9a5e60fe721a5e7e8036508f61950eeb0c8dea31
[projects/modsched/linux.git] / kernel / sched / cfs / fair.c
1 /*
2  * Completely Fair Scheduling (CFS) Class (SCHED_NORMAL/SCHED_BATCH)
3  *
4  *  Copyright (C) 2007 Red Hat, Inc., Ingo Molnar <mingo@redhat.com>
5  *
6  *  Interactivity improvements by Mike Galbraith
7  *  (C) 2007 Mike Galbraith <efault@gmx.de>
8  *
9  *  Various enhancements by Dmitry Adamushko.
10  *  (C) 2007 Dmitry Adamushko <dmitry.adamushko@gmail.com>
11  *
12  *  Group scheduling enhancements by Srivatsa Vaddagiri
13  *  Copyright IBM Corporation, 2007
14  *  Author: Srivatsa Vaddagiri <vatsa@linux.vnet.ibm.com>
15  *
16  *  Scaled math optimizations by Thomas Gleixner
17  *  Copyright (C) 2007, Thomas Gleixner <tglx@linutronix.de>
18  *
19  *  Adaptive scheduling granularity, math enhancements by Peter Zijlstra
20  *  Copyright (C) 2007 Red Hat, Inc., Peter Zijlstra <pzijlstr@redhat.com>
21  */
22
23 #include <linux/latencytop.h>
24 #include <linux/sched.h>
25 #include <linux/cpumask.h>
26 #include <linux/cpuidle.h>
27 #include <linux/slab.h>
28 #include <linux/profile.h>
29 #include <linux/interrupt.h>
30 #include <linux/mempolicy.h>
31 #include <linux/migrate.h>
32 #include <linux/task_work.h>
33
34 #include <trace/events/sched.h>
35
36 #include "sched.h"
37
38 /*
39  * Targeted preemption latency for CPU-bound tasks:
40  * (default: 6ms * (1 + ilog(ncpus)), units: nanoseconds)
41  *
42  * NOTE: this latency value is not the same as the concept of
43  * 'timeslice length' - timeslices in CFS are of variable length
44  * and have no persistent notion like in traditional, time-slice
45  * based scheduling concepts.
46  *
47  * (to see the precise effective timeslice length of your workload,
48  *  run vmstat and monitor the context-switches (cs) field)
49  */
50 unsigned int sysctl_sched_latency = 6000000ULL;
51 unsigned int normalized_sysctl_sched_latency = 6000000ULL;
52
53 /*
54  * The initial- and re-scaling of tunables is configurable
55  * (default SCHED_TUNABLESCALING_LOG = *(1+ilog(ncpus))
56  *
57  * Options are:
58  * SCHED_TUNABLESCALING_NONE - unscaled, always *1
59  * SCHED_TUNABLESCALING_LOG - scaled logarithmical, *1+ilog(ncpus)
60  * SCHED_TUNABLESCALING_LINEAR - scaled linear, *ncpus
61  */
62 enum sched_tunable_scaling sysctl_sched_tunable_scaling
63         = SCHED_TUNABLESCALING_LOG;
64
65 /*
66  * Minimal preemption granularity for CPU-bound tasks:
67  * (default: 0.75 msec * (1 + ilog(ncpus)), units: nanoseconds)
68  */
69 unsigned int sysctl_sched_min_granularity = 750000ULL;
70 unsigned int normalized_sysctl_sched_min_granularity = 750000ULL;
71
72 /*
73  * is kept at sysctl_sched_latency / sysctl_sched_min_granularity
74  */
75 static unsigned int sched_nr_latency = 8;
76
77 /*
78  * After fork, child runs first. If set to 0 (default) then
79  * parent will (try to) run first.
80  */
81 unsigned int sysctl_sched_child_runs_first __read_mostly;
82
83 /*
84  * SCHED_OTHER wake-up granularity.
85  * (default: 1 msec * (1 + ilog(ncpus)), units: nanoseconds)
86  *
87  * This option delays the preemption effects of decoupled workloads
88  * and reduces their over-scheduling. Synchronous workloads will still
89  * have immediate wakeup/sleep latencies.
90  */
91 unsigned int sysctl_sched_wakeup_granularity = 1000000UL;
92 unsigned int normalized_sysctl_sched_wakeup_granularity = 1000000UL;
93
94 const_debug unsigned int sysctl_sched_migration_cost = 500000UL;
95
96 /*
97  * The exponential sliding  window over which load is averaged for shares
98  * distribution.
99  * (default: 10msec)
100  */
101 unsigned int __read_mostly sysctl_sched_shares_window = 10000000UL;
102
103 #ifdef CONFIG_CFS_BANDWIDTH
104 /*
105  * Amount of runtime to allocate from global (tg) to local (per-cfs_rq) pool
106  * each time a cfs_rq requests quota.
107  *
108  * Note: in the case that the slice exceeds the runtime remaining (either due
109  * to consumption or the quota being specified to be smaller than the slice)
110  * we will always only issue the remaining available time.
111  *
112  * default: 5 msec, units: microseconds
113   */
114 unsigned int sysctl_sched_cfs_bandwidth_slice = 5000UL;
115 #endif
116
117 static inline void update_load_add(struct load_weight *lw, unsigned long inc)
118 {
119         lw->weight += inc;
120         lw->inv_weight = 0;
121 }
122
123 static inline void update_load_sub(struct load_weight *lw, unsigned long dec)
124 {
125         lw->weight -= dec;
126         lw->inv_weight = 0;
127 }
128
129 static inline void update_load_set(struct load_weight *lw, unsigned long w)
130 {
131         lw->weight = w;
132         lw->inv_weight = 0;
133 }
134
135 /*
136  * Increase the granularity value when there are more CPUs,
137  * because with more CPUs the 'effective latency' as visible
138  * to users decreases. But the relationship is not linear,
139  * so pick a second-best guess by going with the log2 of the
140  * number of CPUs.
141  *
142  * This idea comes from the SD scheduler of Con Kolivas:
143  */
144 static unsigned int get_update_sysctl_factor(void)
145 {
146         unsigned int cpus = min_t(unsigned int, num_online_cpus(), 8);
147         unsigned int factor;
148
149         switch (sysctl_sched_tunable_scaling) {
150         case SCHED_TUNABLESCALING_NONE:
151                 factor = 1;
152                 break;
153         case SCHED_TUNABLESCALING_LINEAR:
154                 factor = cpus;
155                 break;
156         case SCHED_TUNABLESCALING_LOG:
157         default:
158                 factor = 1 + ilog2(cpus);
159                 break;
160         }
161
162         return factor;
163 }
164
165 static void update_sysctl(void)
166 {
167         unsigned int factor = get_update_sysctl_factor();
168
169 #define SET_SYSCTL(name) \
170         (sysctl_##name = (factor) * normalized_sysctl_##name)
171         SET_SYSCTL(sched_min_granularity);
172         SET_SYSCTL(sched_latency);
173         SET_SYSCTL(sched_wakeup_granularity);
174 #undef SET_SYSCTL
175 }
176
177 void sched_init_granularity(void)
178 {
179         update_sysctl();
180 }
181
182 #define WMULT_CONST     (~0U)
183 #define WMULT_SHIFT     32
184
185 static void __update_inv_weight(struct load_weight *lw)
186 {
187         unsigned long w;
188
189         if (likely(lw->inv_weight))
190                 return;
191
192         w = scale_load_down(lw->weight);
193
194         if (BITS_PER_LONG > 32 && unlikely(w >= WMULT_CONST))
195                 lw->inv_weight = 1;
196         else if (unlikely(!w))
197                 lw->inv_weight = WMULT_CONST;
198         else
199                 lw->inv_weight = WMULT_CONST / w;
200 }
201
202 /*
203  * delta_exec * weight / lw.weight
204  *   OR
205  * (delta_exec * (weight * lw->inv_weight)) >> WMULT_SHIFT
206  *
207  * Either weight := NICE_0_LOAD and lw \e prio_to_wmult[], in which case
208  * we're guaranteed shift stays positive because inv_weight is guaranteed to
209  * fit 32 bits, and NICE_0_LOAD gives another 10 bits; therefore shift >= 22.
210  *
211  * Or, weight =< lw.weight (because lw.weight is the runqueue weight), thus
212  * weight/lw.weight <= 1, and therefore our shift will also be positive.
213  */
214 static u64 __calc_delta(u64 delta_exec, unsigned long weight, struct load_weight *lw)
215 {
216         u64 fact = scale_load_down(weight);
217         int shift = WMULT_SHIFT;
218
219         __update_inv_weight(lw);
220
221         if (unlikely(fact >> 32)) {
222                 while (fact >> 32) {
223                         fact >>= 1;
224                         shift--;
225                 }
226         }
227
228         /* hint to use a 32x32->64 mul */
229         fact = (u64)(u32)fact * lw->inv_weight;
230
231         while (fact >> 32) {
232                 fact >>= 1;
233                 shift--;
234         }
235
236         return mul_u64_u32_shr(delta_exec, fact, shift);
237 }
238
239
240 const struct sched_class fair_sched_class;
241
242 /**************************************************************
243  * CFS operations on generic schedulable entities:
244  */
245
246 #ifdef CONFIG_FAIR_GROUP_SCHED
247
248 /* cpu runqueue to which this cfs_rq is attached */
249 static inline struct rq *rq_of(struct cfs_rq *cfs_rq)
250 {
251         return cfs_rq->rq;
252 }
253
254 /* An entity is a task if it doesn't "own" a runqueue */
255 #define entity_is_task(se)      (!se->my_q)
256
257 static inline struct task_struct *task_of(struct sched_entity *se)
258 {
259 #ifdef CONFIG_SCHED_DEBUG
260         WARN_ON_ONCE(!entity_is_task(se));
261 #endif
262         return container_of(se, struct task_struct, se);
263 }
264
265 /* Walk up scheduling entities hierarchy */
266 #define for_each_sched_entity(se) \
267                 for (; se; se = se->parent)
268
269 static inline struct cfs_rq *task_cfs_rq(struct task_struct *p)
270 {
271         return p->se.cfs_rq;
272 }
273
274 /* runqueue on which this entity is (to be) queued */
275 static inline struct cfs_rq *cfs_rq_of(struct sched_entity *se)
276 {
277         return se->cfs_rq;
278 }
279
280 /* runqueue "owned" by this group */
281 static inline struct cfs_rq *group_cfs_rq(struct sched_entity *grp)
282 {
283         return grp->my_q;
284 }
285
286 static inline void list_add_leaf_cfs_rq(struct cfs_rq *cfs_rq)
287 {
288         if (!cfs_rq->on_list) {
289                 /*
290                  * Ensure we either appear before our parent (if already
291                  * enqueued) or force our parent to appear after us when it is
292                  * enqueued.  The fact that we always enqueue bottom-up
293                  * reduces this to two cases.
294                  */
295                 if (cfs_rq->tg->parent &&
296                     cfs_rq->tg->parent->cfs_rq[cpu_of(rq_of(cfs_rq))]->on_list) {
297                         list_add_rcu(&cfs_rq->leaf_cfs_rq_list,
298                                 &rq_of(cfs_rq)->leaf_cfs_rq_list);
299                 } else {
300                         list_add_tail_rcu(&cfs_rq->leaf_cfs_rq_list,
301                                 &rq_of(cfs_rq)->leaf_cfs_rq_list);
302                 }
303
304                 cfs_rq->on_list = 1;
305         }
306 }
307
308 static inline void list_del_leaf_cfs_rq(struct cfs_rq *cfs_rq)
309 {
310         if (cfs_rq->on_list) {
311                 list_del_rcu(&cfs_rq->leaf_cfs_rq_list);
312                 cfs_rq->on_list = 0;
313         }
314 }
315
316 /* Iterate thr' all leaf cfs_rq's on a runqueue */
317 #define for_each_leaf_cfs_rq(rq, cfs_rq) \
318         list_for_each_entry_rcu(cfs_rq, &rq->leaf_cfs_rq_list, leaf_cfs_rq_list)
319
320 /* Do the two (enqueued) entities belong to the same group ? */
321 static inline struct cfs_rq *
322 is_same_group(struct sched_entity *se, struct sched_entity *pse)
323 {
324         if (se->cfs_rq == pse->cfs_rq)
325                 return se->cfs_rq;
326
327         return NULL;
328 }
329
330 static inline struct sched_entity *parent_entity(struct sched_entity *se)
331 {
332         return se->parent;
333 }
334
335 static void
336 find_matching_se(struct sched_entity **se, struct sched_entity **pse)
337 {
338         int se_depth, pse_depth;
339
340         /*
341          * preemption test can be made between sibling entities who are in the
342          * same cfs_rq i.e who have a common parent. Walk up the hierarchy of
343          * both tasks until we find their ancestors who are siblings of common
344          * parent.
345          */
346
347         /* First walk up until both entities are at same depth */
348         se_depth = (*se)->depth;
349         pse_depth = (*pse)->depth;
350
351         while (se_depth > pse_depth) {
352                 se_depth--;
353                 *se = parent_entity(*se);
354         }
355
356         while (pse_depth > se_depth) {
357                 pse_depth--;
358                 *pse = parent_entity(*pse);
359         }
360
361         while (!is_same_group(*se, *pse)) {
362                 *se = parent_entity(*se);
363                 *pse = parent_entity(*pse);
364         }
365 }
366
367 #else   /* !CONFIG_FAIR_GROUP_SCHED */
368
369 static inline struct task_struct *task_of(struct sched_entity *se)
370 {
371         return container_of(se, struct task_struct, se);
372 }
373
374 static inline struct rq *rq_of(struct cfs_rq *cfs_rq)
375 {
376         return container_of(cfs_rq, struct rq, cfs);
377 }
378
379 #define entity_is_task(se)      1
380
381 #define for_each_sched_entity(se) \
382                 for (; se; se = NULL)
383
384 static inline struct cfs_rq *task_cfs_rq(struct task_struct *p)
385 {
386         return &task_rq(p)->cfs;
387 }
388
389 static inline struct cfs_rq *cfs_rq_of(struct sched_entity *se)
390 {
391         struct task_struct *p = task_of(se);
392         struct rq *rq = task_rq(p);
393
394         return &rq->cfs;
395 }
396
397 /* runqueue "owned" by this group */
398 static inline struct cfs_rq *group_cfs_rq(struct sched_entity *grp)
399 {
400         return NULL;
401 }
402
403 static inline void list_add_leaf_cfs_rq(struct cfs_rq *cfs_rq)
404 {
405 }
406
407 static inline void list_del_leaf_cfs_rq(struct cfs_rq *cfs_rq)
408 {
409 }
410
411 #define for_each_leaf_cfs_rq(rq, cfs_rq) \
412                 for (cfs_rq = &rq->cfs; cfs_rq; cfs_rq = NULL)
413
414 static inline struct sched_entity *parent_entity(struct sched_entity *se)
415 {
416         return NULL;
417 }
418
419 static inline void
420 find_matching_se(struct sched_entity **se, struct sched_entity **pse)
421 {
422 }
423
424 #endif  /* CONFIG_FAIR_GROUP_SCHED */
425
426 static __always_inline
427 void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec);
428
429 /**************************************************************
430  * Scheduling class tree data structure manipulation methods:
431  */
432
433 static inline u64 max_vruntime(u64 max_vruntime, u64 vruntime)
434 {
435         s64 delta = (s64)(vruntime - max_vruntime);
436         if (delta > 0)
437                 max_vruntime = vruntime;
438
439         return max_vruntime;
440 }
441
442 static inline u64 min_vruntime(u64 min_vruntime, u64 vruntime)
443 {
444         s64 delta = (s64)(vruntime - min_vruntime);
445         if (delta < 0)
446                 min_vruntime = vruntime;
447
448         return min_vruntime;
449 }
450
451 static inline int entity_before(struct sched_entity *a,
452                                 struct sched_entity *b)
453 {
454         return (s64)(a->vruntime - b->vruntime) < 0;
455 }
456
457 static void update_min_vruntime(struct cfs_rq *cfs_rq)
458 {
459         u64 vruntime = cfs_rq->min_vruntime;
460
461         if (cfs_rq->curr)
462                 vruntime = cfs_rq->curr->vruntime;
463
464         if (cfs_rq->rb_leftmost) {
465                 struct sched_entity *se = rb_entry(cfs_rq->rb_leftmost,
466                                                    struct sched_entity,
467                                                    run_node);
468
469                 if (!cfs_rq->curr)
470                         vruntime = se->vruntime;
471                 else
472                         vruntime = min_vruntime(vruntime, se->vruntime);
473         }
474
475         /* ensure we never gain time by being placed backwards. */
476         cfs_rq->min_vruntime = max_vruntime(cfs_rq->min_vruntime, vruntime);
477 #ifndef CONFIG_64BIT
478         smp_wmb();
479         cfs_rq->min_vruntime_copy = cfs_rq->min_vruntime;
480 #endif
481 }
482
483 /*
484  * Enqueue an entity into the rb-tree:
485  */
486 static void __enqueue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
487 {
488         struct rb_node **link = &cfs_rq->tasks_timeline.rb_node;
489         struct rb_node *parent = NULL;
490         struct sched_entity *entry;
491         int leftmost = 1;
492
493         /*
494          * Find the right place in the rbtree:
495          */
496         while (*link) {
497                 parent = *link;
498                 entry = rb_entry(parent, struct sched_entity, run_node);
499                 /*
500                  * We dont care about collisions. Nodes with
501                  * the same key stay together.
502                  */
503                 if (entity_before(se, entry)) {
504                         link = &parent->rb_left;
505                 } else {
506                         link = &parent->rb_right;
507                         leftmost = 0;
508                 }
509         }
510
511         /*
512          * Maintain a cache of leftmost tree entries (it is frequently
513          * used):
514          */
515         if (leftmost)
516                 cfs_rq->rb_leftmost = &se->run_node;
517
518         rb_link_node(&se->run_node, parent, link);
519         rb_insert_color(&se->run_node, &cfs_rq->tasks_timeline);
520 }
521
522 static void __dequeue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
523 {
524         if (cfs_rq->rb_leftmost == &se->run_node) {
525                 struct rb_node *next_node;
526
527                 next_node = rb_next(&se->run_node);
528                 cfs_rq->rb_leftmost = next_node;
529         }
530
531         rb_erase(&se->run_node, &cfs_rq->tasks_timeline);
532 }
533
534 struct sched_entity *__pick_first_entity(struct cfs_rq *cfs_rq)
535 {
536         struct rb_node *left = cfs_rq->rb_leftmost;
537
538         if (!left)
539                 return NULL;
540
541         return rb_entry(left, struct sched_entity, run_node);
542 }
543
544 static struct sched_entity *__pick_next_entity(struct sched_entity *se)
545 {
546         struct rb_node *next = rb_next(&se->run_node);
547
548         if (!next)
549                 return NULL;
550
551         return rb_entry(next, struct sched_entity, run_node);
552 }
553
554 #ifdef CONFIG_SCHED_DEBUG
555 struct sched_entity *__pick_last_entity(struct cfs_rq *cfs_rq)
556 {
557         struct rb_node *last = rb_last(&cfs_rq->tasks_timeline);
558
559         if (!last)
560                 return NULL;
561
562         return rb_entry(last, struct sched_entity, run_node);
563 }
564
565 /**************************************************************
566  * Scheduling class statistics methods:
567  */
568
569 int sched_proc_update_handler(struct ctl_table *table, int write,
570                 void __user *buffer, size_t *lenp,
571                 loff_t *ppos)
572 {
573         int ret = proc_dointvec_minmax(table, write, buffer, lenp, ppos);
574         unsigned int factor = get_update_sysctl_factor();
575
576         if (ret || !write)
577                 return ret;
578
579         sched_nr_latency = DIV_ROUND_UP(sysctl_sched_latency,
580                                         sysctl_sched_min_granularity);
581
582 #define WRT_SYSCTL(name) \
583         (normalized_sysctl_##name = sysctl_##name / (factor))
584         WRT_SYSCTL(sched_min_granularity);
585         WRT_SYSCTL(sched_latency);
586         WRT_SYSCTL(sched_wakeup_granularity);
587 #undef WRT_SYSCTL
588
589         return 0;
590 }
591 #endif
592
593 /*
594  * delta /= w
595  */
596 static inline u64 calc_delta_fair(u64 delta, struct sched_entity *se)
597 {
598         if (unlikely(se->load.weight != NICE_0_LOAD))
599                 delta = __calc_delta(delta, NICE_0_LOAD, &se->load);
600
601         return delta;
602 }
603
604 /*
605  * The idea is to set a period in which each task runs once.
606  *
607  * When there are too many tasks (sched_nr_latency) we have to stretch
608  * this period because otherwise the slices get too small.
609  *
610  * p = (nr <= nl) ? l : l*nr/nl
611  */
612 static u64 __sched_period(unsigned long nr_running)
613 {
614         if (unlikely(nr_running > sched_nr_latency))
615                 return nr_running * sysctl_sched_min_granularity;
616         else
617                 return sysctl_sched_latency;
618 }
619
620 /*
621  * We calculate the wall-time slice from the period by taking a part
622  * proportional to the weight.
623  *
624  * s = p*P[w/rw]
625  */
626 static u64 sched_slice(struct cfs_rq *cfs_rq, struct sched_entity *se)
627 {
628         u64 slice = __sched_period(cfs_rq->nr_running + !se->on_rq);
629
630         for_each_sched_entity(se) {
631                 struct load_weight *load;
632                 struct load_weight lw;
633
634                 cfs_rq = cfs_rq_of(se);
635                 load = &cfs_rq->load;
636
637                 if (unlikely(!se->on_rq)) {
638                         lw = cfs_rq->load;
639
640                         update_load_add(&lw, se->load.weight);
641                         load = &lw;
642                 }
643                 slice = __calc_delta(slice, se->load.weight, load);
644         }
645         return slice;
646 }
647
648 /*
649  * We calculate the vruntime slice of a to-be-inserted task.
650  *
651  * vs = s/w
652  */
653 static u64 sched_vslice(struct cfs_rq *cfs_rq, struct sched_entity *se)
654 {
655         return calc_delta_fair(sched_slice(cfs_rq, se), se);
656 }
657
658 #ifdef CONFIG_SMP
659 static int select_idle_sibling(struct task_struct *p, int cpu);
660 static unsigned long task_h_load(struct task_struct *p);
661
662 /*
663  * We choose a half-life close to 1 scheduling period.
664  * Note: The tables below are dependent on this value.
665  */
666 #define LOAD_AVG_PERIOD 32
667 #define LOAD_AVG_MAX 47742 /* maximum possible load avg */
668 #define LOAD_AVG_MAX_N 345 /* number of full periods to produce LOAD_MAX_AVG */
669
670 /* Give new sched_entity start runnable values to heavy its load in infant time */
671 void init_entity_runnable_average(struct sched_entity *se)
672 {
673         struct sched_avg *sa = &se->avg;
674
675         sa->last_update_time = 0;
676         /*
677          * sched_avg's period_contrib should be strictly less then 1024, so
678          * we give it 1023 to make sure it is almost a period (1024us), and
679          * will definitely be update (after enqueue).
680          */
681         sa->period_contrib = 1023;
682         sa->load_avg = scale_load_down(se->load.weight);
683         sa->load_sum = sa->load_avg * LOAD_AVG_MAX;
684         sa->util_avg = scale_load_down(SCHED_LOAD_SCALE);
685         sa->util_sum = LOAD_AVG_MAX;
686         /* when this task enqueue'ed, it will contribute to its cfs_rq's load_avg */
687 }
688
689 static inline unsigned long cfs_rq_runnable_load_avg(struct cfs_rq *cfs_rq);
690 static inline unsigned long cfs_rq_load_avg(struct cfs_rq *cfs_rq);
691 #else
692 void init_entity_runnable_average(struct sched_entity *se)
693 {
694 }
695 #endif
696
697 /*
698  * Update the current task's runtime statistics.
699  */
700 static void update_curr(struct cfs_rq *cfs_rq)
701 {
702         struct sched_entity *curr = cfs_rq->curr;
703         u64 now = rq_clock_task(rq_of(cfs_rq));
704         u64 delta_exec;
705
706         if (unlikely(!curr))
707                 return;
708
709         delta_exec = now - curr->exec_start;
710         if (unlikely((s64)delta_exec <= 0))
711                 return;
712
713         curr->exec_start = now;
714
715         schedstat_set(curr->statistics.exec_max,
716                       max(delta_exec, curr->statistics.exec_max));
717
718         curr->sum_exec_runtime += delta_exec;
719         schedstat_add(cfs_rq, exec_clock, delta_exec);
720
721         curr->vruntime += calc_delta_fair(delta_exec, curr);
722         update_min_vruntime(cfs_rq);
723
724         if (entity_is_task(curr)) {
725                 struct task_struct *curtask = task_of(curr);
726
727                 trace_sched_stat_runtime(curtask, delta_exec, curr->vruntime);
728                 cpuacct_charge(curtask, delta_exec);
729                 account_group_exec_runtime(curtask, delta_exec);
730         }
731
732         account_cfs_rq_runtime(cfs_rq, delta_exec);
733 }
734
735 static void update_curr_fair(struct rq *rq)
736 {
737         update_curr(cfs_rq_of(&rq->curr->se));
738 }
739
740 static inline void
741 update_stats_wait_start(struct cfs_rq *cfs_rq, struct sched_entity *se)
742 {
743         schedstat_set(se->statistics.wait_start, rq_clock(rq_of(cfs_rq)));
744 }
745
746 /*
747  * Task is being enqueued - update stats:
748  */
749 static void update_stats_enqueue(struct cfs_rq *cfs_rq, struct sched_entity *se)
750 {
751         /*
752          * Are we enqueueing a waiting task? (for current tasks
753          * a dequeue/enqueue event is a NOP)
754          */
755         if (se != cfs_rq->curr)
756                 update_stats_wait_start(cfs_rq, se);
757 }
758
759 static void
760 update_stats_wait_end(struct cfs_rq *cfs_rq, struct sched_entity *se)
761 {
762         schedstat_set(se->statistics.wait_max, max(se->statistics.wait_max,
763                         rq_clock(rq_of(cfs_rq)) - se->statistics.wait_start));
764         schedstat_set(se->statistics.wait_count, se->statistics.wait_count + 1);
765         schedstat_set(se->statistics.wait_sum, se->statistics.wait_sum +
766                         rq_clock(rq_of(cfs_rq)) - se->statistics.wait_start);
767 #ifdef CONFIG_SCHEDSTATS
768         if (entity_is_task(se)) {
769                 trace_sched_stat_wait(task_of(se),
770                         rq_clock(rq_of(cfs_rq)) - se->statistics.wait_start);
771         }
772 #endif
773         schedstat_set(se->statistics.wait_start, 0);
774 }
775
776 static inline void
777 update_stats_dequeue(struct cfs_rq *cfs_rq, struct sched_entity *se)
778 {
779         /*
780          * Mark the end of the wait period if dequeueing a
781          * waiting task:
782          */
783         if (se != cfs_rq->curr)
784                 update_stats_wait_end(cfs_rq, se);
785 }
786
787 /*
788  * We are picking a new current task - update its stats:
789  */
790 static inline void
791 update_stats_curr_start(struct cfs_rq *cfs_rq, struct sched_entity *se)
792 {
793         /*
794          * We are starting a new run period:
795          */
796         se->exec_start = rq_clock_task(rq_of(cfs_rq));
797 }
798
799 /**************************************************
800  * Scheduling class queueing methods:
801  */
802
803 #ifdef CONFIG_NUMA_BALANCING
804 /*
805  * Approximate time to scan a full NUMA task in ms. The task scan period is
806  * calculated based on the tasks virtual memory size and
807  * numa_balancing_scan_size.
808  */
809 unsigned int sysctl_numa_balancing_scan_period_min = 1000;
810 unsigned int sysctl_numa_balancing_scan_period_max = 60000;
811
812 /* Portion of address space to scan in MB */
813 unsigned int sysctl_numa_balancing_scan_size = 256;
814
815 /* Scan @scan_size MB every @scan_period after an initial @scan_delay in ms */
816 unsigned int sysctl_numa_balancing_scan_delay = 1000;
817
818 static unsigned int task_nr_scan_windows(struct task_struct *p)
819 {
820         unsigned long rss = 0;
821         unsigned long nr_scan_pages;
822
823         /*
824          * Calculations based on RSS as non-present and empty pages are skipped
825          * by the PTE scanner and NUMA hinting faults should be trapped based
826          * on resident pages
827          */
828         nr_scan_pages = sysctl_numa_balancing_scan_size << (20 - PAGE_SHIFT);
829         rss = get_mm_rss(p->mm);
830         if (!rss)
831                 rss = nr_scan_pages;
832
833         rss = round_up(rss, nr_scan_pages);
834         return rss / nr_scan_pages;
835 }
836
837 /* For sanitys sake, never scan more PTEs than MAX_SCAN_WINDOW MB/sec. */
838 #define MAX_SCAN_WINDOW 2560
839
840 static unsigned int task_scan_min(struct task_struct *p)
841 {
842         unsigned int scan_size = READ_ONCE(sysctl_numa_balancing_scan_size);
843         unsigned int scan, floor;
844         unsigned int windows = 1;
845
846         if (scan_size < MAX_SCAN_WINDOW)
847                 windows = MAX_SCAN_WINDOW / scan_size;
848         floor = 1000 / windows;
849
850         scan = sysctl_numa_balancing_scan_period_min / task_nr_scan_windows(p);
851         return max_t(unsigned int, floor, scan);
852 }
853
854 static unsigned int task_scan_max(struct task_struct *p)
855 {
856         unsigned int smin = task_scan_min(p);
857         unsigned int smax;
858
859         /* Watch for min being lower than max due to floor calculations */
860         smax = sysctl_numa_balancing_scan_period_max / task_nr_scan_windows(p);
861         return max(smin, smax);
862 }
863
864 static void account_numa_enqueue(struct rq *rq, struct task_struct *p)
865 {
866         rq->nr_numa_running += (p->numa_preferred_nid != -1);
867         rq->nr_preferred_running += (p->numa_preferred_nid == task_node(p));
868 }
869
870 static void account_numa_dequeue(struct rq *rq, struct task_struct *p)
871 {
872         rq->nr_numa_running -= (p->numa_preferred_nid != -1);
873         rq->nr_preferred_running -= (p->numa_preferred_nid == task_node(p));
874 }
875
876 struct numa_group {
877         atomic_t refcount;
878
879         spinlock_t lock; /* nr_tasks, tasks */
880         int nr_tasks;
881         pid_t gid;
882
883         struct rcu_head rcu;
884         nodemask_t active_nodes;
885         unsigned long total_faults;
886         /*
887          * Faults_cpu is used to decide whether memory should move
888          * towards the CPU. As a consequence, these stats are weighted
889          * more by CPU use than by memory faults.
890          */
891         unsigned long *faults_cpu;
892         unsigned long faults[0];
893 };
894
895 /* Shared or private faults. */
896 #define NR_NUMA_HINT_FAULT_TYPES 2
897
898 /* Memory and CPU locality */
899 #define NR_NUMA_HINT_FAULT_STATS (NR_NUMA_HINT_FAULT_TYPES * 2)
900
901 /* Averaged statistics, and temporary buffers. */
902 #define NR_NUMA_HINT_FAULT_BUCKETS (NR_NUMA_HINT_FAULT_STATS * 2)
903
904 pid_t task_numa_group_id(struct task_struct *p)
905 {
906         return p->numa_group ? p->numa_group->gid : 0;
907 }
908
909 /*
910  * The averaged statistics, shared & private, memory & cpu,
911  * occupy the first half of the array. The second half of the
912  * array is for current counters, which are averaged into the
913  * first set by task_numa_placement.
914  */
915 static inline int task_faults_idx(enum numa_faults_stats s, int nid, int priv)
916 {
917         return NR_NUMA_HINT_FAULT_TYPES * (s * nr_node_ids + nid) + priv;
918 }
919
920 static inline unsigned long task_faults(struct task_struct *p, int nid)
921 {
922         if (!p->numa_faults)
923                 return 0;
924
925         return p->numa_faults[task_faults_idx(NUMA_MEM, nid, 0)] +
926                 p->numa_faults[task_faults_idx(NUMA_MEM, nid, 1)];
927 }
928
929 static inline unsigned long group_faults(struct task_struct *p, int nid)
930 {
931         if (!p->numa_group)
932                 return 0;
933
934         return p->numa_group->faults[task_faults_idx(NUMA_MEM, nid, 0)] +
935                 p->numa_group->faults[task_faults_idx(NUMA_MEM, nid, 1)];
936 }
937
938 static inline unsigned long group_faults_cpu(struct numa_group *group, int nid)
939 {
940         return group->faults_cpu[task_faults_idx(NUMA_MEM, nid, 0)] +
941                 group->faults_cpu[task_faults_idx(NUMA_MEM, nid, 1)];
942 }
943
944 /* Handle placement on systems where not all nodes are directly connected. */
945 static unsigned long score_nearby_nodes(struct task_struct *p, int nid,
946                                         int maxdist, bool task)
947 {
948         unsigned long score = 0;
949         int node;
950
951         /*
952          * All nodes are directly connected, and the same distance
953          * from each other. No need for fancy placement algorithms.
954          */
955         if (sched_numa_topology_type == NUMA_DIRECT)
956                 return 0;
957
958         /*
959          * This code is called for each node, introducing N^2 complexity,
960          * which should be ok given the number of nodes rarely exceeds 8.
961          */
962         for_each_online_node(node) {
963                 unsigned long faults;
964                 int dist = node_distance(nid, node);
965
966                 /*
967                  * The furthest away nodes in the system are not interesting
968                  * for placement; nid was already counted.
969                  */
970                 if (dist == sched_max_numa_distance || node == nid)
971                         continue;
972
973                 /*
974                  * On systems with a backplane NUMA topology, compare groups
975                  * of nodes, and move tasks towards the group with the most
976                  * memory accesses. When comparing two nodes at distance
977                  * "hoplimit", only nodes closer by than "hoplimit" are part
978                  * of each group. Skip other nodes.
979                  */
980                 if (sched_numa_topology_type == NUMA_BACKPLANE &&
981                                         dist > maxdist)
982                         continue;
983
984                 /* Add up the faults from nearby nodes. */
985                 if (task)
986                         faults = task_faults(p, node);
987                 else
988                         faults = group_faults(p, node);
989
990                 /*
991                  * On systems with a glueless mesh NUMA topology, there are
992                  * no fixed "groups of nodes". Instead, nodes that are not
993                  * directly connected bounce traffic through intermediate
994                  * nodes; a numa_group can occupy any set of nodes.
995                  * The further away a node is, the less the faults count.
996                  * This seems to result in good task placement.
997                  */
998                 if (sched_numa_topology_type == NUMA_GLUELESS_MESH) {
999                         faults *= (sched_max_numa_distance - dist);
1000                         faults /= (sched_max_numa_distance - LOCAL_DISTANCE);
1001                 }
1002
1003                 score += faults;
1004         }
1005
1006         return score;
1007 }
1008
1009 /*
1010  * These return the fraction of accesses done by a particular task, or
1011  * task group, on a particular numa node.  The group weight is given a
1012  * larger multiplier, in order to group tasks together that are almost
1013  * evenly spread out between numa nodes.
1014  */
1015 static inline unsigned long task_weight(struct task_struct *p, int nid,
1016                                         int dist)
1017 {
1018         unsigned long faults, total_faults;
1019
1020         if (!p->numa_faults)
1021                 return 0;
1022
1023         total_faults = p->total_numa_faults;
1024
1025         if (!total_faults)
1026                 return 0;
1027
1028         faults = task_faults(p, nid);
1029         faults += score_nearby_nodes(p, nid, dist, true);
1030
1031         return 1000 * faults / total_faults;
1032 }
1033
1034 static inline unsigned long group_weight(struct task_struct *p, int nid,
1035                                          int dist)
1036 {
1037         unsigned long faults, total_faults;
1038
1039         if (!p->numa_group)
1040                 return 0;
1041
1042         total_faults = p->numa_group->total_faults;
1043
1044         if (!total_faults)
1045                 return 0;
1046
1047         faults = group_faults(p, nid);
1048         faults += score_nearby_nodes(p, nid, dist, false);
1049
1050         return 1000 * faults / total_faults;
1051 }
1052
1053 bool should_numa_migrate_memory(struct task_struct *p, struct page * page,
1054                                 int src_nid, int dst_cpu)
1055 {
1056         struct numa_group *ng = p->numa_group;
1057         int dst_nid = cpu_to_node(dst_cpu);
1058         int last_cpupid, this_cpupid;
1059
1060         this_cpupid = cpu_pid_to_cpupid(dst_cpu, current->pid);
1061
1062         /*
1063          * Multi-stage node selection is used in conjunction with a periodic
1064          * migration fault to build a temporal task<->page relation. By using
1065          * a two-stage filter we remove short/unlikely relations.
1066          *
1067          * Using P(p) ~ n_p / n_t as per frequentist probability, we can equate
1068          * a task's usage of a particular page (n_p) per total usage of this
1069          * page (n_t) (in a given time-span) to a probability.
1070          *
1071          * Our periodic faults will sample this probability and getting the
1072          * same result twice in a row, given these samples are fully
1073          * independent, is then given by P(n)^2, provided our sample period
1074          * is sufficiently short compared to the usage pattern.
1075          *
1076          * This quadric squishes small probabilities, making it less likely we
1077          * act on an unlikely task<->page relation.
1078          */
1079         last_cpupid = page_cpupid_xchg_last(page, this_cpupid);
1080         if (!cpupid_pid_unset(last_cpupid) &&
1081                                 cpupid_to_nid(last_cpupid) != dst_nid)
1082                 return false;
1083
1084         /* Always allow migrate on private faults */
1085         if (cpupid_match_pid(p, last_cpupid))
1086                 return true;
1087
1088         /* A shared fault, but p->numa_group has not been set up yet. */
1089         if (!ng)
1090                 return true;
1091
1092         /*
1093          * Do not migrate if the destination is not a node that
1094          * is actively used by this numa group.
1095          */
1096         if (!node_isset(dst_nid, ng->active_nodes))
1097                 return false;
1098
1099         /*
1100          * Source is a node that is not actively used by this
1101          * numa group, while the destination is. Migrate.
1102          */
1103         if (!node_isset(src_nid, ng->active_nodes))
1104                 return true;
1105
1106         /*
1107          * Both source and destination are nodes in active
1108          * use by this numa group. Maximize memory bandwidth
1109          * by migrating from more heavily used groups, to less
1110          * heavily used ones, spreading the load around.
1111          * Use a 1/4 hysteresis to avoid spurious page movement.
1112          */
1113         return group_faults(p, dst_nid) < (group_faults(p, src_nid) * 3 / 4);
1114 }
1115
1116 static unsigned long weighted_cpuload(const int cpu);
1117 static unsigned long source_load(int cpu, int type);
1118 static unsigned long target_load(int cpu, int type);
1119 static unsigned long capacity_of(int cpu);
1120 static long effective_load(struct task_group *tg, int cpu, long wl, long wg);
1121
1122 /* Cached statistics for all CPUs within a node */
1123 struct numa_stats {
1124         unsigned long nr_running;
1125         unsigned long load;
1126
1127         /* Total compute capacity of CPUs on a node */
1128         unsigned long compute_capacity;
1129
1130         /* Approximate capacity in terms of runnable tasks on a node */
1131         unsigned long task_capacity;
1132         int has_free_capacity;
1133 };
1134
1135 /*
1136  * XXX borrowed from update_sg_lb_stats
1137  */
1138 static void update_numa_stats(struct numa_stats *ns, int nid)
1139 {
1140         int smt, cpu, cpus = 0;
1141         unsigned long capacity;
1142
1143         memset(ns, 0, sizeof(*ns));
1144         for_each_cpu(cpu, cpumask_of_node(nid)) {
1145                 struct rq *rq = cpu_rq(cpu);
1146
1147                 ns->nr_running += rq->nr_running;
1148                 ns->load += weighted_cpuload(cpu);
1149                 ns->compute_capacity += capacity_of(cpu);
1150
1151                 cpus++;
1152         }
1153
1154         /*
1155          * If we raced with hotplug and there are no CPUs left in our mask
1156          * the @ns structure is NULL'ed and task_numa_compare() will
1157          * not find this node attractive.
1158          *
1159          * We'll either bail at !has_free_capacity, or we'll detect a huge
1160          * imbalance and bail there.
1161          */
1162         if (!cpus)
1163                 return;
1164
1165         /* smt := ceil(cpus / capacity), assumes: 1 < smt_power < 2 */
1166         smt = DIV_ROUND_UP(SCHED_CAPACITY_SCALE * cpus, ns->compute_capacity);
1167         capacity = cpus / smt; /* cores */
1168
1169         ns->task_capacity = min_t(unsigned, capacity,
1170                 DIV_ROUND_CLOSEST(ns->compute_capacity, SCHED_CAPACITY_SCALE));
1171         ns->has_free_capacity = (ns->nr_running < ns->task_capacity);
1172 }
1173
1174 struct task_numa_env {
1175         struct task_struct *p;
1176
1177         int src_cpu, src_nid;
1178         int dst_cpu, dst_nid;
1179
1180         struct numa_stats src_stats, dst_stats;
1181
1182         int imbalance_pct;
1183         int dist;
1184
1185         struct task_struct *best_task;
1186         long best_imp;
1187         int best_cpu;
1188 };
1189
1190 static void task_numa_assign(struct task_numa_env *env,
1191                              struct task_struct *p, long imp)
1192 {
1193         if (env->best_task)
1194                 put_task_struct(env->best_task);
1195         if (p)
1196                 get_task_struct(p);
1197
1198         env->best_task = p;
1199         env->best_imp = imp;
1200         env->best_cpu = env->dst_cpu;
1201 }
1202
1203 static bool load_too_imbalanced(long src_load, long dst_load,
1204                                 struct task_numa_env *env)
1205 {
1206         long imb, old_imb;
1207         long orig_src_load, orig_dst_load;
1208         long src_capacity, dst_capacity;
1209
1210         /*
1211          * The load is corrected for the CPU capacity available on each node.
1212          *
1213          * src_load        dst_load
1214          * ------------ vs ---------
1215          * src_capacity    dst_capacity
1216          */
1217         src_capacity = env->src_stats.compute_capacity;
1218         dst_capacity = env->dst_stats.compute_capacity;
1219
1220         /* We care about the slope of the imbalance, not the direction. */
1221         if (dst_load < src_load)
1222                 swap(dst_load, src_load);
1223
1224         /* Is the difference below the threshold? */
1225         imb = dst_load * src_capacity * 100 -
1226               src_load * dst_capacity * env->imbalance_pct;
1227         if (imb <= 0)
1228                 return false;
1229
1230         /*
1231          * The imbalance is above the allowed threshold.
1232          * Compare it with the old imbalance.
1233          */
1234         orig_src_load = env->src_stats.load;
1235         orig_dst_load = env->dst_stats.load;
1236
1237         if (orig_dst_load < orig_src_load)
1238                 swap(orig_dst_load, orig_src_load);
1239
1240         old_imb = orig_dst_load * src_capacity * 100 -
1241                   orig_src_load * dst_capacity * env->imbalance_pct;
1242
1243         /* Would this change make things worse? */
1244         return (imb > old_imb);
1245 }
1246
1247 /*
1248  * This checks if the overall compute and NUMA accesses of the system would
1249  * be improved if the source tasks was migrated to the target dst_cpu taking
1250  * into account that it might be best if task running on the dst_cpu should
1251  * be exchanged with the source task
1252  */
1253 static void task_numa_compare(struct task_numa_env *env,
1254                               long taskimp, long groupimp)
1255 {
1256         struct rq *src_rq = cpu_rq(env->src_cpu);
1257         struct rq *dst_rq = cpu_rq(env->dst_cpu);
1258         struct task_struct *cur;
1259         long src_load, dst_load;
1260         long load;
1261         long imp = env->p->numa_group ? groupimp : taskimp;
1262         long moveimp = imp;
1263         int dist = env->dist;
1264
1265         rcu_read_lock();
1266
1267         raw_spin_lock_irq(&dst_rq->lock);
1268         cur = dst_rq->curr;
1269         /*
1270          * No need to move the exiting task, and this ensures that ->curr
1271          * wasn't reaped and thus get_task_struct() in task_numa_assign()
1272          * is safe under RCU read lock.
1273          * Note that rcu_read_lock() itself can't protect from the final
1274          * put_task_struct() after the last schedule().
1275          */
1276         if ((cur->flags & PF_EXITING) || is_idle_task(cur))
1277                 cur = NULL;
1278         raw_spin_unlock_irq(&dst_rq->lock);
1279
1280         /*
1281          * Because we have preemption enabled we can get migrated around and
1282          * end try selecting ourselves (current == env->p) as a swap candidate.
1283          */
1284         if (cur == env->p)
1285                 goto unlock;
1286
1287         /*
1288          * "imp" is the fault differential for the source task between the
1289          * source and destination node. Calculate the total differential for
1290          * the source task and potential destination task. The more negative
1291          * the value is, the more rmeote accesses that would be expected to
1292          * be incurred if the tasks were swapped.
1293          */
1294         if (cur) {
1295                 /* Skip this swap candidate if cannot move to the source cpu */
1296                 if (!cpumask_test_cpu(env->src_cpu, tsk_cpus_allowed(cur)))
1297                         goto unlock;
1298
1299                 /*
1300                  * If dst and source tasks are in the same NUMA group, or not
1301                  * in any group then look only at task weights.
1302                  */
1303                 if (cur->numa_group == env->p->numa_group) {
1304                         imp = taskimp + task_weight(cur, env->src_nid, dist) -
1305                               task_weight(cur, env->dst_nid, dist);
1306                         /*
1307                          * Add some hysteresis to prevent swapping the
1308                          * tasks within a group over tiny differences.
1309                          */
1310                         if (cur->numa_group)
1311                                 imp -= imp/16;
1312                 } else {
1313                         /*
1314                          * Compare the group weights. If a task is all by
1315                          * itself (not part of a group), use the task weight
1316                          * instead.
1317                          */
1318                         if (cur->numa_group)
1319                                 imp += group_weight(cur, env->src_nid, dist) -
1320                                        group_weight(cur, env->dst_nid, dist);
1321                         else
1322                                 imp += task_weight(cur, env->src_nid, dist) -
1323                                        task_weight(cur, env->dst_nid, dist);
1324                 }
1325         }
1326
1327         if (imp <= env->best_imp && moveimp <= env->best_imp)
1328                 goto unlock;
1329
1330         if (!cur) {
1331                 /* Is there capacity at our destination? */
1332                 if (env->src_stats.nr_running <= env->src_stats.task_capacity &&
1333                     !env->dst_stats.has_free_capacity)
1334                         goto unlock;
1335
1336                 goto balance;
1337         }
1338
1339         /* Balance doesn't matter much if we're running a task per cpu */
1340         if (imp > env->best_imp && src_rq->nr_running == 1 &&
1341                         dst_rq->nr_running == 1)
1342                 goto assign;
1343
1344         /*
1345          * In the overloaded case, try and keep the load balanced.
1346          */
1347 balance:
1348         load = task_h_load(env->p);
1349         dst_load = env->dst_stats.load + load;
1350         src_load = env->src_stats.load - load;
1351
1352         if (moveimp > imp && moveimp > env->best_imp) {
1353                 /*
1354                  * If the improvement from just moving env->p direction is
1355                  * better than swapping tasks around, check if a move is
1356                  * possible. Store a slightly smaller score than moveimp,
1357                  * so an actually idle CPU will win.
1358                  */
1359                 if (!load_too_imbalanced(src_load, dst_load, env)) {
1360                         imp = moveimp - 1;
1361                         cur = NULL;
1362                         goto assign;
1363                 }
1364         }
1365
1366         if (imp <= env->best_imp)
1367                 goto unlock;
1368
1369         if (cur) {
1370                 load = task_h_load(cur);
1371                 dst_load -= load;
1372                 src_load += load;
1373         }
1374
1375         if (load_too_imbalanced(src_load, dst_load, env))
1376                 goto unlock;
1377
1378         /*
1379          * One idle CPU per node is evaluated for a task numa move.
1380          * Call select_idle_sibling to maybe find a better one.
1381          */
1382         if (!cur)
1383                 env->dst_cpu = select_idle_sibling(env->p, env->dst_cpu);
1384
1385 assign:
1386         task_numa_assign(env, cur, imp);
1387 unlock:
1388         rcu_read_unlock();
1389 }
1390
1391 static void task_numa_find_cpu(struct task_numa_env *env,
1392                                 long taskimp, long groupimp)
1393 {
1394         int cpu;
1395
1396         for_each_cpu(cpu, cpumask_of_node(env->dst_nid)) {
1397                 /* Skip this CPU if the source task cannot migrate */
1398                 if (!cpumask_test_cpu(cpu, tsk_cpus_allowed(env->p)))
1399                         continue;
1400
1401                 env->dst_cpu = cpu;
1402                 task_numa_compare(env, taskimp, groupimp);
1403         }
1404 }
1405
1406 /* Only move tasks to a NUMA node less busy than the current node. */
1407 static bool numa_has_capacity(struct task_numa_env *env)
1408 {
1409         struct numa_stats *src = &env->src_stats;
1410         struct numa_stats *dst = &env->dst_stats;
1411
1412         if (src->has_free_capacity && !dst->has_free_capacity)
1413                 return false;
1414
1415         /*
1416          * Only consider a task move if the source has a higher load
1417          * than the destination, corrected for CPU capacity on each node.
1418          *
1419          *      src->load                dst->load
1420          * --------------------- vs ---------------------
1421          * src->compute_capacity    dst->compute_capacity
1422          */
1423         if (src->load * dst->compute_capacity * env->imbalance_pct >
1424
1425             dst->load * src->compute_capacity * 100)
1426                 return true;
1427
1428         return false;
1429 }
1430
1431 static int task_numa_migrate(struct task_struct *p)
1432 {
1433         struct task_numa_env env = {
1434                 .p = p,
1435
1436                 .src_cpu = task_cpu(p),
1437                 .src_nid = task_node(p),
1438
1439                 .imbalance_pct = 112,
1440
1441                 .best_task = NULL,
1442                 .best_imp = 0,
1443                 .best_cpu = -1
1444         };
1445         struct sched_domain *sd;
1446         unsigned long taskweight, groupweight;
1447         int nid, ret, dist;
1448         long taskimp, groupimp;
1449
1450         /*
1451          * Pick the lowest SD_NUMA domain, as that would have the smallest
1452          * imbalance and would be the first to start moving tasks about.
1453          *
1454          * And we want to avoid any moving of tasks about, as that would create
1455          * random movement of tasks -- counter the numa conditions we're trying
1456          * to satisfy here.
1457          */
1458         rcu_read_lock();
1459         sd = rcu_dereference(per_cpu(sd_numa, env.src_cpu));
1460         if (sd)
1461                 env.imbalance_pct = 100 + (sd->imbalance_pct - 100) / 2;
1462         rcu_read_unlock();
1463
1464         /*
1465          * Cpusets can break the scheduler domain tree into smaller
1466          * balance domains, some of which do not cross NUMA boundaries.
1467          * Tasks that are "trapped" in such domains cannot be migrated
1468          * elsewhere, so there is no point in (re)trying.
1469          */
1470         if (unlikely(!sd)) {
1471                 p->numa_preferred_nid = task_node(p);
1472                 return -EINVAL;
1473         }
1474
1475         env.dst_nid = p->numa_preferred_nid;
1476         dist = env.dist = node_distance(env.src_nid, env.dst_nid);
1477         taskweight = task_weight(p, env.src_nid, dist);
1478         groupweight = group_weight(p, env.src_nid, dist);
1479         update_numa_stats(&env.src_stats, env.src_nid);
1480         taskimp = task_weight(p, env.dst_nid, dist) - taskweight;
1481         groupimp = group_weight(p, env.dst_nid, dist) - groupweight;
1482         update_numa_stats(&env.dst_stats, env.dst_nid);
1483
1484         /* Try to find a spot on the preferred nid. */
1485         if (numa_has_capacity(&env))
1486                 task_numa_find_cpu(&env, taskimp, groupimp);
1487
1488         /*
1489          * Look at other nodes in these cases:
1490          * - there is no space available on the preferred_nid
1491          * - the task is part of a numa_group that is interleaved across
1492          *   multiple NUMA nodes; in order to better consolidate the group,
1493          *   we need to check other locations.
1494          */
1495         if (env.best_cpu == -1 || (p->numa_group &&
1496                         nodes_weight(p->numa_group->active_nodes) > 1)) {
1497                 for_each_online_node(nid) {
1498                         if (nid == env.src_nid || nid == p->numa_preferred_nid)
1499                                 continue;
1500
1501                         dist = node_distance(env.src_nid, env.dst_nid);
1502                         if (sched_numa_topology_type == NUMA_BACKPLANE &&
1503                                                 dist != env.dist) {
1504                                 taskweight = task_weight(p, env.src_nid, dist);
1505                                 groupweight = group_weight(p, env.src_nid, dist);
1506                         }
1507
1508                         /* Only consider nodes where both task and groups benefit */
1509                         taskimp = task_weight(p, nid, dist) - taskweight;
1510                         groupimp = group_weight(p, nid, dist) - groupweight;
1511                         if (taskimp < 0 && groupimp < 0)
1512                                 continue;
1513
1514                         env.dist = dist;
1515                         env.dst_nid = nid;
1516                         update_numa_stats(&env.dst_stats, env.dst_nid);
1517                         if (numa_has_capacity(&env))
1518                                 task_numa_find_cpu(&env, taskimp, groupimp);
1519                 }
1520         }
1521
1522         /*
1523          * If the task is part of a workload that spans multiple NUMA nodes,
1524          * and is migrating into one of the workload's active nodes, remember
1525          * this node as the task's preferred numa node, so the workload can
1526          * settle down.
1527          * A task that migrated to a second choice node will be better off
1528          * trying for a better one later. Do not set the preferred node here.
1529          */
1530         if (p->numa_group) {
1531                 if (env.best_cpu == -1)
1532                         nid = env.src_nid;
1533                 else
1534                         nid = env.dst_nid;
1535
1536                 if (node_isset(nid, p->numa_group->active_nodes))
1537                         sched_setnuma(p, env.dst_nid);
1538         }
1539
1540         /* No better CPU than the current one was found. */
1541         if (env.best_cpu == -1)
1542                 return -EAGAIN;
1543
1544         /*
1545          * Reset the scan period if the task is being rescheduled on an
1546          * alternative node to recheck if the tasks is now properly placed.
1547          */
1548         p->numa_scan_period = task_scan_min(p);
1549
1550         if (env.best_task == NULL) {
1551                 ret = migrate_task_to(p, env.best_cpu);
1552                 if (ret != 0)
1553                         trace_sched_stick_numa(p, env.src_cpu, env.best_cpu);
1554                 return ret;
1555         }
1556
1557         ret = migrate_swap(p, env.best_task);
1558         if (ret != 0)
1559                 trace_sched_stick_numa(p, env.src_cpu, task_cpu(env.best_task));
1560         put_task_struct(env.best_task);
1561         return ret;
1562 }
1563
1564 /* Attempt to migrate a task to a CPU on the preferred node. */
1565 static void numa_migrate_preferred(struct task_struct *p)
1566 {
1567         unsigned long interval = HZ;
1568
1569         /* This task has no NUMA fault statistics yet */
1570         if (unlikely(p->numa_preferred_nid == -1 || !p->numa_faults))
1571                 return;
1572
1573         /* Periodically retry migrating the task to the preferred node */
1574         interval = min(interval, msecs_to_jiffies(p->numa_scan_period) / 16);
1575         p->numa_migrate_retry = jiffies + interval;
1576
1577         /* Success if task is already running on preferred CPU */
1578         if (task_node(p) == p->numa_preferred_nid)
1579                 return;
1580
1581         /* Otherwise, try migrate to a CPU on the preferred node */
1582         task_numa_migrate(p);
1583 }
1584
1585 /*
1586  * Find the nodes on which the workload is actively running. We do this by
1587  * tracking the nodes from which NUMA hinting faults are triggered. This can
1588  * be different from the set of nodes where the workload's memory is currently
1589  * located.
1590  *
1591  * The bitmask is used to make smarter decisions on when to do NUMA page
1592  * migrations, To prevent flip-flopping, and excessive page migrations, nodes
1593  * are added when they cause over 6/16 of the maximum number of faults, but
1594  * only removed when they drop below 3/16.
1595  */
1596 static void update_numa_active_node_mask(struct numa_group *numa_group)
1597 {
1598         unsigned long faults, max_faults = 0;
1599         int nid;
1600
1601         for_each_online_node(nid) {
1602                 faults = group_faults_cpu(numa_group, nid);
1603                 if (faults > max_faults)
1604                         max_faults = faults;
1605         }
1606
1607         for_each_online_node(nid) {
1608                 faults = group_faults_cpu(numa_group, nid);
1609                 if (!node_isset(nid, numa_group->active_nodes)) {
1610                         if (faults > max_faults * 6 / 16)
1611                                 node_set(nid, numa_group->active_nodes);
1612                 } else if (faults < max_faults * 3 / 16)
1613                         node_clear(nid, numa_group->active_nodes);
1614         }
1615 }
1616
1617 /*
1618  * When adapting the scan rate, the period is divided into NUMA_PERIOD_SLOTS
1619  * increments. The more local the fault statistics are, the higher the scan
1620  * period will be for the next scan window. If local/(local+remote) ratio is
1621  * below NUMA_PERIOD_THRESHOLD (where range of ratio is 1..NUMA_PERIOD_SLOTS)
1622  * the scan period will decrease. Aim for 70% local accesses.
1623  */
1624 #define NUMA_PERIOD_SLOTS 10
1625 #define NUMA_PERIOD_THRESHOLD 7
1626
1627 /*
1628  * Increase the scan period (slow down scanning) if the majority of
1629  * our memory is already on our local node, or if the majority of
1630  * the page accesses are shared with other processes.
1631  * Otherwise, decrease the scan period.
1632  */
1633 static void update_task_scan_period(struct task_struct *p,
1634                         unsigned long shared, unsigned long private)
1635 {
1636         unsigned int period_slot;
1637         int ratio;
1638         int diff;
1639
1640         unsigned long remote = p->numa_faults_locality[0];
1641         unsigned long local = p->numa_faults_locality[1];
1642
1643         /*
1644          * If there were no record hinting faults then either the task is
1645          * completely idle or all activity is areas that are not of interest
1646          * to automatic numa balancing. Related to that, if there were failed
1647          * migration then it implies we are migrating too quickly or the local
1648          * node is overloaded. In either case, scan slower
1649          */
1650         if (local + shared == 0 || p->numa_faults_locality[2]) {
1651                 p->numa_scan_period = min(p->numa_scan_period_max,
1652                         p->numa_scan_period << 1);
1653
1654                 p->mm->numa_next_scan = jiffies +
1655                         msecs_to_jiffies(p->numa_scan_period);
1656
1657                 return;
1658         }
1659
1660         /*
1661          * Prepare to scale scan period relative to the current period.
1662          *       == NUMA_PERIOD_THRESHOLD scan period stays the same
1663          *       <  NUMA_PERIOD_THRESHOLD scan period decreases (scan faster)
1664          *       >= NUMA_PERIOD_THRESHOLD scan period increases (scan slower)
1665          */
1666         period_slot = DIV_ROUND_UP(p->numa_scan_period, NUMA_PERIOD_SLOTS);
1667         ratio = (local * NUMA_PERIOD_SLOTS) / (local + remote);
1668         if (ratio >= NUMA_PERIOD_THRESHOLD) {
1669                 int slot = ratio - NUMA_PERIOD_THRESHOLD;
1670                 if (!slot)
1671                         slot = 1;
1672                 diff = slot * period_slot;
1673         } else {
1674                 diff = -(NUMA_PERIOD_THRESHOLD - ratio) * period_slot;
1675
1676                 /*
1677                  * Scale scan rate increases based on sharing. There is an
1678                  * inverse relationship between the degree of sharing and
1679                  * the adjustment made to the scanning period. Broadly
1680                  * speaking the intent is that there is little point
1681                  * scanning faster if shared accesses dominate as it may
1682                  * simply bounce migrations uselessly
1683                  */
1684                 ratio = DIV_ROUND_UP(private * NUMA_PERIOD_SLOTS, (private + shared + 1));
1685                 diff = (diff * ratio) / NUMA_PERIOD_SLOTS;
1686         }
1687
1688         p->numa_scan_period = clamp(p->numa_scan_period + diff,
1689                         task_scan_min(p), task_scan_max(p));
1690         memset(p->numa_faults_locality, 0, sizeof(p->numa_faults_locality));
1691 }
1692
1693 /*
1694  * Get the fraction of time the task has been running since the last
1695  * NUMA placement cycle. The scheduler keeps similar statistics, but
1696  * decays those on a 32ms period, which is orders of magnitude off
1697  * from the dozens-of-seconds NUMA balancing period. Use the scheduler
1698  * stats only if the task is so new there are no NUMA statistics yet.
1699  */
1700 static u64 numa_get_avg_runtime(struct task_struct *p, u64 *period)
1701 {
1702         u64 runtime, delta, now;
1703         /* Use the start of this time slice to avoid calculations. */
1704         now = p->se.exec_start;
1705         runtime = p->se.sum_exec_runtime;
1706
1707         if (p->last_task_numa_placement) {
1708                 delta = runtime - p->last_sum_exec_runtime;
1709                 *period = now - p->last_task_numa_placement;
1710         } else {
1711                 delta = p->se.avg.load_sum / p->se.load.weight;
1712                 *period = LOAD_AVG_MAX;
1713         }
1714
1715         p->last_sum_exec_runtime = runtime;
1716         p->last_task_numa_placement = now;
1717
1718         return delta;
1719 }
1720
1721 /*
1722  * Determine the preferred nid for a task in a numa_group. This needs to
1723  * be done in a way that produces consistent results with group_weight,
1724  * otherwise workloads might not converge.
1725  */
1726 static int preferred_group_nid(struct task_struct *p, int nid)
1727 {
1728         nodemask_t nodes;
1729         int dist;
1730
1731         /* Direct connections between all NUMA nodes. */
1732         if (sched_numa_topology_type == NUMA_DIRECT)
1733                 return nid;
1734
1735         /*
1736          * On a system with glueless mesh NUMA topology, group_weight
1737          * scores nodes according to the number of NUMA hinting faults on
1738          * both the node itself, and on nearby nodes.
1739          */
1740         if (sched_numa_topology_type == NUMA_GLUELESS_MESH) {
1741                 unsigned long score, max_score = 0;
1742                 int node, max_node = nid;
1743
1744                 dist = sched_max_numa_distance;
1745
1746                 for_each_online_node(node) {
1747                         score = group_weight(p, node, dist);
1748                         if (score > max_score) {
1749                                 max_score = score;
1750                                 max_node = node;
1751                         }
1752                 }
1753                 return max_node;
1754         }
1755
1756         /*
1757          * Finding the preferred nid in a system with NUMA backplane
1758          * interconnect topology is more involved. The goal is to locate
1759          * tasks from numa_groups near each other in the system, and
1760          * untangle workloads from different sides of the system. This requires
1761          * searching down the hierarchy of node groups, recursively searching
1762          * inside the highest scoring group of nodes. The nodemask tricks
1763          * keep the complexity of the search down.
1764          */
1765         nodes = node_online_map;
1766         for (dist = sched_max_numa_distance; dist > LOCAL_DISTANCE; dist--) {
1767                 unsigned long max_faults = 0;
1768                 nodemask_t max_group = NODE_MASK_NONE;
1769                 int a, b;
1770
1771                 /* Are there nodes at this distance from each other? */
1772                 if (!find_numa_distance(dist))
1773                         continue;
1774
1775                 for_each_node_mask(a, nodes) {
1776                         unsigned long faults = 0;
1777                         nodemask_t this_group;
1778                         nodes_clear(this_group);
1779
1780                         /* Sum group's NUMA faults; includes a==b case. */
1781                         for_each_node_mask(b, nodes) {
1782                                 if (node_distance(a, b) < dist) {
1783                                         faults += group_faults(p, b);
1784                                         node_set(b, this_group);
1785                                         node_clear(b, nodes);
1786                                 }
1787                         }
1788
1789                         /* Remember the top group. */
1790                         if (faults > max_faults) {
1791                                 max_faults = faults;
1792                                 max_group = this_group;
1793                                 /*
1794                                  * subtle: at the smallest distance there is
1795                                  * just one node left in each "group", the
1796                                  * winner is the preferred nid.
1797                                  */
1798                                 nid = a;
1799                         }
1800                 }
1801                 /* Next round, evaluate the nodes within max_group. */
1802                 if (!max_faults)
1803                         break;
1804                 nodes = max_group;
1805         }
1806         return nid;
1807 }
1808
1809 static void task_numa_placement(struct task_struct *p)
1810 {
1811         int seq, nid, max_nid = -1, max_group_nid = -1;
1812         unsigned long max_faults = 0, max_group_faults = 0;
1813         unsigned long fault_types[2] = { 0, 0 };
1814         unsigned long total_faults;
1815         u64 runtime, period;
1816         spinlock_t *group_lock = NULL;
1817
1818         /*
1819          * The p->mm->numa_scan_seq field gets updated without
1820          * exclusive access. Use READ_ONCE() here to ensure
1821          * that the field is read in a single access:
1822          */
1823         seq = READ_ONCE(p->mm->numa_scan_seq);
1824         if (p->numa_scan_seq == seq)
1825                 return;
1826         p->numa_scan_seq = seq;
1827         p->numa_scan_period_max = task_scan_max(p);
1828
1829         total_faults = p->numa_faults_locality[0] +
1830                        p->numa_faults_locality[1];
1831         runtime = numa_get_avg_runtime(p, &period);
1832
1833         /* If the task is part of a group prevent parallel updates to group stats */
1834         if (p->numa_group) {
1835                 group_lock = &p->numa_group->lock;
1836                 spin_lock_irq(group_lock);
1837         }
1838
1839         /* Find the node with the highest number of faults */
1840         for_each_online_node(nid) {
1841                 /* Keep track of the offsets in numa_faults array */
1842                 int mem_idx, membuf_idx, cpu_idx, cpubuf_idx;
1843                 unsigned long faults = 0, group_faults = 0;
1844                 int priv;
1845
1846                 for (priv = 0; priv < NR_NUMA_HINT_FAULT_TYPES; priv++) {
1847                         long diff, f_diff, f_weight;
1848
1849                         mem_idx = task_faults_idx(NUMA_MEM, nid, priv);
1850                         membuf_idx = task_faults_idx(NUMA_MEMBUF, nid, priv);
1851                         cpu_idx = task_faults_idx(NUMA_CPU, nid, priv);
1852                         cpubuf_idx = task_faults_idx(NUMA_CPUBUF, nid, priv);
1853
1854                         /* Decay existing window, copy faults since last scan */
1855                         diff = p->numa_faults[membuf_idx] - p->numa_faults[mem_idx] / 2;
1856                         fault_types[priv] += p->numa_faults[membuf_idx];
1857                         p->numa_faults[membuf_idx] = 0;
1858
1859                         /*
1860                          * Normalize the faults_from, so all tasks in a group
1861                          * count according to CPU use, instead of by the raw
1862                          * number of faults. Tasks with little runtime have
1863                          * little over-all impact on throughput, and thus their
1864                          * faults are less important.
1865                          */
1866                         f_weight = div64_u64(runtime << 16, period + 1);
1867                         f_weight = (f_weight * p->numa_faults[cpubuf_idx]) /
1868                                    (total_faults + 1);
1869                         f_diff = f_weight - p->numa_faults[cpu_idx] / 2;
1870                         p->numa_faults[cpubuf_idx] = 0;
1871
1872                         p->numa_faults[mem_idx] += diff;
1873                         p->numa_faults[cpu_idx] += f_diff;
1874                         faults += p->numa_faults[mem_idx];
1875                         p->total_numa_faults += diff;
1876                         if (p->numa_group) {
1877                                 /*
1878                                  * safe because we can only change our own group
1879                                  *
1880                                  * mem_idx represents the offset for a given
1881                                  * nid and priv in a specific region because it
1882                                  * is at the beginning of the numa_faults array.
1883                                  */
1884                                 p->numa_group->faults[mem_idx] += diff;
1885                                 p->numa_group->faults_cpu[mem_idx] += f_diff;
1886                                 p->numa_group->total_faults += diff;
1887                                 group_faults += p->numa_group->faults[mem_idx];
1888                         }
1889                 }
1890
1891                 if (faults > max_faults) {
1892                         max_faults = faults;
1893                         max_nid = nid;
1894                 }
1895
1896                 if (group_faults > max_group_faults) {
1897                         max_group_faults = group_faults;
1898                         max_group_nid = nid;
1899                 }
1900         }
1901
1902         update_task_scan_period(p, fault_types[0], fault_types[1]);
1903
1904         if (p->numa_group) {
1905                 update_numa_active_node_mask(p->numa_group);
1906                 spin_unlock_irq(group_lock);
1907                 max_nid = preferred_group_nid(p, max_group_nid);
1908         }
1909
1910         if (max_faults) {
1911                 /* Set the new preferred node */
1912                 if (max_nid != p->numa_preferred_nid)
1913                         sched_setnuma(p, max_nid);
1914
1915                 if (task_node(p) != p->numa_preferred_nid)
1916                         numa_migrate_preferred(p);
1917         }
1918 }
1919
1920 static inline int get_numa_group(struct numa_group *grp)
1921 {
1922         return atomic_inc_not_zero(&grp->refcount);
1923 }
1924
1925 static inline void put_numa_group(struct numa_group *grp)
1926 {
1927         if (atomic_dec_and_test(&grp->refcount))
1928                 kfree_rcu(grp, rcu);
1929 }
1930
1931 static void task_numa_group(struct task_struct *p, int cpupid, int flags,
1932                         int *priv)
1933 {
1934         struct numa_group *grp, *my_grp;
1935         struct task_struct *tsk;
1936         bool join = false;
1937         int cpu = cpupid_to_cpu(cpupid);
1938         int i;
1939
1940         if (unlikely(!p->numa_group)) {
1941                 unsigned int size = sizeof(struct numa_group) +
1942                                     4*nr_node_ids*sizeof(unsigned long);
1943
1944                 grp = kzalloc(size, GFP_KERNEL | __GFP_NOWARN);
1945                 if (!grp)
1946                         return;
1947
1948                 atomic_set(&grp->refcount, 1);
1949                 spin_lock_init(&grp->lock);
1950                 grp->gid = p->pid;
1951                 /* Second half of the array tracks nids where faults happen */
1952                 grp->faults_cpu = grp->faults + NR_NUMA_HINT_FAULT_TYPES *
1953                                                 nr_node_ids;
1954
1955                 node_set(task_node(current), grp->active_nodes);
1956
1957                 for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++)
1958                         grp->faults[i] = p->numa_faults[i];
1959
1960                 grp->total_faults = p->total_numa_faults;
1961
1962                 grp->nr_tasks++;
1963                 rcu_assign_pointer(p->numa_group, grp);
1964         }
1965
1966         rcu_read_lock();
1967         tsk = READ_ONCE(cpu_rq(cpu)->curr);
1968
1969         if (!cpupid_match_pid(tsk, cpupid))
1970                 goto no_join;
1971
1972         grp = rcu_dereference(tsk->numa_group);
1973         if (!grp)
1974                 goto no_join;
1975
1976         my_grp = p->numa_group;
1977         if (grp == my_grp)
1978                 goto no_join;
1979
1980         /*
1981          * Only join the other group if its bigger; if we're the bigger group,
1982          * the other task will join us.
1983          */
1984         if (my_grp->nr_tasks > grp->nr_tasks)
1985                 goto no_join;
1986
1987         /*
1988          * Tie-break on the grp address.
1989          */
1990         if (my_grp->nr_tasks == grp->nr_tasks && my_grp > grp)
1991                 goto no_join;
1992
1993         /* Always join threads in the same process. */
1994         if (tsk->mm == current->mm)
1995                 join = true;
1996
1997         /* Simple filter to avoid false positives due to PID collisions */
1998         if (flags & TNF_SHARED)
1999                 join = true;
2000
2001         /* Update priv based on whether false sharing was detected */
2002         *priv = !join;
2003
2004         if (join && !get_numa_group(grp))
2005                 goto no_join;
2006
2007         rcu_read_unlock();
2008
2009         if (!join)
2010                 return;
2011
2012         BUG_ON(irqs_disabled());
2013         double_lock_irq(&my_grp->lock, &grp->lock);
2014
2015         for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++) {
2016                 my_grp->faults[i] -= p->numa_faults[i];
2017                 grp->faults[i] += p->numa_faults[i];
2018         }
2019         my_grp->total_faults -= p->total_numa_faults;
2020         grp->total_faults += p->total_numa_faults;
2021
2022         my_grp->nr_tasks--;
2023         grp->nr_tasks++;
2024
2025         spin_unlock(&my_grp->lock);
2026         spin_unlock_irq(&grp->lock);
2027
2028         rcu_assign_pointer(p->numa_group, grp);
2029
2030         put_numa_group(my_grp);
2031         return;
2032
2033 no_join:
2034         rcu_read_unlock();
2035         return;
2036 }
2037
2038 void task_numa_free(struct task_struct *p)
2039 {
2040         struct numa_group *grp = p->numa_group;
2041         void *numa_faults = p->numa_faults;
2042         unsigned long flags;
2043         int i;
2044
2045         if (grp) {
2046                 spin_lock_irqsave(&grp->lock, flags);
2047                 for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++)
2048                         grp->faults[i] -= p->numa_faults[i];
2049                 grp->total_faults -= p->total_numa_faults;
2050
2051                 grp->nr_tasks--;
2052                 spin_unlock_irqrestore(&grp->lock, flags);
2053                 RCU_INIT_POINTER(p->numa_group, NULL);
2054                 put_numa_group(grp);
2055         }
2056
2057         p->numa_faults = NULL;
2058         kfree(numa_faults);
2059 }
2060
2061 /*
2062  * Got a PROT_NONE fault for a page on @node.
2063  */
2064 void task_numa_fault(int last_cpupid, int mem_node, int pages, int flags)
2065 {
2066         struct task_struct *p = current;
2067         bool migrated = flags & TNF_MIGRATED;
2068         int cpu_node = task_node(current);
2069         int local = !!(flags & TNF_FAULT_LOCAL);
2070         int priv;
2071
2072         if (!numabalancing_enabled)
2073                 return;
2074
2075         /* for example, ksmd faulting in a user's mm */
2076         if (!p->mm)
2077                 return;
2078
2079         /* Allocate buffer to track faults on a per-node basis */
2080         if (unlikely(!p->numa_faults)) {
2081                 int size = sizeof(*p->numa_faults) *
2082                            NR_NUMA_HINT_FAULT_BUCKETS * nr_node_ids;
2083
2084                 p->numa_faults = kzalloc(size, GFP_KERNEL|__GFP_NOWARN);
2085                 if (!p->numa_faults)
2086                         return;
2087
2088                 p->total_numa_faults = 0;
2089                 memset(p->numa_faults_locality, 0, sizeof(p->numa_faults_locality));
2090         }
2091
2092         /*
2093          * First accesses are treated as private, otherwise consider accesses
2094          * to be private if the accessing pid has not changed
2095          */
2096         if (unlikely(last_cpupid == (-1 & LAST_CPUPID_MASK))) {
2097                 priv = 1;
2098         } else {
2099                 priv = cpupid_match_pid(p, last_cpupid);
2100                 if (!priv && !(flags & TNF_NO_GROUP))
2101                         task_numa_group(p, last_cpupid, flags, &priv);
2102         }
2103
2104         /*
2105          * If a workload spans multiple NUMA nodes, a shared fault that
2106          * occurs wholly within the set of nodes that the workload is
2107          * actively using should be counted as local. This allows the
2108          * scan rate to slow down when a workload has settled down.
2109          */
2110         if (!priv && !local && p->numa_group &&
2111                         node_isset(cpu_node, p->numa_group->active_nodes) &&
2112                         node_isset(mem_node, p->numa_group->active_nodes))
2113                 local = 1;
2114
2115         task_numa_placement(p);
2116
2117         /*
2118          * Retry task to preferred node migration periodically, in case it
2119          * case it previously failed, or the scheduler moved us.
2120          */
2121         if (time_after(jiffies, p->numa_migrate_retry))
2122                 numa_migrate_preferred(p);
2123
2124         if (migrated)
2125                 p->numa_pages_migrated += pages;
2126         if (flags & TNF_MIGRATE_FAIL)
2127                 p->numa_faults_locality[2] += pages;
2128
2129         p->numa_faults[task_faults_idx(NUMA_MEMBUF, mem_node, priv)] += pages;
2130         p->numa_faults[task_faults_idx(NUMA_CPUBUF, cpu_node, priv)] += pages;
2131         p->numa_faults_locality[local] += pages;
2132 }
2133
2134 static void reset_ptenuma_scan(struct task_struct *p)
2135 {
2136         /*
2137          * We only did a read acquisition of the mmap sem, so
2138          * p->mm->numa_scan_seq is written to without exclusive access
2139          * and the update is not guaranteed to be atomic. That's not
2140          * much of an issue though, since this is just used for
2141          * statistical sampling. Use READ_ONCE/WRITE_ONCE, which are not
2142          * expensive, to avoid any form of compiler optimizations:
2143          */
2144         WRITE_ONCE(p->mm->numa_scan_seq, READ_ONCE(p->mm->numa_scan_seq) + 1);
2145         p->mm->numa_scan_offset = 0;
2146 }
2147
2148 /*
2149  * The expensive part of numa migration is done from task_work context.
2150  * Triggered from task_tick_numa().
2151  */
2152 void task_numa_work(struct callback_head *work)
2153 {
2154         unsigned long migrate, next_scan, now = jiffies;
2155         struct task_struct *p = current;
2156         struct mm_struct *mm = p->mm;
2157         struct vm_area_struct *vma;
2158         unsigned long start, end;
2159         unsigned long nr_pte_updates = 0;
2160         long pages;
2161
2162         WARN_ON_ONCE(p != container_of(work, struct task_struct, numa_work));
2163
2164         work->next = work; /* protect against double add */
2165         /*
2166          * Who cares about NUMA placement when they're dying.
2167          *
2168          * NOTE: make sure not to dereference p->mm before this check,
2169          * exit_task_work() happens _after_ exit_mm() so we could be called
2170          * without p->mm even though we still had it when we enqueued this
2171          * work.
2172          */
2173         if (p->flags & PF_EXITING)
2174                 return;
2175
2176         if (!mm->numa_next_scan) {
2177                 mm->numa_next_scan = now +
2178                         msecs_to_jiffies(sysctl_numa_balancing_scan_delay);
2179         }
2180
2181         /*
2182          * Enforce maximal scan/migration frequency..
2183          */
2184         migrate = mm->numa_next_scan;
2185         if (time_before(now, migrate))
2186                 return;
2187
2188         if (p->numa_scan_period == 0) {
2189                 p->numa_scan_period_max = task_scan_max(p);
2190                 p->numa_scan_period = task_scan_min(p);
2191         }
2192
2193         next_scan = now + msecs_to_jiffies(p->numa_scan_period);
2194         if (cmpxchg(&mm->numa_next_scan, migrate, next_scan) != migrate)
2195                 return;
2196
2197         /*
2198          * Delay this task enough that another task of this mm will likely win
2199          * the next time around.
2200          */
2201         p->node_stamp += 2 * TICK_NSEC;
2202
2203         start = mm->numa_scan_offset;
2204         pages = sysctl_numa_balancing_scan_size;
2205         pages <<= 20 - PAGE_SHIFT; /* MB in pages */
2206         if (!pages)
2207                 return;
2208
2209         down_read(&mm->mmap_sem);
2210         vma = find_vma(mm, start);
2211         if (!vma) {
2212                 reset_ptenuma_scan(p);
2213                 start = 0;
2214                 vma = mm->mmap;
2215         }
2216         for (; vma; vma = vma->vm_next) {
2217                 if (!vma_migratable(vma) || !vma_policy_mof(vma) ||
2218                         is_vm_hugetlb_page(vma) || (vma->vm_flags & VM_MIXEDMAP)) {
2219                         continue;
2220                 }
2221
2222                 /*
2223                  * Shared library pages mapped by multiple processes are not
2224                  * migrated as it is expected they are cache replicated. Avoid
2225                  * hinting faults in read-only file-backed mappings or the vdso
2226                  * as migrating the pages will be of marginal benefit.
2227                  */
2228                 if (!vma->vm_mm ||
2229                     (vma->vm_file && (vma->vm_flags & (VM_READ|VM_WRITE)) == (VM_READ)))
2230                         continue;
2231
2232                 /*
2233                  * Skip inaccessible VMAs to avoid any confusion between
2234                  * PROT_NONE and NUMA hinting ptes
2235                  */
2236                 if (!(vma->vm_flags & (VM_READ | VM_EXEC | VM_WRITE)))
2237                         continue;
2238
2239                 do {
2240                         start = max(start, vma->vm_start);
2241                         end = ALIGN(start + (pages << PAGE_SHIFT), HPAGE_SIZE);
2242                         end = min(end, vma->vm_end);
2243                         nr_pte_updates += change_prot_numa(vma, start, end);
2244
2245                         /*
2246                          * Scan sysctl_numa_balancing_scan_size but ensure that
2247                          * at least one PTE is updated so that unused virtual
2248                          * address space is quickly skipped.
2249                          */
2250                         if (nr_pte_updates)
2251                                 pages -= (end - start) >> PAGE_SHIFT;
2252
2253                         start = end;
2254                         if (pages <= 0)
2255                                 goto out;
2256
2257                         cond_resched();
2258                 } while (end != vma->vm_end);
2259         }
2260
2261 out:
2262         /*
2263          * It is possible to reach the end of the VMA list but the last few
2264          * VMAs are not guaranteed to the vma_migratable. If they are not, we
2265          * would find the !migratable VMA on the next scan but not reset the
2266          * scanner to the start so check it now.
2267          */
2268         if (vma)
2269                 mm->numa_scan_offset = start;
2270         else
2271                 reset_ptenuma_scan(p);
2272         up_read(&mm->mmap_sem);
2273 }
2274
2275 /*
2276  * Drive the periodic memory faults..
2277  */
2278 void task_tick_numa(struct rq *rq, struct task_struct *curr)
2279 {
2280         struct callback_head *work = &curr->numa_work;
2281         u64 period, now;
2282
2283         /*
2284          * We don't care about NUMA placement if we don't have memory.
2285          */
2286         if (!curr->mm || (curr->flags & PF_EXITING) || work->next != work)
2287                 return;
2288
2289         /*
2290          * Using runtime rather than walltime has the dual advantage that
2291          * we (mostly) drive the selection from busy threads and that the
2292          * task needs to have done some actual work before we bother with
2293          * NUMA placement.
2294          */
2295         now = curr->se.sum_exec_runtime;
2296         period = (u64)curr->numa_scan_period * NSEC_PER_MSEC;
2297
2298         if (now - curr->node_stamp > period) {
2299                 if (!curr->node_stamp)
2300                         curr->numa_scan_period = task_scan_min(curr);
2301                 curr->node_stamp += period;
2302
2303                 if (!time_before(jiffies, curr->mm->numa_next_scan)) {
2304                         init_task_work(work, task_numa_work); /* TODO: move this into sched_fork() */
2305                         task_work_add(curr, work, true);
2306                 }
2307         }
2308 }
2309 #else
2310 static void task_tick_numa(struct rq *rq, struct task_struct *curr)
2311 {
2312 }
2313
2314 static inline void account_numa_enqueue(struct rq *rq, struct task_struct *p)
2315 {
2316 }
2317
2318 static inline void account_numa_dequeue(struct rq *rq, struct task_struct *p)
2319 {
2320 }
2321 #endif /* CONFIG_NUMA_BALANCING */
2322
2323 static void
2324 account_entity_enqueue(struct cfs_rq *cfs_rq, struct sched_entity *se)
2325 {
2326         update_load_add(&cfs_rq->load, se->load.weight);
2327         if (!parent_entity(se))
2328                 update_load_add(&rq_of(cfs_rq)->load, se->load.weight);
2329 #ifdef CONFIG_SMP
2330         if (entity_is_task(se)) {
2331                 struct rq *rq = rq_of(cfs_rq);
2332
2333                 account_numa_enqueue(rq, task_of(se));
2334                 list_add(&se->group_node, &rq->cfs_tasks);
2335         }
2336 #endif
2337         cfs_rq->nr_running++;
2338 }
2339
2340 static void
2341 account_entity_dequeue(struct cfs_rq *cfs_rq, struct sched_entity *se)
2342 {
2343         update_load_sub(&cfs_rq->load, se->load.weight);
2344         if (!parent_entity(se))
2345                 update_load_sub(&rq_of(cfs_rq)->load, se->load.weight);
2346         if (entity_is_task(se)) {
2347                 account_numa_dequeue(rq_of(cfs_rq), task_of(se));
2348                 list_del_init(&se->group_node);
2349         }
2350         cfs_rq->nr_running--;
2351 }
2352
2353 #ifdef CONFIG_FAIR_GROUP_SCHED
2354 # ifdef CONFIG_SMP
2355 static inline long calc_tg_weight(struct task_group *tg, struct cfs_rq *cfs_rq)
2356 {
2357         long tg_weight;
2358
2359         /*
2360          * Use this CPU's real-time load instead of the last load contribution
2361          * as the updating of the contribution is delayed, and we will use the
2362          * the real-time load to calc the share. See update_tg_load_avg().
2363          */
2364         tg_weight = atomic_long_read(&tg->load_avg);
2365         tg_weight -= cfs_rq->tg_load_avg_contrib;
2366         tg_weight += cfs_rq->load.weight;
2367
2368         return tg_weight;
2369 }
2370
2371 static long calc_cfs_shares(struct cfs_rq *cfs_rq, struct task_group *tg)
2372 {
2373         long tg_weight, load, shares;
2374
2375         tg_weight = calc_tg_weight(tg, cfs_rq);
2376         load = cfs_rq->load.weight;
2377
2378         shares = (tg->shares * load);
2379         if (tg_weight)
2380                 shares /= tg_weight;
2381
2382         if (shares < MIN_SHARES)
2383                 shares = MIN_SHARES;
2384         if (shares > tg->shares)
2385                 shares = tg->shares;
2386
2387         return shares;
2388 }
2389 # else /* CONFIG_SMP */
2390 static inline long calc_cfs_shares(struct cfs_rq *cfs_rq, struct task_group *tg)
2391 {
2392         return tg->shares;
2393 }
2394 # endif /* CONFIG_SMP */
2395 static void reweight_entity(struct cfs_rq *cfs_rq, struct sched_entity *se,
2396                             unsigned long weight)
2397 {
2398         if (se->on_rq) {
2399                 /* commit outstanding execution time */
2400                 if (cfs_rq->curr == se)
2401                         update_curr(cfs_rq);
2402                 account_entity_dequeue(cfs_rq, se);
2403         }
2404
2405         update_load_set(&se->load, weight);
2406
2407         if (se->on_rq)
2408                 account_entity_enqueue(cfs_rq, se);
2409 }
2410
2411 static inline int throttled_hierarchy(struct cfs_rq *cfs_rq);
2412
2413 static void update_cfs_shares(struct cfs_rq *cfs_rq)
2414 {
2415         struct task_group *tg;
2416         struct sched_entity *se;
2417         long shares;
2418
2419         tg = cfs_rq->tg;
2420         se = tg->se[cpu_of(rq_of(cfs_rq))];
2421         if (!se || throttled_hierarchy(cfs_rq))
2422                 return;
2423 #ifndef CONFIG_SMP
2424         if (likely(se->load.weight == tg->shares))
2425                 return;
2426 #endif
2427         shares = calc_cfs_shares(cfs_rq, tg);
2428
2429         reweight_entity(cfs_rq_of(se), se, shares);
2430 }
2431 #else /* CONFIG_FAIR_GROUP_SCHED */
2432 static inline void update_cfs_shares(struct cfs_rq *cfs_rq)
2433 {
2434 }
2435 #endif /* CONFIG_FAIR_GROUP_SCHED */
2436
2437 #ifdef CONFIG_SMP
2438 /* Precomputed fixed inverse multiplies for multiplication by y^n */
2439 static const u32 runnable_avg_yN_inv[] = {
2440         0xffffffff, 0xfa83b2da, 0xf5257d14, 0xefe4b99a, 0xeac0c6e6, 0xe5b906e6,
2441         0xe0ccdeeb, 0xdbfbb796, 0xd744fcc9, 0xd2a81d91, 0xce248c14, 0xc9b9bd85,
2442         0xc5672a10, 0xc12c4cc9, 0xbd08a39e, 0xb8fbaf46, 0xb504f333, 0xb123f581,
2443         0xad583ee9, 0xa9a15ab4, 0xa5fed6a9, 0xa2704302, 0x9ef5325f, 0x9b8d39b9,
2444         0x9837f050, 0x94f4efa8, 0x91c3d373, 0x8ea4398a, 0x8b95c1e3, 0x88980e80,
2445         0x85aac367, 0x82cd8698,
2446 };
2447
2448 /*
2449  * Precomputed \Sum y^k { 1<=k<=n }.  These are floor(true_value) to prevent
2450  * over-estimates when re-combining.
2451  */
2452 static const u32 runnable_avg_yN_sum[] = {
2453             0, 1002, 1982, 2941, 3880, 4798, 5697, 6576, 7437, 8279, 9103,
2454          9909,10698,11470,12226,12966,13690,14398,15091,15769,16433,17082,
2455         17718,18340,18949,19545,20128,20698,21256,21802,22336,22859,23371,
2456 };
2457
2458 /*
2459  * Approximate:
2460  *   val * y^n,    where y^32 ~= 0.5 (~1 scheduling period)
2461  */
2462 static __always_inline u64 decay_load(u64 val, u64 n)
2463 {
2464         unsigned int local_n;
2465
2466         if (!n)
2467                 return val;
2468         else if (unlikely(n > LOAD_AVG_PERIOD * 63))
2469                 return 0;
2470
2471         /* after bounds checking we can collapse to 32-bit */
2472         local_n = n;
2473
2474         /*
2475          * As y^PERIOD = 1/2, we can combine
2476          *    y^n = 1/2^(n/PERIOD) * y^(n%PERIOD)
2477          * With a look-up table which covers y^n (n<PERIOD)
2478          *
2479          * To achieve constant time decay_load.
2480          */
2481         if (unlikely(local_n >= LOAD_AVG_PERIOD)) {
2482                 val >>= local_n / LOAD_AVG_PERIOD;
2483                 local_n %= LOAD_AVG_PERIOD;
2484         }
2485
2486         val = mul_u64_u32_shr(val, runnable_avg_yN_inv[local_n], 32);
2487         return val;
2488 }
2489
2490 /*
2491  * For updates fully spanning n periods, the contribution to runnable
2492  * average will be: \Sum 1024*y^n
2493  *
2494  * We can compute this reasonably efficiently by combining:
2495  *   y^PERIOD = 1/2 with precomputed \Sum 1024*y^n {for  n <PERIOD}
2496  */
2497 static u32 __compute_runnable_contrib(u64 n)
2498 {
2499         u32 contrib = 0;
2500
2501         if (likely(n <= LOAD_AVG_PERIOD))
2502                 return runnable_avg_yN_sum[n];
2503         else if (unlikely(n >= LOAD_AVG_MAX_N))
2504                 return LOAD_AVG_MAX;
2505
2506         /* Compute \Sum k^n combining precomputed values for k^i, \Sum k^j */
2507         do {
2508                 contrib /= 2; /* y^LOAD_AVG_PERIOD = 1/2 */
2509                 contrib += runnable_avg_yN_sum[LOAD_AVG_PERIOD];
2510
2511                 n -= LOAD_AVG_PERIOD;
2512         } while (n > LOAD_AVG_PERIOD);
2513
2514         contrib = decay_load(contrib, n);
2515         return contrib + runnable_avg_yN_sum[n];
2516 }
2517
2518 /*
2519  * We can represent the historical contribution to runnable average as the
2520  * coefficients of a geometric series.  To do this we sub-divide our runnable
2521  * history into segments of approximately 1ms (1024us); label the segment that
2522  * occurred N-ms ago p_N, with p_0 corresponding to the current period, e.g.
2523  *
2524  * [<- 1024us ->|<- 1024us ->|<- 1024us ->| ...
2525  *      p0            p1           p2
2526  *     (now)       (~1ms ago)  (~2ms ago)
2527  *
2528  * Let u_i denote the fraction of p_i that the entity was runnable.
2529  *
2530  * We then designate the fractions u_i as our co-efficients, yielding the
2531  * following representation of historical load:
2532  *   u_0 + u_1*y + u_2*y^2 + u_3*y^3 + ...
2533  *
2534  * We choose y based on the with of a reasonably scheduling period, fixing:
2535  *   y^32 = 0.5
2536  *
2537  * This means that the contribution to load ~32ms ago (u_32) will be weighted
2538  * approximately half as much as the contribution to load within the last ms
2539  * (u_0).
2540  *
2541  * When a period "rolls over" and we have new u_0`, multiplying the previous
2542  * sum again by y is sufficient to update:
2543  *   load_avg = u_0` + y*(u_0 + u_1*y + u_2*y^2 + ... )
2544  *            = u_0 + u_1*y + u_2*y^2 + ... [re-labeling u_i --> u_{i+1}]
2545  */
2546 static __always_inline int
2547 __update_load_avg(u64 now, int cpu, struct sched_avg *sa,
2548                   unsigned long weight, int running, struct cfs_rq *cfs_rq)
2549 {
2550         u64 delta, periods;
2551         u32 contrib;
2552         int delta_w, decayed = 0;
2553         unsigned long scale_freq = arch_scale_freq_capacity(NULL, cpu);
2554
2555         delta = now - sa->last_update_time;
2556         /*
2557          * This should only happen when time goes backwards, which it
2558          * unfortunately does during sched clock init when we swap over to TSC.
2559          */
2560         if ((s64)delta < 0) {
2561                 sa->last_update_time = now;
2562                 return 0;
2563         }
2564
2565         /*
2566          * Use 1024ns as the unit of measurement since it's a reasonable
2567          * approximation of 1us and fast to compute.
2568          */
2569         delta >>= 10;
2570         if (!delta)
2571                 return 0;
2572         sa->last_update_time = now;
2573
2574         /* delta_w is the amount already accumulated against our next period */
2575         delta_w = sa->period_contrib;
2576         if (delta + delta_w >= 1024) {
2577                 decayed = 1;
2578
2579                 /* how much left for next period will start over, we don't know yet */
2580                 sa->period_contrib = 0;
2581
2582                 /*
2583                  * Now that we know we're crossing a period boundary, figure
2584                  * out how much from delta we need to complete the current
2585                  * period and accrue it.
2586                  */
2587                 delta_w = 1024 - delta_w;
2588                 if (weight) {
2589                         sa->load_sum += weight * delta_w;
2590                         if (cfs_rq)
2591                                 cfs_rq->runnable_load_sum += weight * delta_w;
2592                 }
2593                 if (running)
2594                         sa->util_sum += delta_w * scale_freq >> SCHED_CAPACITY_SHIFT;
2595
2596                 delta -= delta_w;
2597
2598                 /* Figure out how many additional periods this update spans */
2599                 periods = delta / 1024;
2600                 delta %= 1024;
2601
2602                 sa->load_sum = decay_load(sa->load_sum, periods + 1);
2603                 if (cfs_rq) {
2604                         cfs_rq->runnable_load_sum =
2605                                 decay_load(cfs_rq->runnable_load_sum, periods + 1);
2606                 }
2607                 sa->util_sum = decay_load((u64)(sa->util_sum), periods + 1);
2608
2609                 /* Efficiently calculate \sum (1..n_period) 1024*y^i */
2610                 contrib = __compute_runnable_contrib(periods);
2611                 if (weight) {
2612                         sa->load_sum += weight * contrib;
2613                         if (cfs_rq)
2614                                 cfs_rq->runnable_load_sum += weight * contrib;
2615                 }
2616                 if (running)
2617                         sa->util_sum += contrib * scale_freq >> SCHED_CAPACITY_SHIFT;
2618         }
2619
2620         /* Remainder of delta accrued against u_0` */
2621         if (weight) {
2622                 sa->load_sum += weight * delta;
2623                 if (cfs_rq)
2624                         cfs_rq->runnable_load_sum += weight * delta;
2625         }
2626         if (running)
2627                 sa->util_sum += delta * scale_freq >> SCHED_CAPACITY_SHIFT;
2628
2629         sa->period_contrib += delta;
2630
2631         if (decayed) {
2632                 sa->load_avg = div_u64(sa->load_sum, LOAD_AVG_MAX);
2633                 if (cfs_rq) {
2634                         cfs_rq->runnable_load_avg =
2635                                 div_u64(cfs_rq->runnable_load_sum, LOAD_AVG_MAX);
2636                 }
2637                 sa->util_avg = (sa->util_sum << SCHED_LOAD_SHIFT) / LOAD_AVG_MAX;
2638         }
2639
2640         return decayed;
2641 }
2642
2643 #ifdef CONFIG_FAIR_GROUP_SCHED
2644 /*
2645  * Updating tg's load_avg is necessary before update_cfs_share (which is done)
2646  * and effective_load (which is not done because it is too costly).
2647  */
2648 static inline void update_tg_load_avg(struct cfs_rq *cfs_rq, int force)
2649 {
2650         long delta = cfs_rq->avg.load_avg - cfs_rq->tg_load_avg_contrib;
2651
2652         if (force || abs(delta) > cfs_rq->tg_load_avg_contrib / 64) {
2653                 atomic_long_add(delta, &cfs_rq->tg->load_avg);
2654                 cfs_rq->tg_load_avg_contrib = cfs_rq->avg.load_avg;
2655         }
2656 }
2657
2658 #else /* CONFIG_FAIR_GROUP_SCHED */
2659 static inline void update_tg_load_avg(struct cfs_rq *cfs_rq, int force) {}
2660 #endif /* CONFIG_FAIR_GROUP_SCHED */
2661
2662 static inline u64 cfs_rq_clock_task(struct cfs_rq *cfs_rq);
2663
2664 /* Group cfs_rq's load_avg is used for task_h_load and update_cfs_share */
2665 static inline int update_cfs_rq_load_avg(u64 now, struct cfs_rq *cfs_rq)
2666 {
2667         struct sched_avg *sa = &cfs_rq->avg;
2668         int decayed, removed = 0;
2669
2670         if (atomic_long_read(&cfs_rq->removed_load_avg)) {
2671                 long r = atomic_long_xchg(&cfs_rq->removed_load_avg, 0);
2672                 sa->load_avg = max_t(long, sa->load_avg - r, 0);
2673                 sa->load_sum = max_t(s64, sa->load_sum - r * LOAD_AVG_MAX, 0);
2674                 removed = 1;
2675         }
2676
2677         if (atomic_long_read(&cfs_rq->removed_util_avg)) {
2678                 long r = atomic_long_xchg(&cfs_rq->removed_util_avg, 0);
2679                 sa->util_avg = max_t(long, sa->util_avg - r, 0);
2680                 sa->util_sum = max_t(s32, sa->util_sum -
2681                         ((r * LOAD_AVG_MAX) >> SCHED_LOAD_SHIFT), 0);
2682         }
2683
2684         decayed = __update_load_avg(now, cpu_of(rq_of(cfs_rq)), sa,
2685                 scale_load_down(cfs_rq->load.weight), cfs_rq->curr != NULL, cfs_rq);
2686
2687 #ifndef CONFIG_64BIT
2688         smp_wmb();
2689         cfs_rq->load_last_update_time_copy = sa->last_update_time;
2690 #endif
2691
2692         return decayed || removed;
2693 }
2694
2695 /* Update task and its cfs_rq load average */
2696 static inline void update_load_avg(struct sched_entity *se, int update_tg)
2697 {
2698         struct cfs_rq *cfs_rq = cfs_rq_of(se);
2699         int cpu = cpu_of(rq_of(cfs_rq));
2700         u64 now = cfs_rq_clock_task(cfs_rq);
2701
2702         /*
2703          * Track task load average for carrying it to new CPU after migrated, and
2704          * track group sched_entity load average for task_h_load calc in migration
2705          */
2706         __update_load_avg(now, cpu, &se->avg,
2707                 se->on_rq * scale_load_down(se->load.weight), cfs_rq->curr == se, NULL);
2708
2709         if (update_cfs_rq_load_avg(now, cfs_rq) && update_tg)
2710                 update_tg_load_avg(cfs_rq, 0);
2711 }
2712
2713 /* Add the load generated by se into cfs_rq's load average */
2714 static inline void
2715 enqueue_entity_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se)
2716 {
2717         struct sched_avg *sa = &se->avg;
2718         u64 now = cfs_rq_clock_task(cfs_rq);
2719         int migrated = 0, decayed;
2720
2721         if (sa->last_update_time == 0) {
2722                 sa->last_update_time = now;
2723                 migrated = 1;
2724         }
2725         else {
2726                 __update_load_avg(now, cpu_of(rq_of(cfs_rq)), sa,
2727                         se->on_rq * scale_load_down(se->load.weight),
2728                         cfs_rq->curr == se, NULL);
2729         }
2730
2731         decayed = update_cfs_rq_load_avg(now, cfs_rq);
2732
2733         cfs_rq->runnable_load_avg += sa->load_avg;
2734         cfs_rq->runnable_load_sum += sa->load_sum;
2735
2736         if (migrated) {
2737                 cfs_rq->avg.load_avg += sa->load_avg;
2738                 cfs_rq->avg.load_sum += sa->load_sum;
2739                 cfs_rq->avg.util_avg += sa->util_avg;
2740                 cfs_rq->avg.util_sum += sa->util_sum;
2741         }
2742
2743         if (decayed || migrated)
2744                 update_tg_load_avg(cfs_rq, 0);
2745 }
2746
2747 /* Remove the runnable load generated by se from cfs_rq's runnable load average */
2748 static inline void
2749 dequeue_entity_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se)
2750 {
2751         update_load_avg(se, 1);
2752
2753         cfs_rq->runnable_load_avg =
2754                 max_t(long, cfs_rq->runnable_load_avg - se->avg.load_avg, 0);
2755         cfs_rq->runnable_load_sum =
2756                 max_t(s64, cfs_rq->runnable_load_sum - se->avg.load_sum, 0);
2757 }
2758
2759 /*
2760  * Task first catches up with cfs_rq, and then subtract
2761  * itself from the cfs_rq (task must be off the queue now).
2762  */
2763 void remove_entity_load_avg(struct sched_entity *se)
2764 {
2765         struct cfs_rq *cfs_rq = cfs_rq_of(se);
2766         u64 last_update_time;
2767
2768 #ifndef CONFIG_64BIT
2769         u64 last_update_time_copy;
2770
2771         do {
2772                 last_update_time_copy = cfs_rq->load_last_update_time_copy;
2773                 smp_rmb();
2774                 last_update_time = cfs_rq->avg.last_update_time;
2775         } while (last_update_time != last_update_time_copy);
2776 #else
2777         last_update_time = cfs_rq->avg.last_update_time;
2778 #endif
2779
2780         __update_load_avg(last_update_time, cpu_of(rq_of(cfs_rq)), &se->avg, 0, 0, NULL);
2781         atomic_long_add(se->avg.load_avg, &cfs_rq->removed_load_avg);
2782         atomic_long_add(se->avg.util_avg, &cfs_rq->removed_util_avg);
2783 }
2784
2785 /*
2786  * Update the rq's load with the elapsed running time before entering
2787  * idle. if the last scheduled task is not a CFS task, idle_enter will
2788  * be the only way to update the runnable statistic.
2789  */
2790 void idle_enter_fair(struct rq *this_rq)
2791 {
2792 }
2793
2794 /*
2795  * Update the rq's load with the elapsed idle time before a task is
2796  * scheduled. if the newly scheduled task is not a CFS task, idle_exit will
2797  * be the only way to update the runnable statistic.
2798  */
2799 void idle_exit_fair(struct rq *this_rq)
2800 {
2801 }
2802
2803 static inline unsigned long cfs_rq_runnable_load_avg(struct cfs_rq *cfs_rq)
2804 {
2805         return cfs_rq->runnable_load_avg;
2806 }
2807
2808 static inline unsigned long cfs_rq_load_avg(struct cfs_rq *cfs_rq)
2809 {
2810         return cfs_rq->avg.load_avg;
2811 }
2812
2813 static int idle_balance(struct rq *this_rq);
2814
2815 #else /* CONFIG_SMP */
2816
2817 static inline void update_load_avg(struct sched_entity *se, int update_tg) {}
2818 static inline void
2819 enqueue_entity_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se) {}
2820 static inline void
2821 dequeue_entity_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se) {}
2822 static inline void remove_entity_load_avg(struct sched_entity *se) {}
2823
2824 static inline int idle_balance(struct rq *rq)
2825 {
2826         return 0;
2827 }
2828
2829 #endif /* CONFIG_SMP */
2830
2831 static void enqueue_sleeper(struct cfs_rq *cfs_rq, struct sched_entity *se)
2832 {
2833 #ifdef CONFIG_SCHEDSTATS
2834         struct task_struct *tsk = NULL;
2835
2836         if (entity_is_task(se))
2837                 tsk = task_of(se);
2838
2839         if (se->statistics.sleep_start) {
2840                 u64 delta = rq_clock(rq_of(cfs_rq)) - se->statistics.sleep_start;
2841
2842                 if ((s64)delta < 0)
2843                         delta = 0;
2844
2845                 if (unlikely(delta > se->statistics.sleep_max))
2846                         se->statistics.sleep_max = delta;
2847
2848                 se->statistics.sleep_start = 0;
2849                 se->statistics.sum_sleep_runtime += delta;
2850
2851                 if (tsk) {
2852                         account_scheduler_latency(tsk, delta >> 10, 1);
2853                         trace_sched_stat_sleep(tsk, delta);
2854                 }
2855         }
2856         if (se->statistics.block_start) {
2857                 u64 delta = rq_clock(rq_of(cfs_rq)) - se->statistics.block_start;
2858
2859                 if ((s64)delta < 0)
2860                         delta = 0;
2861
2862                 if (unlikely(delta > se->statistics.block_max))
2863                         se->statistics.block_max = delta;
2864
2865                 se->statistics.block_start = 0;
2866                 se->statistics.sum_sleep_runtime += delta;
2867
2868                 if (tsk) {
2869                         if (tsk->in_iowait) {
2870                                 se->statistics.iowait_sum += delta;
2871                                 se->statistics.iowait_count++;
2872                                 trace_sched_stat_iowait(tsk, delta);
2873                         }
2874
2875                         trace_sched_stat_blocked(tsk, delta);
2876
2877                         /*
2878                          * Blocking time is in units of nanosecs, so shift by
2879                          * 20 to get a milliseconds-range estimation of the
2880                          * amount of time that the task spent sleeping:
2881                          */
2882                         if (unlikely(prof_on == SLEEP_PROFILING)) {
2883                                 profile_hits(SLEEP_PROFILING,
2884                                                 (void *)get_wchan(tsk),
2885                                                 delta >> 20);
2886                         }
2887                         account_scheduler_latency(tsk, delta >> 10, 0);
2888                 }
2889         }
2890 #endif
2891 }
2892
2893 static void check_spread(struct cfs_rq *cfs_rq, struct sched_entity *se)
2894 {
2895 #ifdef CONFIG_SCHED_DEBUG
2896         s64 d = se->vruntime - cfs_rq->min_vruntime;
2897
2898         if (d < 0)
2899                 d = -d;
2900
2901         if (d > 3*sysctl_sched_latency)
2902                 schedstat_inc(cfs_rq, nr_spread_over);
2903 #endif
2904 }
2905
2906 static void
2907 place_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int initial)
2908 {
2909         u64 vruntime = cfs_rq->min_vruntime;
2910
2911         /*
2912          * The 'current' period is already promised to the current tasks,
2913          * however the extra weight of the new task will slow them down a
2914          * little, place the new task so that it fits in the slot that
2915          * stays open at the end.
2916          */
2917         if (initial && sched_feat(START_DEBIT))
2918                 vruntime += sched_vslice(cfs_rq, se);
2919
2920         /* sleeps up to a single latency don't count. */
2921         if (!initial) {
2922                 unsigned long thresh = sysctl_sched_latency;
2923
2924                 /*
2925                  * Halve their sleep time's effect, to allow
2926                  * for a gentler effect of sleepers:
2927                  */
2928                 if (sched_feat(GENTLE_FAIR_SLEEPERS))
2929                         thresh >>= 1;
2930
2931                 vruntime -= thresh;
2932         }
2933
2934         /* ensure we never gain time by being placed backwards. */
2935         se->vruntime = max_vruntime(se->vruntime, vruntime);
2936 }
2937
2938 static void check_enqueue_throttle(struct cfs_rq *cfs_rq);
2939
2940 static void
2941 enqueue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
2942 {
2943         /*
2944          * Update the normalized vruntime before updating min_vruntime
2945          * through calling update_curr().
2946          */
2947         if (!(flags & ENQUEUE_WAKEUP) || (flags & ENQUEUE_WAKING))
2948                 se->vruntime += cfs_rq->min_vruntime;
2949
2950         /*
2951          * Update run-time statistics of the 'current'.
2952          */
2953         update_curr(cfs_rq);
2954         enqueue_entity_load_avg(cfs_rq, se);
2955         account_entity_enqueue(cfs_rq, se);
2956         update_cfs_shares(cfs_rq);
2957
2958         if (flags & ENQUEUE_WAKEUP) {
2959                 place_entity(cfs_rq, se, 0);
2960                 enqueue_sleeper(cfs_rq, se);
2961         }
2962
2963         update_stats_enqueue(cfs_rq, se);
2964         check_spread(cfs_rq, se);
2965         if (se != cfs_rq->curr)
2966                 __enqueue_entity(cfs_rq, se);
2967         se->on_rq = 1;
2968
2969         if (cfs_rq->nr_running == 1) {
2970                 list_add_leaf_cfs_rq(cfs_rq);
2971                 check_enqueue_throttle(cfs_rq);
2972         }
2973 }
2974
2975 static void __clear_buddies_last(struct sched_entity *se)
2976 {
2977         for_each_sched_entity(se) {
2978                 struct cfs_rq *cfs_rq = cfs_rq_of(se);
2979                 if (cfs_rq->last != se)
2980                         break;
2981
2982                 cfs_rq->last = NULL;
2983         }
2984 }
2985
2986 static void __clear_buddies_next(struct sched_entity *se)
2987 {
2988         for_each_sched_entity(se) {
2989                 struct cfs_rq *cfs_rq = cfs_rq_of(se);
2990                 if (cfs_rq->next != se)
2991                         break;
2992
2993                 cfs_rq->next = NULL;
2994         }
2995 }
2996
2997 static void __clear_buddies_skip(struct sched_entity *se)
2998 {
2999         for_each_sched_entity(se) {
3000                 struct cfs_rq *cfs_rq = cfs_rq_of(se);
3001                 if (cfs_rq->skip != se)
3002                         break;
3003
3004                 cfs_rq->skip = NULL;
3005         }
3006 }
3007
3008 static void clear_buddies(struct cfs_rq *cfs_rq, struct sched_entity *se)
3009 {
3010         if (cfs_rq->last == se)
3011                 __clear_buddies_last(se);
3012
3013         if (cfs_rq->next == se)
3014                 __clear_buddies_next(se);
3015
3016         if (cfs_rq->skip == se)
3017                 __clear_buddies_skip(se);
3018 }
3019
3020 static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq);
3021
3022 static void
3023 dequeue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
3024 {
3025         /*
3026          * Update run-time statistics of the 'current'.
3027          */
3028         update_curr(cfs_rq);
3029         dequeue_entity_load_avg(cfs_rq, se);
3030
3031         update_stats_dequeue(cfs_rq, se);
3032         if (flags & DEQUEUE_SLEEP) {
3033 #ifdef CONFIG_SCHEDSTATS
3034                 if (entity_is_task(se)) {
3035                         struct task_struct *tsk = task_of(se);
3036
3037                         if (tsk->state & TASK_INTERRUPTIBLE)
3038                                 se->statistics.sleep_start = rq_clock(rq_of(cfs_rq));
3039                         if (tsk->state & TASK_UNINTERRUPTIBLE)
3040                                 se->statistics.block_start = rq_clock(rq_of(cfs_rq));
3041                 }
3042 #endif
3043         }
3044
3045         clear_buddies(cfs_rq, se);
3046
3047         if (se != cfs_rq->curr)
3048                 __dequeue_entity(cfs_rq, se);
3049         se->on_rq = 0;
3050         account_entity_dequeue(cfs_rq, se);
3051
3052         /*
3053          * Normalize the entity after updating the min_vruntime because the
3054          * update can refer to the ->curr item and we need to reflect this
3055          * movement in our normalized position.
3056          */
3057         if (!(flags & DEQUEUE_SLEEP))
3058                 se->vruntime -= cfs_rq->min_vruntime;
3059
3060         /* return excess runtime on last dequeue */
3061         return_cfs_rq_runtime(cfs_rq);
3062
3063         update_min_vruntime(cfs_rq);
3064         update_cfs_shares(cfs_rq);
3065 }
3066
3067 /*
3068  * Preempt the current task with a newly woken task if needed:
3069  */
3070 static void
3071 check_preempt_tick(struct cfs_rq *cfs_rq, struct sched_entity *curr)
3072 {
3073         unsigned long ideal_runtime, delta_exec;
3074         struct sched_entity *se;
3075         s64 delta;
3076
3077         ideal_runtime = sched_slice(cfs_rq, curr);
3078         delta_exec = curr->sum_exec_runtime - curr->prev_sum_exec_runtime;
3079         if (delta_exec > ideal_runtime) {
3080                 resched_curr(rq_of(cfs_rq));
3081                 /*
3082                  * The current task ran long enough, ensure it doesn't get
3083                  * re-elected due to buddy favours.
3084                  */
3085                 clear_buddies(cfs_rq, curr);
3086                 return;
3087         }
3088
3089         /*
3090          * Ensure that a task that missed wakeup preemption by a
3091          * narrow margin doesn't have to wait for a full slice.
3092          * This also mitigates buddy induced latencies under load.
3093          */
3094         if (delta_exec < sysctl_sched_min_granularity)
3095                 return;
3096
3097         se = __pick_first_entity(cfs_rq);
3098         delta = curr->vruntime - se->vruntime;
3099
3100         if (delta < 0)
3101                 return;
3102
3103         if (delta > ideal_runtime)
3104                 resched_curr(rq_of(cfs_rq));
3105 }
3106
3107 static void
3108 set_next_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
3109 {
3110         /* 'current' is not kept within the tree. */
3111         if (se->on_rq) {
3112                 /*
3113                  * Any task has to be enqueued before it get to execute on
3114                  * a CPU. So account for the time it spent waiting on the
3115                  * runqueue.
3116                  */
3117                 update_stats_wait_end(cfs_rq, se);
3118                 __dequeue_entity(cfs_rq, se);
3119                 update_load_avg(se, 1);
3120         }
3121
3122         update_stats_curr_start(cfs_rq, se);
3123         cfs_rq->curr = se;
3124 #ifdef CONFIG_SCHEDSTATS
3125         /*
3126          * Track our maximum slice length, if the CPU's load is at
3127          * least twice that of our own weight (i.e. dont track it
3128          * when there are only lesser-weight tasks around):
3129          */
3130         if (rq_of(cfs_rq)->load.weight >= 2*se->load.weight) {
3131                 se->statistics.slice_max = max(se->statistics.slice_max,
3132                         se->sum_exec_runtime - se->prev_sum_exec_runtime);
3133         }
3134 #endif
3135         se->prev_sum_exec_runtime = se->sum_exec_runtime;
3136 }
3137
3138 static int
3139 wakeup_preempt_entity(struct sched_entity *curr, struct sched_entity *se);
3140
3141 /*
3142  * Pick the next process, keeping these things in mind, in this order:
3143  * 1) keep things fair between processes/task groups
3144  * 2) pick the "next" process, since someone really wants that to run
3145  * 3) pick the "last" process, for cache locality
3146  * 4) do not run the "skip" process, if something else is available
3147  */
3148 static struct sched_entity *
3149 pick_next_entity(struct cfs_rq *cfs_rq, struct sched_entity *curr)
3150 {
3151         struct sched_entity *left = __pick_first_entity(cfs_rq);
3152         struct sched_entity *se;
3153
3154         /*
3155          * If curr is set we have to see if its left of the leftmost entity
3156          * still in the tree, provided there was anything in the tree at all.
3157          */
3158         if (!left || (curr && entity_before(curr, left)))
3159                 left = curr;
3160
3161         se = left; /* ideally we run the leftmost entity */
3162
3163         /*
3164          * Avoid running the skip buddy, if running something else can
3165          * be done without getting too unfair.
3166          */
3167         if (cfs_rq->skip == se) {
3168                 struct sched_entity *second;
3169
3170                 if (se == curr) {
3171                         second = __pick_first_entity(cfs_rq);
3172                 } else {
3173                         second = __pick_next_entity(se);
3174                         if (!second || (curr && entity_before(curr, second)))
3175                                 second = curr;
3176                 }
3177
3178                 if (second && wakeup_preempt_entity(second, left) < 1)
3179                         se = second;
3180         }
3181
3182         /*
3183          * Prefer last buddy, try to return the CPU to a preempted task.
3184          */
3185         if (cfs_rq->last && wakeup_preempt_entity(cfs_rq->last, left) < 1)
3186                 se = cfs_rq->last;
3187
3188         /*
3189          * Someone really wants this to run. If it's not unfair, run it.
3190          */
3191         if (cfs_rq->next && wakeup_preempt_entity(cfs_rq->next, left) < 1)
3192                 se = cfs_rq->next;
3193
3194         clear_buddies(cfs_rq, se);
3195
3196         return se;
3197 }
3198
3199 static bool check_cfs_rq_runtime(struct cfs_rq *cfs_rq);
3200
3201 static void put_prev_entity(struct cfs_rq *cfs_rq, struct sched_entity *prev)
3202 {
3203         /*
3204          * If still on the runqueue then deactivate_task()
3205          * was not called and update_curr() has to be done:
3206          */
3207         if (prev->on_rq)
3208                 update_curr(cfs_rq);
3209
3210         /* throttle cfs_rqs exceeding runtime */
3211         check_cfs_rq_runtime(cfs_rq);
3212
3213         check_spread(cfs_rq, prev);
3214         if (prev->on_rq) {
3215                 update_stats_wait_start(cfs_rq, prev);
3216                 /* Put 'current' back into the tree. */
3217                 __enqueue_entity(cfs_rq, prev);
3218                 /* in !on_rq case, update occurred at dequeue */
3219                 update_load_avg(prev, 0);
3220         }
3221         cfs_rq->curr = NULL;
3222 }
3223
3224 static void
3225 entity_tick(struct cfs_rq *cfs_rq, struct sched_entity *curr, int queued)
3226 {
3227         /*
3228          * Update run-time statistics of the 'current'.
3229          */
3230         update_curr(cfs_rq);
3231
3232         /*
3233          * Ensure that runnable average is periodically updated.
3234          */
3235         update_load_avg(curr, 1);
3236         update_cfs_shares(cfs_rq);
3237
3238 #ifdef CONFIG_SCHED_HRTICK
3239         /*
3240          * queued ticks are scheduled to match the slice, so don't bother
3241          * validating it and just reschedule.
3242          */
3243         if (queued) {
3244                 resched_curr(rq_of(cfs_rq));
3245                 return;
3246         }
3247         /*
3248          * don't let the period tick interfere with the hrtick preemption
3249          */
3250         if (!sched_feat(DOUBLE_TICK) &&
3251                         hrtimer_active(&rq_of(cfs_rq)->hrtick_timer))
3252                 return;
3253 #endif
3254
3255         if (cfs_rq->nr_running > 1)
3256                 check_preempt_tick(cfs_rq, curr);
3257 }
3258
3259
3260 /**************************************************
3261  * CFS bandwidth control machinery
3262  */
3263
3264 #ifdef CONFIG_CFS_BANDWIDTH
3265
3266 #ifdef HAVE_JUMP_LABEL
3267 static struct static_key __cfs_bandwidth_used;
3268
3269 static inline bool cfs_bandwidth_used(void)
3270 {
3271         return static_key_false(&__cfs_bandwidth_used);
3272 }
3273
3274 void cfs_bandwidth_usage_inc(void)
3275 {
3276         static_key_slow_inc(&__cfs_bandwidth_used);
3277 }
3278
3279 void cfs_bandwidth_usage_dec(void)
3280 {
3281         static_key_slow_dec(&__cfs_bandwidth_used);
3282 }
3283 #else /* HAVE_JUMP_LABEL */
3284 static bool cfs_bandwidth_used(void)
3285 {
3286         return true;
3287 }
3288
3289 void cfs_bandwidth_usage_inc(void) {}
3290 void cfs_bandwidth_usage_dec(void) {}
3291 #endif /* HAVE_JUMP_LABEL */
3292
3293 /*
3294  * default period for cfs group bandwidth.
3295  * default: 0.1s, units: nanoseconds
3296  */
3297 static inline u64 default_cfs_period(void)
3298 {
3299         return 100000000ULL;
3300 }
3301
3302 static inline u64 sched_cfs_bandwidth_slice(void)
3303 {
3304         return (u64)sysctl_sched_cfs_bandwidth_slice * NSEC_PER_USEC;
3305 }
3306
3307 /*
3308  * Replenish runtime according to assigned quota and update expiration time.
3309  * We use sched_clock_cpu directly instead of rq->clock to avoid adding
3310  * additional synchronization around rq->lock.
3311  *
3312  * requires cfs_b->lock
3313  */
3314 void __refill_cfs_bandwidth_runtime(struct cfs_bandwidth *cfs_b)
3315 {
3316         u64 now;
3317
3318         if (cfs_b->quota == RUNTIME_INF)
3319                 return;
3320
3321         now = sched_clock_cpu(smp_processor_id());
3322         cfs_b->runtime = cfs_b->quota;
3323         cfs_b->runtime_expires = now + ktime_to_ns(cfs_b->period);
3324 }
3325
3326 static inline struct cfs_bandwidth *tg_cfs_bandwidth(struct task_group *tg)
3327 {
3328         return &tg->cfs_bandwidth;
3329 }
3330
3331 /* rq->task_clock normalized against any time this cfs_rq has spent throttled */
3332 static inline u64 cfs_rq_clock_task(struct cfs_rq *cfs_rq)
3333 {
3334         if (unlikely(cfs_rq->throttle_count))
3335                 return cfs_rq->throttled_clock_task;
3336
3337         return rq_clock_task(rq_of(cfs_rq)) - cfs_rq->throttled_clock_task_time;
3338 }
3339
3340 /* returns 0 on failure to allocate runtime */
3341 static int assign_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3342 {
3343         struct task_group *tg = cfs_rq->tg;
3344         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(tg);
3345         u64 amount = 0, min_amount, expires;
3346
3347         /* note: this is a positive sum as runtime_remaining <= 0 */
3348         min_amount = sched_cfs_bandwidth_slice() - cfs_rq->runtime_remaining;
3349
3350         raw_spin_lock(&cfs_b->lock);
3351         if (cfs_b->quota == RUNTIME_INF)
3352                 amount = min_amount;
3353         else {
3354                 start_cfs_bandwidth(cfs_b);
3355
3356                 if (cfs_b->runtime > 0) {
3357                         amount = min(cfs_b->runtime, min_amount);
3358                         cfs_b->runtime -= amount;
3359                         cfs_b->idle = 0;
3360                 }
3361         }
3362         expires = cfs_b->runtime_expires;
3363         raw_spin_unlock(&cfs_b->lock);
3364
3365         cfs_rq->runtime_remaining += amount;
3366         /*
3367          * we may have advanced our&