);
3696 : : }
3697 : :
3698 : : static inline unsigned long _task_util_est(struct task_struct *p)
3699 : : {
3700 : 3 : struct util_est ue = READ_ONCE(p->se.avg.util_est);
3701 : :
3702 : 3 : return (max(ue.ewma, ue.enqueued) | UTIL_AVG_UNCHANGED);
3703 : : }
3704 : :
3705 : : static inline unsigned long task_util_est(struct task_struct *p)
3706 : : {
3707 : 0 : return max(task_util(p), _task_util_est(p));
3708 : : }
3709 : :
3710 : 3 : static inline void util_est_enqueue(struct cfs_rq *cfs_rq,
3711 : : struct task_struct *p)
3712 : : {
3713 : : unsigned int enqueued;
3714 : :
3715 : 3 : if (!sched_feat(UTIL_EST))
3716 : 3 : return;
3717 : :
3718 : : /* Update root cfs_rq's estimated utilization */
3719 : 3 : enqueued = cfs_rq->avg.util_est.enqueued;
3720 : 3 : enqueued += _task_util_est(p);
3721 : : WRITE_ONCE(cfs_rq->avg.util_est.enqueued, enqueued);
3722 : : }
3723 : :
3724 : : /*
3725 : : * Check if a (signed) value is within a specified (unsigned) margin,
3726 : : * based on the observation that:
3727 : : *
3728 : : * abs(x) < y := (unsigned)(x + y - 1) < (2 * y - 1)
3729 : : *
3730 : : * NOTE: this only works when value + maring < INT_MAX.
3731 : : */
3732 : : static inline bool within_margin(int value, int margin)
3733 : : {
3734 : 3 : return ((unsigned int)(value + margin - 1) < (2 * margin - 1));
3735 : : }
3736 : :
3737 : : static void
3738 : 3 : util_est_dequeue(struct cfs_rq *cfs_rq, struct task_struct *p, bool task_sleep)
3739 : : {
3740 : : long last_ewma_diff;
3741 : : struct util_est ue;
3742 : : int cpu;
3743 : :
3744 : 3 : if (!sched_feat(UTIL_EST))
3745 : : return;
3746 : :
3747 : : /* Update root cfs_rq's estimated utilization */
3748 : 3 : ue.enqueued = cfs_rq->avg.util_est.enqueued;
3749 : 3 : ue.enqueued -= min_t(unsigned int, ue.enqueued, _task_util_est(p));
3750 : : WRITE_ONCE(cfs_rq->avg.util_est.enqueued, ue.enqueued);
3751 : :
3752 : : /*
3753 : : * Skip update of task's estimated utilization when the task has not
3754 : : * yet completed an activation, e.g. being migrated.
3755 : : */
3756 : 3 : if (!task_sleep)
3757 : : return;
3758 : :
3759 : : /*
3760 : : * If the PELT values haven't changed since enqueue time,
3761 : : * skip the util_est update.
3762 : : */
3763 : 3 : ue = p->se.avg.util_est;
3764 : 3 : if (ue.enqueued & UTIL_AVG_UNCHANGED)
3765 : : return;
3766 : :
3767 : : /*
3768 : : * Skip update of task's estimated utilization when its EWMA is
3769 : : * already ~1% close to its last activation value.
3770 : : */
3771 : 3 : ue.enqueued = (task_util(p) | UTIL_AVG_UNCHANGED);
3772 : 3 : last_ewma_diff = ue.enqueued - ue.ewma;
3773 : 3 : if (within_margin(last_ewma_diff, (SCHED_CAPACITY_SCALE / 100)))
3774 : : return;
3775 : :
3776 : : /*
3777 : : * To avoid overestimation of actual task utilization, skip updates if
3778 : : * we cannot grant there is idle time in this CPU.
3779 : : */
3780 : : cpu = cpu_of(rq_of(cfs_rq));
3781 : 3 : if (task_util(p) > capacity_orig_of(cpu))
3782 : : return;
3783 : :
3784 : : /*
3785 : : * Update Task's estimated utilization
3786 : : *
3787 : : * When *p completes an activation we can consolidate another sample
3788 : : * of the task size. This is done by storing the current PELT value
3789 : : * as ue.enqueued and by using this value to update the Exponential
3790 : : * Weighted Moving Average (EWMA):
3791 : : *
3792 : : * ewma(t) = w * task_util(p) + (1-w) * ewma(t-1)
3793 : : * = w * task_util(p) + ewma(t-1) - w * ewma(t-1)
3794 : : * = w * (task_util(p) - ewma(t-1)) + ewma(t-1)
3795 : : * = w * ( last_ewma_diff ) + ewma(t-1)
3796 : : * = w * (last_ewma_diff + ewma(t-1) / w)
3797 : : *
3798 : : * Where 'w' is the weight of new samples, which is configured to be
3799 : : * 0.25, thus making w=1/4 ( >>= UTIL_EST_WEIGHT_SHIFT)
3800 : : */
3801 : 3 : ue.ewma <<= UTIL_EST_WEIGHT_SHIFT;
3802 : 3 : ue.ewma += last_ewma_diff;
3803 : 3 : ue.ewma >>= UTIL_EST_WEIGHT_SHIFT;
3804 : 3 : WRITE_ONCE(p->se.avg.util_est, ue);
3805 : : }
3806 : :
3807 : : static inline int task_fits_capacity(struct task_struct *p, long capacity)
3808 : : {
3809 : 0 : return fits_capacity(task_util_est(p), capacity);
3810 : : }
3811 : :
3812 : 3 : static inline void update_misfit_status(struct task_struct *p, struct rq *rq)
3813 : : {
3814 : 3 : if (!static_branch_unlikely(&sched_asym_cpucapacity))
3815 : : return;
3816 : :
3817 : 0 : if (!p) {
3818 : 0 : rq->misfit_task_load = 0;
3819 : 0 : return;
3820 : : }
3821 : :
3822 : 0 : if (task_fits_capacity(p, capacity_of(cpu_of(rq)))) {
3823 : 0 : rq->misfit_task_load = 0;
3824 : 0 : return;
3825 : : }
3826 : :
3827 : : /*
3828 : : * Make sure that misfit_task_load will not be null even if
3829 : : * task_h_load() returns 0.
3830 : : */
3831 : 0 : rq->misfit_task_load = max_t(unsigned long, task_h_load(p), 1);
3832 : : }
3833 : :
3834 : : #else /* CONFIG_SMP */
3835 : :
3836 : : #define UPDATE_TG 0x0
3837 : : #define SKIP_AGE_LOAD 0x0
3838 : : #define DO_ATTACH 0x0
3839 : :
3840 : : static inline void update_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se, int not_used1)
3841 : : {
3842 : : cfs_rq_util_change(cfs_rq, 0);
3843 : : }
3844 : :
3845 : : static inline void remove_entity_load_avg(struct sched_entity *se) {}
3846 : :
3847 : : static inline void
3848 : : attach_entity_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags) {}
3849 : : static inline void
3850 : : detach_entity_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se) {}
3851 : :
3852 : : static inline int idle_balance(struct rq *rq, struct rq_flags *rf)
3853 : : {
3854 : : return 0;
3855 : : }
3856 : :
3857 : : static inline void
3858 : : util_est_enqueue(struct cfs_rq *cfs_rq, struct task_struct *p) {}
3859 : :
3860 : : static inline void
3861 : : util_est_dequeue(struct cfs_rq *cfs_rq, struct task_struct *p,
3862 : : bool task_sleep) {}
3863 : : static inline void update_misfit_status(struct task_struct *p, struct rq *rq) {}
3864 : :
3865 : : #endif /* CONFIG_SMP */
3866 : :
3867 : 3 : static void check_spread(struct cfs_rq *cfs_rq, struct sched_entity *se)
3868 : : {
3869 : : #ifdef CONFIG_SCHED_DEBUG
3870 : 3 : s64 d = se->vruntime - cfs_rq->min_vruntime;
3871 : :
3872 : 3 : if (d < 0)
3873 : 3 : d = -d;
3874 : :
3875 : 3 : if (d > 3*sysctl_sched_latency)
3876 : 3 : schedstat_inc(cfs_rq->nr_spread_over);
3877 : : #endif
3878 : 3 : }
3879 : :
3880 : : static void
3881 : 3 : place_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int initial)
3882 : : {
3883 : 3 : u64 vruntime = cfs_rq->min_vruntime;
3884 : :
3885 : : /*
3886 : : * The 'current' period is already promised to the current tasks,
3887 : : * however the extra weight of the new task will slow them down a
3888 : : * little, place the new task so that it fits in the slot that
3889 : : * stays open at the end.
3890 : : */
3891 : 3 : if (initial && sched_feat(START_DEBIT))
3892 : 3 : vruntime += sched_vslice(cfs_rq, se);
3893 : :
3894 : : /* sleeps up to a single latency don't count. */
3895 : 3 : if (!initial) {
3896 : 3 : unsigned long thresh = sysctl_sched_latency;
3897 : :
3898 : : /*
3899 : : * Halve their sleep time's effect, to allow
3900 : : * for a gentler effect of sleepers:
3901 : : */
3902 : 3 : if (sched_feat(GENTLE_FAIR_SLEEPERS))
3903 : 3 : thresh >>= 1;
3904 : :
3905 : 3 : vruntime -= thresh;
3906 : : }
3907 : :
3908 : : /* ensure we never gain time by being placed backwards. */
3909 : 3 : se->vruntime = max_vruntime(se->vruntime, vruntime);
3910 : 3 : }
3911 : :
3912 : : static void check_enqueue_throttle(struct cfs_rq *cfs_rq);
3913 : :
3914 : 3 : static inline void check_schedstat_required(void)
3915 : : {
3916 : : #ifdef CONFIG_SCHEDSTATS
3917 : 3 : if (schedstat_enabled())
3918 : 3 : return;
3919 : :
3920 : : /* Force schedstat enabled if a dependent tracepoint is active */
3921 : 3 : if (trace_sched_stat_wait_enabled() ||
3922 : 3 : trace_sched_stat_sleep_enabled() ||
3923 : 3 : trace_sched_stat_iowait_enabled() ||
3924 : 3 : trace_sched_stat_blocked_enabled() ||
3925 : : trace_sched_stat_runtime_enabled()) {
3926 : 0 : printk_deferred_once("Scheduler tracepoints stat_sleep, stat_iowait, "
3927 : : "stat_blocked and stat_runtime require the "
3928 : : "kernel parameter schedstats=enable or "
3929 : : "kernel.sched_schedstats=1\n");
3930 : : }
3931 : : #endif
3932 : : }
3933 : :
3934 : : static inline bool cfs_bandwidth_used(void);
3935 : :
3936 : : /*
3937 : : * MIGRATION
3938 : : *
3939 : : * dequeue
3940 : : * update_curr()
3941 : : * update_min_vruntime()
3942 : : * vruntime -= min_vruntime
3943 : : *
3944 : : * enqueue
3945 : : * update_curr()
3946 : : * update_min_vruntime()
3947 : : * vruntime += min_vruntime
3948 : : *
3949 : : * this way the vruntime transition between RQs is done when both
3950 : : * min_vruntime are up-to-date.
3951 : : *
3952 : : * WAKEUP (remote)
3953 : : *
3954 : : * ->migrate_task_rq_fair() (p->state == TASK_WAKING)
3955 : : * vruntime -= min_vruntime
3956 : : *
3957 : : * enqueue
3958 : : * update_curr()
3959 : : * update_min_vruntime()
3960 : : * vruntime += min_vruntime
3961 : : *
3962 : : * this way we don't have the most up-to-date min_vruntime on the originating
3963 : : * CPU and an up-to-date min_vruntime on the destination CPU.
3964 : : */
3965 : :
3966 : : static void
3967 : 3 : enqueue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
3968 : : {
3969 : 3 : bool renorm = !(flags & ENQUEUE_WAKEUP) || (flags & ENQUEUE_MIGRATED);
3970 : 3 : bool curr = cfs_rq->curr == se;
3971 : :
3972 : : /*
3973 : : * If we're the current task, we must renormalise before calling
3974 : : * update_curr().
3975 : : */
3976 : 3 : if (renorm && curr)
3977 : 0 : se->vruntime += cfs_rq->min_vruntime;
3978 : :
3979 : 3 : update_curr(cfs_rq);
3980 : :
3981 : : /*
3982 : : * Otherwise, renormalise after, such that we're placed at the current
3983 : : * moment in time, instead of some random moment in the past. Being
3984 : : * placed in the past could significantly boost this task to the
3985 : : * fairness detriment of existing tasks.
3986 : : */
3987 : 3 : if (renorm && !curr)
3988 : 3 : se->vruntime += cfs_rq->min_vruntime;
3989 : :
3990 : : /*
3991 : : * When enqueuing a sched_entity, we must:
3992 : : * - Update loads to have both entity and cfs_rq synced with now.
3993 : : * - Add its load to cfs_rq->runnable_avg
3994 : : * - For group_entity, update its weight to reflect the new share of
3995 : : * its group cfs_rq
3996 : : * - Add its new weight to cfs_rq->load.weight
3997 : : */
3998 : 3 : update_load_avg(cfs_rq, se, UPDATE_TG | DO_ATTACH);
3999 : 3 : update_cfs_group(se);
4000 : : enqueue_runnable_load_avg(cfs_rq, se);
4001 : 3 : account_entity_enqueue(cfs_rq, se);
4002 : :
4003 : 3 : if (flags & ENQUEUE_WAKEUP)
4004 : 3 : place_entity(cfs_rq, se, 0);
4005 : :
4006 : 3 : check_schedstat_required();
4007 : 3 : update_stats_enqueue(cfs_rq, se, flags);
4008 : 3 : check_spread(cfs_rq, se);
4009 : 3 : if (!curr)
4010 : 3 : __enqueue_entity(cfs_rq, se);
4011 : 3 : se->on_rq = 1;
4012 : :
4013 : : /*
4014 : : * When bandwidth control is enabled, cfs might have been removed
4015 : : * because of a parent been throttled but cfs->nr_running > 1. Try to
4016 : : * add it unconditionnally.
4017 : : */
4018 : 3 : if (cfs_rq->nr_running == 1 || cfs_bandwidth_used())
4019 : 3 : list_add_leaf_cfs_rq(cfs_rq);
4020 : :
4021 : 3 : if (cfs_rq->nr_running == 1)
4022 : 3 : check_enqueue_throttle(cfs_rq);
4023 : 3 : }
4024 : :
4025 : : static void __clear_buddies_last(struct sched_entity *se)
4026 : : {
4027 : 3 : for_each_sched_entity(se) {
4028 : : struct cfs_rq *cfs_rq = cfs_rq_of(se);
4029 : 3 : if (cfs_rq->last != se)
4030 : : break;
4031 : :
4032 : 3 : cfs_rq->last = NULL;
4033 : : }
4034 : : }
4035 : :
4036 : : static void __clear_buddies_next(struct sched_entity *se)
4037 : : {
4038 : 3 : for_each_sched_entity(se) {
4039 : : struct cfs_rq *cfs_rq = cfs_rq_of(se);
4040 : 3 : if (cfs_rq->next != se)
4041 : : break;
4042 : :
4043 : 3 : cfs_rq->next = NULL;
4044 : : }
4045 : : }
4046 : :
4047 : : static void __clear_buddies_skip(struct sched_entity *se)
4048 : : {
4049 : 0 : for_each_sched_entity(se) {
4050 : : struct cfs_rq *cfs_rq = cfs_rq_of(se);
4051 : 0 : if (cfs_rq->skip != se)
4052 : : break;
4053 : :
4054 : 0 : cfs_rq->skip = NULL;
4055 : : }
4056 : : }
4057 : :
4058 : 3 : static void clear_buddies(struct cfs_rq *cfs_rq, struct sched_entity *se)
4059 : : {
4060 : 3 : if (cfs_rq->last == se)
4061 : : __clear_buddies_last(se);
4062 : :
4063 : 3 : if (cfs_rq->next == se)
4064 : : __clear_buddies_next(se);
4065 : :
4066 : 3 : if (cfs_rq->skip == se)
4067 : : __clear_buddies_skip(se);
4068 : 3 : }
4069 : :
4070 : : static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq);
4071 : :
4072 : : static void
4073 : 3 : dequeue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
4074 : : {
4075 : : /*
4076 : : * Update run-time statistics of the 'current'.
4077 : : */
4078 : 3 : update_curr(cfs_rq);
4079 : :
4080 : : /*
4081 : : * When dequeuing a sched_entity, we must:
4082 : : * - Update loads to have both entity and cfs_rq synced with now.
4083 : : * - Subtract its load from the cfs_rq->runnable_avg.
4084 : : * - Subtract its previous weight from cfs_rq->load.weight.
4085 : : * - For group entity, update its weight to reflect the new share
4086 : : * of its group cfs_rq.
4087 : : */
4088 : 3 : update_load_avg(cfs_rq, se, UPDATE_TG);
4089 : 3 : dequeue_runnable_load_avg(cfs_rq, se);
4090 : :
4091 : 3 : update_stats_dequeue(cfs_rq, se, flags);
4092 : :
4093 : 3 : clear_buddies(cfs_rq, se);
4094 : :
4095 : 3 : if (se != cfs_rq->curr)
4096 : : __dequeue_entity(cfs_rq, se);
4097 : 3 : se->on_rq = 0;
4098 : 3 : account_entity_dequeue(cfs_rq, se);
4099 : :
4100 : : /*
4101 : : * Normalize after update_curr(); which will also have moved
4102 : : * min_vruntime if @se is the one holding it back. But before doing
4103 : : * update_min_vruntime() again, which will discount @se's position and
4104 : : * can move min_vruntime forward still more.
4105 : : */
4106 : 3 : if (!(flags & DEQUEUE_SLEEP))
4107 : 3 : se->vruntime -= cfs_rq->min_vruntime;
4108 : :
4109 : : /* return excess runtime on last dequeue */
4110 : : return_cfs_rq_runtime(cfs_rq);
4111 : :
4112 : 3 : update_cfs_group(se);
4113 : :
4114 : : /*
4115 : : * Now advance min_vruntime if @se was the entity holding it back,
4116 : : * except when: DEQUEUE_SAVE && !DEQUEUE_MOVE, in this case we'll be
4117 : : * put back on, and if we advance min_vruntime, we'll be placed back
4118 : : * further than we started -- ie. we'll be penalized.
4119 : : */
4120 : 3 : if ((flags & (DEQUEUE_SAVE | DEQUEUE_MOVE)) != DEQUEUE_SAVE)
4121 : 3 : update_min_vruntime(cfs_rq);
4122 : 3 : }
4123 : :
4124 : : /*
4125 : : * Preempt the current task with a newly woken task if needed:
4126 : : */
4127 : : static void
4128 : 3 : check_preempt_tick(struct cfs_rq *cfs_rq, struct sched_entity *curr)
4129 : : {
4130 : : unsigned long ideal_runtime, delta_exec;
4131 : : struct sched_entity *se;
4132 : : s64 delta;
4133 : :
4134 : 3 : ideal_runtime = sched_slice(cfs_rq, curr);
4135 : 3 : delta_exec = curr->sum_exec_runtime - curr->prev_sum_exec_runtime;
4136 : 3 : if (delta_exec > ideal_runtime) {
4137 : 3 : resched_curr(rq_of(cfs_rq));
4138 : : /*
4139 : : * The current task ran long enough, ensure it doesn't get
4140 : : * re-elected due to buddy favours.
4141 : : */
4142 : 3 : clear_buddies(cfs_rq, curr);
4143 : 3 : return;
4144 : : }
4145 : :
4146 : : /*
4147 : : * Ensure that a task that missed wakeup preemption by a
4148 : : * narrow margin doesn't have to wait for a full slice.
4149 : : * This also mitigates buddy induced latencies under load.
4150 : : */
4151 : 3 : if (delta_exec < sysctl_sched_min_granularity)
4152 : : return;
4153 : :
4154 : : se = __pick_first_entity(cfs_rq);
4155 : 3 : delta = curr->vruntime - se->vruntime;
4156 : :
4157 : 3 : if (delta < 0)
4158 : : return;
4159 : :
4160 : 3 : if (delta > ideal_runtime)
4161 : 3 : resched_curr(rq_of(cfs_rq));
4162 : : }
4163 : :
4164 : : static void
4165 : 3 : set_next_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
4166 : : {
4167 : : /* 'current' is not kept within the tree. */
4168 : 3 : if (se->on_rq) {
4169 : : /*
4170 : : * Any task has to be enqueued before it get to execute on
4171 : : * a CPU. So account for the time it spent waiting on the
4172 : : * runqueue.
4173 : : */
4174 : 3 : update_stats_wait_end(cfs_rq, se);
4175 : : __dequeue_entity(cfs_rq, se);
4176 : 3 : update_load_avg(cfs_rq, se, UPDATE_TG);
4177 : : }
4178 : :
4179 : : update_stats_curr_start(cfs_rq, se);
4180 : 3 : cfs_rq->curr = se;
4181 : :
4182 : : /*
4183 : : * Track our maximum slice length, if the CPU's load is at
4184 : : * least twice that of our own weight (i.e. dont track it
4185 : : * when there are only lesser-weight tasks around):
4186 : : */
4187 : 3 : if (schedstat_enabled() &&
4188 : 0 : rq_of(cfs_rq)->cfs.load.weight >= 2*se->load.weight) {
4189 : 0 : schedstat_set(se->statistics.slice_max,
4190 : : max((u64)schedstat_val(se->statistics.slice_max),
4191 : : se->sum_exec_runtime - se->prev_sum_exec_runtime));
4192 : : }
4193 : :
4194 : 3 : se->prev_sum_exec_runtime = se->sum_exec_runtime;
4195 : 3 : }
4196 : :
4197 : : static int
4198 : : wakeup_preempt_entity(struct sched_entity *curr, struct sched_entity *se);
4199 : :
4200 : : /*
4201 : : * Pick the next process, keeping these things in mind, in this order:
4202 : : * 1) keep things fair between processes/task groups
4203 : : * 2) pick the "next" process, since someone really wants that to run
4204 : : * 3) pick the "last" process, for cache locality
4205 : : * 4) do not run the "skip" process, if something else is available
4206 : : */
4207 : : static struct sched_entity *
4208 : 3 : pick_next_entity(struct cfs_rq *cfs_rq, struct sched_entity *curr)
4209 : : {
4210 : : struct sched_entity *left = __pick_first_entity(cfs_rq);
4211 : : struct sched_entity *se;
4212 : :
4213 : : /*
4214 : : * If curr is set we have to see if its left of the leftmost entity
4215 : : * still in the tree, provided there was anything in the tree at all.
4216 : : */
4217 : 3 : if (!left || (curr && entity_before(curr, left)))
4218 : : left = curr;
4219 : :
4220 : : se = left; /* ideally we run the leftmost entity */
4221 : :
4222 : : /*
4223 : : * Avoid running the skip buddy, if running something else can
4224 : : * be done without getting too unfair.
4225 : : */
4226 : 3 : if (cfs_rq->skip == se) {
4227 : : struct sched_entity *second;
4228 : :
4229 : 0 : if (se == curr) {
4230 : : second = __pick_first_entity(cfs_rq);
4231 : : } else {
4232 : : second = __pick_next_entity(se);
4233 : 0 : if (!second || (curr && entity_before(curr, second)))
4234 : : second = curr;
4235 : : }
4236 : :
4237 : 0 : if (second && wakeup_preempt_entity(second, left) < 1)
4238 : : se = second;
4239 : : }
4240 : :
4241 : : /*
4242 : : * Prefer last buddy, try to return the CPU to a preempted task.
4243 : : */
4244 : 3 : if (cfs_rq->last && wakeup_preempt_entity(cfs_rq->last, left) < 1)
4245 : 3 : se = cfs_rq->last;
4246 : :
4247 : : /*
4248 : : * Someone really wants this to run. If it's not unfair, run it.
4249 : : */
4250 : 3 : if (cfs_rq->next && wakeup_preempt_entity(cfs_rq->next, left) < 1)
4251 : 3 : se = cfs_rq->next;
4252 : :
4253 : 3 : clear_buddies(cfs_rq, se);
4254 : :
4255 : 3 : return se;
4256 : : }
4257 : :
4258 : : static bool check_cfs_rq_runtime(struct cfs_rq *cfs_rq);
4259 : :
4260 : 3 : static void put_prev_entity(struct cfs_rq *cfs_rq, struct sched_entity *prev)
4261 : : {
4262 : : /*
4263 : : * If still on the runqueue then deactivate_task()
4264 : : * was not called and update_curr() has to be done:
4265 : : */
4266 : 3 : if (prev->on_rq)
4267 : 3 : update_curr(cfs_rq);
4268 : :
4269 : : /* throttle cfs_rqs exceeding runtime */
4270 : 3 : check_cfs_rq_runtime(cfs_rq);
4271 : :
4272 : 3 : check_spread(cfs_rq, prev);
4273 : :
4274 : 3 : if (prev->on_rq) {
4275 : 3 : update_stats_wait_start(cfs_rq, prev);
4276 : : /* Put 'current' back into the tree. */
4277 : 3 : __enqueue_entity(cfs_rq, prev);
4278 : : /* in !on_rq case, update occurred at dequeue */
4279 : 3 : update_load_avg(cfs_rq, prev, 0);
4280 : : }
4281 : 3 : cfs_rq->curr = NULL;
4282 : 3 : }
4283 : :
4284 : : static void
4285 : 3 : entity_tick(struct cfs_rq *cfs_rq, struct sched_entity *curr, int queued)
4286 : : {
4287 : : /*
4288 : : * Update run-time statistics of the 'current'.
4289 : : */
4290 : 3 : update_curr(cfs_rq);
4291 : :
4292 : : /*
4293 : : * Ensure that runnable average is periodically updated.
4294 : : */
4295 : 3 : update_load_avg(cfs_rq, curr, UPDATE_TG);
4296 : 3 : update_cfs_group(curr);
4297 : :
4298 : : #ifdef CONFIG_SCHED_HRTICK
4299 : : /*
4300 : : * queued ticks are scheduled to match the slice, so don't bother
4301 : : * validating it and just reschedule.
4302 : : */
4303 : 3 : if (queued) {
4304 : 0 : resched_curr(rq_of(cfs_rq));
4305 : 0 : return;
4306 : : }
4307 : : /*
4308 : : * don't let the period tick interfere with the hrtick preemption
4309 : : */
4310 : 3 : if (!sched_feat(DOUBLE_TICK) &&
4311 : 3 : hrtimer_active(&rq_of(cfs_rq)->hrtick_timer))
4312 : : return;
4313 : : #endif
4314 : :
4315 : 3 : if (cfs_rq->nr_running > 1)
4316 : 3 : check_preempt_tick(cfs_rq, curr);
4317 : : }
4318 : :
4319 : :
4320 : : /**************************************************
4321 : : * CFS bandwidth control machinery
4322 : : */
4323 : :
4324 : : #ifdef CONFIG_CFS_BANDWIDTH
4325 : :
4326 : : #ifdef CONFIG_JUMP_LABEL
4327 : : static struct static_key __cfs_bandwidth_used;
4328 : :
4329 : 3 : static inline bool cfs_bandwidth_used(void)
4330 : : {
4331 : 3 : return static_key_false(&__cfs_bandwidth_used);
4332 : : }
4333 : :
4334 : 0 : void cfs_bandwidth_usage_inc(void)
4335 : : {
4336 : 0 : static_key_slow_inc_cpuslocked(&__cfs_bandwidth_used);
4337 : 0 : }
4338 : :
4339 : 0 : void cfs_bandwidth_usage_dec(void)
4340 : : {
4341 : 0 : static_key_slow_dec_cpuslocked(&__cfs_bandwidth_used);
4342 : 0 : }
4343 : : #else /* CONFIG_JUMP_LABEL */
4344 : : static bool cfs_bandwidth_used(void)
4345 : : {
4346 : : return true;
4347 : : }
4348 : :
4349 : : void cfs_bandwidth_usage_inc(void) {}
4350 : : void cfs_bandwidth_usage_dec(void) {}
4351 : : #endif /* CONFIG_JUMP_LABEL */
4352 : :
4353 : : /*
4354 : : * default period for cfs group bandwidth.
4355 : : * default: 0.1s, units: nanoseconds
4356 : : */
4357 : : static inline u64 default_cfs_period(void)
4358 : : {
4359 : : return 100000000ULL;
4360 : : }
4361 : :
4362 : : static inline u64 sched_cfs_bandwidth_slice(void)
4363 : : {
4364 : 0 : return (u64)sysctl_sched_cfs_bandwidth_slice * NSEC_PER_USEC;
4365 : : }
4366 : :
4367 : : /*
4368 : : * Replenish runtime according to assigned quota. We use sched_clock_cpu
4369 : : * directly instead of rq->clock to avoid adding additional synchronization
4370 : : * around rq->lock.
4371 : : *
4372 : : * requires cfs_b->lock
4373 : : */
4374 : 0 : void __refill_cfs_bandwidth_runtime(struct cfs_bandwidth *cfs_b)
4375 : : {
4376 : 0 : if (cfs_b->quota != RUNTIME_INF)
4377 : 0 : cfs_b->runtime = cfs_b->quota;
4378 : 0 : }
4379 : :
4380 : : static inline struct cfs_bandwidth *tg_cfs_bandwidth(struct task_group *tg)
4381 : : {
4382 : 3 : return &tg->cfs_bandwidth;
4383 : : }
4384 : :
4385 : : /* returns 0 on failure to allocate runtime */
4386 : 0 : static int assign_cfs_rq_runtime(struct cfs_rq *cfs_rq)
4387 : : {
4388 : 0 : struct task_group *tg = cfs_rq->tg;
4389 : : struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(tg);
4390 : : u64 amount = 0, min_amount;
4391 : :
4392 : : /* note: this is a positive sum as runtime_remaining <= 0 */
4393 : 0 : min_amount = sched_cfs_bandwidth_slice() - cfs_rq->runtime_remaining;
4394 : :
4395 : 0 : raw_spin_lock(&cfs_b->lock);
4396 : 0 : if (cfs_b->quota == RUNTIME_INF)
4397 : : amount = min_amount;
4398 : : else {
4399 : 0 : start_cfs_bandwidth(cfs_b);
4400 : :
4401 : 0 : if (cfs_b->runtime > 0) {
4402 : 0 : amount = min(cfs_b->runtime, min_amount);
4403 : 0 : cfs_b->runtime -= amount;
4404 : 0 : cfs_b->idle = 0;
4405 : : }
4406 : : }
4407 : : raw_spin_unlock(&cfs_b->lock);
4408 : :
4409 : 0 : cfs_rq->runtime_remaining += amount;
4410 : :
4411 : 0 : return cfs_rq->runtime_remaining > 0;
4412 : : }
4413 : :
4414 : 0 : static void __account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec)
4415 : : {
4416 : : /* dock delta_exec before expiring quota (as it could span periods) */
4417 : 0 : cfs_rq->runtime_remaining -= delta_exec;
4418 : :
4419 : 0 : if (likely(cfs_rq->runtime_remaining > 0))
4420 : : return;
4421 : :
4422 : 0 : if (cfs_rq->throttled)
4423 : : return;
4424 : : /*
4425 : : * if we're unable to extend our runtime we resched so that the active
4426 : : * hierarchy can be throttled
4427 : : */
4428 : 0 : if (!assign_cfs_rq_runtime(cfs_rq) && likely(cfs_rq->curr))
4429 : 0 : resched_curr(rq_of(cfs_rq));
4430 : : }
4431 : :
4432 : : static __always_inline
4433 : : void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec)
4434 : : {
4435 : 3 : if (!cfs_bandwidth_used() || !cfs_rq->runtime_enabled)
4436 : : return;
4437 : :
4438 : 0 : __account_cfs_rq_runtime(cfs_rq, delta_exec);
4439 : : }
4440 : :
4441 : : static inline int cfs_rq_throttled(struct cfs_rq *cfs_rq)
4442 : : {
4443 : 3 : return cfs_bandwidth_used() && cfs_rq->throttled;
4444 : : }
4445 : :
4446 : : /* check whether cfs_rq, or any parent, is throttled */
4447 : : static inline int throttled_hierarchy(struct cfs_rq *cfs_rq)
4448 : : {
4449 : 3 : return cfs_bandwidth_used() && cfs_rq->throttle_count;
4450 : : }
4451 : :
4452 : : /*
4453 : : * Ensure that neither of the group entities corresponding to src_cpu or
4454 : : * dest_cpu are members of a throttled hierarchy when performing group
4455 : : * load-balance operations.
4456 : : */
4457 : 3 : static inline int throttled_lb_pair(struct task_group *tg,
4458 : : int src_cpu, int dest_cpu)
4459 : : {
4460 : : struct cfs_rq *src_cfs_rq, *dest_cfs_rq;
4461 : :
4462 : 3 : src_cfs_rq = tg->cfs_rq[src_cpu];
4463 : 3 : dest_cfs_rq = tg->cfs_rq[dest_cpu];
4464 : :
4465 : 3 : return throttled_hierarchy(src_cfs_rq) ||
4466 : : throttled_hierarchy(dest_cfs_rq);
4467 : : }
4468 : :
4469 : 0 : static int tg_unthrottle_up(struct task_group *tg, void *data)
4470 : : {
4471 : : struct rq *rq = data;
4472 : 0 : struct cfs_rq *cfs_rq = tg->cfs_rq[cpu_of(rq)];
4473 : :
4474 : 0 : cfs_rq->throttle_count--;
4475 : 0 : if (!cfs_rq->throttle_count) {
4476 : 0 : cfs_rq->throttled_clock_task_time += rq_clock_task(rq) -
4477 : 0 : cfs_rq->throttled_clock_task;
4478 : :
4479 : : /* Add cfs_rq with already running entity in the list */
4480 : 0 : if (cfs_rq->nr_running >= 1)
4481 : 0 : list_add_leaf_cfs_rq(cfs_rq);
4482 : : }
4483 : :
4484 : 0 : return 0;
4485 : : }
4486 : :
4487 : 0 : static int tg_throttle_down(struct task_group *tg, void *data)
4488 : : {
4489 : : struct rq *rq = data;
4490 : 0 : struct cfs_rq *cfs_rq = tg->cfs_rq[cpu_of(rq)];
4491 : :
4492 : : /* group is entering throttled state, stop time */
4493 : 0 : if (!cfs_rq->throttle_count) {
4494 : 0 : cfs_rq->throttled_clock_task = rq_clock_task(rq);
4495 : : list_del_leaf_cfs_rq(cfs_rq);
4496 : : }
4497 : 0 : cfs_rq->throttle_count++;
4498 : :
4499 : 0 : return 0;
4500 : : }
4501 : :
4502 : 0 : static void throttle_cfs_rq(struct cfs_rq *cfs_rq)
4503 : : {
4504 : : struct rq *rq = rq_of(cfs_rq);
4505 : 0 : struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
4506 : : struct sched_entity *se;
4507 : : long task_delta, idle_task_delta, dequeue = 1;
4508 : : bool empty;
4509 : :
4510 : 0 : se = cfs_rq->tg->se[cpu_of(rq_of(cfs_rq))];
4511 : :
4512 : : /* freeze hierarchy runnable averages while throttled */
4513 : : rcu_read_lock();
4514 : 0 : walk_tg_tree_from(cfs_rq->tg, tg_throttle_down, tg_nop, (void *)rq);
4515 : : rcu_read_unlock();
4516 : :
4517 : 0 : task_delta = cfs_rq->h_nr_running;
4518 : 0 : idle_task_delta = cfs_rq->idle_h_nr_running;
4519 : 0 : for_each_sched_entity(se) {
4520 : : struct cfs_rq *qcfs_rq = cfs_rq_of(se);
4521 : : /* throttled entity or throttle-on-deactivate */
4522 : 0 : if (!se->on_rq)
4523 : : break;
4524 : :
4525 : 0 : if (dequeue)
4526 : 0 : dequeue_entity(qcfs_rq, se, DEQUEUE_SLEEP);
4527 : 0 : qcfs_rq->h_nr_running -= task_delta;
4528 : 0 : qcfs_rq->idle_h_nr_running -= idle_task_delta;
4529 : :
4530 : 0 : if (qcfs_rq->load.weight)
4531 : : dequeue = 0;
4532 : : }
4533 : :
4534 : 0 : if (!se)
4535 : : sub_nr_running(rq, task_delta);
4536 : :
4537 : 0 : cfs_rq->throttled = 1;
4538 : 0 : cfs_rq->throttled_clock = rq_clock(rq);
4539 : 0 : raw_spin_lock(&cfs_b->lock);
4540 : 0 : empty = list_empty(&cfs_b->throttled_cfs_rq);
4541 : :
4542 : : /*
4543 : : * Add to the _head_ of the list, so that an already-started
4544 : : * distribute_cfs_runtime will not see us. If disribute_cfs_runtime is
4545 : : * not running add to the tail so that later runqueues don't get starved.
4546 : : */
4547 : 0 : if (cfs_b->distribute_running)
4548 : 0 : list_add_rcu(&cfs_rq->throttled_list, &cfs_b->throttled_cfs_rq);
4549 : : else
4550 : 0 : list_add_tail_rcu(&cfs_rq->throttled_list, &cfs_b->throttled_cfs_rq);
4551 : :
4552 : : /*
4553 : : * If we're the first throttled task, make sure the bandwidth
4554 : : * timer is running.
4555 : : */
4556 : 0 : if (empty)
4557 : 0 : start_cfs_bandwidth(cfs_b);
4558 : :
4559 : : raw_spin_unlock(&cfs_b->lock);
4560 : 0 : }
4561 : :
4562 : 0 : void unthrottle_cfs_rq(struct cfs_rq *cfs_rq)
4563 : : {
4564 : : struct rq *rq = rq_of(cfs_rq);
4565 : 0 : struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
4566 : : struct sched_entity *se;
4567 : : int enqueue = 1;
4568 : : long task_delta, idle_task_delta;
4569 : :
4570 : 0 : se = cfs_rq->tg->se[cpu_of(rq)];
4571 : :
4572 : 0 : cfs_rq->throttled = 0;
4573 : :
4574 : 0 : update_rq_clock(rq);
4575 : :
4576 : 0 : raw_spin_lock(&cfs_b->lock);
4577 : 0 : cfs_b->throttled_time += rq_clock(rq) - cfs_rq->throttled_clock;
4578 : : list_del_rcu(&cfs_rq->throttled_list);
4579 : : raw_spin_unlock(&cfs_b->lock);
4580 : :
4581 : : /* update hierarchical throttle state */
4582 : 0 : walk_tg_tree_from(cfs_rq->tg, tg_nop, tg_unthrottle_up, (void *)rq);
4583 : :
4584 : 0 : if (!cfs_rq->load.weight)
4585 : 0 : return;
4586 : :
4587 : 0 : task_delta = cfs_rq->h_nr_running;
4588 : 0 : idle_task_delta = cfs_rq->idle_h_nr_running;
4589 : 0 : for_each_sched_entity(se) {
4590 : 0 : if (se->on_rq)
4591 : : enqueue = 0;
4592 : :
4593 : : cfs_rq = cfs_rq_of(se);
4594 : 0 : if (enqueue)
4595 : 0 : enqueue_entity(cfs_rq, se, ENQUEUE_WAKEUP);
4596 : 0 : cfs_rq->h_nr_running += task_delta;
4597 : 0 : cfs_rq->idle_h_nr_running += idle_task_delta;
4598 : :
4599 : 0 : if (cfs_rq_throttled(cfs_rq))
4600 : : break;
4601 : : }
4602 : :
4603 : 0 : if (!se)
4604 : : add_nr_running(rq, task_delta);
4605 : :
4606 : : /*
4607 : : * The cfs_rq_throttled() breaks in the above iteration can result in
4608 : : * incomplete leaf list maintenance, resulting in triggering the
4609 : : * assertion below.
4610 : : */
4611 : 0 : for_each_sched_entity(se) {
4612 : : cfs_rq = cfs_rq_of(se);
4613 : :
4614 : 0 : list_add_leaf_cfs_rq(cfs_rq);
4615 : : }
4616 : :
4617 : 0 : assert_list_leaf_cfs_rq(rq);
4618 : :
4619 : : /* Determine whether we need to wake up potentially idle CPU: */
4620 : 0 : if (rq->curr == rq->idle && rq->cfs.nr_running)
4621 : 0 : resched_curr(rq);
4622 : : }
4623 : :
4624 : 0 : static u64 distribute_cfs_runtime(struct cfs_bandwidth *cfs_b, u64 remaining)
4625 : : {
4626 : : struct cfs_rq *cfs_rq;
4627 : : u64 runtime;
4628 : : u64 starting_runtime = remaining;
4629 : :
4630 : : rcu_read_lock();
4631 : 0 : list_for_each_entry_rcu(cfs_rq, &cfs_b->throttled_cfs_rq,
4632 : : throttled_list) {
4633 : : struct rq *rq = rq_of(cfs_rq);
4634 : : struct rq_flags rf;
4635 : :
4636 : : rq_lock_irqsave(rq, &rf);
4637 : 0 : if (!cfs_rq_throttled(cfs_rq))
4638 : : goto next;
4639 : :
4640 : : /* By the above check, this should never be true */
4641 : 0 : SCHED_WARN_ON(cfs_rq->runtime_remaining > 0);
4642 : :
4643 : 0 : runtime = -cfs_rq->runtime_remaining + 1;
4644 : 0 : if (runtime > remaining)
4645 : : runtime = remaining;
4646 : 0 : remaining -= runtime;
4647 : :
4648 : 0 : cfs_rq->runtime_remaining += runtime;
4649 : :
4650 : : /* we check whether we're throttled above */
4651 : 0 : if (cfs_rq->runtime_remaining > 0)
4652 : 0 : unthrottle_cfs_rq(cfs_rq);
4653 : :
4654 : : next:
4655 : : rq_unlock_irqrestore(rq, &rf);
4656 : :
4657 : 0 : if (!remaining)
4658 : : break;
4659 : : }
4660 : : rcu_read_unlock();
4661 : :
4662 : 0 : return starting_runtime - remaining;
4663 : : }
4664 : :
4665 : : /*
4666 : : * Responsible for refilling a task_group's bandwidth and unthrottling its
4667 : : * cfs_rqs as appropriate. If there has been no activity within the last
4668 : : * period the timer is deactivated until scheduling resumes; cfs_b->idle is
4669 : : * used to track this state.
4670 : : */
4671 : 0 : static int do_sched_cfs_period_timer(struct cfs_bandwidth *cfs_b, int overrun, unsigned long flags)
4672 : : {
4673 : : u64 runtime;
4674 : : int throttled;
4675 : :
4676 : : /* no need to continue the timer with no bandwidth constraint */
4677 : 0 : if (cfs_b->quota == RUNTIME_INF)
4678 : : goto out_deactivate;
4679 : :
4680 : 0 : throttled = !list_empty(&cfs_b->throttled_cfs_rq);
4681 : 0 : cfs_b->nr_periods += overrun;
4682 : :
4683 : : /*
4684 : : * idle depends on !throttled (for the case of a large deficit), and if
4685 : : * we're going inactive then everything else can be deferred
4686 : : */
4687 : 0 : if (cfs_b->idle && !throttled)
4688 : : goto out_deactivate;
4689 : :
4690 : : __refill_cfs_bandwidth_runtime(cfs_b);
4691 : :
4692 : 0 : if (!throttled) {
4693 : : /* mark as potentially idle for the upcoming period */
4694 : 0 : cfs_b->idle = 1;
4695 : 0 : return 0;
4696 : : }
4697 : :
4698 : : /* account preceding periods in which throttling occurred */
4699 : 0 : cfs_b->nr_throttled += overrun;
4700 : :
4701 : : /*
4702 : : * This check is repeated as we are holding onto the new bandwidth while
4703 : : * we unthrottle. This can potentially race with an unthrottled group
4704 : : * trying to acquire new bandwidth from the global pool. This can result
4705 : : * in us over-using our runtime if it is all used during this loop, but
4706 : : * only by limited amounts in that extreme case.
4707 : : */
4708 : 0 : while (throttled && cfs_b->runtime > 0 && !cfs_b->distribute_running) {
4709 : : runtime = cfs_b->runtime;
4710 : 0 : cfs_b->distribute_running = 1;
4711 : 0 : raw_spin_unlock_irqrestore(&cfs_b->lock, flags);
4712 : : /* we can't nest cfs_b->lock while distributing bandwidth */
4713 : 0 : runtime = distribute_cfs_runtime(cfs_b, runtime);
4714 : 0 : raw_spin_lock_irqsave(&cfs_b->lock, flags);
4715 : :
4716 : 0 : cfs_b->distribute_running = 0;
4717 : 0 : throttled = !list_empty(&cfs_b->throttled_cfs_rq);
4718 : :
4719 : 0 : lsub_positive(&cfs_b->runtime, runtime);
4720 : : }
4721 : :
4722 : : /*
4723 : : * While we are ensured activity in the period following an
4724 : : * unthrottle, this also covers the case in which the new bandwidth is
4725 : : * insufficient to cover the existing bandwidth deficit. (Forcing the
4726 : : * timer to remain active while there are any throttled entities.)
4727 : : */
4728 : 0 : cfs_b->idle = 0;
4729 : :
4730 : 0 : return 0;
4731 : :
4732 : : out_deactivate:
4733 : : return 1;
4734 : : }
4735 : :
4736 : : /* a cfs_rq won't donate quota below this amount */
4737 : : static const u64 min_cfs_rq_runtime = 1 * NSEC_PER_MSEC;
4738 : : /* minimum remaining period time to redistribute slack quota */
4739 : : static const u64 min_bandwidth_expiration = 2 * NSEC_PER_MSEC;
4740 : : /* how long we wait to gather additional slack before distributing */
4741 : : static const u64 cfs_bandwidth_slack_period = 5 * NSEC_PER_MSEC;
4742 : :
4743 : : /*
4744 : : * Are we near the end of the current quota period?
4745 : : *
4746 : : * Requires cfs_b->lock for hrtimer_expires_remaining to be safe against the
4747 : : * hrtimer base being cleared by hrtimer_start. In the case of
4748 : : * migrate_hrtimers, base is never cleared, so we are fine.
4749 : : */
4750 : : static int runtime_refresh_within(struct cfs_bandwidth *cfs_b, u64 min_expire)
4751 : : {
4752 : 0 : struct hrtimer *refresh_timer = &cfs_b->period_timer;
4753 : : u64 remaining;
4754 : :
4755 : : /* if the call-back is running a quota refresh is already occurring */
4756 : 0 : if (hrtimer_callback_running(refresh_timer))
4757 : : return 1;
4758 : :
4759 : : /* is a quota refresh about to occur? */
4760 : 0 : remaining = ktime_to_ns(hrtimer_expires_remaining(refresh_timer));
4761 : 0 : if (remaining < min_expire)
4762 : : return 1;
4763 : :
4764 : : return 0;
4765 : : }
4766 : :
4767 : 0 : static void start_cfs_slack_bandwidth(struct cfs_bandwidth *cfs_b)
4768 : : {
4769 : : u64 min_left = cfs_bandwidth_slack_period + min_bandwidth_expiration;
4770 : :
4771 : : /* if there's a quota refresh soon don't bother with slack */
4772 : 0 : if (runtime_refresh_within(cfs_b, min_left))
4773 : : return;
4774 : :
4775 : : /* don't push forwards an existing deferred unthrottle */
4776 : 0 : if (cfs_b->slack_started)
4777 : : return;
4778 : 0 : cfs_b->slack_started = true;
4779 : :
4780 : 0 : hrtimer_start(&cfs_b->slack_timer,
4781 : : ns_to_ktime(cfs_bandwidth_slack_period),
4782 : : HRTIMER_MODE_REL);
4783 : : }
4784 : :
4785 : : /* we know any runtime found here is valid as update_curr() precedes return */
4786 : 0 : static void __return_cfs_rq_runtime(struct cfs_rq *cfs_rq)
4787 : : {
4788 : 0 : struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
4789 : 0 : s64 slack_runtime = cfs_rq->runtime_remaining - min_cfs_rq_runtime;
4790 : :
4791 : 0 : if (slack_runtime <= 0)
4792 : 0 : return;
4793 : :
4794 : 0 : raw_spin_lock(&cfs_b->lock);
4795 : 0 : if (cfs_b->quota != RUNTIME_INF) {
4796 : 0 : cfs_b->runtime += slack_runtime;
4797 : :
4798 : : /* we are under rq->lock, defer unthrottling using a timer */
4799 : 0 : if (cfs_b->runtime > sched_cfs_bandwidth_slice() &&
4800 : 0 : !list_empty(&cfs_b->throttled_cfs_rq))
4801 : 0 : start_cfs_slack_bandwidth(cfs_b);
4802 : : }
4803 : : raw_spin_unlock(&cfs_b->lock);
4804 : :
4805 : : /* even if it's not valid for return we don't want to try again */
4806 : 0 : cfs_rq->runtime_remaining -= slack_runtime;
4807 : : }
4808 : :
4809 : : static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq)
4810 : : {
4811 : 3 : if (!cfs_bandwidth_used())
4812 : : return;
4813 : :
4814 : 0 : if (!cfs_rq->runtime_enabled || cfs_rq->nr_running)
4815 : : return;
4816 : :
4817 : 0 : __return_cfs_rq_runtime(cfs_rq);
4818 : : }
4819 : :
4820 : : /*
4821 : : * This is done with a timer (instead of inline with bandwidth return) since
4822 : : * it's necessary to juggle rq->locks to unthrottle their respective cfs_rqs.
4823 : : */
4824 : 0 : static void do_sched_cfs_slack_timer(struct cfs_bandwidth *cfs_b)
4825 : : {
4826 : : u64 runtime = 0, slice = sched_cfs_bandwidth_slice();
4827 : : unsigned long flags;
4828 : :
4829 : : /* confirm we're still not at a refresh boundary */
4830 : 0 : raw_spin_lock_irqsave(&cfs_b->lock, flags);
4831 : 0 : cfs_b->slack_started = false;
4832 : 0 : if (cfs_b->distribute_running) {
4833 : 0 : raw_spin_unlock_irqrestore(&cfs_b->lock, flags);
4834 : 0 : return;
4835 : : }
4836 : :
4837 : 0 : if (runtime_refresh_within(cfs_b, min_bandwidth_expiration)) {
4838 : 0 : raw_spin_unlock_irqrestore(&cfs_b->lock, flags);
4839 : 0 : return;
4840 : : }
4841 : :
4842 : 0 : if (cfs_b->quota != RUNTIME_INF && cfs_b->runtime > slice)
4843 : : runtime = cfs_b->runtime;
4844 : :
4845 : 0 : if (runtime)
4846 : 0 : cfs_b->distribute_running = 1;
4847 : :
4848 : 0 : raw_spin_unlock_irqrestore(&cfs_b->lock, flags);
4849 : :
4850 : 0 : if (!runtime)
4851 : : return;
4852 : :
4853 : 0 : runtime = distribute_cfs_runtime(cfs_b, runtime);
4854 : :
4855 : 0 : raw_spin_lock_irqsave(&cfs_b->lock, flags);
4856 : 0 : lsub_positive(&cfs_b->runtime, runtime);
4857 : 0 : cfs_b->distribute_running = 0;
4858 : 0 : raw_spin_unlock_irqrestore(&cfs_b->lock, flags);
4859 : : }
4860 : :
4861 : : /*
4862 : : * When a group wakes up we want to make sure that its quota is not already
4863 : : * expired/exceeded, otherwise it may be allowed to steal additional ticks of
4864 : : * runtime as update_curr() throttling can not not trigger until it's on-rq.
4865 : : */
4866 : 3 : static void check_enqueue_throttle(struct cfs_rq *cfs_rq)
4867 : : {
4868 : 3 : if (!cfs_bandwidth_used())
4869 : : return;
4870 : :
4871 : : /* an active group must be handled by the update_curr()->put() path */
4872 : 0 : if (!cfs_rq->runtime_enabled || cfs_rq->curr)
4873 : : return;
4874 : :
4875 : : /* ensure the group is not already throttled */
4876 : 0 : if (cfs_rq_throttled(cfs_rq))
4877 : : return;
4878 : :
4879 : : /* update runtime allocation */
4880 : : account_cfs_rq_runtime(cfs_rq, 0);
4881 : 0 : if (cfs_rq->runtime_remaining <= 0)
4882 : 0 : throttle_cfs_rq(cfs_rq);
4883 : : }
4884 : :
4885 : 3 : static void sync_throttle(struct task_group *tg, int cpu)
4886 : : {
4887 : : struct cfs_rq *pcfs_rq, *cfs_rq;
4888 : :
4889 : 3 : if (!cfs_bandwidth_used())
4890 : : return;
4891 : :
4892 : 0 : if (!tg->parent)
4893 : : return;
4894 : :
4895 : 0 : cfs_rq = tg->cfs_rq[cpu];
4896 : 0 : pcfs_rq = tg->parent->cfs_rq[cpu];
4897 : :
4898 : 0 : cfs_rq->throttle_count = pcfs_rq->throttle_count;
4899 : 0 : cfs_rq->throttled_clock_task = rq_clock_task(cpu_rq(cpu));
4900 : : }
4901 : :
4902 : : /* conditionally throttle active cfs_rq's from put_prev_entity() */
4903 : 3 : static bool check_cfs_rq_runtime(struct cfs_rq *cfs_rq)
4904 : : {
4905 : 3 : if (!cfs_bandwidth_used())
4906 : : return false;
4907 : :
4908 : 0 : if (likely(!cfs_rq->runtime_enabled || cfs_rq->runtime_remaining > 0))
4909 : : return false;
4910 : :
4911 : : /*
4912 : : * it's possible for a throttled entity to be forced into a running
4913 : : * state (e.g. set_curr_task), in this case we're finished.
4914 : : */
4915 : 0 : if (cfs_rq_throttled(cfs_rq))
4916 : : return true;
4917 : :
4918 : 0 : throttle_cfs_rq(cfs_rq);
4919 : 0 : return true;
4920 : : }
4921 : :
4922 : 0 : static enum hrtimer_restart sched_cfs_slack_timer(struct hrtimer *timer)
4923 : : {
4924 : : struct cfs_bandwidth *cfs_b =
4925 : 0 : container_of(timer, struct cfs_bandwidth, slack_timer);
4926 : :
4927 : 0 : do_sched_cfs_slack_timer(cfs_b);
4928 : :
4929 : 0 : return HRTIMER_NORESTART;
4930 : : }
4931 : :
4932 : : extern const u64 max_cfs_quota_period;
4933 : :
4934 : 0 : static enum hrtimer_restart sched_cfs_period_timer(struct hrtimer *timer)
4935 : : {
4936 : : struct cfs_bandwidth *cfs_b =
4937 : 0 : container_of(timer, struct cfs_bandwidth, period_timer);
4938 : : unsigned long flags;
4939 : : int overrun;
4940 : : int idle = 0;
4941 : : int count = 0;
4942 : :
4943 : 0 : raw_spin_lock_irqsave(&cfs_b->lock, flags);
4944 : : for (;;) {
4945 : 0 : overrun = hrtimer_forward_now(timer, cfs_b->period);
4946 : 0 : if (!overrun)
4947 : : break;
4948 : :
4949 : 0 : idle = do_sched_cfs_period_timer(cfs_b, overrun, flags);
4950 : :
4951 : 0 : if (++count > 3) {
4952 : 0 : u64 new, old = ktime_to_ns(cfs_b->period);
4953 : :
4954 : : /*
4955 : : * Grow period by a factor of 2 to avoid losing precision.
4956 : : * Precision loss in the quota/period ratio can cause __cfs_schedulable
4957 : : * to fail.
4958 : : */
4959 : 0 : new = old * 2;
4960 : 0 : if (new < max_cfs_quota_period) {
4961 : 0 : cfs_b->period = ns_to_ktime(new);
4962 : 0 : cfs_b->quota *= 2;
4963 : :
4964 : 0 : pr_warn_ratelimited(
4965 : : "cfs_period_timer[cpu%d]: period too short, scaling up (new cfs_period_us = %lld, cfs_quota_us = %lld)\n",
4966 : : smp_processor_id(),
4967 : : div_u64(new, NSEC_PER_USEC),
4968 : : div_u64(cfs_b->quota, NSEC_PER_USEC));
4969 : : } else {
4970 : 0 : pr_warn_ratelimited(
4971 : : "cfs_period_timer[cpu%d]: period too short, but cannot scale up without losing precision (cfs_period_us = %lld, cfs_quota_us = %lld)\n",
4972 : : smp_processor_id(),
4973 : : div_u64(old, NSEC_PER_USEC),
4974 : : div_u64(cfs_b->quota, NSEC_PER_USEC));
4975 : : }
4976 : :
4977 : : /* reset count so we don't come right back in here */
4978 : : count = 0;
4979 : : }
4980 : : }
4981 : 0 : if (idle)
4982 : 0 : cfs_b->period_active = 0;
4983 : 0 : raw_spin_unlock_irqrestore(&cfs_b->lock, flags);
4984 : :
4985 : 0 : return idle ? HRTIMER_NORESTART : HRTIMER_RESTART;
4986 : : }
4987 : :
4988 : 3 : void init_cfs_bandwidth(struct cfs_bandwidth *cfs_b)
4989 : : {
4990 : 3 : raw_spin_lock_init(&cfs_b->lock);
4991 : 3 : cfs_b->runtime = 0;
4992 : 3 : cfs_b->quota = RUNTIME_INF;
4993 : 3 : cfs_b->period = ns_to_ktime(default_cfs_period());
4994 : :
4995 : 3 : INIT_LIST_HEAD(&cfs_b->throttled_cfs_rq);
4996 : 3 : hrtimer_init(&cfs_b->period_timer, CLOCK_MONOTONIC, HRTIMER_MODE_ABS_PINNED);
4997 : 3 : cfs_b->period_timer.function = sched_cfs_period_timer;
4998 : 3 : hrtimer_init(&cfs_b->slack_timer, CLOCK_MONOTONIC, HRTIMER_MODE_REL);
4999 : 3 : cfs_b->slack_timer.function = sched_cfs_slack_timer;
5000 : 3 : cfs_b->distribute_running = 0;
5001 : 3 : cfs_b->slack_started = false;
5002 : 3 : }
5003 : :
5004 : : static void init_cfs_rq_runtime(struct cfs_rq *cfs_rq)
5005 : : {
5006 : 3 : cfs_rq->runtime_enabled = 0;
5007 : 3 : INIT_LIST_HEAD(&cfs_rq->throttled_list);
5008 : : }
5009 : :
5010 : 0 : void start_cfs_bandwidth(struct cfs_bandwidth *cfs_b)
5011 : : {
5012 : : lockdep_assert_held(&cfs_b->lock);
5013 : :
5014 : 0 : if (cfs_b->period_active)
5015 : 0 : return;
5016 : :
5017 : 0 : cfs_b->period_active = 1;
5018 : 0 : hrtimer_forward_now(&cfs_b->period_timer, cfs_b->period);
5019 : 0 : hrtimer_start_expires(&cfs_b->period_timer, HRTIMER_MODE_ABS_PINNED);
5020 : : }
5021 : :
5022 : 3 : static void destroy_cfs_bandwidth(struct cfs_bandwidth *cfs_b)
5023 : : {
5024 : : /* init_cfs_bandwidth() was not called */
5025 : 3 : if (!cfs_b->throttled_cfs_rq.next)
5026 : 3 : return;
5027 : :
5028 : 3 : hrtimer_cancel(&cfs_b->period_timer);
5029 : 3 : hrtimer_cancel(&cfs_b->slack_timer);
5030 : : }
5031 : :
5032 : : /*
5033 : : * Both these CPU hotplug callbacks race against unregister_fair_sched_group()
5034 : : *
5035 : : * The race is harmless, since modifying bandwidth settings of unhooked group
5036 : : * bits doesn't do much.
5037 : : */
5038 : :
5039 : : /* cpu online calback */
5040 : 3 : static void __maybe_unused update_runtime_enabled(struct rq *rq)
5041 : : {
5042 : : struct task_group *tg;
5043 : :
5044 : : lockdep_assert_held(&rq->lock);
5045 : :
5046 : : rcu_read_lock();
5047 : 3 : list_for_each_entry_rcu(tg, &task_groups, list) {
5048 : : struct cfs_bandwidth *cfs_b = &tg->cfs_bandwidth;
5049 : 3 : struct cfs_rq *cfs_rq = tg->cfs_rq[cpu_of(rq)];
5050 : :
5051 : 3 : raw_spin_lock(&cfs_b->lock);
5052 : 3 : cfs_rq->runtime_enabled = cfs_b->quota != RUNTIME_INF;
5053 : : raw_spin_unlock(&cfs_b->lock);
5054 : : }
5055 : : rcu_read_unlock();
5056 : 3 : }
5057 : :
5058 : : /* cpu offline callback */
5059 : 3 : static void __maybe_unused unthrottle_offline_cfs_rqs(struct rq *rq)
5060 : : {
5061 : : struct task_group *tg;
5062 : :
5063 : : lockdep_assert_held(&rq->lock);
5064 : :
5065 : : rcu_read_lock();
5066 : 3 : list_for_each_entry_rcu(tg, &task_groups, list) {
5067 : 3 : struct cfs_rq *cfs_rq = tg->cfs_rq[cpu_of(rq)];
5068 : :
5069 : 3 : if (!cfs_rq->runtime_enabled)
5070 : 3 : continue;
5071 : :
5072 : : /*
5073 : : * clock_task is not advancing so we just need to make sure
5074 : : * there's some valid quota amount
5075 : : */
5076 : 0 : cfs_rq->runtime_remaining = 1;
5077 : : /*
5078 : : * Offline rq is schedulable till CPU is completely disabled
5079 : : * in take_cpu_down(), so we prevent new cfs throttling here.
5080 : : */
5081 : 0 : cfs_rq->runtime_enabled = 0;
5082 : :
5083 : 0 : if (cfs_rq_throttled(cfs_rq))
5084 : 0 : unthrottle_cfs_rq(cfs_rq);
5085 : : }
5086 : : rcu_read_unlock();
5087 : 3 : }
5088 : :
5089 : : #else /* CONFIG_CFS_BANDWIDTH */
5090 : :
5091 : : static inline bool cfs_bandwidth_used(void)
5092 : : {
5093 : : return false;
5094 : : }
5095 : :
5096 : : static void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec) {}
5097 : : static bool check_cfs_rq_runtime(struct cfs_rq *cfs_rq) { return false; }
5098 : : static void check_enqueue_throttle(struct cfs_rq *cfs_rq) {}
5099 : : static inline void sync_throttle(struct task_group *tg, int cpu) {}
5100 : : static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq) {}
5101 : :
5102 : : static inline int cfs_rq_throttled(struct cfs_rq *cfs_rq)
5103 : : {
5104 : : return 0;
5105 : : }
5106 : :
5107 : : static inline int throttled_hierarchy(struct cfs_rq *cfs_rq)
5108 : : {
5109 : : return 0;
5110 : : }
5111 : :
5112 : : static inline int throttled_lb_pair(struct task_group *tg,
5113 : : int src_cpu, int dest_cpu)
5114 : : {
5115 : : return 0;
5116 : : }
5117 : :
5118 : : void init_cfs_bandwidth(struct cfs_bandwidth *cfs_b) {}
5119 : :
5120 : : #ifdef CONFIG_FAIR_GROUP_SCHED
5121 : : static void init_cfs_rq_runtime(struct cfs_rq *cfs_rq) {}
5122 : : #endif
5123 : :
5124 : : static inline struct cfs_bandwidth *tg_cfs_bandwidth(struct task_group *tg)
5125 : : {
5126 : : return NULL;
5127 : : }
5128 : : static inline void destroy_cfs_bandwidth(struct cfs_bandwidth *cfs_b) {}
5129 : : static inline void update_runtime_enabled(struct rq *rq) {}
5130 : : static inline void unthrottle_offline_cfs_rqs(struct rq *rq) {}
5131 : :
5132 : : #endif /* CONFIG_CFS_BANDWIDTH */
5133 : :
5134 : : /**************************************************
5135 : : * CFS operations on tasks:
5136 : : */
5137 : :
5138 : : #ifdef CONFIG_SCHED_HRTICK
5139 : 0 : static void hrtick_start_fair(struct rq *rq, struct task_struct *p)
5140 : : {
5141 : 0 : struct sched_entity *se = &p->se;
5142 : : struct cfs_rq *cfs_rq = cfs_rq_of(se);
5143 : :
5144 : 0 : SCHED_WARN_ON(task_rq(p) != rq);
5145 : :
5146 : 0 : if (rq->cfs.h_nr_running > 1) {
5147 : 0 : u64 slice = sched_slice(cfs_rq, se);
5148 : 0 : u64 ran = se->sum_exec_runtime - se->prev_sum_exec_runtime;
5149 : 0 : s64 delta = slice - ran;
5150 : :
5151 : 0 : if (delta < 0) {
5152 : 0 : if (rq->curr == p)
5153 : 0 : resched_curr(rq);
5154 : 0 : return;
5155 : : }
5156 : 0 : hrtick_start(rq, delta);
5157 : : }
5158 : : }
5159 : :
5160 : : /*
5161 : : * called from enqueue/dequeue and updates the hrtick when the
5162 : : * current task is from our class and nr_running is low enough
5163 : : * to matter.
5164 : : */
5165 : 3 : static void hrtick_update(struct rq *rq)
5166 : : {
5167 : 3 : struct task_struct *curr = rq->curr;
5168 : :
5169 : 3 : if (!hrtick_enabled(rq) || curr->sched_class != &fair_sched_class)
5170 : 3 : return;
5171 : :
5172 : 0 : if (cfs_rq_of(&curr->se)->nr_running < sched_nr_latency)
5173 : 0 : hrtick_start_fair(rq, curr);
5174 : : }
5175 : : #else /* !CONFIG_SCHED_HRTICK */
5176 : : static inline void
5177 : : hrtick_start_fair(struct rq *rq, struct task_struct *p)
5178 : : {
5179 : : }
5180 : :
5181 : : static inline void hrtick_update(struct rq *rq)
5182 : : {
5183 : : }
5184 : : #endif
5185 : :
5186 : : #ifdef CONFIG_SMP
5187 : : static inline unsigned long cpu_util(int cpu);
5188 : :
5189 : 3 : static inline bool cpu_overutilized(int cpu)
5190 : : {
5191 : 3 : return !fits_capacity(cpu_util(cpu), capacity_of(cpu));
5192 : : }
5193 : :
5194 : 3 : static inline void update_overutilized_status(struct rq *rq)
5195 : : {
5196 : 3 : if (!READ_ONCE(rq->rd->overutilized) && cpu_overutilized(rq->cpu)) {
5197 : 3 : WRITE_ONCE(rq->rd->overutilized, SG_OVERUTILIZED);
5198 : 3 : trace_sched_overutilized_tp(rq->rd, SG_OVERUTILIZED);
5199 : : }
5200 : 3 : }
5201 : : #else
5202 : : static inline void update_overutilized_status(struct rq *rq) { }
5203 : : #endif
5204 : :
5205 : : /*
5206 : : * The enqueue_task method is called before nr_running is
5207 : : * increased. Here we update the fair scheduling stats and
5208 : : * then put the task into the rbtree:
5209 : : */
5210 : : static void
5211 : 3 : enqueue_task_fair(struct rq *rq, struct task_struct *p, int flags)
5212 : : {
5213 : : struct cfs_rq *cfs_rq;
5214 : 3 : struct sched_entity *se = &p->se;
5215 : : int idle_h_nr_running = task_has_idle_policy(p);
5216 : :
5217 : : /*
5218 : : * The code below (indirectly) updates schedutil which looks at
5219 : : * the cfs_rq utilization to select a frequency.
5220 : : * Let's add the task's estimated utilization to the cfs_rq's
5221 : : * estimated utilization, before we update schedutil.
5222 : : */
5223 : 3 : util_est_enqueue(&rq->cfs, p);
5224 : :
5225 : : /*
5226 : : * If in_iowait is set, the code below may not trigger any cpufreq
5227 : : * utilization updates, so do it here explicitly with the IOWAIT flag
5228 : : * passed.
5229 : : */
5230 : 3 : if (p->in_iowait)
5231 : 3 : cpufreq_update_util(rq, SCHED_CPUFREQ_IOWAIT);
5232 : :
5233 : 3 : for_each_sched_entity(se) {
5234 : 3 : if (se->on_rq)
5235 : : break;
5236 : : cfs_rq = cfs_rq_of(se);
5237 : 3 : enqueue_entity(cfs_rq, se, flags);
5238 : :
5239 : 3 : cfs_rq->h_nr_running++;
5240 : 3 : cfs_rq->idle_h_nr_running += idle_h_nr_running;
5241 : :
5242 : : /* end evaluation on encountering a throttled cfs_rq */
5243 : 3 : if (cfs_rq_throttled(cfs_rq))
5244 : : goto enqueue_throttle;
5245 : :
5246 : : flags = ENQUEUE_WAKEUP;
5247 : : }
5248 : :
5249 : 3 : for_each_sched_entity(se) {
5250 : : cfs_rq = cfs_rq_of(se);
5251 : :
5252 : 3 : update_load_avg(cfs_rq, se, UPDATE_TG);
5253 : 3 : update_cfs_group(se);
5254 : :
5255 : 3 : cfs_rq->h_nr_running++;
5256 : 3 : cfs_rq->idle_h_nr_running += idle_h_nr_running;
5257 : :
5258 : : /* end evaluation on encountering a throttled cfs_rq */
5259 : 3 : if (cfs_rq_throttled(cfs_rq))
5260 : : goto enqueue_throttle;
5261 : :
5262 : : /*
5263 : : * One parent has been throttled and cfs_rq removed from the
5264 : : * list. Add it back to not break the leaf list.
5265 : : */
5266 : 3 : if (throttled_hierarchy(cfs_rq))
5267 : 0 : list_add_leaf_cfs_rq(cfs_rq);
5268 : : }
5269 : :
5270 : : enqueue_throttle:
5271 : 3 : if (!se) {
5272 : : add_nr_running(rq, 1);
5273 : : /*
5274 : : * Since new tasks are assigned an initial util_avg equal to
5275 : : * half of the spare capacity of their CPU, tiny tasks have the
5276 : : * ability to cross the overutilized threshold, which will
5277 : : * result in the load balancer ruining all the task placement
5278 : : * done by EAS. As a way to mitigate that effect, do not account
5279 : : * for the first enqueue operation of new tasks during the
5280 : : * overutilized flag detection.
5281 : : *
5282 : : * A better way of solving this problem would be to wait for
5283 : : * the PELT signals of tasks to converge before taking them
5284 : : * into account, but that is not straightforward to implement,
5285 : : * and the following generally works well enough in practice.
5286 : : */
5287 : 3 : if (flags & ENQUEUE_WAKEUP)
5288 : 3 : update_overutilized_status(rq);
5289 : :
5290 : : }
5291 : :
5292 : 3 : if (cfs_bandwidth_used()) {
5293 : : /*
5294 : : * When bandwidth control is enabled; the cfs_rq_throttled()
5295 : : * breaks in the above iteration can result in incomplete
5296 : : * leaf list maintenance, resulting in triggering the assertion
5297 : : * below.
5298 : : */
5299 : 0 : for_each_sched_entity(se) {
5300 : : cfs_rq = cfs_rq_of(se);
5301 : :
5302 : 0 : if (list_add_leaf_cfs_rq(cfs_rq))
5303 : : break;
5304 : : }
5305 : : }
5306 : :
5307 : 3 : assert_list_leaf_cfs_rq(rq);
5308 : :
5309 : 3 : hrtick_update(rq);
5310 : 3 : }
5311 : :
5312 : : static void set_next_buddy(struct sched_entity *se);
5313 : :
5314 : : /*
5315 : : * The dequeue_task method is called before nr_running is
5316 : : * decreased. We remove the task from the rbtree and
5317 : : * update the fair scheduling stats:
5318 : : */
5319 : 3 : static void dequeue_task_fair(struct rq *rq, struct task_struct *p, int flags)
5320 : : {
5321 : : struct cfs_rq *cfs_rq;
5322 : 3 : struct sched_entity *se = &p->se;
5323 : 3 : int task_sleep = flags & DEQUEUE_SLEEP;
5324 : : int idle_h_nr_running = task_has_idle_policy(p);
5325 : :
5326 : 3 : for_each_sched_entity(se) {
5327 : : cfs_rq = cfs_rq_of(se);
5328 : 3 : dequeue_entity(cfs_rq, se, flags);
5329 : :
5330 : 3 : cfs_rq->h_nr_running--;
5331 : 3 : cfs_rq->idle_h_nr_running -= idle_h_nr_running;
5332 : :
5333 : : /* end evaluation on encountering a throttled cfs_rq */
5334 : 3 : if (cfs_rq_throttled(cfs_rq))
5335 : : goto dequeue_throttle;
5336 : :
5337 : : /* Don't dequeue parent if it has other entities besides us */
5338 : 3 : if (cfs_rq->load.weight) {
5339 : : /* Avoid re-evaluating load for this entity: */
5340 : : se = parent_entity(se);
5341 : : /*
5342 : : * Bias pick_next to pick a task from this cfs_rq, as
5343 : : * p is sleeping when it is within its sched_slice.
5344 : : */
5345 : 3 : if (task_sleep && se && !throttled_hierarchy(cfs_rq))
5346 : 3 : set_next_buddy(se);
5347 : : break;
5348 : : }
5349 : 3 : flags |= DEQUEUE_SLEEP;
5350 : : }
5351 : :
5352 : 3 : for_each_sched_entity(se) {
5353 : : cfs_rq = cfs_rq_of(se);
5354 : :
5355 : 3 : update_load_avg(cfs_rq, se, UPDATE_TG);
5356 : 3 : update_cfs_group(se);
5357 : :
5358 : 3 : cfs_rq->h_nr_running--;
5359 : 3 : cfs_rq->idle_h_nr_running -= idle_h_nr_running;
5360 : :
5361 : : /* end evaluation on encountering a throttled cfs_rq */
5362 : 3 : if (cfs_rq_throttled(cfs_rq))
5363 : : goto dequeue_throttle;
5364 : :
5365 : : }
5366 : :
5367 : : dequeue_throttle:
5368 : 3 : if (!se)
5369 : : sub_nr_running(rq, 1);
5370 : :
5371 : 3 : util_est_dequeue(&rq->cfs, p, task_sleep);
5372 : 3 : hrtick_update(rq);
5373 : 3 : }
5374 : :
5375 : : #ifdef CONFIG_SMP
5376 : :
5377 : : /* Working cpumask for: load_balance, load_balance_newidle. */
5378 : : DEFINE_PER_CPU(cpumask_var_t, load_balance_mask);
5379 : : DEFINE_PER_CPU(cpumask_var_t, select_idle_mask);
5380 : :
5381 : : #ifdef CONFIG_NO_HZ_COMMON
5382 : :
5383 : : static struct {
5384 : : cpumask_var_t idle_cpus_mask;
5385 : : atomic_t nr_cpus;
5386 : : int has_blocked; /* Idle CPUS has blocked load */
5387 : : unsigned long next_balance; /* in jiffy units */
5388 : : unsigned long next_blocked; /* Next update of blocked load in jiffies */
5389 : : } nohz ____cacheline_aligned;
5390 : :
5391 : : #endif /* CONFIG_NO_HZ_COMMON */
5392 : :
5393 : : /* CPU only has SCHED_IDLE tasks enqueued */
5394 : : static int sched_idle_cpu(int cpu)
5395 : : {
5396 : 3 : struct rq *rq = cpu_rq(cpu);
5397 : :
5398 : 3 : return unlikely(rq->nr_running == rq->cfs.idle_h_nr_running &&
5399 : : rq->nr_running);
5400 : : }
5401 : :
5402 : : static unsigned long cpu_runnable_load(struct rq *rq)
5403 : : {
5404 : : return cfs_rq_runnable_load_avg(&rq->cfs);
5405 : : }
5406 : :
5407 : : static unsigned long capacity_of(int cpu)
5408 : : {
5409 : 3 : return cpu_rq(cpu)->cpu_capacity;
5410 : : }
5411 : :
5412 : : static unsigned long cpu_avg_load_per_task(int cpu)
5413 : : {
5414 : 3 : struct rq *rq = cpu_rq(cpu);
5415 : : unsigned long nr_running = READ_ONCE(rq->cfs.h_nr_running);
5416 : : unsigned long load_avg = cpu_runnable_load(rq);
5417 : :
5418 : 3 : if (nr_running)
5419 : 3 : return load_avg / nr_running;
5420 : :
5421 : : return 0;
5422 : : }
5423 : :
5424 : 3 : static void record_wakee(struct task_struct *p)
5425 : : {
5426 : : /*
5427 : : * Only decay a single time; tasks that have less then 1 wakeup per
5428 : : * jiffy will not have built up many flips.
5429 : : */
5430 : 3 : if (time_after(jiffies, current->wakee_flip_decay_ts + HZ)) {
5431 : 0 : current->wakee_flips >>= 1;
5432 : 0 : current->wakee_flip_decay_ts = jiffies;
5433 : : }
5434 : :
5435 : 3 : if (current->last_wakee != p) {
5436 : 3 : current->last_wakee = p;
5437 : 3 : current->wakee_flips++;
5438 : : }
5439 : 3 : }
5440 : :
5441 : : /*
5442 : : * Detect M:N waker/wakee relationships via a switching-frequency heuristic.
5443 : : *
5444 : : * A waker of many should wake a different task than the one last awakened
5445 : : * at a frequency roughly N times higher than one of its wakees.
5446 : : *
5447 : : * In order to determine whether we should let the load spread vs consolidating
5448 : : * to shared cache, we look for a minimum 'flip' frequency of llc_size in one
5449 : : * partner, and a factor of lls_size higher frequency in the other.
5450 : : *
5451 : : * With both conditions met, we can be relatively sure that the relationship is
5452 : : * non-monogamous, with partner count exceeding socket size.
5453 : : *
5454 : : * Waker/wakee being client/server, worker/dispatcher, interrupt source or
5455 : : * whatever is irrelevant, spread criteria is apparent partner count exceeds
5456 : : * socket size.
5457 : : */
5458 : 3 : static int wake_wide(struct task_struct *p)
5459 : : {
5460 : 3 : unsigned int master = current->wakee_flips;
5461 : 3 : unsigned int slave = p->wakee_flips;
5462 : 3 : int factor = this_cpu_read(sd_llc_size);
5463 : :
5464 : 3 : if (master < slave)
5465 : : swap(master, slave);
5466 : 3 : if (slave < factor || master < slave * factor)
5467 : : return 0;
5468 : 3 : return 1;
5469 : : }
5470 : :
5471 : : /*
5472 : : * The purpose of wake_affine() is to quickly determine on which CPU we can run
5473 : : * soonest. For the purpose of speed we only consider the waking and previous
5474 : : * CPU.
5475 : : *
5476 : : * wake_affine_idle() - only considers 'now', it check if the waking CPU is
5477 : : * cache-affine and is (or will be) idle.
5478 : : *
5479 : : * wake_affine_weight() - considers the weight to reflect the average
5480 : : * scheduling latency of the CPUs. This seems to work
5481 : : * for the overloaded case.
5482 : : */
5483 : : static int
5484 : 3 : wake_affine_idle(int this_cpu, int prev_cpu, int sync)
5485 : : {
5486 : : /*
5487 : : * If this_cpu is idle, it implies the wakeup is from interrupt
5488 : : * context. Only allow the move if cache is shared. Otherwise an
5489 : : * interrupt intensive workload could force all tasks onto one
5490 : : * node depending on the IO topology or IRQ affinity settings.
5491 : : *
5492 : : * If the prev_cpu is idle and cache affine then avoid a migration.
5493 : : * There is no guarantee that the cache hot data from an interrupt
5494 : : * is more important than cache hot data on the prev_cpu and from
5495 : : * a cpufreq perspective, it's better to have higher utilisation
5496 : : * on one CPU.
5497 : : */
5498 : 3 : if (available_idle_cpu(this_cpu) && cpus_share_cache(this_cpu, prev_cpu))
5499 : 0 : return available_idle_cpu(prev_cpu) ? prev_cpu : this_cpu;
5500 : :
5501 : 3 : if (sync && cpu_rq(this_cpu)->nr_running == 1)
5502 : 0 : return this_cpu;
5503 : :
5504 : : return nr_cpumask_bits;
5505 : : }
5506 : :
5507 : : static int
5508 : 3 : wake_affine_weight(struct sched_domain *sd, struct task_struct *p,
5509 : : int this_cpu, int prev_cpu, int sync)
5510 : : {
5511 : : s64 this_eff_load, prev_eff_load;
5512 : : unsigned long task_load;
5513 : :
5514 : 3 : this_eff_load = cpu_runnable_load(cpu_rq(this_cpu));
5515 : :
5516 : 3 : if (sync) {
5517 : 0 : unsigned long current_load = task_h_load(current);
5518 : :
5519 : 0 : if (current_load > this_eff_load)
5520 : : return this_cpu;
5521 : :
5522 : 0 : this_eff_load -= current_load;
5523 : : }
5524 : :
5525 : 3 : task_load = task_h_load(p);
5526 : :
5527 : 3 : this_eff_load += task_load;
5528 : 3 : if (sched_feat(WA_BIAS))
5529 : 3 : this_eff_load *= 100;
5530 : 3 : this_eff_load *= capacity_of(prev_cpu);
5531 : :
5532 : 3 : prev_eff_load = cpu_runnable_load(cpu_rq(prev_cpu));
5533 : 3 : prev_eff_load -= task_load;
5534 : 3 : if (sched_feat(WA_BIAS))
5535 : 3 : prev_eff_load *= 100 + (sd->imbalance_pct - 100) / 2;
5536 : 3 : prev_eff_load *= capacity_of(this_cpu);
5537 : :
5538 : : /*
5539 : : * If sync, adjust the weight of prev_eff_load such that if
5540 : : * prev_eff == this_eff that select_idle_sibling() will consider
5541 : : * stacking the wakee on top of the waker if no other CPU is
5542 : : * idle.
5543 : : */
5544 : 3 : if (sync)
5545 : 0 : prev_eff_load += 1;
5546 : :
5547 : 3 : return this_eff_load < prev_eff_load ? this_cpu : nr_cpumask_bits;
5548 : : }
5549 : :
5550 : 3 : static int wake_affine(struct sched_domain *sd, struct task_struct *p,
5551 : : int this_cpu, int prev_cpu, int sync)
5552 : : {
5553 : : int target = nr_cpumask_bits;
5554 : :
5555 : 3 : if (sched_feat(WA_IDLE))
5556 : 3 : target = wake_affine_idle(this_cpu, prev_cpu, sync);
5557 : :
5558 : 3 : if (sched_feat(WA_WEIGHT) && target == nr_cpumask_bits)
5559 : 3 : target = wake_affine_weight(sd, p, this_cpu, prev_cpu, sync);
5560 : :
5561 : 3 : schedstat_inc(p->se.statistics.nr_wakeups_affine_attempts);
5562 : 3 : if (target == nr_cpumask_bits)
5563 : : return prev_cpu;
5564 : :
5565 : 3 : schedstat_inc(sd->ttwu_move_affine);
5566 : 3 : schedstat_inc(p->se.statistics.nr_wakeups_affine);
5567 : 3 : return target;
5568 : : }
5569 : :
5570 : : static unsigned long cpu_util_without(int cpu, struct task_struct *p);
5571 : :
5572 : : static unsigned long capacity_spare_without(int cpu, struct task_struct *p)
5573 : : {
5574 : 3 : return max_t(long, capacity_of(cpu) - cpu_util_without(cpu, p), 0);
5575 : : }
5576 : :
5577 : : /*
5578 : : * find_idlest_group finds and returns the least busy CPU group within the
5579 : : * domain.
5580 : : *
5581 : : * Assumes p is allowed on at least one CPU in sd.
5582 : : */
5583 : : static struct sched_group *
5584 : 3 : find_idlest_group(struct sched_domain *sd, struct task_struct *p,
5585 : : int this_cpu, int sd_flag)
5586 : : {
5587 : 3 : struct sched_group *idlest = NULL, *group = sd->groups;
5588 : : struct sched_group *most_spare_sg = NULL;
5589 : : unsigned long min_runnable_load = ULONG_MAX;
5590 : : unsigned long this_runnable_load = ULONG_MAX;
5591 : : unsigned long min_avg_load = ULONG_MAX, this_avg_load = ULONG_MAX;
5592 : : unsigned long most_spare = 0, this_spare = 0;
5593 : 3 : int imbalance_scale = 100 + (sd->imbalance_pct-100)/2;
5594 : 3 : unsigned long imbalance = scale_load_down(NICE_0_LOAD) *
5595 : : (sd->imbalance_pct-100) / 100;
5596 : :
5597 : : do {
5598 : : unsigned long load, avg_load, runnable_load;
5599 : : unsigned long spare_cap, max_spare_cap;
5600 : : int local_group;
5601 : : int i;
5602 : :
5603 : : /* Skip over this group if it has no CPUs allowed */
5604 : 3 : if (!cpumask_intersects(sched_group_span(group),
5605 : 3 : p->cpus_ptr))
5606 : 3 : continue;
5607 : :
5608 : : local_group = cpumask_test_cpu(this_cpu,
5609 : : sched_group_span(group));
5610 : :
5611 : : /*
5612 : : * Tally up the load of all CPUs in the group and find
5613 : : * the group containing the CPU with most spare capacity.
5614 : : */
5615 : : avg_load = 0;
5616 : : runnable_load = 0;
5617 : : max_spare_cap = 0;
5618 : :
5619 : 3 : for_each_cpu(i, sched_group_span(group)) {
5620 : 3 : load = cpu_runnable_load(cpu_rq(i));
5621 : 3 : runnable_load += load;
5622 : :
5623 : 3 : avg_load += cfs_rq_load_avg(&cpu_rq(i)->cfs);
5624 : :
5625 : : spare_cap = capacity_spare_without(i, p);
5626 : :
5627 : 3 : if (spare_cap > max_spare_cap)
5628 : : max_spare_cap = spare_cap;
5629 : : }
5630 : :
5631 : : /* Adjust by relative CPU capacity of the group */
5632 : 3 : avg_load = (avg_load * SCHED_CAPACITY_SCALE) /
5633 : 3 : group->sgc->capacity;
5634 : 3 : runnable_load = (runnable_load * SCHED_CAPACITY_SCALE) /
5635 : : group->sgc->capacity;
5636 : :
5637 : 3 : if (local_group) {
5638 : : this_runnable_load = runnable_load;
5639 : : this_avg_load = avg_load;
5640 : 3 : this_spare = max_spare_cap;
5641 : : } else {
5642 : 3 : if (min_runnable_load > (runnable_load + imbalance)) {
5643 : : /*
5644 : : * The runnable load is significantly smaller
5645 : : * so we can pick this new CPU:
5646 : : */
5647 : : min_runnable_load = runnable_load;
5648 : : min_avg_load = avg_load;
5649 : : idlest = group;
5650 : 3 : } else if ((runnable_load < (min_runnable_load + imbalance)) &&
5651 : 3 : (100*min_avg_load > imbalance_scale*avg_load)) {
5652 : : /*
5653 : : * The runnable loads are close so take the
5654 : : * blocked load into account through avg_load:
5655 : : */
5656 : : min_avg_load = avg_load;
5657 : : idlest = group;
5658 : : }
5659 : :
5660 : 3 : if (most_spare < max_spare_cap) {
5661 : 3 : most_spare = max_spare_cap;
5662 : : most_spare_sg = group;
5663 : : }
5664 : : }
5665 : 3 : } while (group = group->next, group != sd->groups);
5666 : :
5667 : : /*
5668 : : * The cross-over point between using spare capacity or least load
5669 : : * is too conservative for high utilization tasks on partially
5670 : : * utilized systems if we require spare_capacity > task_util(p),
5671 : : * so we allow for some task stuffing by using
5672 : : * spare_capacity > task_util(p)/2.
5673 : : *
5674 : : * Spare capacity can't be used for fork because the utilization has
5675 : : * not been set yet, we must first select a rq to compute the initial
5676 : : * utilization.
5677 : : */
5678 : 3 : if (sd_flag & SD_BALANCE_FORK)
5679 : : goto skip_spare;
5680 : :
5681 : 3 : if (this_spare > task_util(p) / 2 &&
5682 : 3 : imbalance_scale*this_spare > 100*most_spare)
5683 : : return NULL;
5684 : :
5685 : 3 : if (most_spare > task_util(p) / 2)
5686 : 3 : return most_spare_sg;
5687 : :
5688 : : skip_spare:
5689 : 3 : if (!idlest)
5690 : : return NULL;
5691 : :
5692 : : /*
5693 : : * When comparing groups across NUMA domains, it's possible for the
5694 : : * local domain to be very lightly loaded relative to the remote
5695 : : * domains but "imbalance" skews the comparison making remote CPUs
5696 : : * look much more favourable. When considering cross-domain, add
5697 : : * imbalance to the runnable load on the remote node and consider
5698 : : * staying local.
5699 : : */
5700 : 3 : if ((sd->flags & SD_NUMA) &&
5701 : 0 : min_runnable_load + imbalance >= this_runnable_load)
5702 : : return NULL;
5703 : :
5704 : 3 : if (min_runnable_load > (this_runnable_load + imbalance))
5705 : : return NULL;
5706 : :
5707 : 3 : if ((this_runnable_load < (min_runnable_load + imbalance)) &&
5708 : 3 : (100*this_avg_load < imbalance_scale*min_avg_load))
5709 : : return NULL;
5710 : :
5711 : 3 : return idlest;
5712 : : }
5713 : :
5714 : : /*
5715 : : * find_idlest_group_cpu - find the idlest CPU among the CPUs in the group.
5716 : : */
5717 : : static int
5718 : 3 : find_idlest_group_cpu(struct sched_group *group, struct task_struct *p, int this_cpu)
5719 : : {
5720 : : unsigned long load, min_load = ULONG_MAX;
5721 : : unsigned int min_exit_latency = UINT_MAX;
5722 : : u64 latest_idle_timestamp = 0;
5723 : : int least_loaded_cpu = this_cpu;
5724 : : int shallowest_idle_cpu = -1, si_cpu = -1;
5725 : : int i;
5726 : :
5727 : : /* Check if we have any choice: */
5728 : 3 : if (group->group_weight == 1)
5729 : 3 : return cpumask_first(sched_group_span(group));
5730 : :
5731 : : /* Traverse only the allowed CPUs */
5732 : 0 : for_each_cpu_and(i, sched_group_span(group), p->cpus_ptr) {
5733 : 0 : if (available_idle_cpu(i)) {
5734 : 0 : struct rq *rq = cpu_rq(i);
5735 : : struct cpuidle_state *idle = idle_get_state(rq);
5736 : : if (idle && idle->exit_latency < min_exit_latency) {
5737 : : /*
5738 : : * We give priority to a CPU whose idle state
5739 : : * has the smallest exit latency irrespective
5740 : : * of any idle timestamp.
5741 : : */
5742 : : min_exit_latency = idle->exit_latency;
5743 : : latest_idle_timestamp = rq->idle_stamp;
5744 : : shallowest_idle_cpu = i;
5745 : 0 : } else if ((!idle || idle->exit_latency == min_exit_latency) &&
5746 : 0 : rq->idle_stamp > latest_idle_timestamp) {
5747 : : /*
5748 : : * If equal or no active idle state, then
5749 : : * the most recently idled CPU might have
5750 : : * a warmer cache.
5751 : : */
5752 : : latest_idle_timestamp = rq->idle_stamp;
5753 : : shallowest_idle_cpu = i;
5754 : : }
5755 : 0 : } else if (shallowest_idle_cpu == -1 && si_cpu == -1) {
5756 : 0 : if (sched_idle_cpu(i)) {
5757 : : si_cpu = i;
5758 : 0 : continue;
5759 : : }
5760 : :
5761 : 0 : load = cpu_runnable_load(cpu_rq(i));
5762 : 0 : if (load < min_load) {
5763 : : min_load = load;
5764 : : least_loaded_cpu = i;
5765 : : }
5766 : : }
5767 : : }
5768 : :
5769 : 0 : if (shallowest_idle_cpu != -1)
5770 : 0 : return shallowest_idle_cpu;
5771 : 0 : if (si_cpu != -1)
5772 : 0 : return si_cpu;
5773 : 0 : return least_loaded_cpu;
5774 : : }
5775 : :
5776 : 3 : static inline int find_idlest_cpu(struct sched_domain *sd, struct task_struct *p,
5777 : : int cpu, int prev_cpu, int sd_flag)
5778 : : {
5779 : : int new_cpu = cpu;
5780 : :
5781 : 3 : if (!cpumask_intersects(sched_domain_span(sd), p->cpus_ptr))
5782 : : return prev_cpu;
5783 : :
5784 : : /*
5785 : : * We need task's util for capacity_spare_without, sync it up to
5786 : : * prev_cpu's last_update_time.
5787 : : */
5788 : 3 : if (!(sd_flag & SD_BALANCE_FORK))
5789 : 3 : sync_entity_load_avg(&p->se);
5790 : :
5791 : 3 : while (sd) {
5792 : : struct sched_group *group;
5793 : : struct sched_domain *tmp;
5794 : : int weight;
5795 : :
5796 : 3 : if (!(sd->flags & sd_flag)) {
5797 : 3 : sd = sd->child;
5798 : 3 : continue;
5799 : : }
5800 : :
5801 : 3 : group = find_idlest_group(sd, p, cpu, sd_flag);
5802 : 3 : if (!group) {
5803 : 3 : sd = sd->child;
5804 : 3 : continue;
5805 : : }
5806 : :
5807 : 3 : new_cpu = find_idlest_group_cpu(group, p, cpu);
5808 : 3 : if (new_cpu == cpu) {
5809 : : /* Now try balancing at a lower domain level of 'cpu': */
5810 : 0 : sd = sd->child;
5811 : 0 : continue;
5812 : : }
5813 : :
5814 : : /* Now try balancing at a lower domain level of 'new_cpu': */
5815 : : cpu = new_cpu;
5816 : 3 : weight = sd->span_weight;
5817 : : sd = NULL;
5818 : 3 : for_each_domain(cpu, tmp) {
5819 : 3 : if (weight <= tmp->span_weight)
5820 : : break;
5821 : 0 : if (tmp->flags & sd_flag)
5822 : : sd = tmp;
5823 : : }
5824 : : }
5825 : :
5826 : 3 : return new_cpu;
5827 : : }
5828 : :
5829 : : #ifdef CONFIG_SCHED_SMT
5830 : : DEFINE_STATIC_KEY_FALSE(sched_smt_present);
5831 : : EXPORT_SYMBOL_GPL(sched_smt_present);
5832 : :
5833 : : static inline void set_idle_cores(int cpu, int val)
5834 : : {
5835 : : struct sched_domain_shared *sds;
5836 : :
5837 : : sds = rcu_dereference(per_cpu(sd_llc_shared, cpu));
5838 : : if (sds)
5839 : : WRITE_ONCE(sds->has_idle_cores, val);
5840 : : }
5841 : :
5842 : : static inline bool test_idle_cores(int cpu, bool def)
5843 : : {
5844 : : struct sched_domain_shared *sds;
5845 : :
5846 : : sds = rcu_dereference(per_cpu(sd_llc_shared, cpu));
5847 : : if (sds)
5848 : : return READ_ONCE(sds->has_idle_cores);
5849 : :
5850 : : return def;
5851 : : }
5852 : :
5853 : : /*
5854 : : * Scans the local SMT mask to see if the entire core is idle, and records this
5855 : : * information in sd_llc_shared->has_idle_cores.
5856 : : *
5857 : : * Since SMT siblings share all cache levels, inspecting this limited remote
5858 : : * state should be fairly cheap.
5859 : : */
5860 : : void __update_idle_core(struct rq *rq)
5861 : : {
5862 : : int core = cpu_of(rq);
5863 : : int cpu;
5864 : :
5865 : : rcu_read_lock();
5866 : : if (test_idle_cores(core, true))
5867 : : goto unlock;
5868 : :
5869 : : for_each_cpu(cpu, cpu_smt_mask(core)) {
5870 : : if (cpu == core)
5871 : : continue;
5872 : :
5873 : : if (!available_idle_cpu(cpu))
5874 : : goto unlock;
5875 : : }
5876 : :
5877 : : set_idle_cores(core, 1);
5878 : : unlock:
5879 : : rcu_read_unlock();
5880 : : }
5881 : :
5882 : : /*
5883 : : * Scan the entire LLC domain for idle cores; this dynamically switches off if
5884 : : * there are no idle cores left in the system; tracked through
5885 : : * sd_llc->shared->has_idle_cores and enabled through update_idle_core() above.
5886 : : */
5887 : : static int select_idle_core(struct task_struct *p, struct sched_domain *sd, int target)
5888 : : {
5889 : : struct cpumask *cpus = this_cpu_cpumask_var_ptr(select_idle_mask);
5890 : : int core, cpu;
5891 : :
5892 : : if (!static_branch_likely(&sched_smt_present))
5893 : : return -1;
5894 : :
5895 : : if (!test_idle_cores(target, false))
5896 : : return -1;
5897 : :
5898 : : cpumask_and(cpus, sched_domain_span(sd), p->cpus_ptr);
5899 : :
5900 : : for_each_cpu_wrap(core, cpus, target) {
5901 : : bool idle = true;
5902 : :
5903 : : for_each_cpu(cpu, cpu_smt_mask(core)) {
5904 : : __cpumask_clear_cpu(cpu, cpus);
5905 : : if (!available_idle_cpu(cpu))
5906 : : idle = false;
5907 : : }
5908 : :
5909 : : if (idle)
5910 : : return core;
5911 : : }
5912 : :
5913 : : /*
5914 : : * Failed to find an idle core; stop looking for one.
5915 : : */
5916 : : set_idle_cores(target, 0);
5917 : :
5918 : : return -1;
5919 : : }
5920 : :
5921 : : /*
5922 : : * Scan the local SMT mask for idle CPUs.
5923 : : */
5924 : : static int select_idle_smt(struct task_struct *p, int target)
5925 : : {
5926 : : int cpu, si_cpu = -1;
5927 : :
5928 : : if (!static_branch_likely(&sched_smt_present))
5929 : : return -1;
5930 : :
5931 : : for_each_cpu(cpu, cpu_smt_mask(target)) {
5932 : : if (!cpumask_test_cpu(cpu, p->cpus_ptr))
5933 : : continue;
5934 : : if (available_idle_cpu(cpu))
5935 : : return cpu;
5936 : : if (si_cpu == -1 && sched_idle_cpu(cpu))
5937 : : si_cpu = cpu;
5938 : : }
5939 : :
5940 : : return si_cpu;
5941 : : }
5942 : :
5943 : : #else /* CONFIG_SCHED_SMT */
5944 : :
5945 : : static inline int select_idle_core(struct task_struct *p, struct sched_domain *sd, int target)
5946 : : {
5947 : : return -1;
5948 : : }
5949 : :
5950 : : static inline int select_idle_smt(struct task_struct *p, int target)
5951 : : {
5952 : : return -1;
5953 : : }
5954 : :
5955 : : #endif /* CONFIG_SCHED_SMT */
5956 : :
5957 : : /*
5958 : : * Scan the LLC domain for idle CPUs; this is dynamically regulated by
5959 : : * comparing the average scan cost (tracked in sd->avg_scan_cost) against the
5960 : : * average idle time for this rq (as found in rq->avg_idle).
5961 : : */
5962 : 0 : static int select_idle_cpu(struct task_struct *p, struct sched_domain *sd, int target)
5963 : : {
5964 : 0 : struct cpumask *cpus = this_cpu_cpumask_var_ptr(select_idle_mask);
5965 : : struct sched_domain *this_sd;
5966 : : u64 avg_cost, avg_idle;
5967 : : u64 time, cost;
5968 : : s64 delta;
5969 : : int this = smp_processor_id();
5970 : : int cpu, nr = INT_MAX, si_cpu = -1;
5971 : :
5972 : 0 : this_sd = rcu_dereference(*this_cpu_ptr(&sd_llc));
5973 : 0 : if (!this_sd)
5974 : : return -1;
5975 : :
5976 : : /*
5977 : : * Due to large variance we need a large fuzz factor; hackbench in
5978 : : * particularly is sensitive here.
5979 : : */
5980 : 0 : avg_idle = this_rq()->avg_idle / 512;
5981 : 0 : avg_cost = this_sd->avg_scan_cost + 1;
5982 : :
5983 : 0 : if (sched_feat(SIS_AVG_CPU) && avg_idle < avg_cost)
5984 : : return -1;
5985 : :
5986 : 0 : if (sched_feat(SIS_PROP)) {
5987 : 0 : u64 span_avg = sd->span_weight * avg_idle;
5988 : 0 : if (span_avg > 4*avg_cost)
5989 : 0 : nr = div_u64(span_avg, avg_cost);
5990 : : else
5991 : : nr = 4;
5992 : : }
5993 : :
5994 : : time = cpu_clock(this);
5995 : :
5996 : 0 : cpumask_and(cpus, sched_domain_span(sd), p->cpus_ptr);
5997 : :
5998 : 0 : for_each_cpu_wrap(cpu, cpus, target) {
5999 : 0 : if (!--nr)
6000 : 0 : return si_cpu;
6001 : 0 : if (available_idle_cpu(cpu))
6002 : : break;
6003 : 0 : if (si_cpu == -1 && sched_idle_cpu(cpu))
6004 : : si_cpu = cpu;
6005 : : }
6006 : :
6007 : 0 : time = cpu_clock(this) - time;
6008 : 0 : cost = this_sd->avg_scan_cost;
6009 : 0 : delta = (s64)(time - cost) / 8;
6010 : 0 : this_sd->avg_scan_cost += delta;
6011 : :
6012 : 0 : return cpu;
6013 : : }
6014 : :
6015 : : /*
6016 : : * Try and locate an idle core/thread in the LLC cache domain.
6017 : : */
6018 : 3 : static int select_idle_sibling(struct task_struct *p, int prev, int target)
6019 : : {
6020 : : struct sched_domain *sd;
6021 : : int i, recent_used_cpu;
6022 : :
6023 : 3 : if (available_idle_cpu(target) || sched_idle_cpu(target))
6024 : : return target;
6025 : :
6026 : : /*
6027 : : * If the previous CPU is cache affine and idle, don't be stupid:
6028 : : */
6029 : 3 : if (prev != target && cpus_share_cache(prev, target) &&
6030 : 0 : (available_idle_cpu(prev) || sched_idle_cpu(prev)))
6031 : : return prev;
6032 : :
6033 : : /* Check a recently used CPU as a potential idle candidate: */
6034 : 3 : recent_used_cpu = p->recent_used_cpu;
6035 : 3 : if (recent_used_cpu != prev &&
6036 : 3 : recent_used_cpu != target &&
6037 : 3 : cpus_share_cache(recent_used_cpu, target) &&
6038 : 0 : (available_idle_cpu(recent_used_cpu) || sched_idle_cpu(recent_used_cpu)) &&
6039 : 0 : cpumask_test_cpu(p->recent_used_cpu, p->cpus_ptr)) {
6040 : : /*
6041 : : * Replace recent_used_cpu with prev as it is a potential
6042 : : * candidate for the next wake:
6043 : : */
6044 : 0 : p->recent_used_cpu = prev;
6045 : 0 : return recent_used_cpu;
6046 : : }
6047 : :
6048 : 3 : sd = rcu_dereference(per_cpu(sd_llc, target));
6049 : 3 : if (!sd)
6050 : : return target;
6051 : :
6052 : : i = select_idle_core(p, sd, target);
6053 : : if ((unsigned)i < nr_cpumask_bits)
6054 : : return i;
6055 : :
6056 : 0 : i = select_idle_cpu(p, sd, target);
6057 : 0 : if ((unsigned)i < nr_cpumask_bits)
6058 : : return i;
6059 : :
6060 : : i = select_idle_smt(p, target);
6061 : : if ((unsigned)i < nr_cpumask_bits)
6062 : : return i;
6063 : :
6064 : 0 : return target;
6065 : : }
6066 : :
6067 : : /**
6068 : : * Amount of capacity of a CPU that is (estimated to be) used by CFS tasks
6069 : : * @cpu: the CPU to get the utilization of
6070 : : *
6071 : : * The unit of the return value must be the one of capacity so we can compare
6072 : : * the utilization with the capacity of the CPU that is available for CFS task
6073 : : * (ie cpu_capacity).
6074 : : *
6075 : : * cfs_rq.avg.util_avg is the sum of running time of runnable tasks plus the
6076 : : * recent utilization of currently non-runnable tasks on a CPU. It represents
6077 : : * the amount of utilization of a CPU in the range [0..capacity_orig] where
6078 : : * capacity_orig is the cpu_capacity available at the highest frequency
6079 : : * (arch_scale_freq_capacity()).
6080 : : * The utilization of a CPU converges towards a sum equal to or less than the
6081 : : * current capacity (capacity_curr <= capacity_orig) of the CPU because it is
6082 : : * the running time on this CPU scaled by capacity_curr.
6083 : : *
6084 : : * The estimated utilization of a CPU is defined to be the maximum between its
6085 : : * cfs_rq.avg.util_avg and the sum of the estimated utilization of the tasks
6086 : : * currently RUNNABLE on that CPU.
6087 : : * This allows to properly represent the expected utilization of a CPU which
6088 : : * has just got a big task running since a long sleep period. At the same time
6089 : : * however it preserves the benefits of the "blocked utilization" in
6090 : : * describing the potential for other tasks waking up on the same CPU.
6091 : : *
6092 : : * Nevertheless, cfs_rq.avg.util_avg can be higher than capacity_curr or even
6093 : : * higher than capacity_orig because of unfortunate rounding in
6094 : : * cfs.avg.util_avg or just after migrating tasks and new task wakeups until
6095 : : * the average stabilizes with the new running time. We need to check that the
6096 : : * utilization stays within the range of [0..capacity_orig] and cap it if
6097 : : * necessary. Without utilization capping, a group could be seen as overloaded
6098 : : * (CPU0 utilization at 121% + CPU1 utilization at 80%) whereas CPU1 has 20% of
6099 : : * available capacity. We allow utilization to overshoot capacity_curr (but not
6100 : : * capacity_orig) as it useful for predicting the capacity required after task
6101 : : * migrations (scheduler-driven DVFS).
6102 : : *
6103 : : * Return: the (estimated) utilization for the specified CPU
6104 : : */
6105 : 3 : static inline unsigned long cpu_util(int cpu)
6106 : : {
6107 : : struct cfs_rq *cfs_rq;
6108 : : unsigned int util;
6109 : :
6110 : 3 : cfs_rq = &cpu_rq(cpu)->cfs;
6111 : : util = READ_ONCE(cfs_rq->avg.util_avg);
6112 : :
6113 : 3 : if (sched_feat(UTIL_EST))
6114 : 3 : util = max(util, READ_ONCE(cfs_rq->avg.util_est.enqueued));
6115 : :
6116 : 3 : return min_t(unsigned long, util, capacity_orig_of(cpu));
6117 : : }
6118 : :
6119 : : /*
6120 : : * cpu_util_without: compute cpu utilization without any contributions from *p
6121 : : * @cpu: the CPU which utilization is requested
6122 : : * @p: the task which utilization should be discounted
6123 : : *
6124 : : * The utilization of a CPU is defined by the utilization of tasks currently
6125 : : * enqueued on that CPU as well as tasks which are currently sleeping after an
6126 : : * execution on that CPU.
6127 : : *
6128 : : * This method returns the utilization of the specified CPU by discounting the
6129 : : * utilization of the specified task, whenever the task is currently
6130 : : * contributing to the CPU utilization.
6131 : : */
6132 : 3 : static unsigned long cpu_util_without(int cpu, struct task_struct *p)
6133 : : {
6134 : : struct cfs_rq *cfs_rq;
6135 : : unsigned int util;
6136 : :
6137 : : /* Task has no contribution or is new */
6138 : 3 : if (cpu != task_cpu(p) || !READ_ONCE(p->se.avg.last_update_time))
6139 : 3 : return cpu_util(cpu);
6140 : :
6141 : 3 : cfs_rq = &cpu_rq(cpu)->cfs;
6142 : : util = READ_ONCE(cfs_rq->avg.util_avg);
6143 : :
6144 : : /* Discount task's util from CPU's util */
6145 : 3 : lsub_positive(&util, task_util(p));
6146 : :
6147 : : /*
6148 : : * Covered cases:
6149 : : *
6150 : : * a) if *p is the only task sleeping on this CPU, then:
6151 : : * cpu_util (== task_util) > util_est (== 0)
6152 : : * and thus we return:
6153 : : * cpu_util_without = (cpu_util - task_util) = 0
6154 : : *
6155 : : * b) if other tasks are SLEEPING on this CPU, which is now exiting
6156 : : * IDLE, then:
6157 : : * cpu_util >= task_util
6158 : : * cpu_util > util_est (== 0)
6159 : : * and thus we discount *p's blocked utilization to return:
6160 : : * cpu_util_without = (cpu_util - task_util) >= 0
6161 : : *
6162 : : * c) if other tasks are RUNNABLE on that CPU and
6163 : : * util_est > cpu_util
6164 : : * then we use util_est since it returns a more restrictive
6165 : : * estimation of the spare capacity on that CPU, by just
6166 : : * considering the expected utilization of tasks already
6167 : : * runnable on that CPU.
6168 : : *
6169 : : * Cases a) and b) are covered by the above code, while case c) is
6170 : : * covered by the following code when estimated utilization is
6171 : : * enabled.
6172 : : */
6173 : 3 : if (sched_feat(UTIL_EST)) {
6174 : : unsigned int estimated =
6175 : : READ_ONCE(cfs_rq->avg.util_est.enqueued);
6176 : :
6177 : : /*
6178 : : * Despite the following checks we still have a small window
6179 : : * for a possible race, when an execl's select_task_rq_fair()
6180 : : * races with LB's detach_task():
6181 : : *
6182 : : * detach_task()
6183 : : * p->on_rq = TASK_ON_RQ_MIGRATING;
6184 : : * ---------------------------------- A
6185 : : * deactivate_task() \
6186 : : * dequeue_task() + RaceTime
6187 : : * util_est_dequeue() /
6188 : : * ---------------------------------- B
6189 : : *
6190 : : * The additional check on "current == p" it's required to
6191 : : * properly fix the execl regression and it helps in further
6192 : : * reducing the chances for the above race.
6193 : : */
6194 : 3 : if (unlikely(task_on_rq_queued(p) || current == p))
6195 : 3 : lsub_positive(&estimated, _task_util_est(p));
6196 : :
6197 : 3 : util = max(util, estimated);
6198 : : }
6199 : :
6200 : : /*
6201 : : * Utilization (estimated) can exceed the CPU capacity, thus let's
6202 : : * clamp to the maximum CPU capacity to ensure consistency with
6203 : : * the cpu_util call.
6204 : : */
6205 : 3 : return min_t(unsigned long, util, capacity_orig_of(cpu));
6206 : : }
6207 : :
6208 : : /*
6209 : : * Disable WAKE_AFFINE in the case where task @p doesn't fit in the
6210 : : * capacity of either the waking CPU @cpu or the previous CPU @prev_cpu.
6211 : : *
6212 : : * In that case WAKE_AFFINE doesn't make sense and we'll let
6213 : : * BALANCE_WAKE sort things out.
6214 : : */
6215 : 3 : static int wake_cap(struct task_struct *p, int cpu, int prev_cpu)
6216 : : {
6217 : : long min_cap, max_cap;
6218 : :
6219 : 3 : if (!static_branch_unlikely(&sched_asym_cpucapacity))
6220 : : return 0;
6221 : :
6222 : 0 : min_cap = min(capacity_orig_of(prev_cpu), capacity_orig_of(cpu));
6223 : 0 : max_cap = cpu_rq(cpu)->rd->max_cpu_capacity;
6224 : :
6225 : : /* Minimum capacity is close to max, no need to abort wake_affine */
6226 : 0 : if (max_cap - min_cap < max_cap >> 3)
6227 : : return 0;
6228 : :
6229 : : /* Bring task utilization in sync with prev_cpu */
6230 : 0 : sync_entity_load_avg(&p->se);
6231 : :
6232 : 0 : return !task_fits_capacity(p, min_cap);
6233 : : }
6234 : :
6235 : : /*
6236 : : * Predicts what cpu_util(@cpu) would return if @p was migrated (and enqueued)
6237 : : * to @dst_cpu.
6238 : : */
6239 : : static unsigned long cpu_util_next(int cpu, struct task_struct *p, int dst_cpu)
6240 : : {
6241 : : struct cfs_rq *cfs_rq = &cpu_rq(cpu)->cfs;
6242 : : unsigned long util_est, util = READ_ONCE(cfs_rq->avg.util_avg);
6243 : :
6244 : : /*
6245 : : * If @p migrates from @cpu to another, remove its contribution. Or,
6246 : : * if @p migrates from another CPU to @cpu, add its contribution. In
6247 : : * the other cases, @cpu is not impacted by the migration, so the
6248 : : * util_avg should already be correct.
6249 : : */
6250 : : if (task_cpu(p) == cpu && dst_cpu != cpu)
6251 : : sub_positive(&util, task_util(p));
6252 : : else if (task_cpu(p) != cpu && dst_cpu == cpu)
6253 : : util += task_util(p);
6254 : :
6255 : : if (sched_feat(UTIL_EST)) {
6256 : : util_est = READ_ONCE(cfs_rq->avg.util_est.enqueued);
6257 : :
6258 : : /*
6259 : : * During wake-up, the task isn't enqueued yet and doesn't
6260 : : * appear in the cfs_rq->avg.util_est.enqueued of any rq,
6261 : : * so just add it (if needed) to "simulate" what will be
6262 : : * cpu_util() after the task has been enqueued.
6263 : : */
6264 : : if (dst_cpu == cpu)
6265 : : util_est += _task_util_est(p);
6266 : :
6267 : : util = max(util, util_est);
6268 : : }
6269 : :
6270 : : return min(util, capacity_orig_of(cpu));
6271 : : }
6272 : :
6273 : : /*
6274 : : * compute_energy(): Estimates the energy that @pd would consume if @p was
6275 : : * migrated to @dst_cpu. compute_energy() predicts what will be the utilization
6276 : : * landscape of @pd's CPUs after the task migration, and uses the Energy Model
6277 : : * to compute what would be the energy if we decided to actually migrate that
6278 : : * task.
6279 : : */
6280 : : static long
6281 : : compute_energy(struct task_struct *p, int dst_cpu, struct perf_domain *pd)
6282 : : {
6283 : : struct cpumask *pd_mask = perf_domain_span(pd);
6284 : : unsigned long cpu_cap = arch_scale_cpu_capacity(cpumask_first(pd_mask));
6285 : : unsigned long max_util = 0, sum_util = 0;
6286 : : int cpu;
6287 : :
6288 : : /*
6289 : : * The capacity state of CPUs of the current rd can be driven by CPUs
6290 : : * of another rd if they belong to the same pd. So, account for the
6291 : : * utilization of these CPUs too by masking pd with cpu_online_mask
6292 : : * instead of the rd span.
6293 : : *
6294 : : * If an entire pd is outside of the current rd, it will not appear in
6295 : : * its pd list and will not be accounted by compute_energy().
6296 : : */
6297 : : for_each_cpu_and(cpu, pd_mask, cpu_online_mask) {
6298 : : unsigned long cpu_util, util_cfs = cpu_util_next(cpu, p, dst_cpu);
6299 : : struct task_struct *tsk = cpu == dst_cpu ? p : NULL;
6300 : :
6301 : : /*
6302 : : * Busy time computation: utilization clamping is not
6303 : : * required since the ratio (sum_util / cpu_capacity)
6304 : : * is already enough to scale the EM reported power
6305 : : * consumption at the (eventually clamped) cpu_capacity.
6306 : : */
6307 : : sum_util += schedutil_cpu_util(cpu, util_cfs, cpu_cap,
6308 : : ENERGY_UTIL, NULL);
6309 : :
6310 : : /*
6311 : : * Performance domain frequency: utilization clamping
6312 : : * must be considered since it affects the selection
6313 : : * of the performance domain frequency.
6314 : : * NOTE: in case RT tasks are running, by default the
6315 : : * FREQUENCY_UTIL's utilization can be max OPP.
6316 : : */
6317 : : cpu_util = schedutil_cpu_util(cpu, util_cfs, cpu_cap,
6318 : : FREQUENCY_UTIL, tsk);
6319 : : max_util = max(max_util, cpu_util);
6320 : : }
6321 : :
6322 : : return em_pd_energy(pd->em_pd, max_util, sum_util);
6323 : : }
6324 : :
6325 : : /*
6326 : : * find_energy_efficient_cpu(): Find most energy-efficient target CPU for the
6327 : : * waking task. find_energy_efficient_cpu() looks for the CPU with maximum
6328 : : * spare capacity in each performance domain and uses it as a potential
6329 : : * candidate to execute the task. Then, it uses the Energy Model to figure
6330 : : * out which of the CPU candidates is the most energy-efficient.
6331 : : *
6332 : : * The rationale for this heuristic is as follows. In a performance domain,
6333 : : * all the most energy efficient CPU candidates (according to the Energy
6334 : : * Model) are those for which we'll request a low frequency. When there are
6335 : : * several CPUs for which the frequency request will be the same, we don't
6336 : : * have enough data to break the tie between them, because the Energy Model
6337 : : * only includes active power costs. With this model, if we assume that
6338 : : * frequency requests follow utilization (e.g. using schedutil), the CPU with
6339 : : * the maximum spare capacity in a performance domain is guaranteed to be among
6340 : : * the best candidates of the performance domain.
6341 : : *
6342 : : * In practice, it could be preferable from an energy standpoint to pack
6343 : : * small tasks on a CPU in order to let other CPUs go in deeper idle states,
6344 : : * but that could also hurt our chances to go cluster idle, and we have no
6345 : : * ways to tell with the current Energy Model if this is actually a good
6346 : : * idea or not. So, find_energy_efficient_cpu() basically favors
6347 : : * cluster-packing, and spreading inside a cluster. That should at least be
6348 : : * a good thing for latency, and this is consistent with the idea that most
6349 : : * of the energy savings of EAS come from the asymmetry of the system, and
6350 : : * not so much from breaking the tie between identical CPUs. That's also the
6351 : : * reason why EAS is enabled in the topology code only for systems where
6352 : : * SD_ASYM_CPUCAPACITY is set.
6353 : : *
6354 : : * NOTE: Forkees are not accepted in the energy-aware wake-up path because
6355 : : * they don't have any useful utilization data yet and it's not possible to
6356 : : * forecast their impact on energy consumption. Consequently, they will be
6357 : : * placed by find_idlest_cpu() on the least loaded CPU, which might turn out
6358 : : * to be energy-inefficient in some use-cases. The alternative would be to
6359 : : * bias new tasks towards specific types of CPUs first, or to try to infer
6360 : : * their util_avg from the parent task, but those heuristics could hurt
6361 : : * other use-cases too. So, until someone finds a better way to solve this,
6362 : : * let's keep things simple by re-using the existing slow path.
6363 : : */
6364 : : static int find_energy_efficient_cpu(struct task_struct *p, int prev_cpu)
6365 : : {
6366 : : unsigned long prev_delta = ULONG_MAX, best_delta = ULONG_MAX;
6367 : : struct root_domain *rd = cpu_rq(smp_processor_id())->rd;
6368 : : unsigned long cpu_cap, util, base_energy = 0;
6369 : : int cpu, best_energy_cpu = prev_cpu;
6370 : : struct sched_domain *sd;
6371 : : struct perf_domain *pd;
6372 : :
6373 : : rcu_read_lock();
6374 : : pd = rcu_dereference(rd->pd);
6375 : : if (!pd || READ_ONCE(rd->overutilized))
6376 : : goto fail;
6377 : :
6378 : : /*
6379 : : * Energy-aware wake-up happens on the lowest sched_domain starting
6380 : : * from sd_asym_cpucapacity spanning over this_cpu and prev_cpu.
6381 : : */
6382 : : sd = rcu_dereference(*this_cpu_ptr(&sd_asym_cpucapacity));
6383 : : while (sd && !cpumask_test_cpu(prev_cpu, sched_domain_span(sd)))
6384 : : sd = sd->parent;
6385 : : if (!sd)
6386 : : goto fail;
6387 : :
6388 : : sync_entity_load_avg(&p->se);
6389 : : if (!task_util_est(p))
6390 : : goto unlock;
6391 : :
6392 : : for (; pd; pd = pd->next) {
6393 : : unsigned long cur_delta, spare_cap, max_spare_cap = 0;
6394 : : unsigned long base_energy_pd;
6395 : : int max_spare_cap_cpu = -1;
6396 : :
6397 : : /* Compute the 'base' energy of the pd, without @p */
6398 : : base_energy_pd = compute_energy(p, -1, pd);
6399 : : base_energy += base_energy_pd;
6400 : :
6401 : : for_each_cpu_and(cpu, perf_domain_span(pd), sched_domain_span(sd)) {
6402 : : if (!cpumask_test_cpu(cpu, p->cpus_ptr))
6403 : : continue;
6404 : :
6405 : : /* Skip CPUs that will be overutilized. */
6406 : : util = cpu_util_next(cpu, p, cpu);
6407 : : cpu_cap = capacity_of(cpu);
6408 : : if (!fits_capacity(util, cpu_cap))
6409 : : continue;
6410 : :
6411 : : /* Always use prev_cpu as a candidate. */
6412 : : if (cpu == prev_cpu) {
6413 : : prev_delta = compute_energy(p, prev_cpu, pd);
6414 : : prev_delta -= base_energy_pd;
6415 : : best_delta = min(best_delta, prev_delta);
6416 : : }
6417 : :
6418 : : /*
6419 : : * Find the CPU with the maximum spare capacity in
6420 : : * the performance domain
6421 : : */
6422 : : spare_cap = cpu_cap - util;
6423 : : if (spare_cap > max_spare_cap) {
6424 : : max_spare_cap = spare_cap;
6425 : : max_spare_cap_cpu = cpu;
6426 : : }
6427 : : }
6428 : :
6429 : : /* Evaluate the energy impact of using this CPU. */
6430 : : if (max_spare_cap_cpu >= 0 && max_spare_cap_cpu != prev_cpu) {
6431 : : cur_delta = compute_energy(p, max_spare_cap_cpu, pd);
6432 : : cur_delta -= base_energy_pd;
6433 : : if (cur_delta < best_delta) {
6434 : : best_delta = cur_delta;
6435 : : best_energy_cpu = max_spare_cap_cpu;
6436 : : }
6437 : : }
6438 : : }
6439 : : unlock:
6440 : : rcu_read_unlock();
6441 : :
6442 : : /*
6443 : : * Pick the best CPU if prev_cpu cannot be used, or if it saves at
6444 : : * least 6% of the energy used by prev_cpu.
6445 : : */
6446 : : if (prev_delta == ULONG_MAX)
6447 : : return best_energy_cpu;
6448 : :
6449 : : if ((prev_delta - best_delta) > ((prev_delta + base_energy) >> 4))
6450 : : return best_energy_cpu;
6451 : :
6452 : : return prev_cpu;
6453 : :
6454 : : fail:
6455 : : rcu_read_unlock();
6456 : :
6457 : : return -1;
6458 : : }
6459 : :
6460 : : /*
6461 : : * select_task_rq_fair: Select target runqueue for the waking task in domains
6462 : : * that have the 'sd_flag' flag set. In practice, this is SD_BALANCE_WAKE,
6463 : : * SD_BALANCE_FORK, or SD_BALANCE_EXEC.
6464 : : *
6465 : : * Balances load by selecting the idlest CPU in the idlest group, or under
6466 : : * certain conditions an idle sibling CPU if the domain has SD_WAKE_AFFINE set.
6467 : : *
6468 : : * Returns the target CPU number.
6469 : : *
6470 : : * preempt must be disabled.
6471 : : */
6472 : : static int
6473 : 3 : select_task_rq_fair(struct task_struct *p, int prev_cpu, int sd_flag, int wake_flags)
6474 : : {
6475 : : struct sched_domain *tmp, *sd = NULL;
6476 : 3 : int cpu = smp_processor_id();
6477 : : int new_cpu = prev_cpu;
6478 : : int want_affine = 0;
6479 : 3 : int sync = (wake_flags & WF_SYNC) && !(current->flags & PF_EXITING);
6480 : :
6481 : 3 : if (sd_flag & SD_BALANCE_WAKE) {
6482 : 3 : record_wakee(p);
6483 : :
6484 : : if (sched_energy_enabled()) {
6485 : : new_cpu = find_energy_efficient_cpu(p, prev_cpu);
6486 : : if (new_cpu >= 0)
6487 : : return new_cpu;
6488 : : new_cpu = prev_cpu;
6489 : : }
6490 : :
6491 : 3 : want_affine = !wake_wide(p) && !wake_cap(p, cpu, prev_cpu) &&
6492 : 3 : cpumask_test_cpu(cpu, p->cpus_ptr);
6493 : : }
6494 : :
6495 : : rcu_read_lock();
6496 : 3 : for_each_domain(cpu, tmp) {
6497 : 3 : if (!(tmp->flags & SD_LOAD_BALANCE))
6498 : : break;
6499 : :
6500 : : /*
6501 : : * If both 'cpu' and 'prev_cpu' are part of this domain,
6502 : : * cpu is a valid SD_WAKE_AFFINE target.
6503 : : */
6504 : 3 : if (want_affine && (tmp->flags & SD_WAKE_AFFINE) &&
6505 : : cpumask_test_cpu(prev_cpu, sched_domain_span(tmp))) {
6506 : 3 : if (cpu != prev_cpu)
6507 : 3 : new_cpu = wake_affine(tmp, p, cpu, prev_cpu, sync);
6508 : :
6509 : : sd = NULL; /* Prefer wake_affine over balance flags */
6510 : : break;
6511 : : }
6512 : :
6513 : 3 : if (tmp->flags & sd_flag)
6514 : : sd = tmp;
6515 : 3 : else if (!want_affine)
6516 : : break;
6517 : : }
6518 : :
6519 : 3 : if (unlikely(sd)) {
6520 : : /* Slow path */
6521 : 3 : new_cpu = find_idlest_cpu(sd, p, cpu, prev_cpu, sd_flag);
6522 : 3 : } else if (sd_flag & SD_BALANCE_WAKE) { /* XXX always ? */
6523 : : /* Fast path */
6524 : :
6525 : 3 : new_cpu = select_idle_sibling(p, prev_cpu, new_cpu);
6526 : :
6527 : 3 : if (want_affine)
6528 : 3 : current->recent_used_cpu = cpu;
6529 : : }
6530 : : rcu_read_unlock();
6531 : :
6532 : : return new_cpu;
6533 : : }
6534 : :
6535 : : static void detach_entity_cfs_rq(struct sched_entity *se);
6536 : :
6537 : : /*
6538 : : * Called immediately before a task is migrated to a new CPU; task_cpu(p) and
6539 : : * cfs_rq_of(p) references at time of call are still valid and identify the
6540 : : * previous CPU. The caller guarantees p->pi_lock or task_rq(p)->lock is held.
6541 : : */
6542 : 3 : static void migrate_task_rq_fair(struct task_struct *p, int new_cpu)
6543 : : {
6544 : : /*
6545 : : * As blocked tasks retain absolute vruntime the migration needs to
6546 : : * deal with this by subtracting the old and adding the new
6547 : : * min_vruntime -- the latter is done by enqueue_entity() when placing
6548 : : * the task on the new runqueue.
6549 : : */
6550 : 3 : if (p->state == TASK_WAKING) {
6551 : : struct sched_entity *se = &p->se;
6552 : : struct cfs_rq *cfs_rq = cfs_rq_of(se);
6553 : : u64 min_vruntime;
6554 : :
6555 : : #ifndef CONFIG_64BIT
6556 : : u64 min_vruntime_copy;
6557 : :
6558 : : do {
6559 : 3 : min_vruntime_copy = cfs_rq->min_vruntime_copy;
6560 : 3 : smp_rmb();
6561 : 3 : min_vruntime = cfs_rq->min_vruntime;
6562 : 3 : } while (min_vruntime != min_vruntime_copy);
6563 : : #else
6564 : : min_vruntime = cfs_rq->min_vruntime;
6565 : : #endif
6566 : :
6567 : 3 : se->vruntime -= min_vruntime;
6568 : : }
6569 : :
6570 : 3 : if (p->on_rq == TASK_ON_RQ_MIGRATING) {
6571 : : /*
6572 : : * In case of TASK_ON_RQ_MIGRATING we in fact hold the 'old'
6573 : : * rq->lock and can modify state directly.
6574 : : */
6575 : 3 : lockdep_assert_held(&task_rq(p)->lock);
6576 : 3 : detach_entity_cfs_rq(&p->se);
6577 : :
6578 : : } else {
6579 : : /*
6580 : : * We are supposed to update the task to "current" time, then
6581 : : * its up to date and ready to go to new CPU/cfs_rq. But we
6582 : : * have difficulty in getting what current time is, so simply
6583 : : * throw away the out-of-date time. This will result in the
6584 : : * wakee task is less decayed, but giving the wakee more load
6585 : : * sounds not bad.
6586 : : */
6587 : 3 : remove_entity_load_avg(&p->se);
6588 : : }
6589 : :
6590 : : /* Tell new CPU we are migrated */
6591 : 3 : p->se.avg.last_update_time = 0;
6592 : :
6593 : : /* We have migrated, no longer consider this task hot */
6594 : 3 : p->se.exec_start = 0;
6595 : :
6596 : : update_scan_period(p, new_cpu);
6597 : 3 : }
6598 : :
6599 : 3 : static void task_dead_fair(struct task_struct *p)
6600 : : {
6601 : 3 : remove_entity_load_avg(&p->se);
6602 : 3 : }
6603 : :
6604 : : static int
6605 : 3 : balance_fair(struct rq *rq, struct task_struct *prev, struct rq_flags *rf)
6606 : : {
6607 : 3 : if (rq->nr_running)
6608 : : return 1;
6609 : :
6610 : 3 : return newidle_balance(rq, rf) != 0;
6611 : : }
6612 : : #endif /* CONFIG_SMP */
6613 : :
6614 : 3 : static unsigned long wakeup_gran(struct sched_entity *se)
6615 : : {
6616 : 3 : unsigned long gran = sysctl_sched_wakeup_granularity;
6617 : :
6618 : : /*
6619 : : * Since its curr running now, convert the gran from real-time
6620 : : * to virtual-time in his units.
6621 : : *
6622 : : * By using 'se' instead of 'curr' we penalize light tasks, so
6623 : : * they get preempted easier. That is, if 'se' < 'curr' then
6624 : : * the resulting gran will be larger, therefore penalizing the
6625 : : * lighter, if otoh 'se' > 'curr' then the resulting gran will
6626 : : * be smaller, again penalizing the lighter task.
6627 : : *
6628 : : * This is especially important for buddies when the leftmost
6629 : : * task is higher priority than the buddy.
6630 : : */
6631 : 3 : return calc_delta_fair(gran, se);
6632 : : }
6633 : :
6634 : : /*
6635 : : * Should 'se' preempt 'curr'.
6636 : : *
6637 : : * |s1
6638 : : * |s2
6639 : : * |s3
6640 : : * g
6641 : : * |<--->|c
6642 : : *
6643 : : * w(c, s1) = -1
6644 : : * w(c, s2) = 0
6645 : : * w(c, s3) = 1
6646 : : *
6647 : : */
6648 : : static int
6649 : 3 : wakeup_preempt_entity(struct sched_entity *curr, struct sched_entity *se)
6650 : : {
6651 : 3 : s64 gran, vdiff = curr->vruntime - se->vruntime;
6652 : :
6653 : 3 : if (vdiff <= 0)
6654 : : return -1;
6655 : :
6656 : 3 : gran = wakeup_gran(se);
6657 : 3 : if (vdiff > gran)
6658 : : return 1;
6659 : :
6660 : 3 : return 0;
6661 : : }
6662 : :
6663 : 3 : static void set_last_buddy(struct sched_entity *se)
6664 : : {
6665 : 3 : if (entity_is_task(se) && unlikely(task_has_idle_policy(task_of(se))))
6666 : : return;
6667 : :
6668 : 3 : for_each_sched_entity(se) {
6669 : 3 : if (SCHED_WARN_ON(!se->on_rq))
6670 : : return;
6671 : 3 : cfs_rq_of(se)->last = se;
6672 : : }
6673 : : }
6674 : :
6675 : 3 : static void set_next_buddy(struct sched_entity *se)
6676 : : {
6677 : 3 : if (entity_is_task(se) && unlikely(task_has_idle_policy(task_of(se))))
6678 : : return;
6679 : :
6680 : 3 : for_each_sched_entity(se) {
6681 : 3 : if (SCHED_WARN_ON(!se->on_rq))
6682 : : return;
6683 : 3 : cfs_rq_of(se)->next = se;
6684 : : }
6685 : : }
6686 : :
6687 : : static void set_skip_buddy(struct sched_entity *se)
6688 : : {
6689 : 0 : for_each_sched_entity(se)
6690 : 0 : cfs_rq_of(se)->skip = se;
6691 : : }
6692 : :
6693 : : /*
6694 : : * Preempt the current task with a newly woken task if needed:
6695 : : */
6696 : 3 : static void check_preempt_wakeup(struct rq *rq, struct task_struct *p, int wake_flags)
6697 : : {
6698 : 3 : struct task_struct *curr = rq->curr;
6699 : 3 : struct sched_entity *se = &curr->se, *pse = &p->se;
6700 : : struct cfs_rq *cfs_rq = task_cfs_rq(curr);
6701 : 3 : int scale = cfs_rq->nr_running >= sched_nr_latency;
6702 : : int next_buddy_marked = 0;
6703 : :
6704 : 3 : if (unlikely(se == pse))
6705 : 3 : return;
6706 : :
6707 : : /*
6708 : : * This is possible from callers such as attach_tasks(), in which we
6709 : : * unconditionally check_prempt_curr() after an enqueue (which may have
6710 : : * lead to a throttle). This both saves work and prevents false
6711 : : * next-buddy nomination below.
6712 : : */
6713 : 3 : if (unlikely(throttled_hierarchy(cfs_rq_of(pse))))
6714 : : return;
6715 : :
6716 : 3 : if (sched_feat(NEXT_BUDDY) && scale && !(wake_flags & WF_FORK)) {
6717 : 0 : set_next_buddy(pse);
6718 : : next_buddy_marked = 1;
6719 : : }
6720 : :
6721 : : /*
6722 : : * We can come here with TIF_NEED_RESCHED already set from new task
6723 : : * wake up path.
6724 : : *
6725 : : * Note: this also catches the edge-case of curr being in a throttled
6726 : : * group (e.g. via set_curr_task), since update_curr() (in the
6727 : : * enqueue of curr) will have resulted in resched being set. This
6728 : : * prevents us from potentially nominating it as a false LAST_BUDDY
6729 : : * below.
6730 : : */
6731 : 3 : if (test_tsk_need_resched(curr))
6732 : : return;
6733 : :
6734 : : /* Idle tasks are by definition preempted by non-idle tasks. */
6735 : 3 : if (unlikely(task_has_idle_policy(curr)) &&
6736 : 0 : likely(!task_has_idle_policy(p)))
6737 : : goto preempt;
6738 : :
6739 : : /*
6740 : : * Batch and idle tasks do not preempt non-idle tasks (their preemption
6741 : : * is driven by the tick):
6742 : : */
6743 : 3 : if (unlikely(p->policy != SCHED_NORMAL) || !sched_feat(WAKEUP_PREEMPTION))
6744 : : return;
6745 : :
6746 : 3 : find_matching_se(&se, &pse);
6747 : 3 : update_curr(cfs_rq_of(se));
6748 : 3 : BUG_ON(!pse);
6749 : 3 : if (wakeup_preempt_entity(se, pse) == 1) {
6750 : : /*
6751 : : * Bias pick_next to pick the sched entity that is
6752 : : * triggering this preemption.
6753 : : */
6754 : 3 : if (!next_buddy_marked)
6755 : 3 : set_next_buddy(pse);
6756 : : goto preempt;
6757 : : }
6758 : :
6759 : : return;
6760 : :
6761 : : preempt:
6762 : 3 : resched_curr(rq);
6763 : : /*
6764 : : * Only set the backward buddy when the current task is still
6765 : : * on the rq. This can happen when a wakeup gets interleaved
6766 : : * with schedule on the ->pre_schedule() or idle_balance()
6767 : : * point, either of which can * drop the rq lock.
6768 : : *
6769 : : * Also, during early boot the idle thread is in the fair class,
6770 : : * for obvious reasons its a bad idea to schedule back to it.
6771 : : */
6772 : 3 : if (unlikely(!se->on_rq || curr == rq->idle))
6773 : : return;
6774 : :
6775 : 3 : if (sched_feat(LAST_BUDDY) && scale && entity_is_task(se))
6776 : 3 : set_last_buddy(se);
6777 : : }
6778 : :
6779 : : static struct task_struct *
6780 : 3 : pick_next_task_fair(struct rq *rq, struct task_struct *prev, struct rq_flags *rf)
6781 : : {
6782 : 3 : struct cfs_rq *cfs_rq = &rq->cfs;
6783 : : struct sched_entity *se;
6784 : : struct task_struct *p;
6785 : : int new_tasks;
6786 : :
6787 : : again:
6788 : 3 : if (!sched_fair_runnable(rq))
6789 : : goto idle;
6790 : :
6791 : : #ifdef CONFIG_FAIR_GROUP_SCHED
6792 : 3 : if (!prev || prev->sched_class != &fair_sched_class)
6793 : : goto simple;
6794 : :
6795 : : /*
6796 : : * Because of the set_next_buddy() in dequeue_task_fair() it is rather
6797 : : * likely that a next task is from the same cgroup as the current.
6798 : : *
6799 : : * Therefore attempt to avoid putting and setting the entire cgroup
6800 : : * hierarchy, only change the part that actually changes.
6801 : : */
6802 : :
6803 : : do {
6804 : 3 : struct sched_entity *curr = cfs_rq->curr;
6805 : :
6806 : : /*
6807 : : * Since we got here without doing put_prev_entity() we also
6808 : : * have to consider cfs_rq->curr. If it is still a runnable
6809 : : * entity, update_curr() will update its vruntime, otherwise
6810 : : * forget we've ever seen it.
6811 : : */
6812 : 3 : if (curr) {
6813 : 3 : if (curr->on_rq)
6814 : 3 : update_curr(cfs_rq);
6815 : : else
6816 : : curr = NULL;
6817 : :
6818 : : /*
6819 : : * This call to check_cfs_rq_runtime() will do the
6820 : : * throttle and dequeue its entity in the parent(s).
6821 : : * Therefore the nr_running test will indeed
6822 : : * be correct.
6823 : : */
6824 : 3 : if (unlikely(check_cfs_rq_runtime(cfs_rq))) {
6825 : : cfs_rq = &rq->cfs;
6826 : :
6827 : 0 : if (!cfs_rq->nr_running)
6828 : : goto idle;
6829 : :
6830 : : goto simple;
6831 : : }
6832 : : }
6833 : :
6834 : 3 : se = pick_next_entity(cfs_rq, curr);
6835 : : cfs_rq = group_cfs_rq(se);
6836 : 3 : } while (cfs_rq);
6837 : :
6838 : 3 : p = task_of(se);
6839 : :
6840 : : /*
6841 : : * Since we haven't yet done put_prev_entity and if the selected task
6842 : : * is a different task than we started out with, try and touch the
6843 : : * least amount of cfs_rqs.
6844 : : */
6845 : 3 : if (prev != p) {
6846 : 3 : struct sched_entity *pse = &prev->se;
6847 : :
6848 : 3 : while (!(cfs_rq = is_same_group(se, pse))) {
6849 : 3 : int se_depth = se->depth;
6850 : 3 : int pse_depth = pse->depth;
6851 : :
6852 : 3 : if (se_depth <= pse_depth) {
6853 : 3 : put_prev_entity(cfs_rq_of(pse), pse);
6854 : : pse = parent_entity(pse);
6855 : : }
6856 : 3 : if (se_depth >= pse_depth) {
6857 : 3 : set_next_entity(cfs_rq_of(se), se);
6858 : : se = parent_entity(se);
6859 : : }
6860 : : }
6861 : :
6862 : 3 : put_prev_entity(cfs_rq, pse);
6863 : 3 : set_next_entity(cfs_rq, se);
6864 : : }
6865 : :
6866 : : goto done;
6867 : : simple:
6868 : : #endif
6869 : 3 : if (prev)
6870 : 3 : put_prev_task(rq, prev);
6871 : :
6872 : : do {
6873 : 3 : se = pick_next_entity(cfs_rq, NULL);
6874 : 3 : set_next_entity(cfs_rq, se);
6875 : : cfs_rq = group_cfs_rq(se);
6876 : 3 : } while (cfs_rq);
6877 : :
6878 : 3 : p = task_of(se);
6879 : :
6880 : : done: __maybe_unused;
6881 : : #ifdef CONFIG_SMP
6882 : : /*
6883 : : * Move the next running task to the front of
6884 : : * the list, so our cfs_tasks list becomes MRU
6885 : : * one.
6886 : : */
6887 : 3 : list_move(&p->se.group_node, &rq->cfs_tasks);
6888 : : #endif
6889 : :
6890 : 3 : if (hrtick_enabled(rq))
6891 : 0 : hrtick_start_fair(rq, p);
6892 : :
6893 : 3 : update_misfit_status(p, rq);
6894 : :
6895 : 3 : return p;
6896 : :
6897 : : idle:
6898 : 3 : if (!rf)
6899 : : return NULL;
6900 : :
6901 : 3 : new_tasks = newidle_balance(rq, rf);
6902 : :
6903 : : /*
6904 : : * Because newidle_balance() releases (and re-acquires) rq->lock, it is
6905 : : * possible for any higher priority task to appear. In that case we
6906 : : * must re-start the pick_next_entity() loop.
6907 : : */
6908 : 3 : if (new_tasks < 0)
6909 : : return RETRY_TASK;
6910 : :
6911 : 3 : if (new_tasks > 0)
6912 : : goto again;
6913 : :
6914 : : /*
6915 : : * rq is about to be idle, check if we need to update the
6916 : : * lost_idle_time of clock_pelt
6917 : : */
6918 : 3 : update_idle_rq_clock_pelt(rq);
6919 : :
6920 : 3 : return NULL;
6921 : : }
6922 : :
6923 : : /*
6924 : : * Account for a descheduled task:
6925 : : */
6926 : 3 : static void put_prev_task_fair(struct rq *rq, struct task_struct *prev)
6927 : : {
6928 : 3 : struct sched_entity *se = &prev->se;
6929 : : struct cfs_rq *cfs_rq;
6930 : :
6931 : 3 : for_each_sched_entity(se) {
6932 : : cfs_rq = cfs_rq_of(se);
6933 : 3 : put_prev_entity(cfs_rq, se);
6934 : : }
6935 : 3 : }
6936 : :
6937 : : /*
6938 : : * sched_yield() is very simple
6939 : : *
6940 : : * The magic of dealing with the ->skip buddy is in pick_next_entity.
6941 : : */
6942 : 0 : static void yield_task_fair(struct rq *rq)
6943 : : {
6944 : 0 : struct task_struct *curr = rq->curr;
6945 : : struct cfs_rq *cfs_rq = task_cfs_rq(curr);
6946 : 0 : struct sched_entity *se = &curr->se;
6947 : :
6948 : : /*
6949 : : * Are we the only task in the tree?
6950 : : */
6951 : 0 : if (unlikely(rq->nr_running == 1))
6952 : 0 : return;
6953 : :
6954 : 0 : clear_buddies(cfs_rq, se);
6955 : :
6956 : 0 : if (curr->policy != SCHED_BATCH) {
6957 : 0 : update_rq_clock(rq);
6958 : : /*
6959 : : * Update run-time statistics of the 'current'.
6960 : : */
6961 : 0 : update_curr(cfs_rq);
6962 : : /*
6963 : : * Tell update_rq_clock() that we've just updated,
6964 : : * so we don't do microscopic update in schedule()
6965 : : * and double the fastpath cost.
6966 : : */
6967 : : rq_clock_skip_update(rq);
6968 : : }
6969 : :
6970 : : set_skip_buddy(se);
6971 : : }
6972 : :
6973 : 0 : static bool yield_to_task_fair(struct rq *rq, struct task_struct *p, bool preempt)
6974 : : {
6975 : 0 : struct sched_entity *se = &p->se;
6976 : :
6977 : : /* throttled hierarchies are not runnable */
6978 : 0 : if (!se->on_rq || throttled_hierarchy(cfs_rq_of(se)))
6979 : : return false;
6980 : :
6981 : : /* Tell the scheduler that we'd really like pse to run next. */
6982 : 0 : set_next_buddy(se);
6983 : :
6984 : 0 : yield_task_fair(rq);
6985 : :
6986 : 0 : return true;
6987 : : }
6988 : :
6989 : : #ifdef CONFIG_SMP
6990 : : /**************************************************
6991 : : * Fair scheduling class load-balancing methods.
6992 : : *
6993 : : * BASICS
6994 : : *
6995 : : * The purpose of load-balancing is to achieve the same basic fairness the
6996 : : * per-CPU scheduler provides, namely provide a proportional amount of compute
6997 : : * time to each task. This is expressed in the following equation:
6998 : : *
6999 : : * W_i,n/P_i == W_j,n/P_j for all i,j (1)
7000 : : *
7001 : : * Where W_i,n is the n-th weight average for CPU i. The instantaneous weight
7002 : : * W_i,0 is defined as:
7003 : : *
7004 : : * W_i,0 = \Sum_j w_i,j (2)
7005 : : *
7006 : : * Where w_i,j is the weight of the j-th runnable task on CPU i. This weight
7007 : : * is derived from the nice value as per sched_prio_to_weight[].
7008 : : *
7009 : : * The weight average is an exponential decay average of the instantaneous
7010 : : * weight:
7011 : : *
7012 : : * W'_i,n = (2^n - 1) / 2^n * W_i,n + 1 / 2^n * W_i,0 (3)
7013 : : *
7014 : : * C_i is the compute capacity of CPU i, typically it is the
7015 : : * fraction of 'recent' time available for SCHED_OTHER task execution. But it
7016 : : * can also include other factors [XXX].
7017 : : *
7018 : : * To achieve this balance we define a measure of imbalance which follows
7019 : : * directly from (1):
7020 : : *
7021 : : * imb_i,j = max{ avg(W/C), W_i/C_i } - min{ avg(W/C), W_j/C_j } (4)
7022 : : *
7023 : : * We them move tasks around to minimize the imbalance. In the continuous
7024 : : * function space it is obvious this converges, in the discrete case we get
7025 : : * a few fun cases generally called infeasible weight scenarios.
7026 : : *
7027 : : * [XXX expand on:
7028 : : * - infeasible weights;
7029 : : * - local vs global optima in the discrete case. ]
7030 : : *
7031 : : *
7032 : : * SCHED DOMAINS
7033 : : *
7034 : : * In order to solve the imbalance equation (4), and avoid the obvious O(n^2)
7035 : : * for all i,j solution, we create a tree of CPUs that follows the hardware
7036 : : * topology where each level pairs two lower groups (or better). This results
7037 : : * in O(log n) layers. Furthermore we reduce the number of CPUs going up the
7038 : : * tree to only the first of the previous level and we decrease the frequency
7039 : : * of load-balance at each level inv. proportional to the number of CPUs in
7040 : : * the groups.
7041 : : *
7042 : : * This yields:
7043 : : *
7044 : : * log_2 n 1 n
7045 : : * \Sum { --- * --- * 2^i } = O(n) (5)
7046 : : * i = 0 2^i 2^i
7047 : : * `- size of each group
7048 : : * | | `- number of CPUs doing load-balance
7049 : : * | `- freq
7050 : : * `- sum over all levels
7051 : : *
7052 : : * Coupled with a limit on how many tasks we can migrate every balance pass,
7053 : : * this makes (5) the runtime complexity of the balancer.
7054 : : *
7055 : : * An important property here is that each CPU is still (indirectly) connected
7056 : : * to every other CPU in at most O(log n) steps:
7057 : : *
7058 : : * The adjacency matrix of the resulting graph is given by:
7059 : : *
7060 : : * log_2 n
7061 : : * A_i,j = \Union (i % 2^k == 0) && i / 2^(k+1) == j / 2^(k+1) (6)
7062 : : * k = 0
7063 : : *
7064 : : * And you'll find that:
7065 : : *
7066 : : * A^(log_2 n)_i,j != 0 for all i,j (7)
7067 : : *
7068 : : * Showing there's indeed a path between every CPU in at most O(log n) steps.
7069 : : * The task movement gives a factor of O(m), giving a convergence complexity
7070 : : * of:
7071 : : *
7072 : : * O(nm log n), n := nr_cpus, m := nr_tasks (8)
7073 : : *
7074 : : *
7075 : : * WORK CONSERVING
7076 : : *
7077 : : * In order to avoid CPUs going idle while there's still work to do, new idle
7078 : : * balancing is more aggressive and has the newly idle CPU iterate up the domain
7079 : : * tree itself instead of relying on other CPUs to bring it work.
7080 : : *
7081 : : * This adds some complexity to both (5) and (8) but it reduces the total idle
7082 : : * time.
7083 : : *
7084 : : * [XXX more?]
7085 : : *
7086 : : *
7087 : : * CGROUPS
7088 : : *
7089 : : * Cgroups make a horror show out of (2), instead of a simple sum we get:
7090 : : *
7091 : : * s_k,i
7092 : : * W_i,0 = \Sum_j \Prod_k w_k * ----- (9)
7093 : : * S_k
7094 : : *
7095 : : * Where
7096 : : *
7097 : : * s_k,i = \Sum_j w_i,j,k and S_k = \Sum_i s_k,i (10)
7098 : : *
7099 : : * w_i,j,k is the weight of the j-th runnable task in the k-th cgroup on CPU i.
7100 : : *
7101 : : * The big problem is S_k, its a global sum needed to compute a local (W_i)
7102 : : * property.
7103 : : *
7104 : : * [XXX write more on how we solve this.. _after_ merging pjt's patches that
7105 : : * rewrite all of this once again.]
7106 : : */
7107 : :
7108 : : static unsigned long __read_mostly max_load_balance_interval = HZ/10;
7109 : :
7110 : : enum fbq_type { regular, remote, all };
7111 : :
7112 : : enum group_type {
7113 : : group_other = 0,
7114 : : group_misfit_task,
7115 : : group_imbalanced,
7116 : : group_overloaded,
7117 : : };
7118 : :
7119 : : #define LBF_ALL_PINNED 0x01
7120 : : #define LBF_NEED_BREAK 0x02
7121 : : #define LBF_DST_PINNED 0x04
7122 : : #define LBF_SOME_PINNED 0x08
7123 : : #define LBF_NOHZ_STATS 0x10
7124 : : #define LBF_NOHZ_AGAIN 0x20
7125 : :
7126 : : struct lb_env {
7127 : : struct sched_domain *sd;
7128 : :
7129 : : struct rq *src_rq;
7130 : : int src_cpu;
7131 : :
7132 : : int dst_cpu;
7133 : : struct rq *dst_rq;
7134 : :
7135 : : struct cpumask *dst_grpmask;
7136 : : int new_dst_cpu;
7137 : : enum cpu_idle_type idle;
7138 : : long imbalance;
7139 : : /* The set of CPUs under consideration for load-balancing */
7140 : : struct cpumask *cpus;
7141 : :
7142 : : unsigned int flags;
7143 : :
7144 : : unsigned int loop;
7145 : : unsigned int loop_break;
7146 : : unsigned int loop_max;
7147 : :
7148 : : enum fbq_type fbq_type;
7149 : : enum group_type src_grp_type;
7150 : : struct list_head tasks;
7151 : : };
7152 : :
7153 : : /*
7154 : : * Is this task likely cache-hot:
7155 : : */
7156 : 3 : static int task_hot(struct task_struct *p, struct lb_env *env)
7157 : : {
7158 : : s64 delta;
7159 : :
7160 : : lockdep_assert_held(&env->src_rq->lock);
7161 : :
7162 : 3 : if (p->sched_class != &fair_sched_class)
7163 : : return 0;
7164 : :
7165 : 3 : if (unlikely(task_has_idle_policy(p)))
7166 : : return 0;
7167 : :
7168 : : /*
7169 : : * Buddy candidates are cache hot:
7170 : : */
7171 : 3 : if (sched_feat(CACHE_HOT_BUDDY) && env->dst_rq->nr_running &&
7172 : 3 : (&p->se == cfs_rq_of(&p->se)->next ||
7173 : 3 : &p->se == cfs_rq_of(&p->se)->last))
7174 : : return 1;
7175 : :
7176 : 3 : if (sysctl_sched_migration_cost == -1)
7177 : : return 1;
7178 : 3 : if (sysctl_sched_migration_cost == 0)
7179 : : return 0;
7180 : :
7181 : 3 : delta = rq_clock_task(env->src_rq) - p->se.exec_start;
7182 : :
7183 : 3 : return delta < (s64)sysctl_sched_migration_cost;
7184 : : }
7185 : :
7186 : : #ifdef CONFIG_NUMA_BALANCING
7187 : : /*
7188 : : * Returns 1, if task migration degrades locality
7189 : : * Returns 0, if task migration improves locality i.e migration preferred.
7190 : : * Returns -1, if task migration is not affected by locality.
7191 : : */
7192 : : static int migrate_degrades_locality(struct task_struct *p, struct lb_env *env)
7193 : : {
7194 : : struct numa_group *numa_group = rcu_dereference(p->numa_group);
7195 : : unsigned long src_weight, dst_weight;
7196 : : int src_nid, dst_nid, dist;
7197 : :
7198 : : if (!static_branch_likely(&sched_numa_balancing))
7199 : : return -1;
7200 : :
7201 : : if (!p->numa_faults || !(env->sd->flags & SD_NUMA))
7202 : : return -1;
7203 : :
7204 : : src_nid = cpu_to_node(env->src_cpu);
7205 : : dst_nid = cpu_to_node(env->dst_cpu);
7206 : :
7207 : : if (src_nid == dst_nid)
7208 : : return -1;
7209 : :
7210 : : /* Migrating away from the preferred node is always bad. */
7211 : : if (src_nid == p->numa_preferred_nid) {
7212 : : if (env->src_rq->nr_running > env->src_rq->nr_preferred_running)
7213 : : return 1;
7214 : : else
7215 : : return -1;
7216 : : }
7217 : :
7218 : : /* Encourage migration to the preferred node. */
7219 : : if (dst_nid == p->numa_preferred_nid)
7220 : : return 0;
7221 : :
7222 : : /* Leaving a core idle is often worse than degrading locality. */
7223 : : if (env->idle == CPU_IDLE)
7224 : : return -1;
7225 : :
7226 : : dist = node_distance(src_nid, dst_nid);
7227 : : if (numa_group) {
7228 : : src_weight = group_weight(p, src_nid, dist);
7229 : : dst_weight = group_weight(p, dst_nid, dist);
7230 : : } else {
7231 : : src_weight = task_weight(p, src_nid, dist);
7232 : : dst_weight = task_weight(p, dst_nid, dist);
7233 : : }
7234 : :
7235 : : return dst_weight < src_weight;
7236 : : }
7237 : :
7238 : : #else
7239 : : static inline int migrate_degrades_locality(struct task_struct *p,
7240 : : struct lb_env *env)
7241 : : {
7242 : : return -1;
7243 : : }
7244 : : #endif
7245 : :
7246 : : /*
7247 : : * can_migrate_task - may task p from runqueue rq be migrated to this_cpu?
7248 : : */
7249 : : static
7250 : 3 : int can_migrate_task(struct task_struct *p, struct lb_env *env)
7251 : : {
7252 : : int tsk_cache_hot;
7253 : :
7254 : : lockdep_assert_held(&env->src_rq->lock);
7255 : :
7256 : : /*
7257 : : * We do not migrate tasks that are:
7258 : : * 1) throttled_lb_pair, or
7259 : : * 2) cannot be migrated to this CPU due to cpus_ptr, or
7260 : : * 3) running (obviously), or
7261 : : * 4) are cache-hot on their current CPU.
7262 : : */
7263 : 3 : if (throttled_lb_pair(task_group(p), env->src_cpu, env->dst_cpu))
7264 : : return 0;
7265 : :
7266 : 3 : if (!cpumask_test_cpu(env->dst_cpu, p->cpus_ptr)) {
7267 : : int cpu;
7268 : :
7269 : 3 : schedstat_inc(p->se.statistics.nr_failed_migrations_affine);
7270 : :
7271 : 3 : env->flags |= LBF_SOME_PINNED;
7272 : :
7273 : : /*
7274 : : * Remember if this task can be migrated to any other CPU in
7275 : : * our sched_group. We may want to revisit it if we couldn't
7276 : : * meet load balance goals by pulling other tasks on src_cpu.
7277 : : *
7278 : : * Avoid computing new_dst_cpu for NEWLY_IDLE or if we have
7279 : : * already computed one in current iteration.
7280 : : */
7281 : 3 : if (env->idle == CPU_NEWLY_IDLE || (env->flags & LBF_DST_PINNED))
7282 : : return 0;
7283 : :
7284 : : /* Prevent to re-select dst_cpu via env's CPUs: */
7285 : 3 : for_each_cpu_and(cpu, env->dst_grpmask, env->cpus) {
7286 : 3 : if (cpumask_test_cpu(cpu, p->cpus_ptr)) {
7287 : 0 : env->flags |= LBF_DST_PINNED;
7288 : 0 : env->new_dst_cpu = cpu;
7289 : 0 : break;
7290 : : }
7291 : : }
7292 : :
7293 : : return 0;
7294 : : }
7295 : :
7296 : : /* Record that we found atleast one task that could run on dst_cpu */
7297 : 3 : env->flags &= ~LBF_ALL_PINNED;
7298 : :
7299 : 3 : if (task_running(env->src_rq, p)) {
7300 : 3 : schedstat_inc(p->se.statistics.nr_failed_migrations_running);
7301 : : return 0;
7302 : : }
7303 : :
7304 : : /*
7305 : : * Aggressive migration if:
7306 : : * 1) destination numa is preferred
7307 : : * 2) task is cache cold, or
7308 : : * 3) too many balance attempts have failed.
7309 : : */
7310 : : tsk_cache_hot = migrate_degrades_locality(p, env);
7311 : : if (tsk_cache_hot == -1)
7312 : 3 : tsk_cache_hot = task_hot(p, env);
7313 : :
7314 : 3 : if (tsk_cache_hot <= 0 ||
7315 : 3 : env->sd->nr_balance_failed > env->sd->cache_nice_tries) {
7316 : 3 : if (tsk_cache_hot == 1) {
7317 : 3 : schedstat_inc(env->sd->lb_hot_gained[env->idle]);
7318 : 3 : schedstat_inc(p->se.statistics.nr_forced_migrations);
7319 : : }
7320 : : return 1;
7321 : : }
7322 : :
7323 : 3 : schedstat_inc(p->se.statistics.nr_failed_migrations_hot);
7324 : : return 0;
7325 : : }
7326 : :
7327 : : /*
7328 : : * detach_task() -- detach the task for the migration specified in env
7329 : : */
7330 : 3 : static void detach_task(struct task_struct *p, struct lb_env *env)
7331 : : {
7332 : : lockdep_assert_held(&env->src_rq->lock);
7333 : :
7334 : 3 : deactivate_task(env->src_rq, p, DEQUEUE_NOCLOCK);
7335 : 3 : set_task_cpu(p, env->dst_cpu);
7336 : 3 : }
7337 : :
7338 : : /*
7339 : : * detach_one_task() -- tries to dequeue exactly one task from env->src_rq, as
7340 : : * part of active balancing operations within "domain".
7341 : : *
7342 : : * Returns a task if successful and NULL otherwise.
7343 : : */
7344 : 3 : static struct task_struct *detach_one_task(struct lb_env *env)
7345 : : {
7346 : : struct task_struct *p;
7347 : :
7348 : : lockdep_assert_held(&env->src_rq->lock);
7349 : :
7350 : 3 : list_for_each_entry_reverse(p,
7351 : : &env->src_rq->cfs_tasks, se.group_node) {
7352 : 3 : if (!can_migrate_task(p, env))
7353 : 3 : continue;
7354 : :
7355 : 3 : detach_task(p, env);
7356 : :
7357 : : /*
7358 : : * Right now, this is only the second place where
7359 : : * lb_gained[env->idle] is updated (other is detach_tasks)
7360 : : * so we can safely collect stats here rather than
7361 : : * inside detach_tasks().
7362 : : */
7363 : 3 : schedstat_inc(env->sd->lb_gained[env->idle]);
7364 : 3 : return p;
7365 : : }
7366 : : return NULL;
7367 : : }
7368 : :
7369 : : static const unsigned int sched_nr_migrate_break = 32;
7370 : :
7371 : : /*
7372 : : * detach_tasks() -- tries to detach up to imbalance runnable load from
7373 : : * busiest_rq, as part of a balancing operation within domain "sd".
7374 : : *
7375 : : * Returns number of detached tasks if successful and 0 otherwise.
7376 : : */
7377 : 3 : static int detach_tasks(struct lb_env *env)
7378 : : {
7379 : 3 : struct list_head *tasks = &env->src_rq->cfs_tasks;
7380 : : struct task_struct *p;
7381 : : unsigned long load;
7382 : : int detached = 0;
7383 : :
7384 : : lockdep_assert_held(&env->src_rq->lock);
7385 : :
7386 : 3 : if (env->imbalance <= 0)
7387 : : return 0;
7388 : :
7389 : 3 : while (!list_empty(tasks)) {
7390 : : /*
7391 : : * We don't want to steal all, otherwise we may be treated likewise,
7392 : : * which could at worst lead to a livelock crash.
7393 : : */
7394 : 3 : if (env->idle != CPU_NOT_IDLE && env->src_rq->nr_running <= 1)
7395 : : break;
7396 : :
7397 : 3 : p = list_last_entry(tasks, struct task_struct, se.group_node);
7398 : :
7399 : 3 : env->loop++;
7400 : : /* We've more or less seen every task there is, call it quits */
7401 : 3 : if (env->loop > env->loop_max)
7402 : : break;
7403 : :
7404 : : /* take a breather every nr_migrate tasks */
7405 : 3 : if (env->loop > env->loop_break) {
7406 : 0 : env->loop_break += sched_nr_migrate_break;
7407 : 0 : env->flags |= LBF_NEED_BREAK;
7408 : 0 : break;
7409 : : }
7410 : :
7411 : 3 : if (!can_migrate_task(p, env))
7412 : : goto next;
7413 : :
7414 : : /*
7415 : : * Depending of the number of CPUs and tasks and the
7416 : : * cgroup hierarchy, task_h_load() can return a null
7417 : : * value. Make sure that env->imbalance decreases
7418 : : * otherwise detach_tasks() will stop only after
7419 : : * detaching up to loop_max tasks.
7420 : : */
7421 : 3 : load = max_t(unsigned long, task_h_load(p), 1);
7422 : :
7423 : :
7424 : 3 : if (sched_feat(LB_MIN) && load < 16 && !env->sd->nr_balance_failed)
7425 : : goto next;
7426 : :
7427 : 3 : if ((load / 2) > env->imbalance)
7428 : : goto next;
7429 : :
7430 : 3 : detach_task(p, env);
7431 : 3 : list_add(&p->se.group_node, &env->tasks);
7432 : :
7433 : 3 : detached++;
7434 : 3 : env->imbalance -= load;
7435 : :
7436 : : #ifdef CONFIG_PREEMPTION
7437 : : /*
7438 : : * NEWIDLE balancing is a source of latency, so preemptible
7439 : : * kernels will stop after the first task is detached to minimize
7440 : : * the critical section.
7441 : : */
7442 : : if (env->idle == CPU_NEWLY_IDLE)
7443 : : break;
7444 : : #endif
7445 : :
7446 : : /*
7447 : : * We only want to steal up to the prescribed amount of
7448 : : * runnable load.
7449 : : */
7450 : 3 : if (env->imbalance <= 0)
7451 : : break;
7452 : :
7453 : 3 : continue;
7454 : : next:
7455 : 3 : list_move(&p->se.group_node, tasks);
7456 : : }
7457 : :
7458 : : /*
7459 : : * Right now, this is one of only two places we collect this stat
7460 : : * so we can safely collect detach_one_task() stats here rather
7461 : : * than inside detach_one_task().
7462 : : */
7463 : 3 : schedstat_add(env->sd->lb_gained[env->idle], detached);
7464 : :
7465 : 3 : return detached;
7466 : : }
7467 : :
7468 : : /*
7469 : : * attach_task() -- attach the task detached by detach_task() to its new rq.
7470 : : */
7471 : 3 : static void attach_task(struct rq *rq, struct task_struct *p)
7472 : : {
7473 : : lockdep_assert_held(&rq->lock);
7474 : :
7475 : 3 : BUG_ON(task_rq(p) != rq);
7476 : 3 : activate_task(rq, p, ENQUEUE_NOCLOCK);
7477 : 3 : check_preempt_curr(rq, p, 0);
7478 : 3 : }
7479 : :
7480 : : /*
7481 : : * attach_one_task() -- attaches the task returned from detach_one_task() to
7482 : : * its new rq.
7483 : : */
7484 : 3 : static void attach_one_task(struct rq *rq, struct task_struct *p)
7485 : : {
7486 : : struct rq_flags rf;
7487 : :
7488 : : rq_lock(rq, &rf);
7489 : 3 : update_rq_clock(rq);
7490 : 3 : attach_task(rq, p);
7491 : : rq_unlock(rq, &rf);
7492 : 3 : }
7493 : :
7494 : : /*
7495 : : * attach_tasks() -- attaches all tasks detached by detach_tasks() to their
7496 : : * new rq.
7497 : : */
7498 : 3 : static void attach_tasks(struct lb_env *env)
7499 : : {
7500 : 3 : struct list_head *tasks = &env->tasks;
7501 : : struct task_struct *p;
7502 : : struct rq_flags rf;
7503 : :
7504 : 3 : rq_lock(env->dst_rq, &rf);
7505 : 3 : update_rq_clock(env->dst_rq);
7506 : :
7507 : 3 : while (!list_empty(tasks)) {
7508 : 3 : p = list_first_entry(tasks, struct task_struct, se.group_node);
7509 : 3 : list_del_init(&p->se.group_node);
7510 : :
7511 : 3 : attach_task(env->dst_rq, p);
7512 : : }
7513 : :
7514 : 3 : rq_unlock(env->dst_rq, &rf);
7515 : 3 : }
7516 : :
7517 : : #ifdef CONFIG_NO_HZ_COMMON
7518 : : static inline bool cfs_rq_has_blocked(struct cfs_rq *cfs_rq)
7519 : : {
7520 : 3 : if (cfs_rq->avg.load_avg)
7521 : : return true;
7522 : :
7523 : 3 : if (cfs_rq->avg.util_avg)
7524 : : return true;
7525 : :
7526 : : return false;
7527 : : }
7528 : :
7529 : : static inline bool others_have_blocked(struct rq *rq)
7530 : : {
7531 : 3 : if (READ_ONCE(rq->avg_rt.util_avg))
7532 : : return true;
7533 : :
7534 : 3 : if (READ_ONCE(rq->avg_dl.util_avg))
7535 : : return true;
7536 : :
7537 : : #ifdef CONFIG_HAVE_SCHED_AVG_IRQ
7538 : : if (READ_ONCE(rq->avg_irq.util_avg))
7539 : : return true;
7540 : : #endif
7541 : :
7542 : : return false;
7543 : : }
7544 : :
7545 : : static inline void update_blocked_load_status(struct rq *rq, bool has_blocked)
7546 : : {
7547 : 3 : rq->last_blocked_load_update_tick = jiffies;
7548 : :
7549 : 3 : if (!has_blocked)
7550 : 3 : rq->has_blocked_load = 0;
7551 : : }
7552 : : #else
7553 : : static inline bool cfs_rq_has_blocked(struct cfs_rq *cfs_rq) { return false; }
7554 : : static inline bool others_have_blocked(struct rq *rq) { return false; }
7555 : : static inline void update_blocked_load_status(struct rq *rq, bool has_blocked) {}
7556 : : #endif
7557 : :
7558 : 3 : static bool __update_blocked_others(struct rq *rq, bool *done)
7559 : : {
7560 : : const struct sched_class *curr_class;
7561 : : u64 now = rq_clock_pelt(rq);
7562 : : bool decayed;
7563 : :
7564 : : /*
7565 : : * update_load_avg() can call cpufreq_update_util(). Make sure that RT,
7566 : : * DL and IRQ signals have been updated before updating CFS.
7567 : : */
7568 : 3 : curr_class = rq->curr->sched_class;
7569 : :
7570 : 3 : decayed = update_rt_rq_load_avg(now, rq, curr_class == &rt_sched_class) |
7571 : 3 : update_dl_rq_load_avg(now, rq, curr_class == &dl_sched_class) |
7572 : : update_irq_load_avg(rq, 0);
7573 : :
7574 : 3 : if (others_have_blocked(rq))
7575 : 3 : *done = false;
7576 : :
7577 : 3 : return decayed;
7578 : : }
7579 : :
7580 : : #ifdef CONFIG_FAIR_GROUP_SCHED
7581 : :
7582 : : static inline bool cfs_rq_is_decayed(struct cfs_rq *cfs_rq)
7583 : : {
7584 : 3 : if (cfs_rq->load.weight)
7585 : : return false;
7586 : :
7587 : 3 : if (cfs_rq->avg.load_sum)
7588 : : return false;
7589 : :
7590 : 3 : if (cfs_rq->avg.util_sum)
7591 : : return false;
7592 : :
7593 : 3 : if (cfs_rq->avg.runnable_load_sum)
7594 : : return false;
7595 : :
7596 : : return true;
7597 : : }
7598 : :
7599 : 3 : static bool __update_blocked_fair(struct rq *rq, bool *done)
7600 : : {
7601 : : struct cfs_rq *cfs_rq, *pos;
7602 : : bool decayed = false;
7603 : : int cpu = cpu_of(rq);
7604 : :
7605 : : /*
7606 : : * Iterates the task_group tree in a bottom up fashion, see
7607 : : * list_add_leaf_cfs_rq() for details.
7608 : : */
7609 : 3 : for_each_leaf_cfs_rq_safe(rq, cfs_rq, pos) {
7610 : : struct sched_entity *se;
7611 : :
7612 : 3 : if (update_cfs_rq_load_avg(cfs_rq_clock_pelt(cfs_rq), cfs_rq)) {
7613 : 3 : update_tg_load_avg(cfs_rq, 0);
7614 : :
7615 : 3 : if (cfs_rq == &rq->cfs)
7616 : : decayed = true;
7617 : : }
7618 : :
7619 : : /* Propagate pending load changes to the parent, if any: */
7620 : 3 : se = cfs_rq->tg->se[cpu];
7621 : 3 : if (se && !skip_blocked_update(se))
7622 : 3 : update_load_avg(cfs_rq_of(se), se, 0);
7623 : :
7624 : : /*
7625 : : * There can be a lot of idle CPU cgroups. Don't let fully
7626 : : * decayed cfs_rqs linger on the list.
7627 : : */
7628 : 3 : if (cfs_rq_is_decayed(cfs_rq))
7629 : : list_del_leaf_cfs_rq(cfs_rq);
7630 : :
7631 : : /* Don't need periodic decay once load/util_avg are null */
7632 : 3 : if (cfs_rq_has_blocked(cfs_rq))
7633 : 3 : *done = false;
7634 : : }
7635 : :
7636 : 3 : return decayed;
7637 : : }
7638 : :
7639 : : /*
7640 : : * Compute the hierarchical load factor for cfs_rq and all its ascendants.
7641 : : * This needs to be done in a top-down fashion because the load of a child
7642 : : * group is a fraction of its parents load.
7643 : : */
7644 : 3 : static void update_cfs_rq_h_load(struct cfs_rq *cfs_rq)
7645 : : {
7646 : : struct rq *rq = rq_of(cfs_rq);
7647 : 3 : struct sched_entity *se = cfs_rq->tg->se[cpu_of(rq)];
7648 : 3 : unsigned long now = jiffies;
7649 : : unsigned long load;
7650 : :
7651 : 3 : if (cfs_rq->last_h_load_update == now)
7652 : 3 : return;
7653 : :
7654 : : WRITE_ONCE(cfs_rq->h_load_next, NULL);
7655 : 3 : for_each_sched_entity(se) {
7656 : : cfs_rq = cfs_rq_of(se);
7657 : 3 : WRITE_ONCE(cfs_rq->h_load_next, se);
7658 : 3 : if (cfs_rq->last_h_load_update == now)
7659 : : break;
7660 : : }
7661 : :
7662 : 3 : if (!se) {
7663 : 3 : cfs_rq->h_load = cfs_rq_load_avg(cfs_rq);
7664 : 3 : cfs_rq->last_h_load_update = now;
7665 : : }
7666 : :
7667 : 3 : while ((se = READ_ONCE(cfs_rq->h_load_next)) != NULL) {
7668 : 3 : load = cfs_rq->h_load;
7669 : 3 : load = div64_ul(load * se->avg.load_avg,
7670 : : cfs_rq_load_avg(cfs_rq) + 1);
7671 : : cfs_rq = group_cfs_rq(se);
7672 : 3 : cfs_rq->h_load = load;
7673 : 3 : cfs_rq->last_h_load_update = now;
7674 : : }
7675 : : }
7676 : :
7677 : 3 : static unsigned long task_h_load(struct task_struct *p)
7678 : : {
7679 : : struct cfs_rq *cfs_rq = task_cfs_rq(p);
7680 : :
7681 : 3 : update_cfs_rq_h_load(cfs_rq);
7682 : 3 : return div64_ul(p->se.avg.load_avg * cfs_rq->h_load,
7683 : : cfs_rq_load_avg(cfs_rq) + 1);
7684 : : }
7685 : : #else
7686 : : static bool __update_blocked_fair(struct rq *rq, bool *done)
7687 : : {
7688 : : struct cfs_rq *cfs_rq = &rq->cfs;
7689 : : bool decayed;
7690 : :
7691 : : decayed = update_cfs_rq_load_avg(cfs_rq_clock_pelt(cfs_rq), cfs_rq);
7692 : : if (cfs_rq_has_blocked(cfs_rq))
7693 : : *done = false;
7694 : :
7695 : : return decayed;
7696 : : }
7697 : :
7698 : : static unsigned long task_h_load(struct task_struct *p)
7699 : : {
7700 : : return p->se.avg.load_avg;
7701 : : }
7702 : : #endif
7703 : :
7704 : 3 : static void update_blocked_averages(int cpu)
7705 : : {
7706 : 3 : bool decayed = false, done = true;
7707 : 3 : struct rq *rq = cpu_rq(cpu);
7708 : : struct rq_flags rf;
7709 : :
7710 : : rq_lock_irqsave(rq, &rf);
7711 : 3 : update_rq_clock(rq);
7712 : :
7713 : 3 : decayed |= __update_blocked_others(rq, &done);
7714 : 3 : decayed |= __update_blocked_fair(rq, &done);
7715 : :
7716 : 3 : update_blocked_load_status(rq, !done);
7717 : 3 : if (decayed)
7718 : 3 : cpufreq_update_util(rq, 0);
7719 : : rq_unlock_irqrestore(rq, &rf);
7720 : 3 : }
7721 : :
7722 : : /********** Helpers for find_busiest_group ************************/
7723 : :
7724 : : /*
7725 : : * sg_lb_stats - stats of a sched_group required for load_balancing
7726 : : */
7727 : : struct sg_lb_stats {
7728 : : unsigned long avg_load; /*Avg load across the CPUs of the group */
7729 : : unsigned long group_load; /* Total load over the CPUs of the group */
7730 : : unsigned long load_per_task;
7731 : : unsigned long group_capacity;
7732 : : unsigned long group_util; /* Total utilization of the group */
7733 : : unsigned int sum_nr_running; /* Nr tasks running in the group */
7734 : : unsigned int idle_cpus;
7735 : : unsigned int group_weight;
7736 : : enum group_type group_type;
7737 : : int group_no_capacity;
7738 : : unsigned long group_misfit_task_load; /* A CPU has a task too big for its capacity */
7739 : : #ifdef CONFIG_NUMA_BALANCING
7740 : : unsigned int nr_numa_running;
7741 : : unsigned int nr_preferred_running;
7742 : : #endif
7743 : : };
7744 : :
7745 : : /*
7746 : : * sd_lb_stats - Structure to store the statistics of a sched_domain
7747 : : * during load balancing.
7748 : : */
7749 : : struct sd_lb_stats {
7750 : : struct sched_group *busiest; /* Busiest group in this sd */
7751 : : struct sched_group *local; /* Local group in this sd */
7752 : : unsigned long total_running;
7753 : : unsigned long total_load; /* Total load of all groups in sd */
7754 : : unsigned long total_capacity; /* Total capacity of all groups in sd */
7755 : : unsigned long avg_load; /* Average load across all groups in sd */
7756 : :
7757 : : struct sg_lb_stats busiest_stat;/* Statistics of the busiest group */
7758 : : struct sg_lb_stats local_stat; /* Statistics of the local group */
7759 : : };
7760 : :
7761 : : static inline void init_sd_lb_stats(struct sd_lb_stats *sds)
7762 : : {
7763 : : /*
7764 : : * Skimp on the clearing to avoid duplicate work. We can avoid clearing
7765 : : * local_stat because update_sg_lb_stats() does a full clear/assignment.
7766 : : * We must however clear busiest_stat::avg_load because
7767 : : * update_sd_pick_busiest() reads this before assignment.
7768 : : */
7769 : 3 : *sds = (struct sd_lb_stats){
7770 : : .busiest = NULL,
7771 : : .local = NULL,
7772 : : .total_running = 0UL,
7773 : : .total_load = 0UL,
7774 : : .total_capacity = 0UL,
7775 : : .busiest_stat = {
7776 : : .avg_load = 0UL,
7777 : : .sum_nr_running = 0,
7778 : : .group_type = group_other,
7779 : : },
7780 : : };
7781 : : }
7782 : :
7783 : : static unsigned long scale_rt_capacity(struct sched_domain *sd, int cpu)
7784 : : {
7785 : 3 : struct rq *rq = cpu_rq(cpu);
7786 : : unsigned long max = arch_scale_cpu_capacity(cpu);
7787 : : unsigned long used, free;
7788 : : unsigned long irq;
7789 : :
7790 : : irq = cpu_util_irq(rq);
7791 : :
7792 : 3 : if (unlikely(irq >= max))
7793 : : return 1;
7794 : :
7795 : : used = READ_ONCE(rq->avg_rt.util_avg);
7796 : 3 : used += READ_ONCE(rq->avg_dl.util_avg);
7797 : :
7798 : 3 : if (unlikely(used >= max))
7799 : : return 1;
7800 : :
7801 : 3 : free = max - used;
7802 : :
7803 : : return scale_irq_capacity(free, irq, max);
7804 : : }
7805 : :
7806 : 3 : static void update_cpu_capacity(struct sched_domain *sd, int cpu)
7807 : : {
7808 : : unsigned long capacity = scale_rt_capacity(sd, cpu);
7809 : 3 : struct sched_group *sdg = sd->groups;
7810 : :
7811 : 3 : cpu_rq(cpu)->cpu_capacity_orig = arch_scale_cpu_capacity(cpu);
7812 : :
7813 : 3 : if (!capacity)
7814 : : capacity = 1;
7815 : :
7816 : 3 : cpu_rq(cpu)->cpu_capacity = capacity;
7817 : 3 : sdg->sgc->capacity = capacity;
7818 : 3 : sdg->sgc->min_capacity = capacity;
7819 : 3 : sdg->sgc->max_capacity = capacity;
7820 : 3 : }
7821 : :
7822 : 3 : void update_group_capacity(struct sched_domain *sd, int cpu)
7823 : : {
7824 : 3 : struct sched_domain *child = sd->child;
7825 : 3 : struct sched_group *group, *sdg = sd->groups;
7826 : : unsigned long capacity, min_capacity, max_capacity;
7827 : : unsigned long interval;
7828 : :
7829 : 3 : interval = msecs_to_jiffies(sd->balance_interval);
7830 : 3 : interval = clamp(interval, 1UL, max_load_balance_interval);
7831 : 3 : sdg->sgc->next_update = jiffies + interval;
7832 : :
7833 : 3 : if (!child) {
7834 : 3 : update_cpu_capacity(sd, cpu);
7835 : 3 : return;
7836 : : }
7837 : :
7838 : : capacity = 0;
7839 : : min_capacity = ULONG_MAX;
7840 : : max_capacity = 0;
7841 : :
7842 : 0 : if (child->flags & SD_OVERLAP) {
7843 : : /*
7844 : : * SD_OVERLAP domains cannot assume that child groups
7845 : : * span the current group.
7846 : : */
7847 : :
7848 : 0 : for_each_cpu(cpu, sched_group_span(sdg)) {
7849 : : struct sched_group_capacity *sgc;
7850 : 0 : struct rq *rq = cpu_rq(cpu);
7851 : :
7852 : : /*
7853 : : * build_sched_domains() -> init_sched_groups_capacity()
7854 : : * gets here before we've attached the domains to the
7855 : : * runqueues.
7856 : : *
7857 : : * Use capacity_of(), which is set irrespective of domains
7858 : : * in update_cpu_capacity().
7859 : : *
7860 : : * This avoids capacity from being 0 and
7861 : : * causing divide-by-zero issues on boot.
7862 : : */
7863 : 0 : if (unlikely(!rq->sd)) {
7864 : 0 : capacity += capacity_of(cpu);
7865 : : } else {
7866 : 0 : sgc = rq->sd->groups->sgc;
7867 : 0 : capacity += sgc->capacity;
7868 : : }
7869 : :
7870 : 0 : min_capacity = min(capacity, min_capacity);
7871 : 0 : max_capacity = max(capacity, max_capacity);
7872 : : }
7873 : : } else {
7874 : : /*
7875 : : * !SD_OVERLAP domains can assume that child groups
7876 : : * span the current group.
7877 : : */
7878 : :
7879 : 0 : group = child->groups;
7880 : : do {
7881 : 0 : struct sched_group_capacity *sgc = group->sgc;
7882 : :
7883 : 0 : capacity += sgc->capacity;
7884 : 0 : min_capacity = min(sgc->min_capacity, min_capacity);
7885 : 0 : max_capacity = max(sgc->max_capacity, max_capacity);
7886 : 0 : group = group->next;
7887 : 0 : } while (group != child->groups);
7888 : : }
7889 : :
7890 : 0 : sdg->sgc->capacity = capacity;
7891 : 0 : sdg->sgc->min_capacity = min_capacity;
7892 : 0 : sdg->sgc->max_capacity = max_capacity;
7893 : : }
7894 : :
7895 : : /*
7896 : : * Check whether the capacity of the rq has been noticeably reduced by side
7897 : : * activity. The imbalance_pct is used for the threshold.
7898 : : * Return true is the capacity is reduced
7899 : : */
7900 : : static inline int
7901 : : check_cpu_capacity(struct rq *rq, struct sched_domain *sd)
7902 : : {
7903 : 3 : return ((rq->cpu_capacity * sd->imbalance_pct) <
7904 : 3 : (rq->cpu_capacity_orig * 100));
7905 : : }
7906 : :
7907 : : /*
7908 : : * Check whether a rq has a misfit task and if it looks like we can actually
7909 : : * help that task: we can migrate the task to a CPU of higher capacity, or
7910 : : * the task's current CPU is heavily pressured.
7911 : : */
7912 : : static inline int check_misfit_status(struct rq *rq, struct sched_domain *sd)
7913 : : {
7914 : 0 : return rq->misfit_task_load &&
7915 : 0 : (rq->cpu_capacity_orig < rq->rd->max_cpu_capacity ||
7916 : : check_cpu_capacity(rq, sd));
7917 : : }
7918 : :
7919 : : /*
7920 : : * Group imbalance indicates (and tries to solve) the problem where balancing
7921 : : * groups is inadequate due to ->cpus_ptr constraints.
7922 : : *
7923 : : * Imagine a situation of two groups of 4 CPUs each and 4 tasks each with a
7924 : : * cpumask covering 1 CPU of the first group and 3 CPUs of the second group.
7925 : : * Something like:
7926 : : *
7927 : : * { 0 1 2 3 } { 4 5 6 7 }
7928 : : * * * * *
7929 : : *
7930 : : * If we were to balance group-wise we'd place two tasks in the first group and
7931 : : * two tasks in the second group. Clearly this is undesired as it will overload
7932 : : * cpu 3 and leave one of the CPUs in the second group unused.
7933 : : *
7934 : : * The current solution to this issue is detecting the skew in the first group
7935 : : * by noticing the lower domain failed to reach balance and had difficulty
7936 : : * moving tasks due to affinity constraints.
7937 : : *
7938 : : * When this is so detected; this group becomes a candidate for busiest; see
7939 : : * update_sd_pick_busiest(). And calculate_imbalance() and
7940 : : * find_busiest_group() avoid some of the usual balance conditions to allow it
7941 : : * to create an effective group imbalance.
7942 : : *
7943 : : * This is a somewhat tricky proposition since the next run might not find the
7944 : : * group imbalance and decide the groups need to be balanced again. A most
7945 : : * subtle and fragile situation.
7946 : : */
7947 : :
7948 : : static inline int sg_imbalanced(struct sched_group *group)
7949 : : {
7950 : 3 : return group->sgc->imbalance;
7951 : : }
7952 : :
7953 : : /*
7954 : : * group_has_capacity returns true if the group has spare capacity that could
7955 : : * be used by some tasks.
7956 : : * We consider that a group has spare capacity if the * number of task is
7957 : : * smaller than the number of CPUs or if the utilization is lower than the
7958 : : * available capacity for CFS tasks.
7959 : : * For the latter, we use a threshold to stabilize the state, to take into
7960 : : * account the variance of the tasks' load and to return true if the available
7961 : : * capacity in meaningful for the load balancer.
7962 : : * As an example, an available capacity of 1% can appear but it doesn't make
7963 : : * any benefit for the load balance.
7964 : : */
7965 : : static inline bool
7966 : : group_has_capacity(struct lb_env *env, struct sg_lb_stats *sgs)
7967 : : {
7968 : 3 : if (sgs->sum_nr_running < sgs->group_weight)
7969 : : return true;
7970 : :
7971 : 3 : if ((sgs->group_capacity * 100) >
7972 : 3 : (sgs->group_util * env->sd->imbalance_pct))
7973 : : return true;
7974 : :
7975 : : return false;
7976 : : }
7977 : :
7978 : : /*
7979 : : * group_is_overloaded returns true if the group has more tasks than it can
7980 : : * handle.
7981 : : * group_is_overloaded is not equals to !group_has_capacity because a group
7982 : : * with the exact right number of tasks, has no more spare capacity but is not
7983 : : * overloaded so both group_has_capacity and group_is_overloaded return
7984 : : * false.
7985 : : */
7986 : : static inline bool
7987 : : group_is_overloaded(struct lb_env *env, struct sg_lb_stats *sgs)
7988 : : {
7989 : 3 : if (sgs->sum_nr_running <= sgs->group_weight)
7990 : : return false;
7991 : :
7992 : 3 : if ((sgs->group_capacity * 100) <
7993 : 3 : (sgs->group_util * env->sd->imbalance_pct))
7994 : : return true;
7995 : :
7996 : : return false;
7997 : : }
7998 : :
7999 : : /*
8000 : : * group_smaller_min_cpu_capacity: Returns true if sched_group sg has smaller
8001 : : * per-CPU capacity than sched_group ref.
8002 : : */
8003 : : static inline bool
8004 : : group_smaller_min_cpu_capacity(struct sched_group *sg, struct sched_group *ref)
8005 : : {
8006 : 0 : return fits_capacity(sg->sgc->min_capacity, ref->sgc->min_capacity);
8007 : : }
8008 : :
8009 : : /*
8010 : : * group_smaller_max_cpu_capacity: Returns true if sched_group sg has smaller
8011 : : * per-CPU capacity_orig than sched_group ref.
8012 : : */
8013 : : static inline bool
8014 : : group_smaller_max_cpu_capacity(struct sched_group *sg, struct sched_group *ref)
8015 : : {
8016 : 0 : return fits_capacity(sg->sgc->max_capacity, ref->sgc->max_capacity);
8017 : : }
8018 : :
8019 : : static inline enum
8020 : : group_type group_classify(struct sched_group *group,
8021 : : struct sg_lb_stats *sgs)
8022 : : {
8023 : 3 : if (sgs->group_no_capacity)
8024 : : return group_overloaded;
8025 : :
8026 : 3 : if (sg_imbalanced(group))
8027 : : return group_imbalanced;
8028 : :
8029 : 3 : if (sgs->group_misfit_task_load)
8030 : : return group_misfit_task;
8031 : :
8032 : : return group_other;
8033 : : }
8034 : :
8035 : 3 : static bool update_nohz_stats(struct rq *rq, bool force)
8036 : : {
8037 : : #ifdef CONFIG_NO_HZ_COMMON
8038 : 3 : unsigned int cpu = rq->cpu;
8039 : :
8040 : 3 : if (!rq->has_blocked_load)
8041 : : return false;
8042 : :
8043 : 3 : if (!cpumask_test_cpu(cpu, nohz.idle_cpus_mask))
8044 : : return false;
8045 : :
8046 : 3 : if (!force && !time_after(jiffies, rq->last_blocked_load_update_tick))
8047 : : return true;
8048 : :
8049 : 3 : update_blocked_averages(cpu);
8050 : :
8051 : 3 : return rq->has_blocked_load;
8052 : : #else
8053 : : return false;
8054 : : #endif
8055 : : }
8056 : :
8057 : : /**
8058 : : * update_sg_lb_stats - Update sched_group's statistics for load balancing.
8059 : : * @env: The load balancing environment.
8060 : : * @group: sched_group whose statistics are to be updated.
8061 : : * @sgs: variable to hold the statistics for this group.
8062 : : * @sg_status: Holds flag indicating the status of the sched_group
8063 : : */
8064 : 3 : static inline void update_sg_lb_stats(struct lb_env *env,
8065 : : struct sched_group *group,
8066 : : struct sg_lb_stats *sgs,
8067 : : int *sg_status)
8068 : : {
8069 : : int i, nr_running;
8070 : :
8071 : 3 : memset(sgs, 0, sizeof(*sgs));
8072 : :
8073 : 3 : for_each_cpu_and(i, sched_group_span(group), env->cpus) {
8074 : 3 : struct rq *rq = cpu_rq(i);
8075 : :
8076 : 3 : if ((env->flags & LBF_NOHZ_STATS) && update_nohz_stats(rq, false))
8077 : 3 : env->flags |= LBF_NOHZ_AGAIN;
8078 : :
8079 : 3 : sgs->group_load += cpu_runnable_load(rq);
8080 : 3 : sgs->group_util += cpu_util(i);
8081 : 3 : sgs->sum_nr_running += rq->cfs.h_nr_running;
8082 : :
8083 : 3 : nr_running = rq->nr_running;
8084 : 3 : if (nr_running > 1)
8085 : 3 : *sg_status |= SG_OVERLOAD;
8086 : :
8087 : 3 : if (cpu_overutilized(i))
8088 : 3 : *sg_status |= SG_OVERUTILIZED;
8089 : :
8090 : : #ifdef CONFIG_NUMA_BALANCING
8091 : : sgs->nr_numa_running += rq->nr_numa_running;
8092 : : sgs->nr_preferred_running += rq->nr_preferred_running;
8093 : : #endif
8094 : : /*
8095 : : * No need to call idle_cpu() if nr_running is not 0
8096 : : */
8097 : 3 : if (!nr_running && idle_cpu(i))
8098 : 3 : sgs->idle_cpus++;
8099 : :
8100 : 3 : if (env->sd->flags & SD_ASYM_CPUCAPACITY &&
8101 : 0 : sgs->group_misfit_task_load < rq->misfit_task_load) {
8102 : 0 : sgs->group_misfit_task_load = rq->misfit_task_load;
8103 : 0 : *sg_status |= SG_OVERLOAD;
8104 : : }
8105 : : }
8106 : :
8107 : : /* Adjust by relative CPU capacity of the group */
8108 : 3 : sgs->group_capacity = group->sgc->capacity;
8109 : 3 : sgs->avg_load = (sgs->group_load*SCHED_CAPACITY_SCALE) / sgs->group_capacity;
8110 : :
8111 : 3 : if (sgs->sum_nr_running)
8112 : 3 : sgs->load_per_task = sgs->group_load / sgs->sum_nr_running;
8113 : :
8114 : 3 : sgs->group_weight = group->group_weight;
8115 : :
8116 : 3 : sgs->group_no_capacity = group_is_overloaded(env, sgs);
8117 : 3 : sgs->group_type = group_classify(group, sgs);
8118 : 3 : }
8119 : :
8120 : : /**
8121 : : * update_sd_pick_busiest - return 1 on busiest group
8122 : : * @env: The load balancing environment.
8123 : : * @sds: sched_domain statistics
8124 : : * @sg: sched_group candidate to be checked for being the busiest
8125 : : * @sgs: sched_group statistics
8126 : : *
8127 : : * Determine if @sg is a busier group than the previously selected
8128 : : * busiest group.
8129 : : *
8130 : : * Return: %true if @sg is a busier group than the previously selected
8131 : : * busiest group. %false otherwise.
8132 : : */
8133 : 3 : static bool update_sd_pick_busiest(struct lb_env *env,
8134 : : struct sd_lb_stats *sds,
8135 : : struct sched_group *sg,
8136 : : struct sg_lb_stats *sgs)
8137 : : {
8138 : : struct sg_lb_stats *busiest = &sds->busiest_stat;
8139 : :
8140 : : /*
8141 : : * Don't try to pull misfit tasks we can't help.
8142 : : * We can use max_capacity here as reduction in capacity on some
8143 : : * CPUs in the group should either be possible to resolve
8144 : : * internally or be covered by avg_load imbalance (eventually).
8145 : : */
8146 : 3 : if (sgs->group_type == group_misfit_task &&
8147 : 0 : (!group_smaller_max_cpu_capacity(sg, sds->local) ||
8148 : : !group_has_capacity(env, &sds->local_stat)))
8149 : : return false;
8150 : :
8151 : 3 : if (sgs->group_type > busiest->group_type)
8152 : : return true;
8153 : :
8154 : 3 : if (sgs->group_type < busiest->group_type)
8155 : : return false;
8156 : :
8157 : 3 : if (sgs->avg_load <= busiest->avg_load)
8158 : : return false;
8159 : :
8160 : 3 : if (!(env->sd->flags & SD_ASYM_CPUCAPACITY))
8161 : : goto asym_packing;
8162 : :
8163 : : /*
8164 : : * Candidate sg has no more than one task per CPU and
8165 : : * has higher per-CPU capacity. Migrating tasks to less
8166 : : * capable CPUs may harm throughput. Maximize throughput,
8167 : : * power/energy consequences are not considered.
8168 : : */
8169 : 0 : if (sgs->sum_nr_running <= sgs->group_weight &&
8170 : 0 : group_smaller_min_cpu_capacity(sds->local, sg))
8171 : : return false;
8172 : :
8173 : : /*
8174 : : * If we have more than one misfit sg go with the biggest misfit.
8175 : : */
8176 : 3 : if (sgs->group_type == group_misfit_task &&
8177 : 0 : sgs->group_misfit_task_load < busiest->group_misfit_task_load)
8178 : : return false;
8179 : :
8180 : : asym_packing:
8181 : : /* This is the busiest node in its class. */
8182 : 3 : if (!(env->sd->flags & SD_ASYM_PACKING))
8183 : : return true;
8184 : :
8185 : : /* No ASYM_PACKING if target CPU is already busy */
8186 : 0 : if (env->idle == CPU_NOT_IDLE)
8187 : : return true;
8188 : : /*
8189 : : * ASYM_PACKING needs to move all the work to the highest
8190 : : * prority CPUs in the group, therefore mark all groups
8191 : : * of lower priority than ourself as busy.
8192 : : */
8193 : 0 : if (sgs->sum_nr_running &&
8194 : 0 : sched_asym_prefer(env->dst_cpu, sg->asym_prefer_cpu)) {
8195 : 0 : if (!sds->busiest)
8196 : : return true;
8197 : :
8198 : : /* Prefer to move from lowest priority CPU's work */
8199 : 0 : if (sched_asym_prefer(sds->busiest->asym_prefer_cpu,
8200 : : sg->asym_prefer_cpu))
8201 : : return true;
8202 : : }
8203 : :
8204 : : return false;
8205 : : }
8206 : :
8207 : : #ifdef CONFIG_NUMA_BALANCING
8208 : : static inline enum fbq_type fbq_classify_group(struct sg_lb_stats *sgs)
8209 : : {
8210 : : if (sgs->sum_nr_running > sgs->nr_numa_running)
8211 : : return regular;
8212 : : if (sgs->sum_nr_running > sgs->nr_preferred_running)
8213 : : return remote;
8214 : : return all;
8215 : : }
8216 : :
8217 : : static inline enum fbq_type fbq_classify_rq(struct rq *rq)
8218 : : {
8219 : : if (rq->nr_running > rq->nr_numa_running)
8220 : : return regular;
8221 : : if (rq->nr_running > rq->nr_preferred_running)
8222 : : return remote;
8223 : : return all;
8224 : : }
8225 : : #else
8226 : : static inline enum fbq_type fbq_classify_group(struct sg_lb_stats *sgs)
8227 : : {
8228 : : return all;
8229 : : }
8230 : :
8231 : : static inline enum fbq_type fbq_classify_rq(struct rq *rq)
8232 : : {
8233 : : return regular;
8234 : : }
8235 : : #endif /* CONFIG_NUMA_BALANCING */
8236 : :
8237 : : /**
8238 : : * update_sd_lb_stats - Update sched_domain's statistics for load balancing.
8239 : : * @env: The load balancing environment.
8240 : : * @sds: variable to hold the statistics for this sched_domain.
8241 : : */
8242 : 3 : static inline void update_sd_lb_stats(struct lb_env *env, struct sd_lb_stats *sds)
8243 : : {
8244 : 3 : struct sched_domain *child = env->sd->child;
8245 : 3 : struct sched_group *sg = env->sd->groups;
8246 : 3 : struct sg_lb_stats *local = &sds->local_stat;
8247 : : struct sg_lb_stats tmp_sgs;
8248 : 3 : bool prefer_sibling = child && child->flags & SD_PREFER_SIBLING;
8249 : 3 : int sg_status = 0;
8250 : :
8251 : : #ifdef CONFIG_NO_HZ_COMMON
8252 : 3 : if (env->idle == CPU_NEWLY_IDLE && READ_ONCE(nohz.has_blocked))
8253 : 3 : env->flags |= LBF_NOHZ_STATS;
8254 : : #endif
8255 : :
8256 : : do {
8257 : : struct sg_lb_stats *sgs = &tmp_sgs;
8258 : : int local_group;
8259 : :
8260 : 3 : local_group = cpumask_test_cpu(env->dst_cpu, sched_group_span(sg));
8261 : 3 : if (local_group) {
8262 : 3 : sds->local = sg;
8263 : : sgs = local;
8264 : :
8265 : 3 : if (env->idle != CPU_NEWLY_IDLE ||
8266 : 3 : time_after_eq(jiffies, sg->sgc->next_update))
8267 : 3 : update_group_capacity(env->sd, env->dst_cpu);
8268 : : }
8269 : :
8270 : 3 : update_sg_lb_stats(env, sg, sgs, &sg_status);
8271 : :
8272 : 3 : if (local_group)
8273 : : goto next_group;
8274 : :
8275 : : /*
8276 : : * In case the child domain prefers tasks go to siblings
8277 : : * first, lower the sg capacity so that we'll try
8278 : : * and move all the excess tasks away. We lower the capacity
8279 : : * of a group only if the local group has the capacity to fit
8280 : : * these excess tasks. The extra check prevents the case where
8281 : : * you always pull from the heaviest group when it is already
8282 : : * under-utilized (possible with a large weight task outweighs
8283 : : * the tasks on the system).
8284 : : */
8285 : 3 : if (prefer_sibling && sds->local &&
8286 : 0 : group_has_capacity(env, local) &&
8287 : 0 : (sgs->sum_nr_running > local->sum_nr_running + 1)) {
8288 : 0 : sgs->group_no_capacity = 1;
8289 : 0 : sgs->group_type = group_classify(sg, sgs);
8290 : : }
8291 : :
8292 : 3 : if (update_sd_pick_busiest(env, sds, sg, sgs)) {
8293 : 3 : sds->busiest = sg;
8294 : 3 : sds->busiest_stat = *sgs;
8295 : : }
8296 : :
8297 : : next_group:
8298 : : /* Now, start updating sd_lb_stats */
8299 : 3 : sds->total_running += sgs->sum_nr_running;
8300 : 3 : sds->total_load += sgs->group_load;
8301 : 3 : sds->total_capacity += sgs->group_capacity;
8302 : :
8303 : 3 : sg = sg->next;
8304 : 3 : } while (sg != env->sd->groups);
8305 : :
8306 : : #ifdef CONFIG_NO_HZ_COMMON
8307 : 3 : if ((env->flags & LBF_NOHZ_AGAIN) &&
8308 : 3 : cpumask_subset(nohz.idle_cpus_mask, sched_domain_span(env->sd))) {
8309 : :
8310 : 3 : WRITE_ONCE(nohz.next_blocked,
8311 : : jiffies + msecs_to_jiffies(LOAD_AVG_PERIOD));
8312 : : }
8313 : : #endif
8314 : :
8315 : 3 : if (env->sd->flags & SD_NUMA)
8316 : 0 : env->fbq_type = fbq_classify_group(&sds->busiest_stat);
8317 : :
8318 : 3 : if (!env->sd->parent) {
8319 : 3 : struct root_domain *rd = env->dst_rq->rd;
8320 : :
8321 : : /* update overload indicator if we are at root domain */
8322 : 3 : WRITE_ONCE(rd->overload, sg_status & SG_OVERLOAD);
8323 : :
8324 : : /* Update over-utilization (tipping point, U >= 0) indicator */
8325 : 3 : WRITE_ONCE(rd->overutilized, sg_status & SG_OVERUTILIZED);
8326 : 3 : trace_sched_overutilized_tp(rd, sg_status & SG_OVERUTILIZED);
8327 : 0 : } else if (sg_status & SG_OVERUTILIZED) {
8328 : 0 : struct root_domain *rd = env->dst_rq->rd;
8329 : :
8330 : : WRITE_ONCE(rd->overutilized, SG_OVERUTILIZED);
8331 : 0 : trace_sched_overutilized_tp(rd, SG_OVERUTILIZED);
8332 : : }
8333 : 3 : }
8334 : :
8335 : : /**
8336 : : * check_asym_packing - Check to see if the group is packed into the
8337 : : * sched domain.
8338 : : *
8339 : : * This is primarily intended to used at the sibling level. Some
8340 : : * cores like POWER7 prefer to use lower numbered SMT threads. In the
8341 : : * case of POWER7, it can move to lower SMT modes only when higher
8342 : : * threads are idle. When in lower SMT modes, the threads will
8343 : : * perform better since they share less core resources. Hence when we
8344 : : * have idle threads, we want them to be the higher ones.
8345 : : *
8346 : : * This packing function is run on idle threads. It checks to see if
8347 : : * the busiest CPU in this domain (core in the P7 case) has a higher
8348 : : * CPU number than the packing function is being run on. Here we are
8349 : : * assuming lower CPU number will be equivalent to lower a SMT thread
8350 : : * number.
8351 : : *
8352 : : * Return: 1 when packing is required and a task should be moved to
8353 : : * this CPU. The amount of the imbalance is returned in env->imbalance.
8354 : : *
8355 : : * @env: The load balancing environment.
8356 : : * @sds: Statistics of the sched_domain which is to be packed
8357 : : */
8358 : 3 : static int check_asym_packing(struct lb_env *env, struct sd_lb_stats *sds)
8359 : : {
8360 : : int busiest_cpu;
8361 : :
8362 : 3 : if (!(env->sd->flags & SD_ASYM_PACKING))
8363 : : return 0;
8364 : :
8365 : 0 : if (env->idle == CPU_NOT_IDLE)
8366 : : return 0;
8367 : :
8368 : 0 : if (!sds->busiest)
8369 : : return 0;
8370 : :
8371 : 0 : busiest_cpu = sds->busiest->asym_prefer_cpu;
8372 : 0 : if (sched_asym_prefer(busiest_cpu, env->dst_cpu))
8373 : : return 0;
8374 : :
8375 : 0 : env->imbalance = sds->busiest_stat.group_load;
8376 : :
8377 : 0 : return 1;
8378 : : }
8379 : :
8380 : : /**
8381 : : * fix_small_imbalance - Calculate the minor imbalance that exists
8382 : : * amongst the groups of a sched_domain, during
8383 : : * load balancing.
8384 : : * @env: The load balancing environment.
8385 : : * @sds: Statistics of the sched_domain whose imbalance is to be calculated.
8386 : : */
8387 : : static inline
8388 : 3 : void fix_small_imbalance(struct lb_env *env, struct sd_lb_stats *sds)
8389 : : {
8390 : : unsigned long tmp, capa_now = 0, capa_move = 0;
8391 : : unsigned int imbn = 2;
8392 : : unsigned long scaled_busy_load_per_task;
8393 : : struct sg_lb_stats *local, *busiest;
8394 : :
8395 : : local = &sds->local_stat;
8396 : : busiest = &sds->busiest_stat;
8397 : :
8398 : 3 : if (!local->sum_nr_running)
8399 : 3 : local->load_per_task = cpu_avg_load_per_task(env->dst_cpu);
8400 : 3 : else if (busiest->load_per_task > local->load_per_task)
8401 : : imbn = 1;
8402 : :
8403 : 3 : scaled_busy_load_per_task =
8404 : 3 : (busiest->load_per_task * SCHED_CAPACITY_SCALE) /
8405 : 3 : busiest->group_capacity;
8406 : :
8407 : 3 : if (busiest->avg_load + scaled_busy_load_per_task >=
8408 : 3 : local->avg_load + (scaled_busy_load_per_task * imbn)) {
8409 : 3 : env->imbalance = busiest->load_per_task;
8410 : 3 : return;
8411 : : }
8412 : :
8413 : : /*
8414 : : * OK, we don't have enough imbalance to justify moving tasks,
8415 : : * however we may be able to increase total CPU capacity used by
8416 : : * moving them.
8417 : : */
8418 : :
8419 : 3 : capa_now += busiest->group_capacity *
8420 : 3 : min(busiest->load_per_task, busiest->avg_load);
8421 : 3 : capa_now += local->group_capacity *
8422 : 3 : min(local->load_per_task, local->avg_load);
8423 : 3 : capa_now /= SCHED_CAPACITY_SCALE;
8424 : :
8425 : : /* Amount of load we'd subtract */
8426 : 3 : if (busiest->avg_load > scaled_busy_load_per_task) {
8427 : 3 : capa_move += busiest->group_capacity *
8428 : 3 : min(busiest->load_per_task,
8429 : : busiest->avg_load - scaled_busy_load_per_task);
8430 : : }
8431 : :
8432 : : /* Amount of load we'd add */
8433 : 3 : if (busiest->avg_load * busiest->group_capacity <
8434 : : busiest->load_per_task * SCHED_CAPACITY_SCALE) {
8435 : 3 : tmp = (busiest->avg_load * busiest->group_capacity) /
8436 : : local->group_capacity;
8437 : : } else {
8438 : 3 : tmp = (busiest->load_per_task * SCHED_CAPACITY_SCALE) /
8439 : : local->group_capacity;
8440 : : }
8441 : 3 : capa_move += local->group_capacity *
8442 : 3 : min(local->load_per_task, local->avg_load + tmp);
8443 : 3 : capa_move /= SCHED_CAPACITY_SCALE;
8444 : :
8445 : : /* Move if we gain throughput */
8446 : 3 : if (capa_move > capa_now)
8447 : 0 : env->imbalance = busiest->load_per_task;
8448 : : }
8449 : :
8450 : : /**
8451 : : * calculate_imbalance - Calculate the amount of imbalance present within the
8452 : : * groups of a given sched_domain during load balance.
8453 : : * @env: load balance environment
8454 : : * @sds: statistics of the sched_domain whose imbalance is to be calculated.
8455 : : */
8456 : 3 : static inline void calculate_imbalance(struct lb_env *env, struct sd_lb_stats *sds)
8457 : : {
8458 : : unsigned long max_pull, load_above_capacity = ~0UL;
8459 : : struct sg_lb_stats *local, *busiest;
8460 : :
8461 : : local = &sds->local_stat;
8462 : : busiest = &sds->busiest_stat;
8463 : :
8464 : 3 : if (busiest->group_type == group_imbalanced) {
8465 : : /*
8466 : : * In the group_imb case we cannot rely on group-wide averages
8467 : : * to ensure CPU-load equilibrium, look at wider averages. XXX
8468 : : */
8469 : 0 : busiest->load_per_task =
8470 : 0 : min(busiest->load_per_task, sds->avg_load);
8471 : : }
8472 : :
8473 : : /*
8474 : : * Avg load of busiest sg can be less and avg load of local sg can
8475 : : * be greater than avg load across all sgs of sd because avg load
8476 : : * factors in sg capacity and sgs with smaller group_type are
8477 : : * skipped when updating the busiest sg:
8478 : : */
8479 : 3 : if (busiest->group_type != group_misfit_task &&
8480 : 3 : (busiest->avg_load <= sds->avg_load ||
8481 : 3 : local->avg_load >= sds->avg_load)) {
8482 : 3 : env->imbalance = 0;
8483 : 3 : return fix_small_imbalance(env, sds);
8484 : : }
8485 : :
8486 : : /*
8487 : : * If there aren't any idle CPUs, avoid creating some.
8488 : : */
8489 : 3 : if (busiest->group_type == group_overloaded &&
8490 : 3 : local->group_type == group_overloaded) {
8491 : 3 : load_above_capacity = busiest->sum_nr_running * SCHED_CAPACITY_SCALE;
8492 : 3 : if (load_above_capacity > busiest->group_capacity) {
8493 : 3 : load_above_capacity -= busiest->group_capacity;
8494 : 3 : load_above_capacity *= scale_load_down(NICE_0_LOAD);
8495 : 3 : load_above_capacity /= busiest->group_capacity;
8496 : : } else
8497 : : load_above_capacity = ~0UL;
8498 : : }
8499 : :
8500 : : /*
8501 : : * We're trying to get all the CPUs to the average_load, so we don't
8502 : : * want to push ourselves above the average load, nor do we wish to
8503 : : * reduce the max loaded CPU below the average load. At the same time,
8504 : : * we also don't want to reduce the group load below the group
8505 : : * capacity. Thus we look for the minimum possible imbalance.
8506 : : */
8507 : 3 : max_pull = min(busiest->avg_load - sds->avg_load, load_above_capacity);
8508 : :
8509 : : /* How much load to actually move to equalise the imbalance */
8510 : 3 : env->imbalance = min(
8511 : : max_pull * busiest->group_capacity,
8512 : : (sds->avg_load - local->avg_load) * local->group_capacity
8513 : 3 : ) / SCHED_CAPACITY_SCALE;
8514 : :
8515 : : /* Boost imbalance to allow misfit task to be balanced. */
8516 : 3 : if (busiest->group_type == group_misfit_task) {
8517 : 0 : env->imbalance = max_t(long, env->imbalance,
8518 : : busiest->group_misfit_task_load);
8519 : : }
8520 : :
8521 : : /*
8522 : : * if *imbalance is less than the average load per runnable task
8523 : : * there is no guarantee that any tasks will be moved so we'll have
8524 : : * a think about bumping its value to force at least one task to be
8525 : : * moved
8526 : : */
8527 : 3 : if (env->imbalance < busiest->load_per_task)
8528 : 3 : return fix_small_imbalance(env, sds);
8529 : : }
8530 : :
8531 : : /******* find_busiest_group() helpers end here *********************/
8532 : :
8533 : : /**
8534 : : * find_busiest_group - Returns the busiest group within the sched_domain
8535 : : * if there is an imbalance.
8536 : : *
8537 : : * Also calculates the amount of runnable load which should be moved
8538 : : * to restore balance.
8539 : : *
8540 : : * @env: The load balancing environment.
8541 : : *
8542 : : * Return: - The busiest group if imbalance exists.
8543 : : */
8544 : 3 : static struct sched_group *find_busiest_group(struct lb_env *env)
8545 : : {
8546 : : struct sg_lb_stats *local, *busiest;
8547 : : struct sd_lb_stats sds;
8548 : :
8549 : : init_sd_lb_stats(&sds);
8550 : :
8551 : : /*
8552 : : * Compute the various statistics relavent for load balancing at
8553 : : * this level.
8554 : : */
8555 : 3 : update_sd_lb_stats(env, &sds);
8556 : :
8557 : : if (sched_energy_enabled()) {
8558 : : struct root_domain *rd = env->dst_rq->rd;
8559 : :
8560 : : if (rcu_dereference(rd->pd) && !READ_ONCE(rd->overutilized))
8561 : : goto out_balanced;
8562 : : }
8563 : :
8564 : : local = &sds.local_stat;
8565 : : busiest = &sds.busiest_stat;
8566 : :
8567 : : /* ASYM feature bypasses nice load balance check */
8568 : 3 : if (check_asym_packing(env, &sds))
8569 : 0 : return sds.busiest;
8570 : :
8571 : : /* There is no busy sibling group to pull tasks from */
8572 : 3 : if (!sds.busiest || busiest->sum_nr_running == 0)
8573 : : goto out_balanced;
8574 : :
8575 : : /* XXX broken for overlapping NUMA groups */
8576 : 3 : sds.avg_load = (SCHED_CAPACITY_SCALE * sds.total_load)
8577 : 3 : / sds.total_capacity;
8578 : :
8579 : : /*
8580 : : * If the busiest group is imbalanced the below checks don't
8581 : : * work because they assume all things are equal, which typically
8582 : : * isn't true due to cpus_ptr constraints and the like.
8583 : : */
8584 : 3 : if (busiest->group_type == group_imbalanced)
8585 : : goto force_balance;
8586 : :
8587 : : /*
8588 : : * When dst_cpu is idle, prevent SMP nice and/or asymmetric group
8589 : : * capacities from resulting in underutilization due to avg_load.
8590 : : */
8591 : 3 : if (env->idle != CPU_NOT_IDLE && group_has_capacity(env, local) &&
8592 : 3 : busiest->group_no_capacity)
8593 : : goto force_balance;
8594 : :
8595 : : /* Misfit tasks should be dealt with regardless of the avg load */
8596 : 3 : if (busiest->group_type == group_misfit_task)
8597 : : goto force_balance;
8598 : :
8599 : : /*
8600 : : * If the local group is busier than the selected busiest group
8601 : : * don't try and pull any tasks.
8602 : : */
8603 : 3 : if (local->avg_load >= busiest->avg_load)
8604 : : goto out_balanced;
8605 : :
8606 : : /*
8607 : : * Don't pull any tasks if this group is already above the domain
8608 : : * average load.
8609 : : */
8610 : 3 : if (local->avg_load >= sds.avg_load)
8611 : : goto out_balanced;
8612 : :
8613 : 3 : if (env->idle == CPU_IDLE) {
8614 : : /*
8615 : : * This CPU is idle. If the busiest group is not overloaded
8616 : : * and there is no imbalance between this and busiest group
8617 : : * wrt idle CPUs, it is balanced. The imbalance becomes
8618 : : * significant if the diff is greater than 1 otherwise we
8619 : : * might end up to just move the imbalance on another group
8620 : : */
8621 : 3 : if ((busiest->group_type != group_overloaded) &&
8622 : 3 : (local->idle_cpus <= (busiest->idle_cpus + 1)))
8623 : : goto out_balanced;
8624 : : } else {
8625 : : /*
8626 : : * In the CPU_NEWLY_IDLE, CPU_NOT_IDLE cases, use
8627 : : * imbalance_pct to be conservative.
8628 : : */
8629 : 3 : if (100 * busiest->avg_load <=
8630 : 3 : env->sd->imbalance_pct * local->avg_load)
8631 : : goto out_balanced;
8632 : : }
8633 : :
8634 : : force_balance:
8635 : : /* Looks like there is an imbalance. Compute it */
8636 : 3 : env->src_grp_type = busiest->group_type;
8637 : 3 : calculate_imbalance(env, &sds);
8638 : 3 : return env->imbalance ? sds.busiest : NULL;
8639 : :
8640 : : out_balanced:
8641 : 3 : env->imbalance = 0;
8642 : 3 : return NULL;
8643 : : }
8644 : :
8645 : : /*
8646 : : * find_busiest_queue - find the busiest runqueue among the CPUs in the group.
8647 : : */
8648 : 3 : static struct rq *find_busiest_queue(struct lb_env *env,
8649 : : struct sched_group *group)
8650 : : {
8651 : : struct rq *busiest = NULL, *rq;
8652 : : unsigned long busiest_load = 0, busiest_capacity = 1;
8653 : : int i;
8654 : :
8655 : 3 : for_each_cpu_and(i, sched_group_span(group), env->cpus) {
8656 : : unsigned long capacity, load;
8657 : : enum fbq_type rt;
8658 : :
8659 : 3 : rq = cpu_rq(i);
8660 : : rt = fbq_classify_rq(rq);
8661 : :
8662 : : /*
8663 : : * We classify groups/runqueues into three groups:
8664 : : * - regular: there are !numa tasks
8665 : : * - remote: there are numa tasks that run on the 'wrong' node
8666 : : * - all: there is no distinction
8667 : : *
8668 : : * In order to avoid migrating ideally placed numa tasks,
8669 : : * ignore those when there's better options.
8670 : : *
8671 : : * If we ignore the actual busiest queue to migrate another
8672 : : * task, the next balance pass can still reduce the busiest
8673 : : * queue by moving tasks around inside the node.
8674 : : *
8675 : : * If we cannot move enough load due to this classification
8676 : : * the next pass will adjust the group classification and
8677 : : * allow migration of more tasks.
8678 : : *
8679 : : * Both cases only affect the total convergence complexity.
8680 : : */
8681 : : if (rt > env->fbq_type)
8682 : : continue;
8683 : :
8684 : : /*
8685 : : * For ASYM_CPUCAPACITY domains with misfit tasks we simply
8686 : : * seek the "biggest" misfit task.
8687 : : */
8688 : 3 : if (env->src_grp_type == group_misfit_task) {
8689 : 0 : if (rq->misfit_task_load > busiest_load) {
8690 : : busiest_load = rq->misfit_task_load;
8691 : : busiest = rq;
8692 : : }
8693 : :
8694 : 0 : continue;
8695 : : }
8696 : :
8697 : : capacity = capacity_of(i);
8698 : :
8699 : : /*
8700 : : * For ASYM_CPUCAPACITY domains, don't pick a CPU that could
8701 : : * eventually lead to active_balancing high->low capacity.
8702 : : * Higher per-CPU capacity is considered better than balancing
8703 : : * average load.
8704 : : */
8705 : 3 : if (env->sd->flags & SD_ASYM_CPUCAPACITY &&
8706 : 0 : capacity_of(env->dst_cpu) < capacity &&
8707 : 0 : rq->nr_running == 1)
8708 : 0 : continue;
8709 : :
8710 : : load = cpu_runnable_load(rq);
8711 : :
8712 : : /*
8713 : : * When comparing with imbalance, use cpu_runnable_load()
8714 : : * which is not scaled with the CPU capacity.
8715 : : */
8716 : :
8717 : 3 : if (rq->nr_running == 1 && load > env->imbalance &&
8718 : : !check_cpu_capacity(rq, env->sd))
8719 : 3 : continue;
8720 : :
8721 : : /*
8722 : : * For the load comparisons with the other CPU's, consider
8723 : : * the cpu_runnable_load() scaled with the CPU capacity, so
8724 : : * that the load can be moved away from the CPU that is
8725 : : * potentially running at a lower capacity.
8726 : : *
8727 : : * Thus we're looking for max(load_i / capacity_i), crosswise
8728 : : * multiplication to rid ourselves of the division works out
8729 : : * to: load_i * capacity_j > load_j * capacity_i; where j is
8730 : : * our previous maximum.
8731 : : */
8732 : 3 : if (load * busiest_capacity > busiest_load * capacity) {
8733 : : busiest_load = load;
8734 : : busiest_capacity = capacity;
8735 : : busiest = rq;
8736 : : }
8737 : : }
8738 : :
8739 : 3 : return busiest;
8740 : : }
8741 : :
8742 : : /*
8743 : : * Max backoff if we encounter pinned tasks. Pretty arbitrary value, but
8744 : : * so long as it is large enough.
8745 : : */
8746 : : #define MAX_PINNED_INTERVAL 512
8747 : :
8748 : : static inline bool
8749 : 3 : asym_active_balance(struct lb_env *env)
8750 : : {
8751 : : /*
8752 : : * ASYM_PACKING needs to force migrate tasks from busy but
8753 : : * lower priority CPUs in order to pack all tasks in the
8754 : : * highest priority CPUs.
8755 : : */
8756 : 3 : return env->idle != CPU_NOT_IDLE && (env->sd->flags & SD_ASYM_PACKING) &&
8757 : 0 : sched_asym_prefer(env->dst_cpu, env->src_cpu);
8758 : : }
8759 : :
8760 : : static inline bool
8761 : 3 : voluntary_active_balance(struct lb_env *env)
8762 : : {
8763 : 3 : struct sched_domain *sd = env->sd;
8764 : :
8765 : 3 : if (asym_active_balance(env))
8766 : : return 1;
8767 : :
8768 : : /*
8769 : : * The dst_cpu is idle and the src_cpu CPU has only 1 CFS task.
8770 : : * It's worth migrating the task if the src_cpu's capacity is reduced
8771 : : * because of other sched_class or IRQs if more capacity stays
8772 : : * available on dst_cpu.
8773 : : */
8774 : 3 : if ((env->idle != CPU_NOT_IDLE) &&
8775 : 3 : (env->src_rq->cfs.h_nr_running == 1)) {
8776 : 3 : if ((check_cpu_capacity(env->src_rq, sd)) &&
8777 : 0 : (capacity_of(env->src_cpu)*sd->imbalance_pct < capacity_of(env->dst_cpu)*100))
8778 : : return 1;
8779 : : }
8780 : :
8781 : 3 : if (env->src_grp_type == group_misfit_task)
8782 : : return 1;
8783 : :
8784 : 3 : return 0;
8785 : : }
8786 : :
8787 : 3 : static int need_active_balance(struct lb_env *env)
8788 : : {
8789 : 3 : struct sched_domain *sd = env->sd;
8790 : :
8791 : 3 : if (voluntary_active_balance(env))
8792 : : return 1;
8793 : :
8794 : 3 : return unlikely(sd->nr_balance_failed > sd->cache_nice_tries+2);
8795 : : }
8796 : :
8797 : : static int active_load_balance_cpu_stop(void *data);
8798 : :
8799 : 3 : static int should_we_balance(struct lb_env *env)
8800 : : {
8801 : 3 : struct sched_group *sg = env->sd->groups;
8802 : : int cpu, balance_cpu = -1;
8803 : :
8804 : : /*
8805 : : * Ensure the balancing environment is consistent; can happen
8806 : : * when the softirq triggers 'during' hotplug.
8807 : : */
8808 : 3 : if (!cpumask_test_cpu(env->dst_cpu, env->cpus))
8809 : : return 0;
8810 : :
8811 : : /*
8812 : : * In the newly idle case, we will allow all the CPUs
8813 : : * to do the newly idle load balance.
8814 : : */
8815 : 3 : if (env->idle == CPU_NEWLY_IDLE)
8816 : : return 1;
8817 : :
8818 : : /* Try to find first idle CPU */
8819 : 3 : for_each_cpu_and(cpu, group_balance_mask(sg), env->cpus) {
8820 : 3 : if (!idle_cpu(cpu))
8821 : 3 : continue;
8822 : :
8823 : 3 : balance_cpu = cpu;
8824 : 3 : break;
8825 : : }
8826 : :
8827 : 3 : if (balance_cpu == -1)
8828 : 3 : balance_cpu = group_balance_cpu(sg);
8829 : :
8830 : : /*
8831 : : * First idle CPU or the first CPU(busiest) in this sched group
8832 : : * is eligible for doing load balancing at this and above domains.
8833 : : */
8834 : 3 : return balance_cpu == env->dst_cpu;
8835 : : }
8836 : :
8837 : : /*
8838 : : * Check this_cpu to ensure it is balanced within domain. Attempt to move
8839 : : * tasks if there is an imbalance.
8840 : : */
8841 : 3 : static int load_balance(int this_cpu, struct rq *this_rq,
8842 : : struct sched_domain *sd, enum cpu_idle_type idle,
8843 : : int *continue_balancing)
8844 : : {
8845 : : int ld_moved, cur_ld_moved, active_balance = 0;
8846 : 3 : struct sched_domain *sd_parent = sd->parent;
8847 : : struct sched_group *group;
8848 : : struct rq *busiest;
8849 : : struct rq_flags rf;
8850 : 3 : struct cpumask *cpus = this_cpu_cpumask_var_ptr(load_balance_mask);
8851 : :
8852 : 3 : struct lb_env env = {
8853 : : .sd = sd,
8854 : : .dst_cpu = this_cpu,
8855 : : .dst_rq = this_rq,
8856 : 3 : .dst_grpmask = sched_group_span(sd->groups),
8857 : : .idle = idle,
8858 : : .loop_break = sched_nr_migrate_break,
8859 : : .cpus = cpus,
8860 : : .fbq_type = all,
8861 : : .tasks = LIST_HEAD_INIT(env.tasks),
8862 : : };
8863 : :
8864 : : cpumask_and(cpus, sched_domain_span(sd), cpu_active_mask);
8865 : :
8866 : 3 : schedstat_inc(sd->lb_count[idle]);
8867 : :
8868 : : redo:
8869 : 3 : if (!should_we_balance(&env)) {
8870 : 0 : *continue_balancing = 0;
8871 : 0 : goto out_balanced;
8872 : : }
8873 : :
8874 : 3 : group = find_busiest_group(&env);
8875 : 3 : if (!group) {
8876 : 3 : schedstat_inc(sd->lb_nobusyg[idle]);
8877 : : goto out_balanced;
8878 : : }
8879 : :
8880 : 3 : busiest = find_busiest_queue(&env, group);
8881 : 3 : if (!busiest) {
8882 : 3 : schedstat_inc(sd->lb_nobusyq[idle]);
8883 : : goto out_balanced;
8884 : : }
8885 : :
8886 : 3 : BUG_ON(busiest == env.dst_rq);
8887 : :
8888 : 3 : schedstat_add(sd->lb_imbalance[idle], env.imbalance);
8889 : :
8890 : 3 : env.src_cpu = busiest->cpu;
8891 : 3 : env.src_rq = busiest;
8892 : :
8893 : : ld_moved = 0;
8894 : 3 : if (busiest->nr_running > 1) {
8895 : : /*
8896 : : * Attempt to move tasks. If find_busiest_group has found
8897 : : * an imbalance but busiest->nr_running <= 1, the group is
8898 : : * still unbalanced. ld_moved simply stays zero, so it is
8899 : : * correctly treated as an imbalance.
8900 : : */
8901 : 3 : env.flags |= LBF_ALL_PINNED;
8902 : 3 : env.loop_max = min(sysctl_sched_nr_migrate, busiest->nr_running);
8903 : :
8904 : : more_balance:
8905 : : rq_lock_irqsave(busiest, &rf);
8906 : 3 : update_rq_clock(busiest);
8907 : :
8908 : : /*
8909 : : * cur_ld_moved - load moved in current iteration
8910 : : * ld_moved - cumulative load moved across iterations
8911 : : */
8912 : 3 : cur_ld_moved = detach_tasks(&env);
8913 : :
8914 : : /*
8915 : : * We've detached some tasks from busiest_rq. Every
8916 : : * task is masked "TASK_ON_RQ_MIGRATING", so we can safely
8917 : : * unlock busiest->lock, and we are able to be sure
8918 : : * that nobody can manipulate the tasks in parallel.
8919 : : * See task_rq_lock() family for the details.
8920 : : */
8921 : :
8922 : : rq_unlock(busiest, &rf);
8923 : :
8924 : 3 : if (cur_ld_moved) {
8925 : 3 : attach_tasks(&env);
8926 : 3 : ld_moved += cur_ld_moved;
8927 : : }
8928 : :
8929 : 3 : local_irq_restore(rf.flags);
8930 : :
8931 : 3 : if (env.flags & LBF_NEED_BREAK) {
8932 : 0 : env.flags &= ~LBF_NEED_BREAK;
8933 : 0 : goto more_balance;
8934 : : }
8935 : :
8936 : : /*
8937 : : * Revisit (affine) tasks on src_cpu that couldn't be moved to
8938 : : * us and move them to an alternate dst_cpu in our sched_group
8939 : : * where they can run. The upper limit on how many times we
8940 : : * iterate on same src_cpu is dependent on number of CPUs in our
8941 : : * sched_group.
8942 : : *
8943 : : * This changes load balance semantics a bit on who can move
8944 : : * load to a given_cpu. In addition to the given_cpu itself
8945 : : * (or a ilb_cpu acting on its behalf where given_cpu is
8946 : : * nohz-idle), we now have balance_cpu in a position to move
8947 : : * load to given_cpu. In rare situations, this may cause
8948 : : * conflicts (balance_cpu and given_cpu/ilb_cpu deciding
8949 : : * _independently_ and at _same_ time to move some load to
8950 : : * given_cpu) causing exceess load to be moved to given_cpu.
8951 : : * This however should not happen so much in practice and
8952 : : * moreover subsequent load balance cycles should correct the
8953 : : * excess load moved.
8954 : : */
8955 : 3 : if ((env.flags & LBF_DST_PINNED) && env.imbalance > 0) {
8956 : :
8957 : : /* Prevent to re-select dst_cpu via env's CPUs */
8958 : 0 : __cpumask_clear_cpu(env.dst_cpu, env.cpus);
8959 : :
8960 : 0 : env.dst_rq = cpu_rq(env.new_dst_cpu);
8961 : 0 : env.dst_cpu = env.new_dst_cpu;
8962 : 0 : env.flags &= ~LBF_DST_PINNED;
8963 : 0 : env.loop = 0;
8964 : 0 : env.loop_break = sched_nr_migrate_break;
8965 : :
8966 : : /*
8967 : : * Go back to "more_balance" rather than "redo" since we
8968 : : * need to continue with same src_cpu.
8969 : : */
8970 : 0 : goto more_balance;
8971 : : }
8972 : :
8973 : : /*
8974 : : * We failed to reach balance because of affinity.
8975 : : */
8976 : 3 : if (sd_parent) {
8977 : 0 : int *group_imbalance = &sd_parent->groups->sgc->imbalance;
8978 : :
8979 : 0 : if ((env.flags & LBF_SOME_PINNED) && env.imbalance > 0)
8980 : 0 : *group_imbalance = 1;
8981 : : }
8982 : :
8983 : : /* All tasks on this runqueue were pinned by CPU affinity */
8984 : 3 : if (unlikely(env.flags & LBF_ALL_PINNED)) {
8985 : : __cpumask_clear_cpu(cpu_of(busiest), cpus);
8986 : : /*
8987 : : * Attempting to continue load balancing at the current
8988 : : * sched_domain level only makes sense if there are
8989 : : * active CPUs remaining as possible busiest CPUs to
8990 : : * pull load from which are not contained within the
8991 : : * destination group that is receiving any migrated
8992 : : * load.
8993 : : */
8994 : 3 : if (!cpumask_subset(cpus, env.dst_grpmask)) {
8995 : 3 : env.loop = 0;
8996 : 3 : env.loop_break = sched_nr_migrate_break;
8997 : 3 : goto redo;
8998 : : }
8999 : : goto out_all_pinned;
9000 : : }
9001 : : }
9002 : :
9003 : 3 : if (!ld_moved) {
9004 : 3 : schedstat_inc(sd->lb_failed[idle]);
9005 : : /*
9006 : : * Increment the failure counter only on periodic balance.
9007 : : * We do not want newidle balance, which can be very
9008 : : * frequent, pollute the failure counter causing
9009 : : * excessive cache_hot migrations and active balances.
9010 : : */
9011 : 3 : if (idle != CPU_NEWLY_IDLE)
9012 : 3 : sd->nr_balance_failed++;
9013 : :
9014 : 3 : if (need_active_balance(&env)) {
9015 : : unsigned long flags;
9016 : :
9017 : 3 : raw_spin_lock_irqsave(&busiest->lock, flags);
9018 : :
9019 : : /*
9020 : : * Don't kick the active_load_balance_cpu_stop,
9021 : : * if the curr task on busiest CPU can't be
9022 : : * moved to this_cpu:
9023 : : */
9024 : 3 : if (!cpumask_test_cpu(this_cpu, busiest->curr->cpus_ptr)) {
9025 : 3 : raw_spin_unlock_irqrestore(&busiest->lock,
9026 : : flags);
9027 : 3 : env.flags |= LBF_ALL_PINNED;
9028 : 3 : goto out_one_pinned;
9029 : : }
9030 : :
9031 : : /*
9032 : : * ->active_balance synchronizes accesses to
9033 : : * ->active_balance_work. Once set, it's cleared
9034 : : * only after active load balance is finished.
9035 : : */
9036 : 3 : if (!busiest->active_balance) {
9037 : 3 : busiest->active_balance = 1;
9038 : 3 : busiest->push_cpu = this_cpu;
9039 : : active_balance = 1;
9040 : : }
9041 : 3 : raw_spin_unlock_irqrestore(&busiest->lock, flags);
9042 : :
9043 : 3 : if (active_balance) {
9044 : 3 : stop_one_cpu_nowait(cpu_of(busiest),
9045 : : active_load_balance_cpu_stop, busiest,
9046 : : &busiest->active_balance_work);
9047 : : }
9048 : :
9049 : : /* We've kicked active balancing, force task migration. */
9050 : 3 : sd->nr_balance_failed = sd->cache_nice_tries+1;
9051 : : }
9052 : : } else
9053 : 3 : sd->nr_balance_failed = 0;
9054 : :
9055 : 3 : if (likely(!active_balance) || voluntary_active_balance(&env)) {
9056 : : /* We were unbalanced, so reset the balancing interval */
9057 : 3 : sd->balance_interval = sd->min_interval;
9058 : : } else {
9059 : : /*
9060 : : * If we've begun active balancing, start to back off. This
9061 : : * case may not be covered by the all_pinned logic if there
9062 : : * is only 1 task on the busy runqueue (because we don't call
9063 : : * detach_tasks).
9064 : : */
9065 : 3 : if (sd->balance_interval < sd->max_interval)
9066 : 3 : sd->balance_interval *= 2;
9067 : : }
9068 : :
9069 : : goto out;
9070 : :
9071 : : out_balanced:
9072 : : /*
9073 : : * We reach balance although we may have faced some affinity
9074 : : * constraints. Clear the imbalance flag only if other tasks got
9075 : : * a chance to move and fix the imbalance.
9076 : : */
9077 : 3 : if (sd_parent && !(env.flags & LBF_ALL_PINNED)) {
9078 : 0 : int *group_imbalance = &sd_parent->groups->sgc->imbalance;
9079 : :
9080 : 0 : if (*group_imbalance)
9081 : 0 : *group_imbalance = 0;
9082 : : }
9083 : :
9084 : : out_all_pinned:
9085 : : /*
9086 : : * We reach balance because all tasks are pinned at this level so
9087 : : * we can't migrate them. Let the imbalance flag set so parent level
9088 : : * can try to migrate them.
9089 : : */
9090 : 3 : schedstat_inc(sd->lb_balanced[idle]);
9091 : :
9092 : 3 : sd->nr_balance_failed = 0;
9093 : :
9094 : : out_one_pinned:
9095 : : ld_moved = 0;
9096 : :
9097 : : /*
9098 : : * newidle_balance() disregards balance intervals, so we could
9099 : : * repeatedly reach this code, which would lead to balance_interval
9100 : : * skyrocketting in a short amount of time. Skip the balance_interval
9101 : : * increase logic to avoid that.
9102 : : */
9103 : 3 : if (env.idle == CPU_NEWLY_IDLE)
9104 : : goto out;
9105 : :
9106 : : /* tune up the balancing interval */
9107 : 3 : if ((env.flags & LBF_ALL_PINNED &&
9108 : 3 : sd->balance_interval < MAX_PINNED_INTERVAL) ||
9109 : 3 : sd->balance_interval < sd->max_interval)
9110 : 3 : sd->balance_interval *= 2;
9111 : : out:
9112 : 3 : return ld_moved;
9113 : : }
9114 : :
9115 : : static inline unsigned long
9116 : 3 : get_sd_balance_interval(struct sched_domain *sd, int cpu_busy)
9117 : : {
9118 : 3 : unsigned long interval = sd->balance_interval;
9119 : :
9120 : 3 : if (cpu_busy)
9121 : 3 : interval *= sd->busy_factor;
9122 : :
9123 : : /* scale ms to jiffies */
9124 : : interval = msecs_to_jiffies(interval);
9125 : 3 : interval = clamp(interval, 1UL, max_load_balance_interval);
9126 : :
9127 : 3 : return interval;
9128 : : }
9129 : :
9130 : : static inline void
9131 : 3 : update_next_balance(struct sched_domain *sd, unsigned long *next_balance)
9132 : : {
9133 : : unsigned long interval, next;
9134 : :
9135 : : /* used by idle balance, so cpu_busy = 0 */
9136 : 3 : interval = get_sd_balance_interval(sd, 0);
9137 : 3 : next = sd->last_balance + interval;
9138 : :
9139 : 3 : if (time_after(*next_balance, next))
9140 : 3 : *next_balance = next;
9141 : 3 : }
9142 : :
9143 : : /*
9144 : : * active_load_balance_cpu_stop is run by the CPU stopper. It pushes
9145 : : * running tasks off the busiest CPU onto idle CPUs. It requires at
9146 : : * least 1 task to be running on each physical CPU where possible, and
9147 : : * avoids physical / logical imbalances.
9148 : : */
9149 : 3 : static int active_load_balance_cpu_stop(void *data)
9150 : : {
9151 : : struct rq *busiest_rq = data;
9152 : : int busiest_cpu = cpu_of(busiest_rq);
9153 : 3 : int target_cpu = busiest_rq->push_cpu;
9154 : 3 : struct rq *target_rq = cpu_rq(target_cpu);
9155 : : struct sched_domain *sd;
9156 : : struct task_struct *p = NULL;
9157 : : struct rq_flags rf;
9158 : :
9159 : : rq_lock_irq(busiest_rq, &rf);
9160 : : /*
9161 : : * Between queueing the stop-work and running it is a hole in which
9162 : : * CPUs can become inactive. We should not move tasks from or to
9163 : : * inactive CPUs.
9164 : : */
9165 : 3 : if (!cpu_active(busiest_cpu) || !cpu_active(target_cpu))
9166 : : goto out_unlock;
9167 : :
9168 : : /* Make sure the requested CPU hasn't gone down in the meantime: */
9169 : 3 : if (unlikely(busiest_cpu != smp_processor_id() ||
9170 : : !busiest_rq->active_balance))
9171 : : goto out_unlock;
9172 : :
9173 : : /* Is there any task to move? */
9174 : 3 : if (busiest_rq->nr_running <= 1)
9175 : : goto out_unlock;
9176 : :
9177 : : /*
9178 : : * This condition is "impossible", if it occurs
9179 : : * we need to fix it. Originally reported by
9180 : : * Bjorn Helgaas on a 128-CPU setup.
9181 : : */
9182 : 3 : BUG_ON(busiest_rq == target_rq);
9183 : :
9184 : : /* Search for an sd spanning us and the target CPU. */
9185 : : rcu_read_lock();
9186 : 3 : for_each_domain(target_cpu, sd) {
9187 : 3 : if ((sd->flags & SD_LOAD_BALANCE) &&
9188 : : cpumask_test_cpu(busiest_cpu, sched_domain_span(sd)))
9189 : : break;
9190 : : }
9191 : :
9192 : 3 : if (likely(sd)) {
9193 : 3 : struct lb_env env = {
9194 : : .sd = sd,
9195 : : .dst_cpu = target_cpu,
9196 : : .dst_rq = target_rq,
9197 : 3 : .src_cpu = busiest_rq->cpu,
9198 : : .src_rq = busiest_rq,
9199 : : .idle = CPU_IDLE,
9200 : : /*
9201 : : * can_migrate_task() doesn't need to compute new_dst_cpu
9202 : : * for active balancing. Since we have CPU_IDLE, but no
9203 : : * @dst_grpmask we need to make that test go away with lying
9204 : : * about DST_PINNED.
9205 : : */
9206 : : .flags = LBF_DST_PINNED,
9207 : : };
9208 : :
9209 : 3 : schedstat_inc(sd->alb_count);
9210 : 3 : update_rq_clock(busiest_rq);
9211 : :
9212 : 3 : p = detach_one_task(&env);
9213 : 3 : if (p) {
9214 : 3 : schedstat_inc(sd->alb_pushed);
9215 : : /* Active balancing done, reset the failure counter. */
9216 : 3 : sd->nr_balance_failed = 0;
9217 : : } else {
9218 : 3 : schedstat_inc(sd->alb_failed);
9219 : : }
9220 : : }
9221 : : rcu_read_unlock();
9222 : : out_unlock:
9223 : 3 : busiest_rq->active_balance = 0;
9224 : : rq_unlock(busiest_rq, &rf);
9225 : :
9226 : 3 : if (p)
9227 : 3 : attach_one_task(target_rq, p);
9228 : :
9229 : 3 : local_irq_enable();
9230 : :
9231 : 3 : return 0;
9232 : : }
9233 : :
9234 : : static DEFINE_SPINLOCK(balancing);
9235 : :
9236 : : /*
9237 : : * Scale the max load_balance interval with the number of CPUs in the system.
9238 : : * This trades load-balance latency on larger machines for less cross talk.
9239 : : */
9240 : 3 : void update_max_interval(void)
9241 : : {
9242 : 3 : max_load_balance_interval = HZ*num_online_cpus()/10;
9243 : 3 : }
9244 : :
9245 : : /*
9246 : : * It checks each scheduling domain to see if it is due to be balanced,
9247 : : * and initiates a balancing operation if so.
9248 : : *
9249 : : * Balancing parameters are set up in init_sched_domains.
9250 : : */
9251 : 3 : static void rebalance_domains(struct rq *rq, enum cpu_idle_type idle)
9252 : : {
9253 : 3 : int continue_balancing = 1;
9254 : 3 : int cpu = rq->cpu;
9255 : : unsigned long interval;
9256 : : struct sched_domain *sd;
9257 : : /* Earliest time when we have to do rebalance again */
9258 : 3 : unsigned long next_balance = jiffies + 60*HZ;
9259 : : int update_next_balance = 0;
9260 : : int need_serialize, need_decay = 0;
9261 : : u64 max_cost = 0;
9262 : :
9263 : : rcu_read_lock();
9264 : 3 : for_each_domain(cpu, sd) {
9265 : : /*
9266 : : * Decay the newidle max times here because this is a regular
9267 : : * visit to all the domains. Decay ~1% per second.
9268 : : */
9269 : 3 : if (time_after(jiffies, sd->next_decay_max_lb_cost)) {
9270 : 3 : sd->max_newidle_lb_cost =
9271 : 3 : (sd->max_newidle_lb_cost * 253) / 256;
9272 : 3 : sd->next_decay_max_lb_cost = jiffies + HZ;
9273 : : need_decay = 1;
9274 : : }
9275 : 3 : max_cost += sd->max_newidle_lb_cost;
9276 : :
9277 : 3 : if (!(sd->flags & SD_LOAD_BALANCE))
9278 : 1 : continue;
9279 : :
9280 : : /*
9281 : : * Stop the load balance at this level. There is another
9282 : : * CPU in our sched group which is doing load balancing more
9283 : : * actively.
9284 : : */
9285 : 3 : if (!continue_balancing) {
9286 : 0 : if (need_decay)
9287 : 0 : continue;
9288 : : break;
9289 : : }
9290 : :
9291 : 3 : interval = get_sd_balance_interval(sd, idle != CPU_IDLE);
9292 : :
9293 : 3 : need_serialize = sd->flags & SD_SERIALIZE;
9294 : 3 : if (need_serialize) {
9295 : 0 : if (!spin_trylock(&balancing))
9296 : : goto out;
9297 : : }
9298 : :
9299 : 3 : if (time_after_eq(jiffies, sd->last_balance + interval)) {
9300 : 3 : if (load_balance(cpu, rq, sd, idle, &continue_balancing)) {
9301 : : /*
9302 : : * The LBF_DST_PINNED logic could have changed
9303 : : * env->dst_cpu, so we can't know our idle
9304 : : * state even if we migrated tasks. Update it.
9305 : : */
9306 : 3 : idle = idle_cpu(cpu) ? CPU_IDLE : CPU_NOT_IDLE;
9307 : : }
9308 : 3 : sd->last_balance = jiffies;
9309 : 3 : interval = get_sd_balance_interval(sd, idle != CPU_IDLE);
9310 : : }
9311 : 3 : if (need_serialize)
9312 : : spin_unlock(&balancing);
9313 : : out:
9314 : 3 : if (time_after(next_balance, sd->last_balance + interval)) {
9315 : : next_balance = sd->last_balance + interval;
9316 : : update_next_balance = 1;
9317 : : }
9318 : : }
9319 : 3 : if (need_decay) {
9320 : : /*
9321 : : * Ensure the rq-wide value also decays but keep it at a
9322 : : * reasonable floor to avoid funnies with rq->avg_idle.
9323 : : */
9324 : 3 : rq->max_idle_balance_cost =
9325 : 3 : max((u64)sysctl_sched_migration_cost, max_cost);
9326 : : }
9327 : : rcu_read_unlock();
9328 : :
9329 : : /*
9330 : : * next_balance will be updated only when there is a need.
9331 : : * When the cpu is attached to null domain for ex, it will not be
9332 : : * updated.
9333 : : */
9334 : 3 : if (likely(update_next_balance)) {
9335 : 3 : rq->next_balance = next_balance;
9336 : :
9337 : : #ifdef CONFIG_NO_HZ_COMMON
9338 : : /*
9339 : : * If this CPU has been elected to perform the nohz idle
9340 : : * balance. Other idle CPUs have already rebalanced with
9341 : : * nohz_idle_balance() and nohz.next_balance has been
9342 : : * updated accordingly. This CPU is now running the idle load
9343 : : * balance for itself and we need to update the
9344 : : * nohz.next_balance accordingly.
9345 : : */
9346 : 3 : if ((idle == CPU_IDLE) && time_after(nohz.next_balance, rq->next_balance))
9347 : 3 : nohz.next_balance = rq->next_balance;
9348 : : #endif
9349 : : }
9350 : 3 : }
9351 : :
9352 : : static inline int on_null_domain(struct rq *rq)
9353 : : {
9354 : 3 : return unlikely(!rcu_dereference_sched(rq->sd));
9355 : : }
9356 : :
9357 : : #ifdef CONFIG_NO_HZ_COMMON
9358 : : /*
9359 : : * idle load balancing details
9360 : : * - When one of the busy CPUs notice that there may be an idle rebalancing
9361 : : * needed, they will kick the idle load balancer, which then does idle
9362 : : * load balancing for all the idle CPUs.
9363 : : * - HK_FLAG_MISC CPUs are used for this task, because HK_FLAG_SCHED not set
9364 : : * anywhere yet.
9365 : : */
9366 : :
9367 : 3 : static inline int find_new_ilb(void)
9368 : : {
9369 : : int ilb;
9370 : :
9371 : 3 : for_each_cpu_and(ilb, nohz.idle_cpus_mask,
9372 : : housekeeping_cpumask(HK_FLAG_MISC)) {
9373 : 3 : if (idle_cpu(ilb))
9374 : 3 : return ilb;
9375 : : }
9376 : :
9377 : 3 : return nr_cpu_ids;
9378 : : }
9379 : :
9380 : : /*
9381 : : * Kick a CPU to do the nohz balancing, if it is time for it. We pick any
9382 : : * idle CPU in the HK_FLAG_MISC housekeeping set (if there is one).
9383 : : */
9384 : 3 : static void kick_ilb(unsigned int flags)
9385 : : {
9386 : : int ilb_cpu;
9387 : :
9388 : : /*
9389 : : * Increase nohz.next_balance only when if full ilb is triggered but
9390 : : * not if we only update stats.
9391 : : */
9392 : 3 : if (flags & NOHZ_BALANCE_KICK)
9393 : 3 : nohz.next_balance = jiffies+1;
9394 : :
9395 : 3 : ilb_cpu = find_new_ilb();
9396 : :
9397 : 3 : if (ilb_cpu >= nr_cpu_ids)
9398 : : return;
9399 : :
9400 : 3 : flags = atomic_fetch_or(flags, nohz_flags(ilb_cpu));
9401 : 3 : if (flags & NOHZ_KICK_MASK)
9402 : : return;
9403 : :
9404 : : /*
9405 : : * Use smp_send_reschedule() instead of resched_cpu().
9406 : : * This way we generate a sched IPI on the target CPU which
9407 : : * is idle. And the softirq performing nohz idle load balance
9408 : : * will be run before returning from the IPI.
9409 : : */
9410 : 3 : smp_send_reschedule(ilb_cpu);
9411 : : }
9412 : :
9413 : : /*
9414 : : * Current decision point for kicking the idle load balancer in the presence
9415 : : * of idle CPUs in the system.
9416 : : */
9417 : 3 : static void nohz_balancer_kick(struct rq *rq)
9418 : : {
9419 : 3 : unsigned long now = jiffies;
9420 : : struct sched_domain_shared *sds;
9421 : : struct sched_domain *sd;
9422 : 3 : int nr_busy, i, cpu = rq->cpu;
9423 : : unsigned int flags = 0;
9424 : :
9425 : 3 : if (unlikely(rq->idle_balance))
9426 : : return;
9427 : :
9428 : : /*
9429 : : * We may be recently in ticked or tickless idle mode. At the first
9430 : : * busy tick after returning from idle, we will update the busy stats.
9431 : : */
9432 : 3 : nohz_balance_exit_idle(rq);
9433 : :
9434 : : /*
9435 : : * None are in tickless mode and hence no need for NOHZ idle load
9436 : : * balancing.
9437 : : */
9438 : 3 : if (likely(!atomic_read(&nohz.nr_cpus)))
9439 : : return;
9440 : :
9441 : 3 : if (READ_ONCE(nohz.has_blocked) &&
9442 : 3 : time_after(now, READ_ONCE(nohz.next_blocked)))
9443 : : flags = NOHZ_STATS_KICK;
9444 : :
9445 : 3 : if (time_before(now, nohz.next_balance))
9446 : : goto out;
9447 : :
9448 : 3 : if (rq->nr_running >= 2) {
9449 : : flags = NOHZ_KICK_MASK;
9450 : : goto out;
9451 : : }
9452 : :
9453 : : rcu_read_lock();
9454 : :
9455 : 3 : sd = rcu_dereference(rq->sd);
9456 : 3 : if (sd) {
9457 : : /*
9458 : : * If there's a CFS task and the current CPU has reduced
9459 : : * capacity; kick the ILB to see if there's a better CPU to run
9460 : : * on.
9461 : : */
9462 : 3 : if (rq->cfs.h_nr_running >= 1 && check_cpu_capacity(rq, sd)) {
9463 : : flags = NOHZ_KICK_MASK;
9464 : : goto unlock;
9465 : : }
9466 : : }
9467 : :
9468 : 3 : sd = rcu_dereference(per_cpu(sd_asym_packing, cpu));
9469 : 3 : if (sd) {
9470 : : /*
9471 : : * When ASYM_PACKING; see if there's a more preferred CPU
9472 : : * currently idle; in which case, kick the ILB to move tasks
9473 : : * around.
9474 : : */
9475 : 0 : for_each_cpu_and(i, sched_domain_span(sd), nohz.idle_cpus_mask) {
9476 : 0 : if (sched_asym_prefer(i, cpu)) {
9477 : : flags = NOHZ_KICK_MASK;
9478 : : goto unlock;
9479 : : }
9480 : : }
9481 : : }
9482 : :
9483 : 3 : sd = rcu_dereference(per_cpu(sd_asym_cpucapacity, cpu));
9484 : 3 : if (sd) {
9485 : : /*
9486 : : * When ASYM_CPUCAPACITY; see if there's a higher capacity CPU
9487 : : * to run the misfit task on.
9488 : : */
9489 : 0 : if (check_misfit_status(rq, sd)) {
9490 : : flags = NOHZ_KICK_MASK;
9491 : 0 : goto unlock;
9492 : : }
9493 : :
9494 : : /*
9495 : : * For asymmetric systems, we do not want to nicely balance
9496 : : * cache use, instead we want to embrace asymmetry and only
9497 : : * ensure tasks have enough CPU capacity.
9498 : : *
9499 : : * Skip the LLC logic because it's not relevant in that case.
9500 : : */
9501 : : goto unlock;
9502 : : }
9503 : :
9504 : 3 : sds = rcu_dereference(per_cpu(sd_llc_shared, cpu));
9505 : 3 : if (sds) {
9506 : : /*
9507 : : * If there is an imbalance between LLC domains (IOW we could
9508 : : * increase the overall cache use), we need some less-loaded LLC
9509 : : * domain to pull some load. Likewise, we may need to spread
9510 : : * load within the current LLC domain (e.g. packed SMT cores but
9511 : : * other CPUs are idle). We can't really know from here how busy
9512 : : * the others are - so just get a nohz balance going if it looks
9513 : : * like this LLC domain has tasks we could move.
9514 : : */
9515 : 0 : nr_busy = atomic_read(&sds->nr_busy_cpus);
9516 : 0 : if (nr_busy > 1) {
9517 : : flags = NOHZ_KICK_MASK;
9518 : 0 : goto unlock;
9519 : : }
9520 : : }
9521 : : unlock:
9522 : : rcu_read_unlock();
9523 : : out:
9524 : 3 : if (flags)
9525 : 3 : kick_ilb(flags);
9526 : : }
9527 : :
9528 : 3 : static void set_cpu_sd_state_busy(int cpu)
9529 : : {
9530 : : struct sched_domain *sd;
9531 : :
9532 : : rcu_read_lock();
9533 : 3 : sd = rcu_dereference(per_cpu(sd_llc, cpu));
9534 : :
9535 : 3 : if (!sd || !sd->nohz_idle)
9536 : : goto unlock;
9537 : 0 : sd->nohz_idle = 0;
9538 : :
9539 : 0 : atomic_inc(&sd->shared->nr_busy_cpus);
9540 : : unlock:
9541 : : rcu_read_unlock();
9542 : 3 : }
9543 : :
9544 : 3 : void nohz_balance_exit_idle(struct rq *rq)
9545 : : {
9546 : 3 : SCHED_WARN_ON(rq != this_rq());
9547 : :
9548 : 3 : if (likely(!rq->nohz_tick_stopped))
9549 : 3 : return;
9550 : :
9551 : 3 : rq->nohz_tick_stopped = 0;
9552 : 3 : cpumask_clear_cpu(rq->cpu, nohz.idle_cpus_mask);
9553 : : atomic_dec(&nohz.nr_cpus);
9554 : :
9555 : 3 : set_cpu_sd_state_busy(rq->cpu);
9556 : : }
9557 : :
9558 : 3 : static void set_cpu_sd_state_idle(int cpu)
9559 : : {
9560 : : struct sched_domain *sd;
9561 : :
9562 : : rcu_read_lock();
9563 : 3 : sd = rcu_dereference(per_cpu(sd_llc, cpu));
9564 : :
9565 : 3 : if (!sd || sd->nohz_idle)
9566 : : goto unlock;
9567 : 0 : sd->nohz_idle = 1;
9568 : :
9569 : 0 : atomic_dec(&sd->shared->nr_busy_cpus);
9570 : : unlock:
9571 : : rcu_read_unlock();
9572 : 3 : }
9573 : :
9574 : : /*
9575 : : * This routine will record that the CPU is going idle with tick stopped.
9576 : : * This info will be used in performing idle load balancing in the future.
9577 : : */
9578 : 3 : void nohz_balance_enter_idle(int cpu)
9579 : : {
9580 : 3 : struct rq *rq = cpu_rq(cpu);
9581 : :
9582 : 3 : SCHED_WARN_ON(cpu != smp_processor_id());
9583 : :
9584 : : /* If this CPU is going down, then nothing needs to be done: */
9585 : 3 : if (!cpu_active(cpu))
9586 : : return;
9587 : :
9588 : : /* Spare idle load balancing on CPUs that don't want to be disturbed: */
9589 : 3 : if (!housekeeping_cpu(cpu, HK_FLAG_SCHED))
9590 : : return;
9591 : :
9592 : : /*
9593 : : * Can be set safely without rq->lock held
9594 : : * If a clear happens, it will have evaluated last additions because
9595 : : * rq->lock is held during the check and the clear
9596 : : */
9597 : 3 : rq->has_blocked_load = 1;
9598 : :
9599 : : /*
9600 : : * The tick is still stopped but load could have been added in the
9601 : : * meantime. We set the nohz.has_blocked flag to trig a check of the
9602 : : * *_avg. The CPU is already part of nohz.idle_cpus_mask so the clear
9603 : : * of nohz.has_blocked can only happen after checking the new load
9604 : : */
9605 : 3 : if (rq->nohz_tick_stopped)
9606 : : goto out;
9607 : :
9608 : : /* If we're a completely isolated CPU, we don't play: */
9609 : 3 : if (on_null_domain(rq))
9610 : : return;
9611 : :
9612 : 3 : rq->nohz_tick_stopped = 1;
9613 : :
9614 : : cpumask_set_cpu(cpu, nohz.idle_cpus_mask);
9615 : : atomic_inc(&nohz.nr_cpus);
9616 : :
9617 : : /*
9618 : : * Ensures that if nohz_idle_balance() fails to observe our
9619 : : * @idle_cpus_mask store, it must observe the @has_blocked
9620 : : * store.
9621 : : */
9622 : 3 : smp_mb__after_atomic();
9623 : :
9624 : 3 : set_cpu_sd_state_idle(cpu);
9625 : :
9626 : : out:
9627 : : /*
9628 : : * Each time a cpu enter idle, we assume that it has blocked load and
9629 : : * enable the periodic update of the load of idle cpus
9630 : : */
9631 : : WRITE_ONCE(nohz.has_blocked, 1);
9632 : : }
9633 : :
9634 : : /*
9635 : : * Internal function that runs load balance for all idle cpus. The load balance
9636 : : * can be a simple update of blocked load or a complete load balance with
9637 : : * tasks movement depending of flags.
9638 : : * The function returns false if the loop has stopped before running
9639 : : * through all idle CPUs.
9640 : : */
9641 : 3 : static bool _nohz_idle_balance(struct rq *this_rq, unsigned int flags,
9642 : : enum cpu_idle_type idle)
9643 : : {
9644 : : /* Earliest time when we have to do rebalance again */
9645 : 3 : unsigned long now = jiffies;
9646 : 3 : unsigned long next_balance = now + 60*HZ;
9647 : : bool has_blocked_load = false;
9648 : : int update_next_balance = 0;
9649 : 3 : int this_cpu = this_rq->cpu;
9650 : : int balance_cpu;
9651 : : int ret = false;
9652 : : struct rq *rq;
9653 : :
9654 : 3 : SCHED_WARN_ON((flags & NOHZ_KICK_MASK) == NOHZ_BALANCE_KICK);
9655 : :
9656 : : /*
9657 : : * We assume there will be no idle load after this update and clear
9658 : : * the has_blocked flag. If a cpu enters idle in the mean time, it will
9659 : : * set the has_blocked flag and trig another update of idle load.
9660 : : * Because a cpu that becomes idle, is added to idle_cpus_mask before
9661 : : * setting the flag, we are sure to not clear the state and not
9662 : : * check the load of an idle cpu.
9663 : : */
9664 : : WRITE_ONCE(nohz.has_blocked, 0);
9665 : :
9666 : : /*
9667 : : * Ensures that if we miss the CPU, we must see the has_blocked
9668 : : * store from nohz_balance_enter_idle().
9669 : : */
9670 : 3 : smp_mb();
9671 : :
9672 : 3 : for_each_cpu(balance_cpu, nohz.idle_cpus_mask) {
9673 : 3 : if (balance_cpu == this_cpu || !idle_cpu(balance_cpu))
9674 : 3 : continue;
9675 : :
9676 : : /*
9677 : : * If this CPU gets work to do, stop the load balancing
9678 : : * work being done for other CPUs. Next load
9679 : : * balancing owner will pick it up.
9680 : : */
9681 : 3 : if (need_resched()) {
9682 : : has_blocked_load = true;
9683 : : goto abort;
9684 : : }
9685 : :
9686 : 3 : rq = cpu_rq(balance_cpu);
9687 : :
9688 : 3 : has_blocked_load |= update_nohz_stats(rq, true);
9689 : :
9690 : : /*
9691 : : * If time for next balance is due,
9692 : : * do the balance.
9693 : : */
9694 : 3 : if (time_after_eq(jiffies, rq->next_balance)) {
9695 : : struct rq_flags rf;
9696 : :
9697 : : rq_lock_irqsave(rq, &rf);
9698 : 3 : update_rq_clock(rq);
9699 : : rq_unlock_irqrestore(rq, &rf);
9700 : :
9701 : 3 : if (flags & NOHZ_BALANCE_KICK)
9702 : 3 : rebalance_domains(rq, CPU_IDLE);
9703 : : }
9704 : :
9705 : 3 : if (time_after(next_balance, rq->next_balance)) {
9706 : : next_balance = rq->next_balance;
9707 : : update_next_balance = 1;
9708 : : }
9709 : : }
9710 : :
9711 : : /*
9712 : : * next_balance will be updated only when there is a need.
9713 : : * When the CPU is attached to null domain for ex, it will not be
9714 : : * updated.
9715 : : */
9716 : 3 : if (likely(update_next_balance))
9717 : 3 : nohz.next_balance = next_balance;
9718 : :
9719 : : /* Newly idle CPU doesn't need an update */
9720 : 3 : if (idle != CPU_NEWLY_IDLE) {
9721 : 3 : update_blocked_averages(this_cpu);
9722 : 3 : has_blocked_load |= this_rq->has_blocked_load;
9723 : : }
9724 : :
9725 : 3 : if (flags & NOHZ_BALANCE_KICK)
9726 : 3 : rebalance_domains(this_rq, CPU_IDLE);
9727 : :
9728 : 3 : WRITE_ONCE(nohz.next_blocked,
9729 : : now + msecs_to_jiffies(LOAD_AVG_PERIOD));
9730 : :
9731 : : /* The full idle balance loop has been done */
9732 : : ret = true;
9733 : :
9734 : : abort:
9735 : : /* There is still blocked load, enable periodic update */
9736 : 3 : if (has_blocked_load)
9737 : : WRITE_ONCE(nohz.has_blocked, 1);
9738 : :
9739 : 3 : return ret;
9740 : : }
9741 : :
9742 : : /*
9743 : : * In CONFIG_NO_HZ_COMMON case, the idle balance kickee will do the
9744 : : * rebalancing for all the cpus for whom scheduler ticks are stopped.
9745 : : */
9746 : 3 : static bool nohz_idle_balance(struct rq *this_rq, enum cpu_idle_type idle)
9747 : : {
9748 : 3 : int this_cpu = this_rq->cpu;
9749 : : unsigned int flags;
9750 : :
9751 : 3 : if (!(atomic_read(nohz_flags(this_cpu)) & NOHZ_KICK_MASK))
9752 : : return false;
9753 : :
9754 : 3 : if (idle != CPU_IDLE) {
9755 : 3 : atomic_andnot(NOHZ_KICK_MASK, nohz_flags(this_cpu));
9756 : 3 : return false;
9757 : : }
9758 : :
9759 : : /* could be _relaxed() */
9760 : 3 : flags = atomic_fetch_andnot(NOHZ_KICK_MASK, nohz_flags(this_cpu));
9761 : 3 : if (!(flags & NOHZ_KICK_MASK))
9762 : : return false;
9763 : :
9764 : 3 : _nohz_idle_balance(this_rq, flags, idle);
9765 : :
9766 : 3 : return true;
9767 : : }
9768 : :
9769 : 3 : static void nohz_newidle_balance(struct rq *this_rq)
9770 : : {
9771 : 3 : int this_cpu = this_rq->cpu;
9772 : :
9773 : : /*
9774 : : * This CPU doesn't want to be disturbed by scheduler
9775 : : * housekeeping
9776 : : */
9777 : 3 : if (!housekeeping_cpu(this_cpu, HK_FLAG_SCHED))
9778 : : return;
9779 : :
9780 : : /* Will wake up very soon. No time for doing anything else*/
9781 : 3 : if (this_rq->avg_idle < sysctl_sched_migration_cost)
9782 : : return;
9783 : :
9784 : : /* Don't need to update blocked load of idle CPUs*/
9785 : 3 : if (!READ_ONCE(nohz.has_blocked) ||
9786 : 3 : time_before(jiffies, READ_ONCE(nohz.next_blocked)))
9787 : : return;
9788 : :
9789 : : raw_spin_unlock(&this_rq->lock);
9790 : : /*
9791 : : * This CPU is going to be idle and blocked load of idle CPUs
9792 : : * need to be updated. Run the ilb locally as it is a good
9793 : : * candidate for ilb instead of waking up another idle CPU.
9794 : : * Kick an normal ilb if we failed to do the update.
9795 : : */
9796 : 3 : if (!_nohz_idle_balance(this_rq, NOHZ_STATS_KICK, CPU_NEWLY_IDLE))
9797 : 3 : kick_ilb(NOHZ_STATS_KICK);
9798 : 3 : raw_spin_lock(&this_rq->lock);
9799 : : }
9800 : :
9801 : : #else /* !CONFIG_NO_HZ_COMMON */
9802 : : static inline void nohz_balancer_kick(struct rq *rq) { }
9803 : :
9804 : : static inline bool nohz_idle_balance(struct rq *this_rq, enum cpu_idle_type idle)
9805 : : {
9806 : : return false;
9807 : : }
9808 : :
9809 : : static inline void nohz_newidle_balance(struct rq *this_rq) { }
9810 : : #endif /* CONFIG_NO_HZ_COMMON */
9811 : :
9812 : : /*
9813 : : * idle_balance is called by schedule() if this_cpu is about to become
9814 : : * idle. Attempts to pull tasks from other CPUs.
9815 : : */
9816 : 3 : int newidle_balance(struct rq *this_rq, struct rq_flags *rf)
9817 : : {
9818 : 3 : unsigned long next_balance = jiffies + HZ;
9819 : 3 : int this_cpu = this_rq->cpu;
9820 : : struct sched_domain *sd;
9821 : : int pulled_task = 0;
9822 : : u64 curr_cost = 0;
9823 : :
9824 : 3 : update_misfit_status(NULL, this_rq);
9825 : : /*
9826 : : * We must set idle_stamp _before_ calling idle_balance(), such that we
9827 : : * measure the duration of idle_balance() as idle time.
9828 : : */
9829 : 3 : this_rq->idle_stamp = rq_clock(this_rq);
9830 : :
9831 : : /*
9832 : : * Do not pull tasks towards !active CPUs...
9833 : : */
9834 : 3 : if (!cpu_active(this_cpu))
9835 : : return 0;
9836 : :
9837 : : /*
9838 : : * This is OK, because current is on_cpu, which avoids it being picked
9839 : : * for load-balance and preemption/IRQs are still disabled avoiding
9840 : : * further scheduler activity on it and we're being very careful to
9841 : : * re-start the picking loop.
9842 : : */
9843 : : rq_unpin_lock(this_rq, rf);
9844 : :
9845 : 3 : if (this_rq->avg_idle < sysctl_sched_migration_cost ||
9846 : 3 : !READ_ONCE(this_rq->rd->overload)) {
9847 : :
9848 : : rcu_read_lock();
9849 : 3 : sd = rcu_dereference_check_sched_domain(this_rq->sd);
9850 : 3 : if (sd)
9851 : 3 : update_next_balance(sd, &next_balance);
9852 : : rcu_read_unlock();
9853 : :
9854 : 3 : nohz_newidle_balance(this_rq);
9855 : :
9856 : 3 : goto out;
9857 : : }
9858 : :
9859 : : raw_spin_unlock(&this_rq->lock);
9860 : :
9861 : 3 : update_blocked_averages(this_cpu);
9862 : : rcu_read_lock();
9863 : 3 : for_each_domain(this_cpu, sd) {
9864 : 3 : int continue_balancing = 1;
9865 : : u64 t0, domain_cost;
9866 : :
9867 : 3 : if (!(sd->flags & SD_LOAD_BALANCE))
9868 : 3 : continue;
9869 : :
9870 : 3 : if (this_rq->avg_idle < curr_cost + sd->max_newidle_lb_cost) {
9871 : 3 : update_next_balance(sd, &next_balance);
9872 : 3 : break;
9873 : : }
9874 : :
9875 : 3 : if (sd->flags & SD_BALANCE_NEWIDLE) {
9876 : 3 : t0 = sched_clock_cpu(this_cpu);
9877 : :
9878 : 3 : pulled_task = load_balance(this_cpu, this_rq,
9879 : : sd, CPU_NEWLY_IDLE,
9880 : : &continue_balancing);
9881 : :
9882 : 3 : domain_cost = sched_clock_cpu(this_cpu) - t0;
9883 : 3 : if (domain_cost > sd->max_newidle_lb_cost)
9884 : 3 : sd->max_newidle_lb_cost = domain_cost;
9885 : :
9886 : 3 : curr_cost += domain_cost;
9887 : : }
9888 : :
9889 : 3 : update_next_balance(sd, &next_balance);
9890 : :
9891 : : /*
9892 : : * Stop searching for tasks to pull if there are
9893 : : * now runnable tasks on this rq.
9894 : : */
9895 : 3 : if (pulled_task || this_rq->nr_running > 0)
9896 : : break;
9897 : : }
9898 : : rcu_read_unlock();
9899 : :
9900 : 3 : raw_spin_lock(&this_rq->lock);
9901 : :
9902 : 3 : if (curr_cost > this_rq->max_idle_balance_cost)
9903 : 3 : this_rq->max_idle_balance_cost = curr_cost;
9904 : :
9905 : : out:
9906 : : /*
9907 : : * While browsing the domains, we released the rq lock, a task could
9908 : : * have been enqueued in the meantime. Since we're not going idle,
9909 : : * pretend we pulled a task.
9910 : : */
9911 : 3 : if (this_rq->cfs.h_nr_running && !pulled_task)
9912 : : pulled_task = 1;
9913 : :
9914 : : /* Move the next balance forward */
9915 : 3 : if (time_after(this_rq->next_balance, next_balance))
9916 : 3 : this_rq->next_balance = next_balance;
9917 : :
9918 : : /* Is there a task of a high priority class? */
9919 : 3 : if (this_rq->nr_running != this_rq->cfs.h_nr_running)
9920 : : pulled_task = -1;
9921 : :
9922 : 3 : if (pulled_task)
9923 : 3 : this_rq->idle_stamp = 0;
9924 : :
9925 : : rq_repin_lock(this_rq, rf);
9926 : :
9927 : 3 : return pulled_task;
9928 : : }
9929 : :
9930 : : /*
9931 : : * run_rebalance_domains is triggered when needed from the scheduler tick.
9932 : : * Also triggered for nohz idle balancing (with nohz_balancing_kick set).
9933 : : */
9934 : 3 : static __latent_entropy void run_rebalance_domains(struct softirq_action *h)
9935 : : {
9936 : 3 : struct rq *this_rq = this_rq();
9937 : 3 : enum cpu_idle_type idle = this_rq->idle_balance ?
9938 : 3 : CPU_IDLE : CPU_NOT_IDLE;
9939 : :
9940 : : /*
9941 : : * If this CPU has a pending nohz_balance_kick, then do the
9942 : : * balancing on behalf of the other idle CPUs whose ticks are
9943 : : * stopped. Do nohz_idle_balance *before* rebalance_domains to
9944 : : * give the idle CPUs a chance to load balance. Else we may
9945 : : * load balance only within the local sched_domain hierarchy
9946 : : * and abort nohz_idle_balance altogether if we pull some load.
9947 : : */
9948 : 3 : if (nohz_idle_balance(this_rq, idle))
9949 : 3 : return;
9950 : :
9951 : : /* normal load balance */
9952 : 3 : update_blocked_averages(this_rq->cpu);
9953 : 3 : rebalance_domains(this_rq, idle);
9954 : : }
9955 : :
9956 : : /*
9957 : : * Trigger the SCHED_SOFTIRQ if it is time to do periodic load balancing.
9958 : : */
9959 : 3 : void trigger_load_balance(struct rq *rq)
9960 : : {
9961 : : /* Don't need to rebalance while attached to NULL domain */
9962 : 3 : if (unlikely(on_null_domain(rq)))
9963 : 3 : return;
9964 : :
9965 : 3 : if (time_after_eq(jiffies, rq->next_balance))
9966 : 3 : raise_softirq(SCHED_SOFTIRQ);
9967 : :
9968 : 3 : nohz_balancer_kick(rq);
9969 : : }
9970 : :
9971 : 3 : static void rq_online_fair(struct rq *rq)
9972 : : {
9973 : 3 : update_sysctl();
9974 : :
9975 : 3 : update_runtime_enabled(rq);
9976 : 3 : }
9977 : :
9978 : 3 : static void rq_offline_fair(struct rq *rq)
9979 : : {
9980 : 3 : update_sysctl();
9981 : :
9982 : : /* Ensure any throttled groups are reachable by pick_next_task */
9983 : 3 : unthrottle_offline_cfs_rqs(rq);
9984 : 3 : }
9985 : :
9986 : : #endif /* CONFIG_SMP */
9987 : :
9988 : : /*
9989 : : * scheduler tick hitting a task of our scheduling class.
9990 : : *
9991 : : * NOTE: This function can be called remotely by the tick offload that
9992 : : * goes along full dynticks. Therefore no local assumption can be made
9993 : : * and everything must be accessed through the @rq and @curr passed in
9994 : : * parameters.
9995 : : */
9996 : 3 : static void task_tick_fair(struct rq *rq, struct task_struct *curr, int queued)
9997 : : {
9998 : : struct cfs_rq *cfs_rq;
9999 : 3 : struct sched_entity *se = &curr->se;
10000 : :
10001 : 3 : for_each_sched_entity(se) {
10002 : : cfs_rq = cfs_rq_of(se);
10003 : 3 : entity_tick(cfs_rq, se, queued);
10004 : : }
10005 : :
10006 : : if (static_branch_unlikely(&sched_numa_balancing))
10007 : : task_tick_numa(rq, curr);
10008 : :
10009 : 3 : update_misfit_status(curr, rq);
10010 : 3 : update_overutilized_status(task_rq(curr));
10011 : 3 : }
10012 : :
10013 : : /*
10014 : : * called on fork with the child task as argument from the parent's context
10015 : : * - child not yet on the tasklist
10016 : : * - preemption disabled
10017 : : */
10018 : 3 : static void task_fork_fair(struct task_struct *p)
10019 : : {
10020 : : struct cfs_rq *cfs_rq;
10021 : 3 : struct sched_entity *se = &p->se, *curr;
10022 : 3 : struct rq *rq = this_rq();
10023 : : struct rq_flags rf;
10024 : :
10025 : : rq_lock(rq, &rf);
10026 : 3 : update_rq_clock(rq);
10027 : :
10028 : 3 : cfs_rq = task_cfs_rq(current);
10029 : 3 : curr = cfs_rq->curr;
10030 : 3 : if (curr) {
10031 : 3 : update_curr(cfs_rq);
10032 : 3 : se->vruntime = curr->vruntime;
10033 : : }
10034 : 3 : place_entity(cfs_rq, se, 1);
10035 : :
10036 : 3 : if (sysctl_sched_child_runs_first && curr && entity_before(curr, se)) {
10037 : : /*
10038 : : * Upon rescheduling, sched_class::put_prev_task() will place
10039 : : * 'current' within the tree based on its new key value.
10040 : : */
10041 : 0 : swap(curr->vruntime, se->vruntime);
10042 : 0 : resched_curr(rq);
10043 : : }
10044 : :
10045 : 3 : se->vruntime -= cfs_rq->min_vruntime;
10046 : : rq_unlock(rq, &rf);
10047 : 3 : }
10048 : :
10049 : : /*
10050 : : * Priority of the task has changed. Check to see if we preempt
10051 : : * the current task.
10052 : : */
10053 : : static void
10054 : 0 : prio_changed_fair(struct rq *rq, struct task_struct *p, int oldprio)
10055 : : {
10056 : 0 : if (!task_on_rq_queued(p))
10057 : 0 : return;
10058 : :
10059 : : /*
10060 : : * Reschedule if we are currently running on this runqueue and
10061 : : * our priority decreased, or if we are not currently running on
10062 : : * this runqueue and our priority is higher than the current's
10063 : : */
10064 : 0 : if (rq->curr == p) {
10065 : 0 : if (p->prio > oldprio)
10066 : 0 : resched_curr(rq);
10067 : : } else
10068 : 0 : check_preempt_curr(rq, p, 0);
10069 : : }
10070 : :
10071 : : static inline bool vruntime_normalized(struct task_struct *p)
10072 : : {
10073 : : struct sched_entity *se = &p->se;
10074 : :
10075 : : /*
10076 : : * In both the TASK_ON_RQ_QUEUED and TASK_ON_RQ_MIGRATING cases,
10077 : : * the dequeue_entity(.flags=0) will already have normalized the
10078 : : * vruntime.
10079 : : */
10080 : 3 : if (p->on_rq)
10081 : : return true;
10082 : :
10083 : : /*
10084 : : * When !on_rq, vruntime of the task has usually NOT been normalized.
10085 : : * But there are some cases where it has already been normalized:
10086 : : *
10087 : : * - A forked child which is waiting for being woken up by
10088 : : * wake_up_new_task().
10089 : : * - A task which has been woken up by try_to_wake_up() and
10090 : : * waiting for actually being woken up by sched_ttwu_pending().
10091 : : */
10092 : 3 : if (!se->sum_exec_runtime ||
10093 : 3 : (p->state == TASK_WAKING && p->sched_remote_wakeup))
10094 : : return true;
10095 : :
10096 : : return false;
10097 : : }
10098 : :
10099 : : #ifdef CONFIG_FAIR_GROUP_SCHED
10100 : : /*
10101 : : * Propagate the changes of the sched_entity across the tg tree to make it
10102 : : * visible to the root
10103 : : */
10104 : 3 : static void propagate_entity_cfs_rq(struct sched_entity *se)
10105 : : {
10106 : : struct cfs_rq *cfs_rq;
10107 : :
10108 : : /* Start to propagate at parent */
10109 : 3 : se = se->parent;
10110 : :
10111 : 3 : for_each_sched_entity(se) {
10112 : : cfs_rq = cfs_rq_of(se);
10113 : :
10114 : 3 : if (cfs_rq_throttled(cfs_rq))
10115 : : break;
10116 : :
10117 : 3 : update_load_avg(cfs_rq, se, UPDATE_TG);
10118 : : }
10119 : 3 : }
10120 : : #else
10121 : : static void propagate_entity_cfs_rq(struct sched_entity *se) { }
10122 : : #endif
10123 : :
10124 : 3 : static void detach_entity_cfs_rq(struct sched_entity *se)
10125 : : {
10126 : : struct cfs_rq *cfs_rq = cfs_rq_of(se);
10127 : :
10128 : : /* Catch up with the cfs_rq and remove our load when we leave */
10129 : 3 : update_load_avg(cfs_rq, se, 0);
10130 : 3 : detach_entity_load_avg(cfs_rq, se);
10131 : 3 : update_tg_load_avg(cfs_rq, false);
10132 : 3 : propagate_entity_cfs_rq(se);
10133 : 3 : }
10134 : :
10135 : 3 : static void attach_entity_cfs_rq(struct sched_entity *se)
10136 : : {
10137 : : struct cfs_rq *cfs_rq = cfs_rq_of(se);
10138 : :
10139 : : #ifdef CONFIG_FAIR_GROUP_SCHED
10140 : : /*
10141 : : * Since the real-depth could have been changed (only FAIR
10142 : : * class maintain depth value), reset depth properly.
10143 : : */
10144 : 3 : se->depth = se->parent ? se->parent->depth + 1 : 0;
10145 : : #endif
10146 : :
10147 : : /* Synchronize entity with its cfs_rq */
10148 : 3 : update_load_avg(cfs_rq, se, sched_feat(ATTACH_AGE_LOAD) ? 0 : SKIP_AGE_LOAD);
10149 : 3 : attach_entity_load_avg(cfs_rq, se, 0);
10150 : 3 : update_tg_load_avg(cfs_rq, false);
10151 : 3 : propagate_entity_cfs_rq(se);
10152 : 3 : }
10153 : :
10154 : 3 : static void detach_task_cfs_rq(struct task_struct *p)
10155 : : {
10156 : 3 : struct sched_entity *se = &p->se;
10157 : : struct cfs_rq *cfs_rq = cfs_rq_of(se);
10158 : :
10159 : 3 : if (!vruntime_normalized(p)) {
10160 : : /*
10161 : : * Fix up our vruntime so that the current sleep doesn't
10162 : : * cause 'unlimited' sleep bonus.
10163 : : */
10164 : 3 : place_entity(cfs_rq, se, 0);
10165 : 3 : se->vruntime -= cfs_rq->min_vruntime;
10166 : : }
10167 : :
10168 : 3 : detach_entity_cfs_rq(se);
10169 : 3 : }
10170 : :
10171 : 3 : static void attach_task_cfs_rq(struct task_struct *p)
10172 : : {
10173 : 3 : struct sched_entity *se = &p->se;
10174 : : struct cfs_rq *cfs_rq = cfs_rq_of(se);
10175 : :
10176 : 3 : attach_entity_cfs_rq(se);
10177 : :
10178 : 3 : if (!vruntime_normalized(p))
10179 : 0 : se->vruntime += cfs_rq->min_vruntime;
10180 : 3 : }
10181 : :
10182 : 3 : static void switched_from_fair(struct rq *rq, struct task_struct *p)
10183 : : {
10184 : 3 : detach_task_cfs_rq(p);
10185 : 3 : }
10186 : :
10187 : 0 : static void switched_to_fair(struct rq *rq, struct task_struct *p)
10188 : : {
10189 : 0 : attach_task_cfs_rq(p);
10190 : :
10191 : 0 : if (task_on_rq_queued(p)) {
10192 : : /*
10193 : : * We were most likely switched from sched_rt, so
10194 : : * kick off the schedule if running, otherwise just see
10195 : : * if we can still preempt the current task.
10196 : : */
10197 : 0 : if (rq->curr == p)
10198 : 0 : resched_curr(rq);
10199 : : else
10200 : 0 : check_preempt_curr(rq, p, 0);
10201 : : }
10202 : 0 : }
10203 : :
10204 : : /* Account for a task changing its policy or group.
10205 : : *
10206 : : * This routine is mostly called to set cfs_rq->curr field when a task
10207 : : * migrates between groups/classes.
10208 : : */
10209 : 3 : static void set_next_task_fair(struct rq *rq, struct task_struct *p, bool first)
10210 : : {
10211 : 3 : struct sched_entity *se = &p->se;
10212 : :
10213 : : #ifdef CONFIG_SMP
10214 : 3 : if (task_on_rq_queued(p)) {
10215 : : /*
10216 : : * Move the next running task to the front of the list, so our
10217 : : * cfs_tasks list becomes MRU one.
10218 : : */
10219 : 3 : list_move(&se->group_node, &rq->cfs_tasks);
10220 : : }
10221 : : #endif
10222 : :
10223 : 3 : for_each_sched_entity(se) {
10224 : : struct cfs_rq *cfs_rq = cfs_rq_of(se);
10225 : :
10226 : 3 : set_next_entity(cfs_rq, se);
10227 : : /* ensure bandwidth has been allocated on our new cfs_rq */
10228 : : account_cfs_rq_runtime(cfs_rq, 0);
10229 : : }
10230 : 3 : }
10231 : :
10232 : 3 : void init_cfs_rq(struct cfs_rq *cfs_rq)
10233 : : {
10234 : 3 : cfs_rq->tasks_timeline = RB_ROOT_CACHED;
10235 : 3 : cfs_rq->min_vruntime = (u64)(-(1LL << 20));
10236 : : #ifndef CONFIG_64BIT
10237 : 3 : cfs_rq->min_vruntime_copy = cfs_rq->min_vruntime;
10238 : : #endif
10239 : : #ifdef CONFIG_SMP
10240 : 3 : raw_spin_lock_init(&cfs_rq->removed.lock);
10241 : : #endif
10242 : 3 : }
10243 : :
10244 : : #ifdef CONFIG_FAIR_GROUP_SCHED
10245 : 3 : static void task_set_group_fair(struct task_struct *p)
10246 : : {
10247 : : struct sched_entity *se = &p->se;
10248 : :
10249 : 3 : set_task_rq(p, task_cpu(p));
10250 : 3 : se->depth = se->parent ? se->parent->depth + 1 : 0;
10251 : 3 : }
10252 : :
10253 : 3 : static void task_move_group_fair(struct task_struct *p)
10254 : : {
10255 : 3 : detach_task_cfs_rq(p);
10256 : 3 : set_task_rq(p, task_cpu(p));
10257 : :
10258 : : #ifdef CONFIG_SMP
10259 : : /* Tell se's cfs_rq has been changed -- migrated */
10260 : 3 : p->se.avg.last_update_time = 0;
10261 : : #endif
10262 : 3 : attach_task_cfs_rq(p);
10263 : 3 : }
10264 : :
10265 : 3 : static void task_change_group_fair(struct task_struct *p, int type)
10266 : : {
10267 : 3 : switch (type) {
10268 : : case TASK_SET_GROUP:
10269 : 3 : task_set_group_fair(p);
10270 : 3 : break;
10271 : :
10272 : : case TASK_MOVE_GROUP:
10273 : 3 : task_move_group_fair(p);
10274 : 3 : break;
10275 : : }
10276 : 3 : }
10277 : :
10278 : 3 : void free_fair_sched_group(struct task_group *tg)
10279 : : {
10280 : : int i;
10281 : :
10282 : 3 : destroy_cfs_bandwidth(tg_cfs_bandwidth(tg));
10283 : :
10284 : 3 : for_each_possible_cpu(i) {
10285 : 3 : if (tg->cfs_rq)
10286 : 3 : kfree(tg->cfs_rq[i]);
10287 : 3 : if (tg->se)
10288 : 3 : kfree(tg->se[i]);
10289 : : }
10290 : :
10291 : 3 : kfree(tg->cfs_rq);
10292 : 3 : kfree(tg->se);
10293 : 3 : }
10294 : :
10295 : 3 : int alloc_fair_sched_group(struct task_group *tg, struct task_group *parent)
10296 : : {
10297 : : struct sched_entity *se;
10298 : : struct cfs_rq *cfs_rq;
10299 : : int i;
10300 : :
10301 : 3 : tg->cfs_rq = kcalloc(nr_cpu_ids, sizeof(cfs_rq), GFP_KERNEL);
10302 : 3 : if (!tg->cfs_rq)
10303 : : goto err;
10304 : 3 : tg->se = kcalloc(nr_cpu_ids, sizeof(se), GFP_KERNEL);
10305 : 3 : if (!tg->se)
10306 : : goto err;
10307 : :
10308 : 3 : tg->shares = NICE_0_LOAD;
10309 : :
10310 : 3 : init_cfs_bandwidth(tg_cfs_bandwidth(tg));
10311 : :
10312 : 3 : for_each_possible_cpu(i) {
10313 : 3 : cfs_rq = kzalloc_node(sizeof(struct cfs_rq),
10314 : : GFP_KERNEL, cpu_to_node(i));
10315 : 3 : if (!cfs_rq)
10316 : : goto err;
10317 : :
10318 : 3 : se = kzalloc_node(sizeof(struct sched_entity),
10319 : : GFP_KERNEL, cpu_to_node(i));
10320 : 3 : if (!se)
10321 : : goto err_free_rq;
10322 : :
10323 : : init_cfs_rq(cfs_rq);
10324 : 3 : init_tg_cfs_entry(tg, cfs_rq, se, i, parent->se[i]);
10325 : 3 : init_entity_runnable_average(se);
10326 : : }
10327 : :
10328 : : return 1;
10329 : :
10330 : : err_free_rq:
10331 : 0 : kfree(cfs_rq);
10332 : : err:
10333 : : return 0;
10334 : : }
10335 : :
10336 : 3 : void online_fair_sched_group(struct task_group *tg)
10337 : : {
10338 : : struct sched_entity *se;
10339 : : struct rq_flags rf;
10340 : : struct rq *rq;
10341 : : int i;
10342 : :
10343 : 3 : for_each_possible_cpu(i) {
10344 : 3 : rq = cpu_rq(i);
10345 : 3 : se = tg->se[i];
10346 : : rq_lock_irq(rq, &rf);
10347 : 3 : update_rq_clock(rq);
10348 : 3 : attach_entity_cfs_rq(se);
10349 : 3 : sync_throttle(tg, i);
10350 : : rq_unlock_irq(rq, &rf);
10351 : : }
10352 : 3 : }
10353 : :
10354 : 3 : void unregister_fair_sched_group(struct task_group *tg)
10355 : : {
10356 : : unsigned long flags;
10357 : : struct rq *rq;
10358 : : int cpu;
10359 : :
10360 : 3 : for_each_possible_cpu(cpu) {
10361 : 3 : if (tg->se[cpu])
10362 : 3 : remove_entity_load_avg(tg->se[cpu]);
10363 : :
10364 : : /*
10365 : : * Only empty task groups can be destroyed; so we can speculatively
10366 : : * check on_list without danger of it being re-added.
10367 : : */
10368 : 3 : if (!tg->cfs_rq[cpu]->on_list)
10369 : 3 : continue;
10370 : :
10371 : 3 : rq = cpu_rq(cpu);
10372 : :
10373 : 3 : raw_spin_lock_irqsave(&rq->lock, flags);
10374 : 3 : list_del_leaf_cfs_rq(tg->cfs_rq[cpu]);
10375 : 3 : raw_spin_unlock_irqrestore(&rq->lock, flags);
10376 : : }
10377 : 3 : }
10378 : :
10379 : 3 : void init_tg_cfs_entry(struct task_group *tg, struct cfs_rq *cfs_rq,
10380 : : struct sched_entity *se, int cpu,
10381 : : struct sched_entity *parent)
10382 : : {
10383 : 3 : struct rq *rq = cpu_rq(cpu);
10384 : :
10385 : 3 : cfs_rq->tg = tg;
10386 : 3 : cfs_rq->rq = rq;
10387 : : init_cfs_rq_runtime(cfs_rq);
10388 : :
10389 : 3 : tg->cfs_rq[cpu] = cfs_rq;
10390 : 3 : tg->se[cpu] = se;
10391 : :
10392 : : /* se could be NULL for root_task_group */
10393 : 3 : if (!se)
10394 : 3 : return;
10395 : :
10396 : 3 : if (!parent) {
10397 : 3 : se->cfs_rq = &rq->cfs;
10398 : 3 : se->depth = 0;
10399 : : } else {
10400 : 0 : se->cfs_rq = parent->my_q;
10401 : 0 : se->depth = parent->depth + 1;
10402 : : }
10403 : :
10404 : 3 : se->my_q = cfs_rq;
10405 : : /* guarantee group entities always have weight */
10406 : : update_load_set(&se->load, NICE_0_LOAD);
10407 : 3 : se->parent = parent;
10408 : : }
10409 : :
10410 : : static DEFINE_MUTEX(shares_mutex);
10411 : :
10412 : 0 : int sched_group_set_shares(struct task_group *tg, unsigned long shares)
10413 : : {
10414 : : int i;
10415 : :
10416 : : /*
10417 : : * We can't change the weight of the root cgroup.
10418 : : */
10419 : 0 : if (!tg->se[0])
10420 : : return -EINVAL;
10421 : :
10422 : 0 : shares = clamp(shares, scale_load(MIN_SHARES), scale_load(MAX_SHARES));
10423 : :
10424 : 0 : mutex_lock(&shares_mutex);
10425 : 0 : if (tg->shares == shares)
10426 : : goto done;
10427 : :
10428 : 0 : tg->shares = shares;
10429 : 0 : for_each_possible_cpu(i) {
10430 : 0 : struct rq *rq = cpu_rq(i);
10431 : 0 : struct sched_entity *se = tg->se[i];
10432 : : struct rq_flags rf;
10433 : :
10434 : : /* Propagate contribution to hierarchy */
10435 : : rq_lock_irqsave(rq, &rf);
10436 : 0 : update_rq_clock(rq);
10437 : 0 : for_each_sched_entity(se) {
10438 : 0 : update_load_avg(cfs_rq_of(se), se, UPDATE_TG);
10439 : 0 : update_cfs_group(se);
10440 : : }
10441 : : rq_unlock_irqrestore(rq, &rf);
10442 : : }
10443 : :
10444 : : done:
10445 : 0 : mutex_unlock(&shares_mutex);
10446 : 0 : return 0;
10447 : : }
10448 : : #else /* CONFIG_FAIR_GROUP_SCHED */
10449 : :
10450 : : void free_fair_sched_group(struct task_group *tg) { }
10451 : :
10452 : : int alloc_fair_sched_group(struct task_group *tg, struct task_group *parent)
10453 : : {
10454 : : return 1;
10455 : : }
10456 : :
10457 : : void online_fair_sched_group(struct task_group *tg) { }
10458 : :
10459 : : void unregister_fair_sched_group(struct task_group *tg) { }
10460 : :
10461 : : #endif /* CONFIG_FAIR_GROUP_SCHED */
10462 : :
10463 : :
10464 : 0 : static unsigned int get_rr_interval_fair(struct rq *rq, struct task_struct *task)
10465 : : {
10466 : 0 : struct sched_entity *se = &task->se;
10467 : : unsigned int rr_interval = 0;
10468 : :
10469 : : /*
10470 : : * Time slice is 0 for SCHED_OTHER tasks that are on an otherwise
10471 : : * idle runqueue:
10472 : : */
10473 : 0 : if (rq->cfs.load.weight)
10474 : 0 : rr_interval = NS_TO_JIFFIES(sched_slice(cfs_rq_of(se), se));
10475 : :
10476 : 0 : return rr_interval;
10477 : : }
10478 : :
10479 : : /*
10480 : : * All the scheduling class methods:
10481 : : */
10482 : : const struct sched_class fair_sched_class = {
10483 : : .next = &idle_sched_class,
10484 : : .enqueue_task = enqueue_task_fair,
10485 : : .dequeue_task = dequeue_task_fair,
10486 : : .yield_task = yield_task_fair,
10487 : : .yield_to_task = yield_to_task_fair,
10488 : :
10489 : : .check_preempt_curr = check_preempt_wakeup,
10490 : :
10491 : : .pick_next_task = pick_next_task_fair,
10492 : : .put_prev_task = put_prev_task_fair,
10493 : : .set_next_task = set_next_task_fair,
10494 : :
10495 : : #ifdef CONFIG_SMP
10496 : : .balance = balance_fair,
10497 : : .select_task_rq = select_task_rq_fair,
10498 : : .migrate_task_rq = migrate_task_rq_fair,
10499 : :
10500 : : .rq_online = rq_online_fair,
10501 : : .rq_offline = rq_offline_fair,
10502 : :
10503 : : .task_dead = task_dead_fair,
10504 : : .set_cpus_allowed = set_cpus_allowed_common,
10505 : : #endif
10506 : :
10507 : : .task_tick = task_tick_fair,
10508 : : .task_fork = task_fork_fair,
10509 : :
10510 : : .prio_changed = prio_changed_fair,
10511 : : .switched_from = switched_from_fair,
10512 : : .switched_to = switched_to_fair,
10513 : :
10514 : : .get_rr_interval = get_rr_interval_fair,
10515 : :
10516 : : .update_curr = update_curr_fair,
10517 : :
10518 : : #ifdef CONFIG_FAIR_GROUP_SCHED
10519 : : .task_change_group = task_change_group_fair,
10520 : : #endif
10521 : :
10522 : : #ifdef CONFIG_UCLAMP_TASK
10523 : : .uclamp_enabled = 1,
10524 : : #endif
10525 : : };
10526 : :
10527 : : #ifdef CONFIG_SCHED_DEBUG
10528 : 0 : void print_cfs_stats(struct seq_file *m, int cpu)
10529 : : {
10530 : : struct cfs_rq *cfs_rq, *pos;
10531 : :
10532 : : rcu_read_lock();
10533 : 0 : for_each_leaf_cfs_rq_safe(cpu_rq(cpu), cfs_rq, pos)
10534 : 0 : print_cfs_rq(m, cpu, cfs_rq);
10535 : : rcu_read_unlock();
10536 : 0 : }
10537 : :
10538 : : #ifdef CONFIG_NUMA_BALANCING
10539 : : void show_numa_stats(struct task_struct *p, struct seq_file *m)
10540 : : {
10541 : : int node;
10542 : : unsigned long tsf = 0, tpf = 0, gsf = 0, gpf = 0;
10543 : : struct numa_group *ng;
10544 : :
10545 : : rcu_read_lock();
10546 : : ng = rcu_dereference(p->numa_group);
10547 : : for_each_online_node(node) {
10548 : : if (p->numa_faults) {
10549 : : tsf = p->numa_faults[task_faults_idx(NUMA_MEM, node, 0)];
10550 : : tpf = p->numa_faults[task_faults_idx(NUMA_MEM, node, 1)];
10551 : : }
10552 : : if (ng) {
10553 : : gsf = ng->faults[task_faults_idx(NUMA_MEM, node, 0)],
10554 : : gpf = ng->faults[task_faults_idx(NUMA_MEM, node, 1)];
10555 : : }
10556 : : print_numa_stats(m, node, tsf, tpf, gsf, gpf);
10557 : : }
10558 : : rcu_read_unlock();
10559 : : }
10560 : : #endif /* CONFIG_NUMA_BALANCING */
10561 : : #endif /* CONFIG_SCHED_DEBUG */
10562 : :
10563 : 3 : __init void init_sched_fair_class(void)
10564 : : {
10565 : : #ifdef CONFIG_SMP
10566 : 3 : open_softirq(SCHED_SOFTIRQ, run_rebalance_domains);
10567 : :
10568 : : #ifdef CONFIG_NO_HZ_COMMON
10569 : 3 : nohz.next_balance = jiffies;
10570 : 3 : nohz.next_blocked = jiffies;
10571 : : zalloc_cpumask_var(&nohz.idle_cpus_mask, GFP_NOWAIT);
10572 : : #endif
10573 : : #endif /* SMP */
10574 : :
10575 : 3 : }
10576 : :
10577 : : /*
10578 : : * Helper functions to facilitate extracting info from tracepoints.
10579 : : */
10580 : :
10581 : 0 : const struct sched_avg *sched_trace_cfs_rq_avg(struct cfs_rq *cfs_rq)
10582 : : {
10583 : : #ifdef CONFIG_SMP
10584 : 0 : return cfs_rq ? &cfs_rq->avg : NULL;
10585 : : #else
10586 : : return NULL;
10587 : : #endif
10588 : : }
10589 : : EXPORT_SYMBOL_GPL(sched_trace_cfs_rq_avg);
10590 : :
10591 : 0 : char *sched_trace_cfs_rq_path(struct cfs_rq *cfs_rq, char *str, int len)
10592 : : {
10593 : 0 : if (!cfs_rq) {
10594 : 0 : if (str)
10595 : 0 : strlcpy(str, "(null)", len);
10596 : : else
10597 : : return NULL;
10598 : : }
10599 : :
10600 : 0 : cfs_rq_tg_path(cfs_rq, str, len);
10601 : 0 : return str;
10602 : : }
10603 : : EXPORT_SYMBOL_GPL(sched_trace_cfs_rq_path);
10604 : :
10605 : 0 : int sched_trace_cfs_rq_cpu(struct cfs_rq *cfs_rq)
10606 : : {
10607 : 0 : return cfs_rq ? cpu_of(rq_of(cfs_rq)) : -1;
10608 : : }
10609 : : EXPORT_SYMBOL_GPL(sched_trace_cfs_rq_cpu);
10610 : :
10611 : 0 : const struct sched_avg *sched_trace_rq_avg_rt(struct rq *rq)
10612 : : {
10613 : : #ifdef CONFIG_SMP
10614 : 0 : return rq ? &rq->avg_rt : NULL;
10615 : : #else
10616 : : return NULL;
10617 : : #endif
10618 : : }
10619 : : EXPORT_SYMBOL_GPL(sched_trace_rq_avg_rt);
10620 : :
10621 : 0 : const struct sched_avg *sched_trace_rq_avg_dl(struct rq *rq)
10622 : : {
10623 : : #ifdef CONFIG_SMP
10624 : 0 : return rq ? &rq->avg_dl : NULL;
10625 : : #else
10626 : : return NULL;
10627 : : #endif
10628 : : }
10629 : : EXPORT_SYMBOL_GPL(sched_trace_rq_avg_dl);
10630 : :
10631 : 0 : const struct sched_avg *sched_trace_rq_avg_irq(struct rq *rq)
10632 : : {
10633 : : #if defined(CONFIG_SMP) && defined(CONFIG_HAVE_SCHED_AVG_IRQ)
10634 : : return rq ? &rq->avg_irq : NULL;
10635 : : #else
10636 : 0 : return NULL;
10637 : : #endif
10638 : : }
10639 : : EXPORT_SYMBOL_GPL(sched_trace_rq_avg_irq);
10640 : :
10641 : 0 : int sched_trace_rq_cpu(struct rq *rq)
10642 : : {
10643 : 0 : return rq ? cpu_of(rq) : -1;
10644 : : }
10645 : : EXPORT_SYMBOL_GPL(sched_trace_rq_cpu);
10646 : :
10647 : 0 : const struct cpumask *sched_trace_rd_span(struct root_domain *rd)
10648 : : {
10649 : : #ifdef CONFIG_SMP
10650 : 0 : return rd ? rd->span : NULL;
10651 : : #else
10652 : : return NULL;
10653 : : #endif
10654 : : }
10655 : : EXPORT_SYMBOL_GPL(sched_trace_rd_span);
|
