Merge tag 'v3.16' into p/abusse/merge_upgrade
[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/slab.h>
27 #include <linux/profile.h>
28 #include <linux/interrupt.h>
29 #include <linux/mempolicy.h>
30 #include <linux/migrate.h>
31 #include <linux/task_work.h>
32
33 #include <trace/events/sched.h>
34
35 #include "sched.h"
36
37 /*
38  * Targeted preemption latency for CPU-bound tasks:
39  * (default: 6ms * (1 + ilog(ncpus)), units: nanoseconds)
40  *
41  * NOTE: this latency value is not the same as the concept of
42  * 'timeslice length' - timeslices in CFS are of variable length
43  * and have no persistent notion like in traditional, time-slice
44  * based scheduling concepts.
45  *
46  * (to see the precise effective timeslice length of your workload,
47  *  run vmstat and monitor the context-switches (cs) field)
48  */
49 unsigned int sysctl_sched_latency = 6000000ULL;
50 unsigned int normalized_sysctl_sched_latency = 6000000ULL;
51
52 /*
53  * The initial- and re-scaling of tunables is configurable
54  * (default SCHED_TUNABLESCALING_LOG = *(1+ilog(ncpus))
55  *
56  * Options are:
57  * SCHED_TUNABLESCALING_NONE - unscaled, always *1
58  * SCHED_TUNABLESCALING_LOG - scaled logarithmical, *1+ilog(ncpus)
59  * SCHED_TUNABLESCALING_LINEAR - scaled linear, *ncpus
60  */
61 enum sched_tunable_scaling sysctl_sched_tunable_scaling
62         = SCHED_TUNABLESCALING_LOG;
63
64 /*
65  * Minimal preemption granularity for CPU-bound tasks:
66  * (default: 0.75 msec * (1 + ilog(ncpus)), units: nanoseconds)
67  */
68 unsigned int sysctl_sched_min_granularity = 750000ULL;
69 unsigned int normalized_sysctl_sched_min_granularity = 750000ULL;
70
71 /*
72  * is kept at sysctl_sched_latency / sysctl_sched_min_granularity
73  */
74 static unsigned int sched_nr_latency = 8;
75
76 /*
77  * After fork, child runs first. If set to 0 (default) then
78  * parent will (try to) run first.
79  */
80 unsigned int sysctl_sched_child_runs_first __read_mostly;
81
82 /*
83  * SCHED_OTHER wake-up granularity.
84  * (default: 1 msec * (1 + ilog(ncpus)), units: nanoseconds)
85  *
86  * This option delays the preemption effects of decoupled workloads
87  * and reduces their over-scheduling. Synchronous workloads will still
88  * have immediate wakeup/sleep latencies.
89  */
90 unsigned int sysctl_sched_wakeup_granularity = 1000000UL;
91 unsigned int normalized_sysctl_sched_wakeup_granularity = 1000000UL;
92
93 const_debug unsigned int sysctl_sched_migration_cost = 500000UL;
94
95 /*
96  * The exponential sliding  window over which load is averaged for shares
97  * distribution.
98  * (default: 10msec)
99  */
100 unsigned int __read_mostly sysctl_sched_shares_window = 10000000UL;
101
102 #ifdef CONFIG_CFS_BANDWIDTH
103 /*
104  * Amount of runtime to allocate from global (tg) to local (per-cfs_rq) pool
105  * each time a cfs_rq requests quota.
106  *
107  * Note: in the case that the slice exceeds the runtime remaining (either due
108  * to consumption or the quota being specified to be smaller than the slice)
109  * we will always only issue the remaining available time.
110  *
111  * default: 5 msec, units: microseconds
112   */
113 unsigned int sysctl_sched_cfs_bandwidth_slice = 5000UL;
114 #endif
115
116 static inline void update_load_add(struct load_weight *lw, unsigned long inc)
117 {
118         lw->weight += inc;
119         lw->inv_weight = 0;
120 }
121
122 static inline void update_load_sub(struct load_weight *lw, unsigned long dec)
123 {
124         lw->weight -= dec;
125         lw->inv_weight = 0;
126 }
127
128 static inline void update_load_set(struct load_weight *lw, unsigned long w)
129 {
130         lw->weight = w;
131         lw->inv_weight = 0;
132 }
133
134 /*
135  * Increase the granularity value when there are more CPUs,
136  * because with more CPUs the 'effective latency' as visible
137  * to users decreases. But the relationship is not linear,
138  * so pick a second-best guess by going with the log2 of the
139  * number of CPUs.
140  *
141  * This idea comes from the SD scheduler of Con Kolivas:
142  */
143 static int get_update_sysctl_factor(void)
144 {
145         unsigned int cpus = min_t(int, num_online_cpus(), 8);
146         unsigned int factor;
147
148         switch (sysctl_sched_tunable_scaling) {
149         case SCHED_TUNABLESCALING_NONE:
150                 factor = 1;
151                 break;
152         case SCHED_TUNABLESCALING_LINEAR:
153                 factor = cpus;
154                 break;
155         case SCHED_TUNABLESCALING_LOG:
156         default:
157                 factor = 1 + ilog2(cpus);
158                 break;
159         }
160
161         return factor;
162 }
163
164 static void update_sysctl(void)
165 {
166         unsigned int factor = get_update_sysctl_factor();
167
168 #define SET_SYSCTL(name) \
169         (sysctl_##name = (factor) * normalized_sysctl_##name)
170         SET_SYSCTL(sched_min_granularity);
171         SET_SYSCTL(sched_latency);
172         SET_SYSCTL(sched_wakeup_granularity);
173 #undef SET_SYSCTL
174 }
175
176 void sched_init_granularity(void)
177 {
178         update_sysctl();
179 }
180
181 #define WMULT_CONST     (~0U)
182 #define WMULT_SHIFT     32
183
184 static void __update_inv_weight(struct load_weight *lw)
185 {
186         unsigned long w;
187
188         if (likely(lw->inv_weight))
189                 return;
190
191         w = scale_load_down(lw->weight);
192
193         if (BITS_PER_LONG > 32 && unlikely(w >= WMULT_CONST))
194                 lw->inv_weight = 1;
195         else if (unlikely(!w))
196                 lw->inv_weight = WMULT_CONST;
197         else
198                 lw->inv_weight = WMULT_CONST / w;
199 }
200
201 /*
202  * delta_exec * weight / lw.weight
203  *   OR
204  * (delta_exec * (weight * lw->inv_weight)) >> WMULT_SHIFT
205  *
206  * Either weight := NICE_0_LOAD and lw \e prio_to_wmult[], in which case
207  * we're guaranteed shift stays positive because inv_weight is guaranteed to
208  * fit 32 bits, and NICE_0_LOAD gives another 10 bits; therefore shift >= 22.
209  *
210  * Or, weight =< lw.weight (because lw.weight is the runqueue weight), thus
211  * weight/lw.weight <= 1, and therefore our shift will also be positive.
212  */
213 static u64 __calc_delta(u64 delta_exec, unsigned long weight, struct load_weight *lw)
214 {
215         u64 fact = scale_load_down(weight);
216         int shift = WMULT_SHIFT;
217
218         __update_inv_weight(lw);
219
220         if (unlikely(fact >> 32)) {
221                 while (fact >> 32) {
222                         fact >>= 1;
223                         shift--;
224                 }
225         }
226
227         /* hint to use a 32x32->64 mul */
228         fact = (u64)(u32)fact * lw->inv_weight;
229
230         while (fact >> 32) {
231                 fact >>= 1;
232                 shift--;
233         }
234
235         return mul_u64_u32_shr(delta_exec, fact, shift);
236 }
237
238
239 const struct sched_class fair_sched_class;
240
241 /**************************************************************
242  * CFS operations on generic schedulable entities:
243  */
244
245 #ifdef CONFIG_FAIR_GROUP_SCHED
246
247 /* cpu runqueue to which this cfs_rq is attached */
248 static inline struct rq *rq_of(struct cfs_rq *cfs_rq)
249 {
250         return cfs_rq->rq;
251 }
252
253 /* An entity is a task if it doesn't "own" a runqueue */
254 #define entity_is_task(se)      (!se->my_q)
255
256 static inline struct task_struct *task_of(struct sched_entity *se)
257 {
258 #ifdef CONFIG_SCHED_DEBUG
259         WARN_ON_ONCE(!entity_is_task(se));
260 #endif
261         return container_of(se, struct task_struct, se);
262 }
263
264 /* Walk up scheduling entities hierarchy */
265 #define for_each_sched_entity(se) \
266                 for (; se; se = se->parent)
267
268 static inline struct cfs_rq *task_cfs_rq(struct task_struct *p)
269 {
270         return p->se.cfs_rq;
271 }
272
273 /* runqueue on which this entity is (to be) queued */
274 static inline struct cfs_rq *cfs_rq_of(struct sched_entity *se)
275 {
276         return se->cfs_rq;
277 }
278
279 /* runqueue "owned" by this group */
280 static inline struct cfs_rq *group_cfs_rq(struct sched_entity *grp)
281 {
282         return grp->my_q;
283 }
284
285 static void update_cfs_rq_blocked_load(struct cfs_rq *cfs_rq,
286                                        int force_update);
287
288 static inline void list_add_leaf_cfs_rq(struct cfs_rq *cfs_rq)
289 {
290         if (!cfs_rq->on_list) {
291                 /*
292                  * Ensure we either appear before our parent (if already
293                  * enqueued) or force our parent to appear after us when it is
294                  * enqueued.  The fact that we always enqueue bottom-up
295                  * reduces this to two cases.
296                  */
297                 if (cfs_rq->tg->parent &&
298                     cfs_rq->tg->parent->cfs_rq[cpu_of(rq_of(cfs_rq))]->on_list) {
299                         list_add_rcu(&cfs_rq->leaf_cfs_rq_list,
300                                 &rq_of(cfs_rq)->leaf_cfs_rq_list);
301                 } else {
302                         list_add_tail_rcu(&cfs_rq->leaf_cfs_rq_list,
303                                 &rq_of(cfs_rq)->leaf_cfs_rq_list);
304                 }
305
306                 cfs_rq->on_list = 1;
307                 /* We should have no load, but we need to update last_decay. */
308                 update_cfs_rq_blocked_load(cfs_rq, 0);
309         }
310 }
311
312 static inline void list_del_leaf_cfs_rq(struct cfs_rq *cfs_rq)
313 {
314         if (cfs_rq->on_list) {
315                 list_del_rcu(&cfs_rq->leaf_cfs_rq_list);
316                 cfs_rq->on_list = 0;
317         }
318 }
319
320 /* Iterate thr' all leaf cfs_rq's on a runqueue */
321 #define for_each_leaf_cfs_rq(rq, cfs_rq) \
322         list_for_each_entry_rcu(cfs_rq, &rq->leaf_cfs_rq_list, leaf_cfs_rq_list)
323
324 /* Do the two (enqueued) entities belong to the same group ? */
325 static inline struct cfs_rq *
326 is_same_group(struct sched_entity *se, struct sched_entity *pse)
327 {
328         if (se->cfs_rq == pse->cfs_rq)
329                 return se->cfs_rq;
330
331         return NULL;
332 }
333
334 static inline struct sched_entity *parent_entity(struct sched_entity *se)
335 {
336         return se->parent;
337 }
338
339 static void
340 find_matching_se(struct sched_entity **se, struct sched_entity **pse)
341 {
342         int se_depth, pse_depth;
343
344         /*
345          * preemption test can be made between sibling entities who are in the
346          * same cfs_rq i.e who have a common parent. Walk up the hierarchy of
347          * both tasks until we find their ancestors who are siblings of common
348          * parent.
349          */
350
351         /* First walk up until both entities are at same depth */
352         se_depth = (*se)->depth;
353         pse_depth = (*pse)->depth;
354
355         while (se_depth > pse_depth) {
356                 se_depth--;
357                 *se = parent_entity(*se);
358         }
359
360         while (pse_depth > se_depth) {
361                 pse_depth--;
362                 *pse = parent_entity(*pse);
363         }
364
365         while (!is_same_group(*se, *pse)) {
366                 *se = parent_entity(*se);
367                 *pse = parent_entity(*pse);
368         }
369 }
370
371 #else   /* !CONFIG_FAIR_GROUP_SCHED */
372
373 static inline struct task_struct *task_of(struct sched_entity *se)
374 {
375         return container_of(se, struct task_struct, se);
376 }
377
378 static inline struct rq *rq_of(struct cfs_rq *cfs_rq)
379 {
380         return container_of(cfs_rq, struct rq, cfs);
381 }
382
383 #define entity_is_task(se)      1
384
385 #define for_each_sched_entity(se) \
386                 for (; se; se = NULL)
387
388 static inline struct cfs_rq *task_cfs_rq(struct task_struct *p)
389 {
390         return &task_rq(p)->cfs;
391 }
392
393 static inline struct cfs_rq *cfs_rq_of(struct sched_entity *se)
394 {
395         struct task_struct *p = task_of(se);
396         struct rq *rq = task_rq(p);
397
398         return &rq->cfs;
399 }
400
401 /* runqueue "owned" by this group */
402 static inline struct cfs_rq *group_cfs_rq(struct sched_entity *grp)
403 {
404         return NULL;
405 }
406
407 static inline void list_add_leaf_cfs_rq(struct cfs_rq *cfs_rq)
408 {
409 }
410
411 static inline void list_del_leaf_cfs_rq(struct cfs_rq *cfs_rq)
412 {
413 }
414
415 #define for_each_leaf_cfs_rq(rq, cfs_rq) \
416                 for (cfs_rq = &rq->cfs; cfs_rq; cfs_rq = NULL)
417
418 static inline struct sched_entity *parent_entity(struct sched_entity *se)
419 {
420         return NULL;
421 }
422
423 static inline void
424 find_matching_se(struct sched_entity **se, struct sched_entity **pse)
425 {
426 }
427
428 #endif  /* CONFIG_FAIR_GROUP_SCHED */
429
430 static __always_inline
431 void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec);
432
433 /**************************************************************
434  * Scheduling class tree data structure manipulation methods:
435  */
436
437 static inline u64 max_vruntime(u64 max_vruntime, u64 vruntime)
438 {
439         s64 delta = (s64)(vruntime - max_vruntime);
440         if (delta > 0)
441                 max_vruntime = vruntime;
442
443         return max_vruntime;
444 }
445
446 static inline u64 min_vruntime(u64 min_vruntime, u64 vruntime)
447 {
448         s64 delta = (s64)(vruntime - min_vruntime);
449         if (delta < 0)
450                 min_vruntime = vruntime;
451
452         return min_vruntime;
453 }
454
455 static inline int entity_before(struct sched_entity *a,
456                                 struct sched_entity *b)
457 {
458         return (s64)(a->vruntime - b->vruntime) < 0;
459 }
460
461 static void update_min_vruntime(struct cfs_rq *cfs_rq)
462 {
463         u64 vruntime = cfs_rq->min_vruntime;
464
465         if (cfs_rq->curr)
466                 vruntime = cfs_rq->curr->vruntime;
467
468         if (cfs_rq->rb_leftmost) {
469                 struct sched_entity *se = rb_entry(cfs_rq->rb_leftmost,
470                                                    struct sched_entity,
471                                                    run_node);
472
473                 if (!cfs_rq->curr)
474                         vruntime = se->vruntime;
475                 else
476                         vruntime = min_vruntime(vruntime, se->vruntime);
477         }
478
479         /* ensure we never gain time by being placed backwards. */
480         cfs_rq->min_vruntime = max_vruntime(cfs_rq->min_vruntime, vruntime);
481 #ifndef CONFIG_64BIT
482         smp_wmb();
483         cfs_rq->min_vruntime_copy = cfs_rq->min_vruntime;
484 #endif
485 }
486
487 /*
488  * Enqueue an entity into the rb-tree:
489  */
490 static void __enqueue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
491 {
492         struct rb_node **link = &cfs_rq->tasks_timeline.rb_node;
493         struct rb_node *parent = NULL;
494         struct sched_entity *entry;
495         int leftmost = 1;
496
497         /*
498          * Find the right place in the rbtree:
499          */
500         while (*link) {
501                 parent = *link;
502                 entry = rb_entry(parent, struct sched_entity, run_node);
503                 /*
504                  * We dont care about collisions. Nodes with
505                  * the same key stay together.
506                  */
507                 if (entity_before(se, entry)) {
508                         link = &parent->rb_left;
509                 } else {
510                         link = &parent->rb_right;
511                         leftmost = 0;
512                 }
513         }
514
515         /*
516          * Maintain a cache of leftmost tree entries (it is frequently
517          * used):
518          */
519         if (leftmost)
520                 cfs_rq->rb_leftmost = &se->run_node;
521
522         rb_link_node(&se->run_node, parent, link);
523         rb_insert_color(&se->run_node, &cfs_rq->tasks_timeline);
524 }
525
526 static void __dequeue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
527 {
528         if (cfs_rq->rb_leftmost == &se->run_node) {
529                 struct rb_node *next_node;
530
531                 next_node = rb_next(&se->run_node);
532                 cfs_rq->rb_leftmost = next_node;
533         }
534
535         rb_erase(&se->run_node, &cfs_rq->tasks_timeline);
536 }
537
538 struct sched_entity *__pick_first_entity(struct cfs_rq *cfs_rq)
539 {
540         struct rb_node *left = cfs_rq->rb_leftmost;
541
542         if (!left)
543                 return NULL;
544
545         return rb_entry(left, struct sched_entity, run_node);
546 }
547
548 static struct sched_entity *__pick_next_entity(struct sched_entity *se)
549 {
550         struct rb_node *next = rb_next(&se->run_node);
551
552         if (!next)
553                 return NULL;
554
555         return rb_entry(next, struct sched_entity, run_node);
556 }
557
558 #ifdef CONFIG_SCHED_DEBUG
559 struct sched_entity *__pick_last_entity(struct cfs_rq *cfs_rq)
560 {
561         struct rb_node *last = rb_last(&cfs_rq->tasks_timeline);
562
563         if (!last)
564                 return NULL;
565
566         return rb_entry(last, struct sched_entity, run_node);
567 }
568
569 /**************************************************************
570  * Scheduling class statistics methods:
571  */
572
573 int sched_proc_update_handler(struct ctl_table *table, int write,
574                 void __user *buffer, size_t *lenp,
575                 loff_t *ppos)
576 {
577         int ret = proc_dointvec_minmax(table, write, buffer, lenp, ppos);
578         int factor = get_update_sysctl_factor();
579
580         if (ret || !write)
581                 return ret;
582
583         sched_nr_latency = DIV_ROUND_UP(sysctl_sched_latency,
584                                         sysctl_sched_min_granularity);
585
586 #define WRT_SYSCTL(name) \
587         (normalized_sysctl_##name = sysctl_##name / (factor))
588         WRT_SYSCTL(sched_min_granularity);
589         WRT_SYSCTL(sched_latency);
590         WRT_SYSCTL(sched_wakeup_granularity);
591 #undef WRT_SYSCTL
592
593         return 0;
594 }
595 #endif
596
597 /*
598  * delta /= w
599  */
600 static inline u64 calc_delta_fair(u64 delta, struct sched_entity *se)
601 {
602         if (unlikely(se->load.weight != NICE_0_LOAD))
603                 delta = __calc_delta(delta, NICE_0_LOAD, &se->load);
604
605         return delta;
606 }
607
608 /*
609  * The idea is to set a period in which each task runs once.
610  *
611  * When there are too many tasks (sched_nr_latency) we have to stretch
612  * this period because otherwise the slices get too small.
613  *
614  * p = (nr <= nl) ? l : l*nr/nl
615  */
616 static u64 __sched_period(unsigned long nr_running)
617 {
618         u64 period = sysctl_sched_latency;
619         unsigned long nr_latency = sched_nr_latency;
620
621         if (unlikely(nr_running > nr_latency)) {
622                 period = sysctl_sched_min_granularity;
623                 period *= nr_running;
624         }
625
626         return period;
627 }
628
629 /*
630  * We calculate the wall-time slice from the period by taking a part
631  * proportional to the weight.
632  *
633  * s = p*P[w/rw]
634  */
635 static u64 sched_slice(struct cfs_rq *cfs_rq, struct sched_entity *se)
636 {
637         u64 slice = __sched_period(cfs_rq->nr_running + !se->on_rq);
638
639         for_each_sched_entity(se) {
640                 struct load_weight *load;
641                 struct load_weight lw;
642
643                 cfs_rq = cfs_rq_of(se);
644                 load = &cfs_rq->load;
645
646                 if (unlikely(!se->on_rq)) {
647                         lw = cfs_rq->load;
648
649                         update_load_add(&lw, se->load.weight);
650                         load = &lw;
651                 }
652                 slice = __calc_delta(slice, se->load.weight, load);
653         }
654         return slice;
655 }
656
657 /*
658  * We calculate the vruntime slice of a to-be-inserted task.
659  *
660  * vs = s/w
661  */
662 static u64 sched_vslice(struct cfs_rq *cfs_rq, struct sched_entity *se)
663 {
664         return calc_delta_fair(sched_slice(cfs_rq, se), se);
665 }
666
667 #ifdef CONFIG_SMP
668 static unsigned long task_h_load(struct task_struct *p);
669
670 static inline void __update_task_entity_contrib(struct sched_entity *se);
671
672 /* Give new task start runnable values to heavy its load in infant time */
673 void init_task_runnable_average(struct task_struct *p)
674 {
675         u32 slice;
676
677         p->se.avg.decay_count = 0;
678         slice = sched_slice(task_cfs_rq(p), &p->se) >> 10;
679         p->se.avg.runnable_avg_sum = slice;
680         p->se.avg.runnable_avg_period = slice;
681         __update_task_entity_contrib(&p->se);
682 }
683 #else
684 void init_task_runnable_average(struct task_struct *p)
685 {
686 }
687 #endif
688
689 /*
690  * Update the current task's runtime statistics.
691  */
692 static void update_curr(struct cfs_rq *cfs_rq)
693 {
694         struct sched_entity *curr = cfs_rq->curr;
695         u64 now = rq_clock_task(rq_of(cfs_rq));
696         u64 delta_exec;
697
698         if (unlikely(!curr))
699                 return;
700
701         delta_exec = now - curr->exec_start;
702         if (unlikely((s64)delta_exec <= 0))
703                 return;
704
705         curr->exec_start = now;
706
707         schedstat_set(curr->statistics.exec_max,
708                       max(delta_exec, curr->statistics.exec_max));
709
710         curr->sum_exec_runtime += delta_exec;
711         schedstat_add(cfs_rq, exec_clock, delta_exec);
712
713         curr->vruntime += calc_delta_fair(delta_exec, curr);
714         update_min_vruntime(cfs_rq);
715
716         if (entity_is_task(curr)) {
717                 struct task_struct *curtask = task_of(curr);
718
719                 trace_sched_stat_runtime(curtask, delta_exec, curr->vruntime);
720                 cpuacct_charge(curtask, delta_exec);
721                 account_group_exec_runtime(curtask, delta_exec);
722         }
723
724         account_cfs_rq_runtime(cfs_rq, delta_exec);
725 }
726
727 static inline void
728 update_stats_wait_start(struct cfs_rq *cfs_rq, struct sched_entity *se)
729 {
730         schedstat_set(se->statistics.wait_start, rq_clock(rq_of(cfs_rq)));
731 }
732
733 /*
734  * Task is being enqueued - update stats:
735  */
736 static void update_stats_enqueue(struct cfs_rq *cfs_rq, struct sched_entity *se)
737 {
738         /*
739          * Are we enqueueing a waiting task? (for current tasks
740          * a dequeue/enqueue event is a NOP)
741          */
742         if (se != cfs_rq->curr)
743                 update_stats_wait_start(cfs_rq, se);
744 }
745
746 static void
747 update_stats_wait_end(struct cfs_rq *cfs_rq, struct sched_entity *se)
748 {
749         schedstat_set(se->statistics.wait_max, max(se->statistics.wait_max,
750                         rq_clock(rq_of(cfs_rq)) - se->statistics.wait_start));
751         schedstat_set(se->statistics.wait_count, se->statistics.wait_count + 1);
752         schedstat_set(se->statistics.wait_sum, se->statistics.wait_sum +
753                         rq_clock(rq_of(cfs_rq)) - se->statistics.wait_start);
754 #ifdef CONFIG_SCHEDSTATS
755         if (entity_is_task(se)) {
756                 trace_sched_stat_wait(task_of(se),
757                         rq_clock(rq_of(cfs_rq)) - se->statistics.wait_start);
758         }
759 #endif
760         schedstat_set(se->statistics.wait_start, 0);
761 }
762
763 static inline void
764 update_stats_dequeue(struct cfs_rq *cfs_rq, struct sched_entity *se)
765 {
766         /*
767          * Mark the end of the wait period if dequeueing a
768          * waiting task:
769          */
770         if (se != cfs_rq->curr)
771                 update_stats_wait_end(cfs_rq, se);
772 }
773
774 /*
775  * We are picking a new current task - update its stats:
776  */
777 static inline void
778 update_stats_curr_start(struct cfs_rq *cfs_rq, struct sched_entity *se)
779 {
780         /*
781          * We are starting a new run period:
782          */
783         se->exec_start = rq_clock_task(rq_of(cfs_rq));
784 }
785
786 /**************************************************
787  * Scheduling class queueing methods:
788  */
789
790 #ifdef CONFIG_NUMA_BALANCING
791 /*
792  * Approximate time to scan a full NUMA task in ms. The task scan period is
793  * calculated based on the tasks virtual memory size and
794  * numa_balancing_scan_size.
795  */
796 unsigned int sysctl_numa_balancing_scan_period_min = 1000;
797 unsigned int sysctl_numa_balancing_scan_period_max = 60000;
798
799 /* Portion of address space to scan in MB */
800 unsigned int sysctl_numa_balancing_scan_size = 256;
801
802 /* Scan @scan_size MB every @scan_period after an initial @scan_delay in ms */
803 unsigned int sysctl_numa_balancing_scan_delay = 1000;
804
805 static unsigned int task_nr_scan_windows(struct task_struct *p)
806 {
807         unsigned long rss = 0;
808         unsigned long nr_scan_pages;
809
810         /*
811          * Calculations based on RSS as non-present and empty pages are skipped
812          * by the PTE scanner and NUMA hinting faults should be trapped based
813          * on resident pages
814          */
815         nr_scan_pages = sysctl_numa_balancing_scan_size << (20 - PAGE_SHIFT);
816         rss = get_mm_rss(p->mm);
817         if (!rss)
818                 rss = nr_scan_pages;
819
820         rss = round_up(rss, nr_scan_pages);
821         return rss / nr_scan_pages;
822 }
823
824 /* For sanitys sake, never scan more PTEs than MAX_SCAN_WINDOW MB/sec. */
825 #define MAX_SCAN_WINDOW 2560
826
827 static unsigned int task_scan_min(struct task_struct *p)
828 {
829         unsigned int scan, floor;
830         unsigned int windows = 1;
831
832         if (sysctl_numa_balancing_scan_size < MAX_SCAN_WINDOW)
833                 windows = MAX_SCAN_WINDOW / sysctl_numa_balancing_scan_size;
834         floor = 1000 / windows;
835
836         scan = sysctl_numa_balancing_scan_period_min / task_nr_scan_windows(p);
837         return max_t(unsigned int, floor, scan);
838 }
839
840 static unsigned int task_scan_max(struct task_struct *p)
841 {
842         unsigned int smin = task_scan_min(p);
843         unsigned int smax;
844
845         /* Watch for min being lower than max due to floor calculations */
846         smax = sysctl_numa_balancing_scan_period_max / task_nr_scan_windows(p);
847         return max(smin, smax);
848 }
849
850 static void account_numa_enqueue(struct rq *rq, struct task_struct *p)
851 {
852         rq->nr_numa_running += (p->numa_preferred_nid != -1);
853         rq->nr_preferred_running += (p->numa_preferred_nid == task_node(p));
854 }
855
856 static void account_numa_dequeue(struct rq *rq, struct task_struct *p)
857 {
858         rq->nr_numa_running -= (p->numa_preferred_nid != -1);
859         rq->nr_preferred_running -= (p->numa_preferred_nid == task_node(p));
860 }
861
862 struct numa_group {
863         atomic_t refcount;
864
865         spinlock_t lock; /* nr_tasks, tasks */
866         int nr_tasks;
867         pid_t gid;
868         struct list_head task_list;
869
870         struct rcu_head rcu;
871         nodemask_t active_nodes;
872         unsigned long total_faults;
873         /*
874          * Faults_cpu is used to decide whether memory should move
875          * towards the CPU. As a consequence, these stats are weighted
876          * more by CPU use than by memory faults.
877          */
878         unsigned long *faults_cpu;
879         unsigned long faults[0];
880 };
881
882 /* Shared or private faults. */
883 #define NR_NUMA_HINT_FAULT_TYPES 2
884
885 /* Memory and CPU locality */
886 #define NR_NUMA_HINT_FAULT_STATS (NR_NUMA_HINT_FAULT_TYPES * 2)
887
888 /* Averaged statistics, and temporary buffers. */
889 #define NR_NUMA_HINT_FAULT_BUCKETS (NR_NUMA_HINT_FAULT_STATS * 2)
890
891 pid_t task_numa_group_id(struct task_struct *p)
892 {
893         return p->numa_group ? p->numa_group->gid : 0;
894 }
895
896 static inline int task_faults_idx(int nid, int priv)
897 {
898         return NR_NUMA_HINT_FAULT_TYPES * nid + priv;
899 }
900
901 static inline unsigned long task_faults(struct task_struct *p, int nid)
902 {
903         if (!p->numa_faults_memory)
904                 return 0;
905
906         return p->numa_faults_memory[task_faults_idx(nid, 0)] +
907                 p->numa_faults_memory[task_faults_idx(nid, 1)];
908 }
909
910 static inline unsigned long group_faults(struct task_struct *p, int nid)
911 {
912         if (!p->numa_group)
913                 return 0;
914
915         return p->numa_group->faults[task_faults_idx(nid, 0)] +
916                 p->numa_group->faults[task_faults_idx(nid, 1)];
917 }
918
919 static inline unsigned long group_faults_cpu(struct numa_group *group, int nid)
920 {
921         return group->faults_cpu[task_faults_idx(nid, 0)] +
922                 group->faults_cpu[task_faults_idx(nid, 1)];
923 }
924
925 /*
926  * These return the fraction of accesses done by a particular task, or
927  * task group, on a particular numa node.  The group weight is given a
928  * larger multiplier, in order to group tasks together that are almost
929  * evenly spread out between numa nodes.
930  */
931 static inline unsigned long task_weight(struct task_struct *p, int nid)
932 {
933         unsigned long total_faults;
934
935         if (!p->numa_faults_memory)
936                 return 0;
937
938         total_faults = p->total_numa_faults;
939
940         if (!total_faults)
941                 return 0;
942
943         return 1000 * task_faults(p, nid) / total_faults;
944 }
945
946 static inline unsigned long group_weight(struct task_struct *p, int nid)
947 {
948         if (!p->numa_group || !p->numa_group->total_faults)
949                 return 0;
950
951         return 1000 * group_faults(p, nid) / p->numa_group->total_faults;
952 }
953
954 bool should_numa_migrate_memory(struct task_struct *p, struct page * page,
955                                 int src_nid, int dst_cpu)
956 {
957         struct numa_group *ng = p->numa_group;
958         int dst_nid = cpu_to_node(dst_cpu);
959         int last_cpupid, this_cpupid;
960
961         this_cpupid = cpu_pid_to_cpupid(dst_cpu, current->pid);
962
963         /*
964          * Multi-stage node selection is used in conjunction with a periodic
965          * migration fault to build a temporal task<->page relation. By using
966          * a two-stage filter we remove short/unlikely relations.
967          *
968          * Using P(p) ~ n_p / n_t as per frequentist probability, we can equate
969          * a task's usage of a particular page (n_p) per total usage of this
970          * page (n_t) (in a given time-span) to a probability.
971          *
972          * Our periodic faults will sample this probability and getting the
973          * same result twice in a row, given these samples are fully
974          * independent, is then given by P(n)^2, provided our sample period
975          * is sufficiently short compared to the usage pattern.
976          *
977          * This quadric squishes small probabilities, making it less likely we
978          * act on an unlikely task<->page relation.
979          */
980         last_cpupid = page_cpupid_xchg_last(page, this_cpupid);
981         if (!cpupid_pid_unset(last_cpupid) &&
982                                 cpupid_to_nid(last_cpupid) != dst_nid)
983                 return false;
984
985         /* Always allow migrate on private faults */
986         if (cpupid_match_pid(p, last_cpupid))
987                 return true;
988
989         /* A shared fault, but p->numa_group has not been set up yet. */
990         if (!ng)
991                 return true;
992
993         /*
994          * Do not migrate if the destination is not a node that
995          * is actively used by this numa group.
996          */
997         if (!node_isset(dst_nid, ng->active_nodes))
998                 return false;
999
1000         /*
1001          * Source is a node that is not actively used by this
1002          * numa group, while the destination is. Migrate.
1003          */
1004         if (!node_isset(src_nid, ng->active_nodes))
1005                 return true;
1006
1007         /*
1008          * Both source and destination are nodes in active
1009          * use by this numa group. Maximize memory bandwidth
1010          * by migrating from more heavily used groups, to less
1011          * heavily used ones, spreading the load around.
1012          * Use a 1/4 hysteresis to avoid spurious page movement.
1013          */
1014         return group_faults(p, dst_nid) < (group_faults(p, src_nid) * 3 / 4);
1015 }
1016
1017 static unsigned long weighted_cpuload(const int cpu);
1018 static unsigned long source_load(int cpu, int type);
1019 static unsigned long target_load(int cpu, int type);
1020 static unsigned long capacity_of(int cpu);
1021 static long effective_load(struct task_group *tg, int cpu, long wl, long wg);
1022
1023 /* Cached statistics for all CPUs within a node */
1024 struct numa_stats {
1025         unsigned long nr_running;
1026         unsigned long load;
1027
1028         /* Total compute capacity of CPUs on a node */
1029         unsigned long compute_capacity;
1030
1031         /* Approximate capacity in terms of runnable tasks on a node */
1032         unsigned long task_capacity;
1033         int has_free_capacity;
1034 };
1035
1036 /*
1037  * XXX borrowed from update_sg_lb_stats
1038  */
1039 static void update_numa_stats(struct numa_stats *ns, int nid)
1040 {
1041         int cpu, cpus = 0;
1042
1043         memset(ns, 0, sizeof(*ns));
1044         for_each_cpu(cpu, cpumask_of_node(nid)) {
1045                 struct rq *rq = cpu_rq(cpu);
1046
1047                 ns->nr_running += rq->nr_running;
1048                 ns->load += weighted_cpuload(cpu);
1049                 ns->compute_capacity += capacity_of(cpu);
1050
1051                 cpus++;
1052         }
1053
1054         /*
1055          * If we raced with hotplug and there are no CPUs left in our mask
1056          * the @ns structure is NULL'ed and task_numa_compare() will
1057          * not find this node attractive.
1058          *
1059          * We'll either bail at !has_free_capacity, or we'll detect a huge
1060          * imbalance and bail there.
1061          */
1062         if (!cpus)
1063                 return;
1064
1065         ns->load = (ns->load * SCHED_CAPACITY_SCALE) / ns->compute_capacity;
1066         ns->task_capacity =
1067                 DIV_ROUND_CLOSEST(ns->compute_capacity, SCHED_CAPACITY_SCALE);
1068         ns->has_free_capacity = (ns->nr_running < ns->task_capacity);
1069 }
1070
1071 struct task_numa_env {
1072         struct task_struct *p;
1073
1074         int src_cpu, src_nid;
1075         int dst_cpu, dst_nid;
1076
1077         struct numa_stats src_stats, dst_stats;
1078
1079         int imbalance_pct;
1080
1081         struct task_struct *best_task;
1082         long best_imp;
1083         int best_cpu;
1084 };
1085
1086 static void task_numa_assign(struct task_numa_env *env,
1087                              struct task_struct *p, long imp)
1088 {
1089         if (env->best_task)
1090                 put_task_struct(env->best_task);
1091         if (p)
1092                 get_task_struct(p);
1093
1094         env->best_task = p;
1095         env->best_imp = imp;
1096         env->best_cpu = env->dst_cpu;
1097 }
1098
1099 static bool load_too_imbalanced(long orig_src_load, long orig_dst_load,
1100                                 long src_load, long dst_load,
1101                                 struct task_numa_env *env)
1102 {
1103         long imb, old_imb;
1104
1105         /* We care about the slope of the imbalance, not the direction. */
1106         if (dst_load < src_load)
1107                 swap(dst_load, src_load);
1108
1109         /* Is the difference below the threshold? */
1110         imb = dst_load * 100 - src_load * env->imbalance_pct;
1111         if (imb <= 0)
1112                 return false;
1113
1114         /*
1115          * The imbalance is above the allowed threshold.
1116          * Compare it with the old imbalance.
1117          */
1118         if (orig_dst_load < orig_src_load)
1119                 swap(orig_dst_load, orig_src_load);
1120
1121         old_imb = orig_dst_load * 100 - orig_src_load * env->imbalance_pct;
1122
1123         /* Would this change make things worse? */
1124         return (imb > old_imb);
1125 }
1126
1127 /*
1128  * This checks if the overall compute and NUMA accesses of the system would
1129  * be improved if the source tasks was migrated to the target dst_cpu taking
1130  * into account that it might be best if task running on the dst_cpu should
1131  * be exchanged with the source task
1132  */
1133 static void task_numa_compare(struct task_numa_env *env,
1134                               long taskimp, long groupimp)
1135 {
1136         struct rq *src_rq = cpu_rq(env->src_cpu);
1137         struct rq *dst_rq = cpu_rq(env->dst_cpu);
1138         struct task_struct *cur;
1139         long orig_src_load, src_load;
1140         long orig_dst_load, dst_load;
1141         long load;
1142         long imp = (groupimp > 0) ? groupimp : taskimp;
1143
1144         rcu_read_lock();
1145         cur = ACCESS_ONCE(dst_rq->curr);
1146         if (cur->pid == 0) /* idle */
1147                 cur = NULL;
1148
1149         /*
1150          * "imp" is the fault differential for the source task between the
1151          * source and destination node. Calculate the total differential for
1152          * the source task and potential destination task. The more negative
1153          * the value is, the more rmeote accesses that would be expected to
1154          * be incurred if the tasks were swapped.
1155          */
1156         if (cur) {
1157                 /* Skip this swap candidate if cannot move to the source cpu */
1158                 if (!cpumask_test_cpu(env->src_cpu, tsk_cpus_allowed(cur)))
1159                         goto unlock;
1160
1161                 /*
1162                  * If dst and source tasks are in the same NUMA group, or not
1163                  * in any group then look only at task weights.
1164                  */
1165                 if (cur->numa_group == env->p->numa_group) {
1166                         imp = taskimp + task_weight(cur, env->src_nid) -
1167                               task_weight(cur, env->dst_nid);
1168                         /*
1169                          * Add some hysteresis to prevent swapping the
1170                          * tasks within a group over tiny differences.
1171                          */
1172                         if (cur->numa_group)
1173                                 imp -= imp/16;
1174                 } else {
1175                         /*
1176                          * Compare the group weights. If a task is all by
1177                          * itself (not part of a group), use the task weight
1178                          * instead.
1179                          */
1180                         if (env->p->numa_group)
1181                                 imp = groupimp;
1182                         else
1183                                 imp = taskimp;
1184
1185                         if (cur->numa_group)
1186                                 imp += group_weight(cur, env->src_nid) -
1187                                        group_weight(cur, env->dst_nid);
1188                         else
1189                                 imp += task_weight(cur, env->src_nid) -
1190                                        task_weight(cur, env->dst_nid);
1191                 }
1192         }
1193
1194         if (imp < env->best_imp)
1195                 goto unlock;
1196
1197         if (!cur) {
1198                 /* Is there capacity at our destination? */
1199                 if (env->src_stats.has_free_capacity &&
1200                     !env->dst_stats.has_free_capacity)
1201                         goto unlock;
1202
1203                 goto balance;
1204         }
1205
1206         /* Balance doesn't matter much if we're running a task per cpu */
1207         if (src_rq->nr_running == 1 && dst_rq->nr_running == 1)
1208                 goto assign;
1209
1210         /*
1211          * In the overloaded case, try and keep the load balanced.
1212          */
1213 balance:
1214         orig_dst_load = env->dst_stats.load;
1215         orig_src_load = env->src_stats.load;
1216
1217         /* XXX missing capacity terms */
1218         load = task_h_load(env->p);
1219         dst_load = orig_dst_load + load;
1220         src_load = orig_src_load - load;
1221
1222         if (cur) {
1223                 load = task_h_load(cur);
1224                 dst_load -= load;
1225                 src_load += load;
1226         }
1227
1228         if (load_too_imbalanced(orig_src_load, orig_dst_load,
1229                                 src_load, dst_load, env))
1230                 goto unlock;
1231
1232 assign:
1233         task_numa_assign(env, cur, imp);
1234 unlock:
1235         rcu_read_unlock();
1236 }
1237
1238 static void task_numa_find_cpu(struct task_numa_env *env,
1239                                 long taskimp, long groupimp)
1240 {
1241         int cpu;
1242
1243         for_each_cpu(cpu, cpumask_of_node(env->dst_nid)) {
1244                 /* Skip this CPU if the source task cannot migrate */
1245                 if (!cpumask_test_cpu(cpu, tsk_cpus_allowed(env->p)))
1246                         continue;
1247
1248                 env->dst_cpu = cpu;
1249                 task_numa_compare(env, taskimp, groupimp);
1250         }
1251 }
1252
1253 static int task_numa_migrate(struct task_struct *p)
1254 {
1255         struct task_numa_env env = {
1256                 .p = p,
1257
1258                 .src_cpu = task_cpu(p),
1259                 .src_nid = task_node(p),
1260
1261                 .imbalance_pct = 112,
1262
1263                 .best_task = NULL,
1264                 .best_imp = 0,
1265                 .best_cpu = -1
1266         };
1267         struct sched_domain *sd;
1268         unsigned long taskweight, groupweight;
1269         int nid, ret;
1270         long taskimp, groupimp;
1271
1272         /*
1273          * Pick the lowest SD_NUMA domain, as that would have the smallest
1274          * imbalance and would be the first to start moving tasks about.
1275          *
1276          * And we want to avoid any moving of tasks about, as that would create
1277          * random movement of tasks -- counter the numa conditions we're trying
1278          * to satisfy here.
1279          */
1280         rcu_read_lock();
1281         sd = rcu_dereference(per_cpu(sd_numa, env.src_cpu));
1282         if (sd)
1283                 env.imbalance_pct = 100 + (sd->imbalance_pct - 100) / 2;
1284         rcu_read_unlock();
1285
1286         /*
1287          * Cpusets can break the scheduler domain tree into smaller
1288          * balance domains, some of which do not cross NUMA boundaries.
1289          * Tasks that are "trapped" in such domains cannot be migrated
1290          * elsewhere, so there is no point in (re)trying.
1291          */
1292         if (unlikely(!sd)) {
1293                 p->numa_preferred_nid = task_node(p);
1294                 return -EINVAL;
1295         }
1296
1297         taskweight = task_weight(p, env.src_nid);
1298         groupweight = group_weight(p, env.src_nid);
1299         update_numa_stats(&env.src_stats, env.src_nid);
1300         env.dst_nid = p->numa_preferred_nid;
1301         taskimp = task_weight(p, env.dst_nid) - taskweight;
1302         groupimp = group_weight(p, env.dst_nid) - groupweight;
1303         update_numa_stats(&env.dst_stats, env.dst_nid);
1304
1305         /* If the preferred nid has free capacity, try to use it. */
1306         if (env.dst_stats.has_free_capacity)
1307                 task_numa_find_cpu(&env, taskimp, groupimp);
1308
1309         /* No space available on the preferred nid. Look elsewhere. */
1310         if (env.best_cpu == -1) {
1311                 for_each_online_node(nid) {
1312                         if (nid == env.src_nid || nid == p->numa_preferred_nid)
1313                                 continue;
1314
1315                         /* Only consider nodes where both task and groups benefit */
1316                         taskimp = task_weight(p, nid) - taskweight;
1317                         groupimp = group_weight(p, nid) - groupweight;
1318                         if (taskimp < 0 && groupimp < 0)
1319                                 continue;
1320
1321                         env.dst_nid = nid;
1322                         update_numa_stats(&env.dst_stats, env.dst_nid);
1323                         task_numa_find_cpu(&env, taskimp, groupimp);
1324                 }
1325         }
1326
1327         /* No better CPU than the current one was found. */
1328         if (env.best_cpu == -1)
1329                 return -EAGAIN;
1330
1331         /*
1332          * If the task is part of a workload that spans multiple NUMA nodes,
1333          * and is migrating into one of the workload's active nodes, remember
1334          * this node as the task's preferred numa node, so the workload can
1335          * settle down.
1336          * A task that migrated to a second choice node will be better off
1337          * trying for a better one later. Do not set the preferred node here.
1338          */
1339         if (p->numa_group && node_isset(env.dst_nid, p->numa_group->active_nodes))
1340                 sched_setnuma(p, env.dst_nid);
1341
1342         /*
1343          * Reset the scan period if the task is being rescheduled on an
1344          * alternative node to recheck if the tasks is now properly placed.
1345          */
1346         p->numa_scan_period = task_scan_min(p);
1347
1348         if (env.best_task == NULL) {
1349                 ret = migrate_task_to(p, env.best_cpu);
1350                 if (ret != 0)
1351                         trace_sched_stick_numa(p, env.src_cpu, env.best_cpu);
1352                 return ret;
1353         }
1354
1355         ret = migrate_swap(p, env.best_task);
1356         if (ret != 0)
1357                 trace_sched_stick_numa(p, env.src_cpu, task_cpu(env.best_task));
1358         put_task_struct(env.best_task);
1359         return ret;
1360 }
1361
1362 /* Attempt to migrate a task to a CPU on the preferred node. */
1363 static void numa_migrate_preferred(struct task_struct *p)
1364 {
1365         unsigned long interval = HZ;
1366
1367         /* This task has no NUMA fault statistics yet */
1368         if (unlikely(p->numa_preferred_nid == -1 || !p->numa_faults_memory))
1369                 return;
1370
1371         /* Periodically retry migrating the task to the preferred node */
1372         interval = min(interval, msecs_to_jiffies(p->numa_scan_period) / 16);
1373         p->numa_migrate_retry = jiffies + interval;
1374
1375         /* Success if task is already running on preferred CPU */
1376         if (task_node(p) == p->numa_preferred_nid)
1377                 return;
1378
1379         /* Otherwise, try migrate to a CPU on the preferred node */
1380         task_numa_migrate(p);
1381 }
1382
1383 /*
1384  * Find the nodes on which the workload is actively running. We do this by
1385  * tracking the nodes from which NUMA hinting faults are triggered. This can
1386  * be different from the set of nodes where the workload's memory is currently
1387  * located.
1388  *
1389  * The bitmask is used to make smarter decisions on when to do NUMA page
1390  * migrations, To prevent flip-flopping, and excessive page migrations, nodes
1391  * are added when they cause over 6/16 of the maximum number of faults, but
1392  * only removed when they drop below 3/16.
1393  */
1394 static void update_numa_active_node_mask(struct numa_group *numa_group)
1395 {
1396         unsigned long faults, max_faults = 0;
1397         int nid;
1398
1399         for_each_online_node(nid) {
1400                 faults = group_faults_cpu(numa_group, nid);
1401                 if (faults > max_faults)
1402                         max_faults = faults;
1403         }
1404
1405         for_each_online_node(nid) {
1406                 faults = group_faults_cpu(numa_group, nid);
1407                 if (!node_isset(nid, numa_group->active_nodes)) {
1408                         if (faults > max_faults * 6 / 16)
1409                                 node_set(nid, numa_group->active_nodes);
1410                 } else if (faults < max_faults * 3 / 16)
1411                         node_clear(nid, numa_group->active_nodes);
1412         }
1413 }
1414
1415 /*
1416  * When adapting the scan rate, the period is divided into NUMA_PERIOD_SLOTS
1417  * increments. The more local the fault statistics are, the higher the scan
1418  * period will be for the next scan window. If local/remote ratio is below
1419  * NUMA_PERIOD_THRESHOLD (where range of ratio is 1..NUMA_PERIOD_SLOTS) the
1420  * scan period will decrease
1421  */
1422 #define NUMA_PERIOD_SLOTS 10
1423 #define NUMA_PERIOD_THRESHOLD 3
1424
1425 /*
1426  * Increase the scan period (slow down scanning) if the majority of
1427  * our memory is already on our local node, or if the majority of
1428  * the page accesses are shared with other processes.
1429  * Otherwise, decrease the scan period.
1430  */
1431 static void update_task_scan_period(struct task_struct *p,
1432                         unsigned long shared, unsigned long private)
1433 {
1434         unsigned int period_slot;
1435         int ratio;
1436         int diff;
1437
1438         unsigned long remote = p->numa_faults_locality[0];
1439         unsigned long local = p->numa_faults_locality[1];
1440
1441         /*
1442          * If there were no record hinting faults then either the task is
1443          * completely idle or all activity is areas that are not of interest
1444          * to automatic numa balancing. Scan slower
1445          */
1446         if (local + shared == 0) {
1447                 p->numa_scan_period = min(p->numa_scan_period_max,
1448                         p->numa_scan_period << 1);
1449
1450                 p->mm->numa_next_scan = jiffies +
1451                         msecs_to_jiffies(p->numa_scan_period);
1452
1453                 return;
1454         }
1455
1456         /*
1457          * Prepare to scale scan period relative to the current period.
1458          *       == NUMA_PERIOD_THRESHOLD scan period stays the same
1459          *       <  NUMA_PERIOD_THRESHOLD scan period decreases (scan faster)
1460          *       >= NUMA_PERIOD_THRESHOLD scan period increases (scan slower)
1461          */
1462         period_slot = DIV_ROUND_UP(p->numa_scan_period, NUMA_PERIOD_SLOTS);
1463         ratio = (local * NUMA_PERIOD_SLOTS) / (local + remote);
1464         if (ratio >= NUMA_PERIOD_THRESHOLD) {
1465                 int slot = ratio - NUMA_PERIOD_THRESHOLD;
1466                 if (!slot)
1467                         slot = 1;
1468                 diff = slot * period_slot;
1469         } else {
1470                 diff = -(NUMA_PERIOD_THRESHOLD - ratio) * period_slot;
1471
1472                 /*
1473                  * Scale scan rate increases based on sharing. There is an
1474                  * inverse relationship between the degree of sharing and
1475                  * the adjustment made to the scanning period. Broadly
1476                  * speaking the intent is that there is little point
1477                  * scanning faster if shared accesses dominate as it may
1478                  * simply bounce migrations uselessly
1479                  */
1480                 ratio = DIV_ROUND_UP(private * NUMA_PERIOD_SLOTS, (private + shared));
1481                 diff = (diff * ratio) / NUMA_PERIOD_SLOTS;
1482         }
1483
1484         p->numa_scan_period = clamp(p->numa_scan_period + diff,
1485                         task_scan_min(p), task_scan_max(p));
1486         memset(p->numa_faults_locality, 0, sizeof(p->numa_faults_locality));
1487 }
1488
1489 /*
1490  * Get the fraction of time the task has been running since the last
1491  * NUMA placement cycle. The scheduler keeps similar statistics, but
1492  * decays those on a 32ms period, which is orders of magnitude off
1493  * from the dozens-of-seconds NUMA balancing period. Use the scheduler
1494  * stats only if the task is so new there are no NUMA statistics yet.
1495  */
1496 static u64 numa_get_avg_runtime(struct task_struct *p, u64 *period)
1497 {
1498         u64 runtime, delta, now;
1499         /* Use the start of this time slice to avoid calculations. */
1500         now = p->se.exec_start;
1501         runtime = p->se.sum_exec_runtime;
1502
1503         if (p->last_task_numa_placement) {
1504                 delta = runtime - p->last_sum_exec_runtime;
1505                 *period = now - p->last_task_numa_placement;
1506         } else {
1507                 delta = p->se.avg.runnable_avg_sum;
1508                 *period = p->se.avg.runnable_avg_period;
1509         }
1510
1511         p->last_sum_exec_runtime = runtime;
1512         p->last_task_numa_placement = now;
1513
1514         return delta;
1515 }
1516
1517 static void task_numa_placement(struct task_struct *p)
1518 {
1519         int seq, nid, max_nid = -1, max_group_nid = -1;
1520         unsigned long max_faults = 0, max_group_faults = 0;
1521         unsigned long fault_types[2] = { 0, 0 };
1522         unsigned long total_faults;
1523         u64 runtime, period;
1524         spinlock_t *group_lock = NULL;
1525
1526         seq = ACCESS_ONCE(p->mm->numa_scan_seq);
1527         if (p->numa_scan_seq == seq)
1528                 return;
1529         p->numa_scan_seq = seq;
1530         p->numa_scan_period_max = task_scan_max(p);
1531
1532         total_faults = p->numa_faults_locality[0] +
1533                        p->numa_faults_locality[1];
1534         runtime = numa_get_avg_runtime(p, &period);
1535
1536         /* If the task is part of a group prevent parallel updates to group stats */
1537         if (p->numa_group) {
1538                 group_lock = &p->numa_group->lock;
1539                 spin_lock_irq(group_lock);
1540         }
1541
1542         /* Find the node with the highest number of faults */
1543         for_each_online_node(nid) {
1544                 unsigned long faults = 0, group_faults = 0;
1545                 int priv, i;
1546
1547                 for (priv = 0; priv < NR_NUMA_HINT_FAULT_TYPES; priv++) {
1548                         long diff, f_diff, f_weight;
1549
1550                         i = task_faults_idx(nid, priv);
1551
1552                         /* Decay existing window, copy faults since last scan */
1553                         diff = p->numa_faults_buffer_memory[i] - p->numa_faults_memory[i] / 2;
1554                         fault_types[priv] += p->numa_faults_buffer_memory[i];
1555                         p->numa_faults_buffer_memory[i] = 0;
1556
1557                         /*
1558                          * Normalize the faults_from, so all tasks in a group
1559                          * count according to CPU use, instead of by the raw
1560                          * number of faults. Tasks with little runtime have
1561                          * little over-all impact on throughput, and thus their
1562                          * faults are less important.
1563                          */
1564                         f_weight = div64_u64(runtime << 16, period + 1);
1565                         f_weight = (f_weight * p->numa_faults_buffer_cpu[i]) /
1566                                    (total_faults + 1);
1567                         f_diff = f_weight - p->numa_faults_cpu[i] / 2;
1568                         p->numa_faults_buffer_cpu[i] = 0;
1569
1570                         p->numa_faults_memory[i] += diff;
1571                         p->numa_faults_cpu[i] += f_diff;
1572                         faults += p->numa_faults_memory[i];
1573                         p->total_numa_faults += diff;
1574                         if (p->numa_group) {
1575                                 /* safe because we can only change our own group */
1576                                 p->numa_group->faults[i] += diff;
1577                                 p->numa_group->faults_cpu[i] += f_diff;
1578                                 p->numa_group->total_faults += diff;
1579                                 group_faults += p->numa_group->faults[i];
1580                         }
1581                 }
1582
1583                 if (faults > max_faults) {
1584                         max_faults = faults;
1585                         max_nid = nid;
1586                 }
1587
1588                 if (group_faults > max_group_faults) {
1589                         max_group_faults = group_faults;
1590                         max_group_nid = nid;
1591                 }
1592         }
1593
1594         update_task_scan_period(p, fault_types[0], fault_types[1]);
1595
1596         if (p->numa_group) {
1597                 update_numa_active_node_mask(p->numa_group);
1598                 /*
1599                  * If the preferred task and group nids are different,
1600                  * iterate over the nodes again to find the best place.
1601                  */
1602                 if (max_nid != max_group_nid) {
1603                         unsigned long weight, max_weight = 0;
1604
1605                         for_each_online_node(nid) {
1606                                 weight = task_weight(p, nid) + group_weight(p, nid);
1607                                 if (weight > max_weight) {
1608                                         max_weight = weight;
1609                                         max_nid = nid;
1610                                 }
1611                         }
1612                 }
1613
1614                 spin_unlock_irq(group_lock);
1615         }
1616
1617         /* Preferred node as the node with the most faults */
1618         if (max_faults && max_nid != p->numa_preferred_nid) {
1619                 /* Update the preferred nid and migrate task if possible */
1620                 sched_setnuma(p, max_nid);
1621                 numa_migrate_preferred(p);
1622         }
1623 }
1624
1625 static inline int get_numa_group(struct numa_group *grp)
1626 {
1627         return atomic_inc_not_zero(&grp->refcount);
1628 }
1629
1630 static inline void put_numa_group(struct numa_group *grp)
1631 {
1632         if (atomic_dec_and_test(&grp->refcount))
1633                 kfree_rcu(grp, rcu);
1634 }
1635
1636 static void task_numa_group(struct task_struct *p, int cpupid, int flags,
1637                         int *priv)
1638 {
1639         struct numa_group *grp, *my_grp;
1640         struct task_struct *tsk;
1641         bool join = false;
1642         int cpu = cpupid_to_cpu(cpupid);
1643         int i;
1644
1645         if (unlikely(!p->numa_group)) {
1646                 unsigned int size = sizeof(struct numa_group) +
1647                                     4*nr_node_ids*sizeof(unsigned long);
1648
1649                 grp = kzalloc(size, GFP_KERNEL | __GFP_NOWARN);
1650                 if (!grp)
1651                         return;
1652
1653                 atomic_set(&grp->refcount, 1);
1654                 spin_lock_init(&grp->lock);
1655                 INIT_LIST_HEAD(&grp->task_list);
1656                 grp->gid = p->pid;
1657                 /* Second half of the array tracks nids where faults happen */
1658                 grp->faults_cpu = grp->faults + NR_NUMA_HINT_FAULT_TYPES *
1659                                                 nr_node_ids;
1660
1661                 node_set(task_node(current), grp->active_nodes);
1662
1663                 for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++)
1664                         grp->faults[i] = p->numa_faults_memory[i];
1665
1666                 grp->total_faults = p->total_numa_faults;
1667
1668                 list_add(&p->numa_entry, &grp->task_list);
1669                 grp->nr_tasks++;
1670                 rcu_assign_pointer(p->numa_group, grp);
1671         }
1672
1673         rcu_read_lock();
1674         tsk = ACCESS_ONCE(cpu_rq(cpu)->curr);
1675
1676         if (!cpupid_match_pid(tsk, cpupid))
1677                 goto no_join;
1678
1679         grp = rcu_dereference(tsk->numa_group);
1680         if (!grp)
1681                 goto no_join;
1682
1683         my_grp = p->numa_group;
1684         if (grp == my_grp)
1685                 goto no_join;
1686
1687         /*
1688          * Only join the other group if its bigger; if we're the bigger group,
1689          * the other task will join us.
1690          */
1691         if (my_grp->nr_tasks > grp->nr_tasks)
1692                 goto no_join;
1693
1694         /*
1695          * Tie-break on the grp address.
1696          */
1697         if (my_grp->nr_tasks == grp->nr_tasks && my_grp > grp)
1698                 goto no_join;
1699
1700         /* Always join threads in the same process. */
1701         if (tsk->mm == current->mm)
1702                 join = true;
1703
1704         /* Simple filter to avoid false positives due to PID collisions */
1705         if (flags & TNF_SHARED)
1706                 join = true;
1707
1708         /* Update priv based on whether false sharing was detected */
1709         *priv = !join;
1710
1711         if (join && !get_numa_group(grp))
1712                 goto no_join;
1713
1714         rcu_read_unlock();
1715
1716         if (!join)
1717                 return;
1718
1719         BUG_ON(irqs_disabled());
1720         double_lock_irq(&my_grp->lock, &grp->lock);
1721
1722         for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++) {
1723                 my_grp->faults[i] -= p->numa_faults_memory[i];
1724                 grp->faults[i] += p->numa_faults_memory[i];
1725         }
1726         my_grp->total_faults -= p->total_numa_faults;
1727         grp->total_faults += p->total_numa_faults;
1728
1729         list_move(&p->numa_entry, &grp->task_list);
1730         my_grp->nr_tasks--;
1731         grp->nr_tasks++;
1732
1733         spin_unlock(&my_grp->lock);
1734         spin_unlock_irq(&grp->lock);
1735
1736         rcu_assign_pointer(p->numa_group, grp);
1737
1738         put_numa_group(my_grp);
1739         return;
1740
1741 no_join:
1742         rcu_read_unlock();
1743         return;
1744 }
1745
1746 void task_numa_free(struct task_struct *p)
1747 {
1748         struct numa_group *grp = p->numa_group;
1749         void *numa_faults = p->numa_faults_memory;
1750         unsigned long flags;
1751         int i;
1752
1753         if (grp) {
1754                 spin_lock_irqsave(&grp->lock, flags);
1755                 for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++)
1756                         grp->faults[i] -= p->numa_faults_memory[i];
1757                 grp->total_faults -= p->total_numa_faults;
1758
1759                 list_del(&p->numa_entry);
1760                 grp->nr_tasks--;
1761                 spin_unlock_irqrestore(&grp->lock, flags);
1762                 rcu_assign_pointer(p->numa_group, NULL);
1763                 put_numa_group(grp);
1764         }
1765
1766         p->numa_faults_memory = NULL;
1767         p->numa_faults_buffer_memory = NULL;
1768         p->numa_faults_cpu= NULL;
1769         p->numa_faults_buffer_cpu = NULL;
1770         kfree(numa_faults);
1771 }
1772
1773 /*
1774  * Got a PROT_NONE fault for a page on @node.
1775  */
1776 void task_numa_fault(int last_cpupid, int mem_node, int pages, int flags)
1777 {
1778         struct task_struct *p = current;
1779         bool migrated = flags & TNF_MIGRATED;
1780         int cpu_node = task_node(current);
1781         int local = !!(flags & TNF_FAULT_LOCAL);
1782         int priv;
1783
1784         if (!numabalancing_enabled)
1785                 return;
1786
1787         /* for example, ksmd faulting in a user's mm */
1788         if (!p->mm)
1789                 return;
1790
1791         /* Do not worry about placement if exiting */
1792         if (p->state == TASK_DEAD)
1793                 return;
1794
1795         /* Allocate buffer to track faults on a per-node basis */
1796         if (unlikely(!p->numa_faults_memory)) {
1797                 int size = sizeof(*p->numa_faults_memory) *
1798                            NR_NUMA_HINT_FAULT_BUCKETS * nr_node_ids;
1799
1800                 p->numa_faults_memory = kzalloc(size, GFP_KERNEL|__GFP_NOWARN);
1801                 if (!p->numa_faults_memory)
1802                         return;
1803
1804                 BUG_ON(p->numa_faults_buffer_memory);
1805                 /*
1806                  * The averaged statistics, shared & private, memory & cpu,
1807                  * occupy the first half of the array. The second half of the
1808                  * array is for current counters, which are averaged into the
1809                  * first set by task_numa_placement.
1810                  */
1811                 p->numa_faults_cpu = p->numa_faults_memory + (2 * nr_node_ids);
1812                 p->numa_faults_buffer_memory = p->numa_faults_memory + (4 * nr_node_ids);
1813                 p->numa_faults_buffer_cpu = p->numa_faults_memory + (6 * nr_node_ids);
1814                 p->total_numa_faults = 0;
1815                 memset(p->numa_faults_locality, 0, sizeof(p->numa_faults_locality));
1816         }
1817
1818         /*
1819          * First accesses are treated as private, otherwise consider accesses
1820          * to be private if the accessing pid has not changed
1821          */
1822         if (unlikely(last_cpupid == (-1 & LAST_CPUPID_MASK))) {
1823                 priv = 1;
1824         } else {
1825                 priv = cpupid_match_pid(p, last_cpupid);
1826                 if (!priv && !(flags & TNF_NO_GROUP))
1827                         task_numa_group(p, last_cpupid, flags, &priv);
1828         }
1829
1830         /*
1831          * If a workload spans multiple NUMA nodes, a shared fault that
1832          * occurs wholly within the set of nodes that the workload is
1833          * actively using should be counted as local. This allows the
1834          * scan rate to slow down when a workload has settled down.
1835          */
1836         if (!priv && !local && p->numa_group &&
1837                         node_isset(cpu_node, p->numa_group->active_nodes) &&
1838                         node_isset(mem_node, p->numa_group->active_nodes))
1839                 local = 1;
1840
1841         task_numa_placement(p);
1842
1843         /*
1844          * Retry task to preferred node migration periodically, in case it
1845          * case it previously failed, or the scheduler moved us.
1846          */
1847         if (time_after(jiffies, p->numa_migrate_retry))
1848                 numa_migrate_preferred(p);
1849
1850         if (migrated)
1851                 p->numa_pages_migrated += pages;
1852
1853         p->numa_faults_buffer_memory[task_faults_idx(mem_node, priv)] += pages;
1854         p->numa_faults_buffer_cpu[task_faults_idx(cpu_node, priv)] += pages;
1855         p->numa_faults_locality[local] += pages;
1856 }
1857
1858 static void reset_ptenuma_scan(struct task_struct *p)
1859 {
1860         ACCESS_ONCE(p->mm->numa_scan_seq)++;
1861         p->mm->numa_scan_offset = 0;
1862 }
1863
1864 /*
1865  * The expensive part of numa migration is done from task_work context.
1866  * Triggered from task_tick_numa().
1867  */
1868 void task_numa_work(struct callback_head *work)
1869 {
1870         unsigned long migrate, next_scan, now = jiffies;
1871         struct task_struct *p = current;
1872         struct mm_struct *mm = p->mm;
1873         struct vm_area_struct *vma;
1874         unsigned long start, end;
1875         unsigned long nr_pte_updates = 0;
1876         long pages;
1877
1878         WARN_ON_ONCE(p != container_of(work, struct task_struct, numa_work));
1879
1880         work->next = work; /* protect against double add */
1881         /*
1882          * Who cares about NUMA placement when they're dying.
1883          *
1884          * NOTE: make sure not to dereference p->mm before this check,
1885          * exit_task_work() happens _after_ exit_mm() so we could be called
1886          * without p->mm even though we still had it when we enqueued this
1887          * work.
1888          */
1889         if (p->flags & PF_EXITING)
1890                 return;
1891
1892         if (!mm->numa_next_scan) {
1893                 mm->numa_next_scan = now +
1894                         msecs_to_jiffies(sysctl_numa_balancing_scan_delay);
1895         }
1896
1897         /*
1898          * Enforce maximal scan/migration frequency..
1899          */
1900         migrate = mm->numa_next_scan;
1901         if (time_before(now, migrate))
1902                 return;
1903
1904         if (p->numa_scan_period == 0) {
1905                 p->numa_scan_period_max = task_scan_max(p);
1906                 p->numa_scan_period = task_scan_min(p);
1907         }
1908
1909         next_scan = now + msecs_to_jiffies(p->numa_scan_period);
1910         if (cmpxchg(&mm->numa_next_scan, migrate, next_scan) != migrate)
1911                 return;
1912
1913         /*
1914          * Delay this task enough that another task of this mm will likely win
1915          * the next time around.
1916          */
1917         p->node_stamp += 2 * TICK_NSEC;
1918
1919         start = mm->numa_scan_offset;
1920         pages = sysctl_numa_balancing_scan_size;
1921         pages <<= 20 - PAGE_SHIFT; /* MB in pages */
1922         if (!pages)
1923                 return;
1924
1925         down_read(&mm->mmap_sem);
1926         vma = find_vma(mm, start);
1927         if (!vma) {
1928                 reset_ptenuma_scan(p);
1929                 start = 0;
1930                 vma = mm->mmap;
1931         }
1932         for (; vma; vma = vma->vm_next) {
1933                 if (!vma_migratable(vma) || !vma_policy_mof(p, vma))
1934                         continue;
1935
1936                 /*
1937                  * Shared library pages mapped by multiple processes are not
1938                  * migrated as it is expected they are cache replicated. Avoid
1939                  * hinting faults in read-only file-backed mappings or the vdso
1940                  * as migrating the pages will be of marginal benefit.
1941                  */
1942                 if (!vma->vm_mm ||
1943                     (vma->vm_file && (vma->vm_flags & (VM_READ|VM_WRITE)) == (VM_READ)))
1944                         continue;
1945
1946                 /*
1947                  * Skip inaccessible VMAs to avoid any confusion between
1948                  * PROT_NONE and NUMA hinting ptes
1949                  */
1950                 if (!(vma->vm_flags & (VM_READ | VM_EXEC | VM_WRITE)))
1951                         continue;
1952
1953                 do {
1954                         start = max(start, vma->vm_start);
1955                         end = ALIGN(start + (pages << PAGE_SHIFT), HPAGE_SIZE);
1956                         end = min(end, vma->vm_end);
1957                         nr_pte_updates += change_prot_numa(vma, start, end);
1958
1959                         /*
1960                          * Scan sysctl_numa_balancing_scan_size but ensure that
1961                          * at least one PTE is updated so that unused virtual
1962                          * address space is quickly skipped.
1963                          */
1964                         if (nr_pte_updates)
1965                                 pages -= (end - start) >> PAGE_SHIFT;
1966
1967                         start = end;
1968                         if (pages <= 0)
1969                                 goto out;
1970
1971                         cond_resched();
1972                 } while (end != vma->vm_end);
1973         }
1974
1975 out:
1976         /*
1977          * It is possible to reach the end of the VMA list but the last few
1978          * VMAs are not guaranteed to the vma_migratable. If they are not, we
1979          * would find the !migratable VMA on the next scan but not reset the
1980          * scanner to the start so check it now.
1981          */
1982         if (vma)
1983                 mm->numa_scan_offset = start;
1984         else
1985                 reset_ptenuma_scan(p);
1986         up_read(&mm->mmap_sem);
1987 }
1988
1989 /*
1990  * Drive the periodic memory faults..
1991  */
1992 void task_tick_numa(struct rq *rq, struct task_struct *curr)
1993 {
1994         struct callback_head *work = &curr->numa_work;
1995         u64 period, now;
1996
1997         /*
1998          * We don't care about NUMA placement if we don't have memory.
1999          */
2000         if (!curr->mm || (curr->flags & PF_EXITING) || work->next != work)
2001                 return;
2002
2003         /*
2004          * Using runtime rather than walltime has the dual advantage that
2005          * we (mostly) drive the selection from busy threads and that the
2006          * task needs to have done some actual work before we bother with
2007          * NUMA placement.
2008          */
2009         now = curr->se.sum_exec_runtime;
2010         period = (u64)curr->numa_scan_period * NSEC_PER_MSEC;
2011
2012         if (now - curr->node_stamp > period) {
2013                 if (!curr->node_stamp)
2014                         curr->numa_scan_period = task_scan_min(curr);
2015                 curr->node_stamp += period;
2016
2017                 if (!time_before(jiffies, curr->mm->numa_next_scan)) {
2018                         init_task_work(work, task_numa_work); /* TODO: move this into sched_fork() */
2019                         task_work_add(curr, work, true);
2020                 }
2021         }
2022 }
2023 #else
2024 static void task_tick_numa(struct rq *rq, struct task_struct *curr)
2025 {
2026 }
2027
2028 static inline void account_numa_enqueue(struct rq *rq, struct task_struct *p)
2029 {
2030 }
2031
2032 static inline void account_numa_dequeue(struct rq *rq, struct task_struct *p)
2033 {
2034 }
2035 #endif /* CONFIG_NUMA_BALANCING */
2036
2037 static void
2038 account_entity_enqueue(struct cfs_rq *cfs_rq, struct sched_entity *se)
2039 {
2040         update_load_add(&cfs_rq->load, se->load.weight);
2041         if (!parent_entity(se))
2042                 update_load_add(&rq_of(cfs_rq)->load, se->load.weight);
2043 #ifdef CONFIG_SMP
2044         if (entity_is_task(se)) {
2045                 struct rq *rq = rq_of(cfs_rq);
2046
2047                 account_numa_enqueue(rq, task_of(se));
2048                 list_add(&se->group_node, &rq->cfs_tasks);
2049         }
2050 #endif
2051         cfs_rq->nr_running++;
2052 }
2053
2054 static void
2055 account_entity_dequeue(struct cfs_rq *cfs_rq, struct sched_entity *se)
2056 {
2057         update_load_sub(&cfs_rq->load, se->load.weight);
2058         if (!parent_entity(se))
2059                 update_load_sub(&rq_of(cfs_rq)->load, se->load.weight);
2060         if (entity_is_task(se)) {
2061                 account_numa_dequeue(rq_of(cfs_rq), task_of(se));
2062                 list_del_init(&se->group_node);
2063         }
2064         cfs_rq->nr_running--;
2065 }
2066
2067 #ifdef CONFIG_FAIR_GROUP_SCHED
2068 # ifdef CONFIG_SMP
2069 static inline long calc_tg_weight(struct task_group *tg, struct cfs_rq *cfs_rq)
2070 {
2071         long tg_weight;
2072
2073         /*
2074          * Use this CPU's actual weight instead of the last load_contribution
2075          * to gain a more accurate current total weight. See
2076          * update_cfs_rq_load_contribution().
2077          */
2078         tg_weight = atomic_long_read(&tg->load_avg);
2079         tg_weight -= cfs_rq->tg_load_contrib;
2080         tg_weight += cfs_rq->load.weight;
2081
2082         return tg_weight;
2083 }
2084
2085 static long calc_cfs_shares(struct cfs_rq *cfs_rq, struct task_group *tg)
2086 {
2087         long tg_weight, load, shares;
2088
2089         tg_weight = calc_tg_weight(tg, cfs_rq);
2090         load = cfs_rq->load.weight;
2091
2092         shares = (tg->shares * load);
2093         if (tg_weight)
2094                 shares /= tg_weight;
2095
2096         if (shares < MIN_SHARES)
2097                 shares = MIN_SHARES;
2098         if (shares > tg->shares)
2099                 shares = tg->shares;
2100
2101         return shares;
2102 }
2103 # else /* CONFIG_SMP */
2104 static inline long calc_cfs_shares(struct cfs_rq *cfs_rq, struct task_group *tg)
2105 {
2106         return tg->shares;
2107 }
2108 # endif /* CONFIG_SMP */
2109 static void reweight_entity(struct cfs_rq *cfs_rq, struct sched_entity *se,
2110                             unsigned long weight)
2111 {
2112         if (se->on_rq) {
2113                 /* commit outstanding execution time */
2114                 if (cfs_rq->curr == se)
2115                         update_curr(cfs_rq);
2116                 account_entity_dequeue(cfs_rq, se);
2117         }
2118
2119         update_load_set(&se->load, weight);
2120
2121         if (se->on_rq)
2122                 account_entity_enqueue(cfs_rq, se);
2123 }
2124
2125 static inline int throttled_hierarchy(struct cfs_rq *cfs_rq);
2126
2127 static void update_cfs_shares(struct cfs_rq *cfs_rq)
2128 {
2129         struct task_group *tg;
2130         struct sched_entity *se;
2131         long shares;
2132
2133         tg = cfs_rq->tg;
2134         se = tg->se[cpu_of(rq_of(cfs_rq))];
2135         if (!se || throttled_hierarchy(cfs_rq))
2136                 return;
2137 #ifndef CONFIG_SMP
2138         if (likely(se->load.weight == tg->shares))
2139                 return;
2140 #endif
2141         shares = calc_cfs_shares(cfs_rq, tg);
2142
2143         reweight_entity(cfs_rq_of(se), se, shares);
2144 }
2145 #else /* CONFIG_FAIR_GROUP_SCHED */
2146 static inline void update_cfs_shares(struct cfs_rq *cfs_rq)
2147 {
2148 }
2149 #endif /* CONFIG_FAIR_GROUP_SCHED */
2150
2151 #ifdef CONFIG_SMP
2152 /*
2153  * We choose a half-life close to 1 scheduling period.
2154  * Note: The tables below are dependent on this value.
2155  */
2156 #define LOAD_AVG_PERIOD 32
2157 #define LOAD_AVG_MAX 47742 /* maximum possible load avg */
2158 #define LOAD_AVG_MAX_N 345 /* number of full periods to produce LOAD_MAX_AVG */
2159
2160 /* Precomputed fixed inverse multiplies for multiplication by y^n */
2161 static const u32 runnable_avg_yN_inv[] = {
2162         0xffffffff, 0xfa83b2da, 0xf5257d14, 0xefe4b99a, 0xeac0c6e6, 0xe5b906e6,
2163         0xe0ccdeeb, 0xdbfbb796, 0xd744fcc9, 0xd2a81d91, 0xce248c14, 0xc9b9bd85,
2164         0xc5672a10, 0xc12c4cc9, 0xbd08a39e, 0xb8fbaf46, 0xb504f333, 0xb123f581,
2165         0xad583ee9, 0xa9a15ab4, 0xa5fed6a9, 0xa2704302, 0x9ef5325f, 0x9b8d39b9,
2166         0x9837f050, 0x94f4efa8, 0x91c3d373, 0x8ea4398a, 0x8b95c1e3, 0x88980e80,
2167         0x85aac367, 0x82cd8698,
2168 };
2169
2170 /*
2171  * Precomputed \Sum y^k { 1<=k<=n }.  These are floor(true_value) to prevent
2172  * over-estimates when re-combining.
2173  */
2174 static const u32 runnable_avg_yN_sum[] = {
2175             0, 1002, 1982, 2941, 3880, 4798, 5697, 6576, 7437, 8279, 9103,
2176          9909,10698,11470,12226,12966,13690,14398,15091,15769,16433,17082,
2177         17718,18340,18949,19545,20128,20698,21256,21802,22336,22859,23371,
2178 };
2179
2180 /*
2181  * Approximate:
2182  *   val * y^n,    where y^32 ~= 0.5 (~1 scheduling period)
2183  */
2184 static __always_inline u64 decay_load(u64 val, u64 n)
2185 {
2186         unsigned int local_n;
2187
2188         if (!n)
2189                 return val;
2190         else if (unlikely(n > LOAD_AVG_PERIOD * 63))
2191                 return 0;
2192
2193         /* after bounds checking we can collapse to 32-bit */
2194         local_n = n;
2195
2196         /*
2197          * As y^PERIOD = 1/2, we can combine
2198          *    y^n = 1/2^(n/PERIOD) * k^(n%PERIOD)
2199          * With a look-up table which covers k^n (n<PERIOD)
2200          *
2201          * To achieve constant time decay_load.
2202          */
2203         if (unlikely(local_n >= LOAD_AVG_PERIOD)) {
2204                 val >>= local_n / LOAD_AVG_PERIOD;
2205                 local_n %= LOAD_AVG_PERIOD;
2206         }
2207
2208         val *= runnable_avg_yN_inv[local_n];
2209         /* We don't use SRR here since we always want to round down. */
2210         return val >> 32;
2211 }
2212
2213 /*
2214  * For updates fully spanning n periods, the contribution to runnable
2215  * average will be: \Sum 1024*y^n
2216  *
2217  * We can compute this reasonably efficiently by combining:
2218  *   y^PERIOD = 1/2 with precomputed \Sum 1024*y^n {for  n <PERIOD}
2219  */
2220 static u32 __compute_runnable_contrib(u64 n)
2221 {
2222         u32 contrib = 0;
2223
2224         if (likely(n <= LOAD_AVG_PERIOD))
2225                 return runnable_avg_yN_sum[n];
2226         else if (unlikely(n >= LOAD_AVG_MAX_N))
2227                 return LOAD_AVG_MAX;
2228
2229         /* Compute \Sum k^n combining precomputed values for k^i, \Sum k^j */
2230         do {
2231                 contrib /= 2; /* y^LOAD_AVG_PERIOD = 1/2 */
2232                 contrib += runnable_avg_yN_sum[LOAD_AVG_PERIOD];
2233
2234                 n -= LOAD_AVG_PERIOD;
2235         } while (n > LOAD_AVG_PERIOD);
2236
2237         contrib = decay_load(contrib, n);
2238         return contrib + runnable_avg_yN_sum[n];
2239 }
2240
2241 /*
2242  * We can represent the historical contribution to runnable average as the
2243  * coefficients of a geometric series.  To do this we sub-divide our runnable
2244  * history into segments of approximately 1ms (1024us); label the segment that
2245  * occurred N-ms ago p_N, with p_0 corresponding to the current period, e.g.
2246  *
2247  * [<- 1024us ->|<- 1024us ->|<- 1024us ->| ...
2248  *      p0            p1           p2
2249  *     (now)       (~1ms ago)  (~2ms ago)
2250  *
2251  * Let u_i denote the fraction of p_i that the entity was runnable.
2252  *
2253  * We then designate the fractions u_i as our co-efficients, yielding the
2254  * following representation of historical load:
2255  *   u_0 + u_1*y + u_2*y^2 + u_3*y^3 + ...
2256  *
2257  * We choose y based on the with of a reasonably scheduling period, fixing:
2258  *   y^32 = 0.5
2259  *
2260  * This means that the contribution to load ~32ms ago (u_32) will be weighted
2261  * approximately half as much as the contribution to load within the last ms
2262  * (u_0).
2263  *
2264  * When a period "rolls over" and we have new u_0`, multiplying the previous
2265  * sum again by y is sufficient to update:
2266  *   load_avg = u_0` + y*(u_0 + u_1*y + u_2*y^2 + ... )
2267  *            = u_0 + u_1*y + u_2*y^2 + ... [re-labeling u_i --> u_{i+1}]
2268  */
2269 static __always_inline int __update_entity_runnable_avg(u64 now,
2270                                                         struct sched_avg *sa,
2271                                                         int runnable)
2272 {
2273         u64 delta, periods;
2274         u32 runnable_contrib;
2275         int delta_w, decayed = 0;
2276
2277         delta = now - sa->last_runnable_update;
2278         /*
2279          * This should only happen when time goes backwards, which it
2280          * unfortunately does during sched clock init when we swap over to TSC.
2281          */
2282         if ((s64)delta < 0) {
2283                 sa->last_runnable_update = now;
2284                 return 0;
2285         }
2286
2287         /*
2288          * Use 1024ns as the unit of measurement since it's a reasonable
2289          * approximation of 1us and fast to compute.
2290          */
2291         delta >>= 10;
2292         if (!delta)
2293                 return 0;
2294         sa->last_runnable_update = now;
2295
2296         /* delta_w is the amount already accumulated against our next period */
2297         delta_w = sa->runnable_avg_period % 1024;
2298         if (delta + delta_w >= 1024) {
2299                 /* period roll-over */
2300                 decayed = 1;
2301
2302                 /*
2303                  * Now that we know we're crossing a period boundary, figure
2304                  * out how much from delta we need to complete the current
2305                  * period and accrue it.
2306                  */
2307                 delta_w = 1024 - delta_w;
2308                 if (runnable)
2309                         sa->runnable_avg_sum += delta_w;
2310                 sa->runnable_avg_period += delta_w;
2311
2312                 delta -= delta_w;
2313
2314                 /* Figure out how many additional periods this update spans */
2315                 periods = delta / 1024;
2316                 delta %= 1024;
2317
2318                 sa->runnable_avg_sum = decay_load(sa->runnable_avg_sum,
2319                                                   periods + 1);
2320                 sa->runnable_avg_period = decay_load(sa->runnable_avg_period,
2321                                                      periods + 1);
2322
2323                 /* Efficiently calculate \sum (1..n_period) 1024*y^i */
2324                 runnable_contrib = __compute_runnable_contrib(periods);
2325                 if (runnable)
2326                         sa->runnable_avg_sum += runnable_contrib;
2327                 sa->runnable_avg_period += runnable_contrib;
2328         }
2329
2330         /* Remainder of delta accrued against u_0` */
2331         if (runnable)
2332                 sa->runnable_avg_sum += delta;
2333         sa->runnable_avg_period += delta;
2334
2335         return decayed;
2336 }
2337
2338 /* Synchronize an entity's decay with its parenting cfs_rq.*/
2339 static inline u64 __synchronize_entity_decay(struct sched_entity *se)
2340 {
2341         struct cfs_rq *cfs_rq = cfs_rq_of(se);
2342         u64 decays = atomic64_read(&cfs_rq->decay_counter);
2343
2344         decays -= se->avg.decay_count;
2345         if (!decays)
2346                 return 0;
2347
2348         se->avg.load_avg_contrib = decay_load(se->avg.load_avg_contrib, decays);
2349         se->avg.decay_count = 0;
2350
2351         return decays;
2352 }
2353
2354 #ifdef CONFIG_FAIR_GROUP_SCHED
2355 static inline void __update_cfs_rq_tg_load_contrib(struct cfs_rq *cfs_rq,
2356                                                  int force_update)
2357 {
2358         struct task_group *tg = cfs_rq->tg;
2359         long tg_contrib;
2360
2361         tg_contrib = cfs_rq->runnable_load_avg + cfs_rq->blocked_load_avg;
2362         tg_contrib -= cfs_rq->tg_load_contrib;
2363
2364         if (force_update || abs(tg_contrib) > cfs_rq->tg_load_contrib / 8) {
2365                 atomic_long_add(tg_contrib, &tg->load_avg);
2366                 cfs_rq->tg_load_contrib += tg_contrib;
2367         }
2368 }
2369
2370 /*
2371  * Aggregate cfs_rq runnable averages into an equivalent task_group
2372  * representation for computing load contributions.
2373  */
2374 static inline void __update_tg_runnable_avg(struct sched_avg *sa,
2375                                                   struct cfs_rq *cfs_rq)
2376 {
2377         struct task_group *tg = cfs_rq->tg;
2378         long contrib;
2379
2380         /* The fraction of a cpu used by this cfs_rq */
2381         contrib = div_u64((u64)sa->runnable_avg_sum << NICE_0_SHIFT,
2382                           sa->runnable_avg_period + 1);
2383         contrib -= cfs_rq->tg_runnable_contrib;
2384
2385         if (abs(contrib) > cfs_rq->tg_runnable_contrib / 64) {
2386                 atomic_add(contrib, &tg->runnable_avg);
2387                 cfs_rq->tg_runnable_contrib += contrib;
2388         }
2389 }
2390
2391 static inline void __update_group_entity_contrib(struct sched_entity *se)
2392 {
2393         struct cfs_rq *cfs_rq = group_cfs_rq(se);
2394         struct task_group *tg = cfs_rq->tg;
2395         int runnable_avg;
2396
2397         u64 contrib;
2398
2399         contrib = cfs_rq->tg_load_contrib * tg->shares;
2400         se->avg.load_avg_contrib = div_u64(contrib,
2401                                      atomic_long_read(&tg->load_avg) + 1);
2402
2403         /*
2404          * For group entities we need to compute a correction term in the case
2405          * that they are consuming <1 cpu so that we would contribute the same
2406          * load as a task of equal weight.
2407          *
2408          * Explicitly co-ordinating this measurement would be expensive, but
2409          * fortunately the sum of each cpus contribution forms a usable
2410          * lower-bound on the true value.
2411          *
2412          * Consider the aggregate of 2 contributions.  Either they are disjoint
2413          * (and the sum represents true value) or they are disjoint and we are
2414          * understating by the aggregate of their overlap.
2415          *
2416          * Extending this to N cpus, for a given overlap, the maximum amount we
2417          * understand is then n_i(n_i+1)/2 * w_i where n_i is the number of
2418          * cpus that overlap for this interval and w_i is the interval width.
2419          *
2420          * On a small machine; the first term is well-bounded which bounds the
2421          * total error since w_i is a subset of the period.  Whereas on a
2422          * larger machine, while this first term can be larger, if w_i is the
2423          * of consequential size guaranteed to see n_i*w_i quickly converge to
2424          * our upper bound of 1-cpu.
2425          */
2426         runnable_avg = atomic_read(&tg->runnable_avg);
2427         if (runnable_avg < NICE_0_LOAD) {
2428                 se->avg.load_avg_contrib *= runnable_avg;
2429                 se->avg.load_avg_contrib >>= NICE_0_SHIFT;
2430         }
2431 }
2432
2433 static inline void update_rq_runnable_avg(struct rq *rq, int runnable)
2434 {
2435         __update_entity_runnable_avg(rq_clock_task(rq), &rq->avg, runnable);
2436         __update_tg_runnable_avg(&rq->avg, &rq->cfs);
2437 }
2438 #else /* CONFIG_FAIR_GROUP_SCHED */
2439 static inline void __update_cfs_rq_tg_load_contrib(struct cfs_rq *cfs_rq,
2440                                                  int force_update) {}
2441 static inline void __update_tg_runnable_avg(struct sched_avg *sa,
2442                                                   struct cfs_rq *cfs_rq) {}
2443 static inline void __update_group_entity_contrib(struct sched_entity *se) {}
2444 static inline void update_rq_runnable_avg(struct rq *rq, int runnable) {}
2445 #endif /* CONFIG_FAIR_GROUP_SCHED */
2446
2447 static inline void __update_task_entity_contrib(struct sched_entity *se)
2448 {
2449         u32 contrib;
2450
2451         /* avoid overflowing a 32-bit type w/ SCHED_LOAD_SCALE */
2452         contrib = se->avg.runnable_avg_sum * scale_load_down(se->load.weight);
2453         contrib /= (se->avg.runnable_avg_period + 1);
2454         se->avg.load_avg_contrib = scale_load(contrib);
2455 }
2456
2457 /* Compute the current contribution to load_avg by se, return any delta */
2458 static long __update_entity_load_avg_contrib(struct sched_entity *se)
2459 {
2460         long old_contrib = se->avg.load_avg_contrib;
2461
2462         if (entity_is_task(se)) {
2463                 __update_task_entity_contrib(se);
2464         } else {
2465                 __update_tg_runnable_avg(&se->avg, group_cfs_rq(se));
2466                 __update_group_entity_contrib(se);
2467         }
2468
2469         return se->avg.load_avg_contrib - old_contrib;
2470 }
2471
2472 static inline void subtract_blocked_load_contrib(struct cfs_rq *cfs_rq,
2473                                                  long load_contrib)
2474 {
2475         if (likely(load_contrib < cfs_rq->blocked_load_avg))
2476                 cfs_rq->blocked_load_avg -= load_contrib;
2477         else
2478                 cfs_rq->blocked_load_avg = 0;
2479 }
2480
2481 static inline u64 cfs_rq_clock_task(struct cfs_rq *cfs_rq);
2482
2483 /* Update a sched_entity's runnable average */
2484 static inline void update_entity_load_avg(struct sched_entity *se,
2485                                           int update_cfs_rq)
2486 {
2487         struct cfs_rq *cfs_rq = cfs_rq_of(se);
2488         long contrib_delta;
2489         u64 now;
2490
2491         /*
2492          * For a group entity we need to use their owned cfs_rq_clock_task() in
2493          * case they are the parent of a throttled hierarchy.
2494          */
2495         if (entity_is_task(se))
2496                 now = cfs_rq_clock_task(cfs_rq);
2497         else
2498                 now = cfs_rq_clock_task(group_cfs_rq(se));
2499
2500         if (!__update_entity_runnable_avg(now, &se->avg, se->on_rq))
2501                 return;
2502
2503         contrib_delta = __update_entity_load_avg_contrib(se);
2504
2505         if (!update_cfs_rq)
2506                 return;
2507
2508         if (se->on_rq)
2509                 cfs_rq->runnable_load_avg += contrib_delta;
2510         else
2511                 subtract_blocked_load_contrib(cfs_rq, -contrib_delta);
2512 }
2513
2514 /*
2515  * Decay the load contributed by all blocked children and account this so that
2516  * their contribution may appropriately discounted when they wake up.
2517  */
2518 static void update_cfs_rq_blocked_load(struct cfs_rq *cfs_rq, int force_update)
2519 {
2520         u64 now = cfs_rq_clock_task(cfs_rq) >> 20;
2521         u64 decays;
2522
2523         decays = now - cfs_rq->last_decay;
2524         if (!decays && !force_update)
2525                 return;
2526
2527         if (atomic_long_read(&cfs_rq->removed_load)) {
2528                 unsigned long removed_load;
2529                 removed_load = atomic_long_xchg(&cfs_rq->removed_load, 0);
2530                 subtract_blocked_load_contrib(cfs_rq, removed_load);
2531         }
2532
2533         if (decays) {
2534                 cfs_rq->blocked_load_avg = decay_load(cfs_rq->blocked_load_avg,
2535                                                       decays);
2536                 atomic64_add(decays, &cfs_rq->decay_counter);
2537                 cfs_rq->last_decay = now;
2538         }
2539
2540         __update_cfs_rq_tg_load_contrib(cfs_rq, force_update);
2541 }
2542
2543 /* Add the load generated by se into cfs_rq's child load-average */
2544 static inline void enqueue_entity_load_avg(struct cfs_rq *cfs_rq,
2545                                                   struct sched_entity *se,
2546                                                   int wakeup)
2547 {
2548         /*
2549          * We track migrations using entity decay_count <= 0, on a wake-up
2550          * migration we use a negative decay count to track the remote decays
2551          * accumulated while sleeping.
2552          *
2553          * Newly forked tasks are enqueued with se->avg.decay_count == 0, they
2554          * are seen by enqueue_entity_load_avg() as a migration with an already
2555          * constructed load_avg_contrib.
2556          */
2557         if (unlikely(se->avg.decay_count <= 0)) {
2558                 se->avg.last_runnable_update = rq_clock_task(rq_of(cfs_rq));
2559                 if (se->avg.decay_count) {
2560                         /*
2561                          * In a wake-up migration we have to approximate the
2562                          * time sleeping.  This is because we can't synchronize
2563                          * clock_task between the two cpus, and it is not
2564                          * guaranteed to be read-safe.  Instead, we can
2565                          * approximate this using our carried decays, which are
2566                          * explicitly atomically readable.
2567                          */
2568                         se->avg.last_runnable_update -= (-se->avg.decay_count)
2569                                                         << 20;
2570                         update_entity_load_avg(se, 0);
2571                         /* Indicate that we're now synchronized and on-rq */
2572                         se->avg.decay_count = 0;
2573                 }
2574                 wakeup = 0;
2575         } else {
2576                 __synchronize_entity_decay(se);
2577         }
2578
2579         /* migrated tasks did not contribute to our blocked load */
2580         if (wakeup) {
2581                 subtract_blocked_load_contrib(cfs_rq, se->avg.load_avg_contrib);
2582                 update_entity_load_avg(se, 0);
2583         }
2584
2585         cfs_rq->runnable_load_avg += se->avg.load_avg_contrib;
2586         /* we force update consideration on load-balancer moves */
2587         update_cfs_rq_blocked_load(cfs_rq, !wakeup);
2588 }
2589
2590 /*
2591  * Remove se's load from this cfs_rq child load-average, if the entity is
2592  * transitioning to a blocked state we track its projected decay using
2593  * blocked_load_avg.
2594  */
2595 static inline void dequeue_entity_load_avg(struct cfs_rq *cfs_rq,
2596                                                   struct sched_entity *se,
2597                                                   int sleep)
2598 {
2599         update_entity_load_avg(se, 1);
2600         /* we force update consideration on load-balancer moves */
2601         update_cfs_rq_blocked_load(cfs_rq, !sleep);
2602
2603         cfs_rq->runnable_load_avg -= se->avg.load_avg_contrib;
2604         if (sleep) {
2605                 cfs_rq->blocked_load_avg += se->avg.load_avg_contrib;
2606                 se->avg.decay_count = atomic64_read(&cfs_rq->decay_counter);
2607         } /* migrations, e.g. sleep=0 leave decay_count == 0 */
2608 }
2609
2610 /*
2611  * Update the rq's load with the elapsed running time before entering
2612  * idle. if the last scheduled task is not a CFS task, idle_enter will
2613  * be the only way to update the runnable statistic.
2614  */
2615 void idle_enter_fair(struct rq *this_rq)
2616 {
2617         update_rq_runnable_avg(this_rq, 1);
2618 }
2619
2620 /*
2621  * Update the rq's load with the elapsed idle time before a task is
2622  * scheduled. if the newly scheduled task is not a CFS task, idle_exit will
2623  * be the only way to update the runnable statistic.
2624  */
2625 void idle_exit_fair(struct rq *this_rq)
2626 {
2627         update_rq_runnable_avg(this_rq, 0);
2628 }
2629
2630 static int idle_balance(struct rq *this_rq);
2631
2632 #else /* CONFIG_SMP */
2633
2634 static inline void update_entity_load_avg(struct sched_entity *se,
2635                                           int update_cfs_rq) {}
2636 static inline void update_rq_runnable_avg(struct rq *rq, int runnable) {}
2637 static inline void enqueue_entity_load_avg(struct cfs_rq *cfs_rq,
2638                                            struct sched_entity *se,
2639                                            int wakeup) {}
2640 static inline void dequeue_entity_load_avg(struct cfs_rq *cfs_rq,
2641                                            struct sched_entity *se,
2642                                            int sleep) {}
2643 static inline void update_cfs_rq_blocked_load(struct cfs_rq *cfs_rq,
2644                                               int force_update) {}
2645
2646 static inline int idle_balance(struct rq *rq)
2647 {
2648         return 0;
2649 }
2650
2651 #endif /* CONFIG_SMP */
2652
2653 static void enqueue_sleeper(struct cfs_rq *cfs_rq, struct sched_entity *se)
2654 {
2655 #ifdef CONFIG_SCHEDSTATS
2656         struct task_struct *tsk = NULL;
2657
2658         if (entity_is_task(se))
2659                 tsk = task_of(se);
2660
2661         if (se->statistics.sleep_start) {
2662                 u64 delta = rq_clock(rq_of(cfs_rq)) - se->statistics.sleep_start;
2663
2664                 if ((s64)delta < 0)
2665                         delta = 0;
2666
2667                 if (unlikely(delta > se->statistics.sleep_max))
2668                         se->statistics.sleep_max = delta;
2669
2670                 se->statistics.sleep_start = 0;
2671                 se->statistics.sum_sleep_runtime += delta;
2672
2673                 if (tsk) {
2674                         account_scheduler_latency(tsk, delta >> 10, 1);
2675                         trace_sched_stat_sleep(tsk, delta);
2676                 }
2677         }
2678         if (se->statistics.block_start) {
2679                 u64 delta = rq_clock(rq_of(cfs_rq)) - se->statistics.block_start;
2680
2681                 if ((s64)delta < 0)
2682                         delta = 0;
2683
2684                 if (unlikely(delta > se->statistics.block_max))
2685                         se->statistics.block_max = delta;
2686
2687                 se->statistics.block_start = 0;
2688                 se->statistics.sum_sleep_runtime += delta;
2689
2690                 if (tsk) {
2691                         if (tsk->in_iowait) {
2692                                 se->statistics.iowait_sum += delta;
2693                                 se->statistics.iowait_count++;
2694                                 trace_sched_stat_iowait(tsk, delta);
2695                         }
2696
2697                         trace_sched_stat_blocked(tsk, delta);
2698
2699                         /*
2700                          * Blocking time is in units of nanosecs, so shift by
2701                          * 20 to get a milliseconds-range estimation of the
2702                          * amount of time that the task spent sleeping:
2703                          */
2704                         if (unlikely(prof_on == SLEEP_PROFILING)) {
2705                                 profile_hits(SLEEP_PROFILING,
2706                                                 (void *)get_wchan(tsk),
2707                                                 delta >> 20);
2708                         }
2709                         account_scheduler_latency(tsk, delta >> 10, 0);
2710                 }
2711         }
2712 #endif
2713 }
2714
2715 static void check_spread(struct cfs_rq *cfs_rq, struct sched_entity *se)
2716 {
2717 #ifdef CONFIG_SCHED_DEBUG
2718         s64 d = se->vruntime - cfs_rq->min_vruntime;
2719
2720         if (d < 0)
2721                 d = -d;
2722
2723         if (d > 3*sysctl_sched_latency)
2724                 schedstat_inc(cfs_rq, nr_spread_over);
2725 #endif
2726 }
2727
2728 static void
2729 place_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int initial)
2730 {
2731         u64 vruntime = cfs_rq->min_vruntime;
2732
2733         /*
2734          * The 'current' period is already promised to the current tasks,
2735          * however the extra weight of the new task will slow them down a
2736          * little, place the new task so that it fits in the slot that
2737          * stays open at the end.
2738          */
2739         if (initial && sched_feat(START_DEBIT))
2740                 vruntime += sched_vslice(cfs_rq, se);
2741
2742         /* sleeps up to a single latency don't count. */
2743         if (!initial) {
2744                 unsigned long thresh = sysctl_sched_latency;
2745
2746                 /*
2747                  * Halve their sleep time's effect, to allow
2748                  * for a gentler effect of sleepers:
2749                  */
2750                 if (sched_feat(GENTLE_FAIR_SLEEPERS))
2751                         thresh >>= 1;
2752
2753                 vruntime -= thresh;
2754         }
2755
2756         /* ensure we never gain time by being placed backwards. */
2757         se->vruntime = max_vruntime(se->vruntime, vruntime);
2758 }
2759
2760 static void check_enqueue_throttle(struct cfs_rq *cfs_rq);
2761
2762 static void
2763 enqueue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
2764 {
2765         /*
2766          * Update the normalized vruntime before updating min_vruntime
2767          * through calling update_curr().
2768          */
2769         if (!(flags & ENQUEUE_WAKEUP) || (flags & ENQUEUE_WAKING))
2770                 se->vruntime += cfs_rq->min_vruntime;
2771
2772         /*
2773          * Update run-time statistics of the 'current'.
2774          */
2775         update_curr(cfs_rq);
2776         enqueue_entity_load_avg(cfs_rq, se, flags & ENQUEUE_WAKEUP);
2777         account_entity_enqueue(cfs_rq, se);
2778         update_cfs_shares(cfs_rq);
2779
2780         if (flags & ENQUEUE_WAKEUP) {
2781                 place_entity(cfs_rq, se, 0);
2782                 enqueue_sleeper(cfs_rq, se);
2783         }
2784
2785         update_stats_enqueue(cfs_rq, se);
2786         check_spread(cfs_rq, se);
2787         if (se != cfs_rq->curr)
2788                 __enqueue_entity(cfs_rq, se);
2789         se->on_rq = 1;
2790
2791         if (cfs_rq->nr_running == 1) {
2792                 list_add_leaf_cfs_rq(cfs_rq);
2793                 check_enqueue_throttle(cfs_rq);
2794         }
2795 }
2796
2797 static void __clear_buddies_last(struct sched_entity *se)
2798 {
2799         for_each_sched_entity(se) {
2800                 struct cfs_rq *cfs_rq = cfs_rq_of(se);
2801                 if (cfs_rq->last != se)
2802                         break;
2803
2804                 cfs_rq->last = NULL;
2805         }
2806 }
2807
2808 static void __clear_buddies_next(struct sched_entity *se)
2809 {
2810         for_each_sched_entity(se) {
2811                 struct cfs_rq *cfs_rq = cfs_rq_of(se);
2812                 if (cfs_rq->next != se)
2813                         break;
2814
2815                 cfs_rq->next = NULL;
2816         }
2817 }
2818
2819 static void __clear_buddies_skip(struct sched_entity *se)
2820 {
2821         for_each_sched_entity(se) {
2822                 struct cfs_rq *cfs_rq = cfs_rq_of(se);
2823                 if (cfs_rq->skip != se)
2824                         break;
2825
2826                 cfs_rq->skip = NULL;
2827         }
2828 }
2829
2830 static void clear_buddies(struct cfs_rq *cfs_rq, struct sched_entity *se)
2831 {
2832         if (cfs_rq->last == se)
2833                 __clear_buddies_last(se);
2834
2835         if (cfs_rq->next == se)
2836                 __clear_buddies_next(se);
2837
2838         if (cfs_rq->skip == se)
2839                 __clear_buddies_skip(se);
2840 }
2841
2842 static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq);
2843
2844 static void
2845 dequeue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
2846 {
2847         /*
2848          * Update run-time statistics of the 'current'.
2849          */
2850         update_curr(cfs_rq);
2851         dequeue_entity_load_avg(cfs_rq, se, flags & DEQUEUE_SLEEP);
2852
2853         update_stats_dequeue(cfs_rq, se);
2854         if (flags & DEQUEUE_SLEEP) {
2855 #ifdef CONFIG_SCHEDSTATS
2856                 if (entity_is_task(se)) {
2857                         struct task_struct *tsk = task_of(se);
2858
2859                         if (tsk->state & TASK_INTERRUPTIBLE)
2860                                 se->statistics.sleep_start = rq_clock(rq_of(cfs_rq));
2861                         if (tsk->state & TASK_UNINTERRUPTIBLE)
2862                                 se->statistics.block_start = rq_clock(rq_of(cfs_rq));
2863                 }
2864 #endif
2865         }
2866
2867         clear_buddies(cfs_rq, se);
2868
2869         if (se != cfs_rq->curr)
2870                 __dequeue_entity(cfs_rq, se);
2871         se->on_rq = 0;
2872         account_entity_dequeue(cfs_rq, se);
2873
2874         /*
2875          * Normalize the entity after updating the min_vruntime because the
2876          * update can refer to the ->curr item and we need to reflect this
2877          * movement in our normalized position.
2878          */
2879         if (!(flags & DEQUEUE_SLEEP))
2880                 se->vruntime -= cfs_rq->min_vruntime;
2881
2882         /* return excess runtime on last dequeue */
2883         return_cfs_rq_runtime(cfs_rq);
2884
2885         update_min_vruntime(cfs_rq);
2886         update_cfs_shares(cfs_rq);
2887 }
2888
2889 /*
2890  * Preempt the current task with a newly woken task if needed:
2891  */
2892 static void
2893 check_preempt_tick(struct cfs_rq *cfs_rq, struct sched_entity *curr)
2894 {
2895         unsigned long ideal_runtime, delta_exec;
2896         struct sched_entity *se;
2897         s64 delta;
2898
2899         ideal_runtime = sched_slice(cfs_rq, curr);
2900         delta_exec = curr->sum_exec_runtime - curr->prev_sum_exec_runtime;
2901         if (delta_exec > ideal_runtime) {
2902                 resched_task(rq_of(cfs_rq)->curr);
2903                 /*
2904                  * The current task ran long enough, ensure it doesn't get
2905                  * re-elected due to buddy favours.
2906                  */
2907                 clear_buddies(cfs_rq, curr);
2908                 return;
2909         }
2910
2911         /*
2912          * Ensure that a task that missed wakeup preemption by a
2913          * narrow margin doesn't have to wait for a full slice.
2914          * This also mitigates buddy induced latencies under load.
2915          */
2916         if (delta_exec < sysctl_sched_min_granularity)
2917                 return;
2918
2919         se = __pick_first_entity(cfs_rq);
2920         delta = curr->vruntime - se->vruntime;
2921
2922         if (delta < 0)
2923                 return;
2924
2925         if (delta > ideal_runtime)
2926                 resched_task(rq_of(cfs_rq)->curr);
2927 }
2928
2929 static void
2930 set_next_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
2931 {
2932         /* 'current' is not kept within the tree. */
2933         if (se->on_rq) {
2934                 /*
2935                  * Any task has to be enqueued before it get to execute on
2936                  * a CPU. So account for the time it spent waiting on the
2937                  * runqueue.
2938                  */
2939                 update_stats_wait_end(cfs_rq, se);
2940                 __dequeue_entity(cfs_rq, se);
2941         }
2942
2943         update_stats_curr_start(cfs_rq, se);
2944         cfs_rq->curr = se;
2945 #ifdef CONFIG_SCHEDSTATS
2946         /*
2947          * Track our maximum slice length, if the CPU's load is at
2948          * least twice that of our own weight (i.e. dont track it
2949          * when there are only lesser-weight tasks around):
2950          */
2951         if (rq_of(cfs_rq)->load.weight >= 2*se->load.weight) {
2952                 se->statistics.slice_max = max(se->statistics.slice_max,
2953                         se->sum_exec_runtime - se->prev_sum_exec_runtime);
2954         }
2955 #endif
2956         se->prev_sum_exec_runtime = se->sum_exec_runtime;
2957 }
2958
2959 static int
2960 wakeup_preempt_entity(struct sched_entity *curr, struct sched_entity *se);
2961
2962 /*
2963  * Pick the next process, keeping these things in mind, in this order:
2964  * 1) keep things fair between processes/task groups
2965  * 2) pick the "next" process, since someone really wants that to run
2966  * 3) pick the "last" process, for cache locality
2967  * 4) do not run the "skip" process, if something else is available
2968  */
2969 static struct sched_entity *
2970 pick_next_entity(struct cfs_rq *cfs_rq, struct sched_entity *curr)
2971 {
2972         struct sched_entity *left = __pick_first_entity(cfs_rq);
2973         struct sched_entity *se;
2974
2975         /*
2976          * If curr is set we have to see if its left of the leftmost entity
2977          * still in the tree, provided there was anything in the tree at all.
2978          */
2979         if (!left || (curr && entity_before(curr, left)))
2980                 left = curr;
2981
2982         se = left; /* ideally we run the leftmost entity */
2983
2984         /*
2985          * Avoid running the skip buddy, if running something else can
2986          * be done without getting too unfair.
2987          */
2988         if (cfs_rq->skip == se) {
2989                 struct sched_entity *second;
2990
2991                 if (se == curr) {
2992                         second = __pick_first_entity(cfs_rq);
2993                 } else {
2994                         second = __pick_next_entity(se);
2995                         if (!second || (curr && entity_before(curr, second)))
2996                                 second = curr;
2997                 }
2998
2999                 if (second && wakeup_preempt_entity(second, left) < 1)
3000                         se = second;
3001         }
3002
3003         /*
3004          * Prefer last buddy, try to return the CPU to a preempted task.
3005          */
3006         if (cfs_rq->last && wakeup_preempt_entity(cfs_rq->last, left) < 1)
3007                 se = cfs_rq->last;
3008
3009         /*
3010          * Someone really wants this to run. If it's not unfair, run it.
3011          */
3012         if (cfs_rq->next && wakeup_preempt_entity(cfs_rq->next, left) < 1)
3013                 se = cfs_rq->next;
3014
3015         clear_buddies(cfs_rq, se);
3016
3017         return se;
3018 }
3019
3020 static bool check_cfs_rq_runtime(struct cfs_rq *cfs_rq);
3021
3022 static void put_prev_entity(struct cfs_rq *cfs_rq, struct sched_entity *prev)
3023 {
3024         /*
3025          * If still on the runqueue then deactivate_task()
3026          * was not called and update_curr() has to be done:
3027          */
3028         if (prev->on_rq)
3029                 update_curr(cfs_rq);
3030
3031         /* throttle cfs_rqs exceeding runtime */
3032         check_cfs_rq_runtime(cfs_rq);
3033
3034         check_spread(cfs_rq, prev);
3035         if (prev->on_rq) {
3036                 update_stats_wait_start(cfs_rq, prev);
3037                 /* Put 'current' back into the tree. */
3038                 __enqueue_entity(cfs_rq, prev);
3039                 /* in !on_rq case, update occurred at dequeue */
3040                 update_entity_load_avg(prev, 1);
3041         }
3042         cfs_rq->curr = NULL;
3043 }
3044
3045 static void
3046 entity_tick(struct cfs_rq *cfs_rq, struct sched_entity *curr, int queued)
3047 {
3048         /*
3049          * Update run-time statistics of the 'current'.
3050          */
3051         update_curr(cfs_rq);
3052
3053         /*
3054          * Ensure that runnable average is periodically updated.
3055          */
3056         update_entity_load_avg(curr, 1);
3057         update_cfs_rq_blocked_load(cfs_rq, 1);
3058         update_cfs_shares(cfs_rq);
3059
3060 #ifdef CONFIG_SCHED_HRTICK
3061         /*
3062          * queued ticks are scheduled to match the slice, so don't bother
3063          * validating it and just reschedule.
3064          */
3065         if (queued) {
3066                 resched_task(rq_of(cfs_rq)->curr);
3067                 return;
3068         }
3069         /*
3070          * don't let the period tick interfere with the hrtick preemption
3071          */
3072         if (!sched_feat(DOUBLE_TICK) &&
3073                         hrtimer_active(&rq_of(cfs_rq)->hrtick_timer))
3074                 return;
3075 #endif
3076
3077         if (cfs_rq->nr_running > 1)
3078                 check_preempt_tick(cfs_rq, curr);
3079 }
3080
3081
3082 /**************************************************
3083  * CFS bandwidth control machinery
3084  */
3085
3086 #ifdef CONFIG_CFS_BANDWIDTH
3087
3088 #ifdef HAVE_JUMP_LABEL
3089 static struct static_key __cfs_bandwidth_used;
3090
3091 static inline bool cfs_bandwidth_used(void)
3092 {
3093         return static_key_false(&__cfs_bandwidth_used);
3094 }
3095
3096 void cfs_bandwidth_usage_inc(void)
3097 {
3098         static_key_slow_inc(&__cfs_bandwidth_used);
3099 }
3100
3101 void cfs_bandwidth_usage_dec(void)
3102 {
3103         static_key_slow_dec(&__cfs_bandwidth_used);
3104 }
3105 #else /* HAVE_JUMP_LABEL */
3106 static bool cfs_bandwidth_used(void)
3107 {
3108         return true;
3109 }
3110
3111 void cfs_bandwidth_usage_inc(void) {}
3112 void cfs_bandwidth_usage_dec(void) {}
3113 #endif /* HAVE_JUMP_LABEL */
3114
3115 /*
3116  * default period for cfs group bandwidth.
3117  * default: 0.1s, units: nanoseconds
3118  */
3119 static inline u64 default_cfs_period(void)
3120 {
3121         return 100000000ULL;
3122 }
3123
3124 static inline u64 sched_cfs_bandwidth_slice(void)
3125 {
3126         return (u64)sysctl_sched_cfs_bandwidth_slice * NSEC_PER_USEC;
3127 }
3128
3129 /*
3130  * Replenish runtime according to assigned quota and update expiration time.
3131  * We use sched_clock_cpu directly instead of rq->clock to avoid adding
3132  * additional synchronization around rq->lock.
3133  *
3134  * requires cfs_b->lock
3135  */
3136 void __refill_cfs_bandwidth_runtime(struct cfs_bandwidth *cfs_b)
3137 {
3138         u64 now;
3139
3140         if (cfs_b->quota == RUNTIME_INF)
3141                 return;
3142
3143         now = sched_clock_cpu(smp_processor_id());
3144         cfs_b->runtime = cfs_b->quota;
3145         cfs_b->runtime_expires = now + ktime_to_ns(cfs_b->period);
3146 }
3147
3148 static inline struct cfs_bandwidth *tg_cfs_bandwidth(struct task_group *tg)
3149 {
3150         return &tg->cfs_bandwidth;
3151 }
3152
3153 /* rq->task_clock normalized against any time this cfs_rq has spent throttled */
3154 static inline u64 cfs_rq_clock_task(struct cfs_rq *cfs_rq)
3155 {
3156         if (unlikely(cfs_rq->throttle_count))
3157                 return cfs_rq->throttled_clock_task;
3158
3159         return rq_clock_task(rq_of(cfs_rq)) - cfs_rq->throttled_clock_task_time;
3160 }
3161
3162 /* returns 0 on failure to allocate runtime */
3163 static int assign_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3164 {
3165         struct task_group *tg = cfs_rq->tg;
3166         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(tg);
3167         u64 amount = 0, min_amount, expires;
3168
3169         /* note: this is a positive sum as runtime_remaining <= 0 */
3170         min_amount = sched_cfs_bandwidth_slice() - cfs_rq->runtime_remaining;
3171
3172         raw_spin_lock(&cfs_b->lock);
3173         if (cfs_b->quota == RUNTIME_INF)
3174                 amount = min_amount;
3175         else {
3176                 /*
3177                  * If the bandwidth pool has become inactive, then at least one
3178                  * period must have elapsed since the last consumption.
3179                  * Refresh the global state and ensure bandwidth timer becomes
3180                  * active.
3181                  */
3182                 if (!cfs_b->timer_active) {
3183                         __refill_cfs_bandwidth_runtime(cfs_b);
3184                         __start_cfs_bandwidth(cfs_b, false);
3185                 }
3186
3187                 if (cfs_b->runtime > 0) {
3188                         amount = min(cfs_b->runtime, min_amount);
3189                         cfs_b->runtime -= amount;
3190                         cfs_b->idle = 0;
3191                 }
3192         }
3193         expires = cfs_b->runtime_expires;
3194         raw_spin_unlock(&cfs_b->lock);
3195
3196         cfs_rq->runtime_remaining += amount;
3197         /*
3198          * we may have advanced our local expiration to account for allowed
3199          * spread between our sched_clock and the one on which runtime was
3200          * issued.
3201          */
3202         if ((s64)(expires - cfs_rq->runtime_expires) > 0)
3203                 cfs_rq->runtime_expires = expires;
3204
3205         return cfs_rq->runtime_remaining > 0;
3206 }
3207
3208 /*
3209  * Note: This depends on the synchronization provided by sched_clock and the
3210  * fact that rq->clock snapshots this value.
3211  */
3212 static void expire_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3213 {
3214         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
3215
3216         /* if the deadline is ahead of our clock, nothing to do */
3217         if (likely((s64)(rq_clock(rq_of(cfs_rq)) - cfs_rq->runtime_expires) < 0))
3218                 return;
3219
3220         if (cfs_rq->runtime_remaining < 0)
3221                 return;
3222
3223         /*
3224          * If the local deadline has passed we have to consider the
3225          * possibility that our sched_clock is 'fast' and the global deadline
3226          * has not truly expired.
3227          *
3228          * Fortunately we can check determine whether this the case by checking
3229          * whether the global deadline has advanced. It is valid to compare
3230          * cfs_b->runtime_expires without any locks since we only care about
3231          * exact equality, so a partial write will still work.
3232          */
3233
3234         if (cfs_rq->runtime_expires != cfs_b->runtime_expires) {
3235                 /* extend local deadline, drift is bounded above by 2 ticks */
3236                 cfs_rq->runtime_expires += TICK_NSEC;
3237         } else {
3238                 /* global deadline is ahead, expiration has passed */
3239                 cfs_rq->runtime_remaining = 0;
3240         }
3241 }
3242
3243 static void __account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec)
3244 {
3245         /* dock delta_exec before expiring quota (as it could span periods) */
3246         cfs_rq->runtime_remaining -= delta_exec;
3247         expire_cfs_rq_runtime(cfs_rq);
3248
3249         if (likely(cfs_rq->runtime_remaining > 0))
3250                 return;
3251
3252         /*
3253          * if we're unable to extend our runtime we resched so that the active
3254          * hierarchy can be throttled
3255          */
3256         if (!assign_cfs_rq_runtime(cfs_rq) && likely(cfs_rq->curr))
3257                 resched_task(rq_of(cfs_rq)->curr);
3258 }
3259
3260 static __always_inline
3261 void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec)
3262 {
3263         if (!cfs_bandwidth_used() || !cfs_rq->runtime_enabled)
3264                 return;
3265
3266         __account_cfs_rq_runtime(cfs_rq, delta_exec);
3267 }
3268
3269 static inline int cfs_rq_throttled(struct cfs_rq *cfs_rq)
3270 {
3271         return cfs_bandwidth_used() && cfs_rq->throttled;
3272 }
3273
3274 /* check whether cfs_rq, or any parent, is throttled */
3275 static inline int throttled_hierarchy(struct cfs_rq *cfs_rq)
3276 {
3277         return cfs_bandwidth_used() && cfs_rq->throttle_count;
3278 }
3279
3280 /*
3281  * Ensure that neither of the group entities corresponding to src_cpu or
3282  * dest_cpu are members of a throttled hierarchy when performing group
3283  * load-balance operations.
3284  */
3285 static inline int throttled_lb_pair(struct task_group *tg,
3286                                     int src_cpu, int dest_cpu)
3287 {
3288         struct cfs_rq *src_cfs_rq, *dest_cfs_rq;
3289
3290         src_cfs_rq = tg->cfs_rq[src_cpu];
3291         dest_cfs_rq = tg->cfs_rq[dest_cpu];
3292
3293         return throttled_hierarchy(src_cfs_rq) ||
3294                throttled_hierarchy(dest_cfs_rq);
3295 }
3296
3297 /* updated child weight may affect parent so we have to do this bottom up */
3298 static int tg_unthrottle_up(struct task_group *tg, void *data)
3299 {
3300         struct rq *rq = data;
3301         struct cfs_rq *cfs_rq = tg->cfs_rq[cpu_of(rq)];
3302
3303         cfs_rq->throttle_count--;
3304 #ifdef CONFIG_SMP
3305         if (!cfs_rq->throttle_count) {
3306                 /* adjust cfs_rq_clock_task() */
3307                 cfs_rq->throttled_clock_task_time += rq_clock_task(rq) -
3308                                              cfs_rq->throttled_clock_task;
3309         }
3310 #endif
3311
3312         return 0;
3313 }
3314
3315 static int tg_throttle_down(struct task_group *tg, void *data)
3316 {
3317         struct rq *rq = data;
3318         struct cfs_rq *cfs_rq = tg->cfs_rq[cpu_of(rq)];
3319
3320         /* group is entering throttled state, stop time */
3321         if (!cfs_rq->throttle_count)
3322                 cfs_rq->throttled_clock_task = rq_clock_task(rq);
3323         cfs_rq->throttle_count++;
3324
3325         return 0;
3326 }
3327
3328 static void throttle_cfs_rq(struct cfs_rq *cfs_rq)
3329 {
3330         struct rq *rq = rq_of(cfs_rq);
3331         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
3332         struct sched_entity *se;
3333         long task_delta, dequeue = 1;
3334
3335         se = cfs_rq->tg->se[cpu_of(rq_of(cfs_rq))];
3336
3337         /* freeze hierarchy runnable averages while throttled */
3338         rcu_read_lock();
3339         walk_tg_tree_from(cfs_rq->tg, tg_throttle_down, tg_nop, (void *)rq);
3340         rcu_read_unlock();
3341
3342         task_delta = cfs_rq->h_nr_running;
3343         for_each_sched_entity(se) {
3344                 struct cfs_rq *qcfs_rq = cfs_rq_of(se);
3345                 /* throttled entity or throttle-on-deactivate */
3346                 if (!se->on_rq)
3347                         break;
3348
3349                 if (dequeue)
3350                         dequeue_entity(qcfs_rq, se, DEQUEUE_SLEEP);
3351                 qcfs_rq->h_nr_running -= task_delta;
3352
3353                 if (qcfs_rq->load.weight)
3354                         dequeue = 0;
3355         }
3356
3357         if (!se)
3358                 sub_nr_running(rq, task_delta);
3359
3360         cfs_rq->throttled = 1;
3361         cfs_rq->throttled_clock = rq_clock(rq);
3362         raw_spin_lock(&cfs_b->lock);
3363         list_add_tail_rcu(&cfs_rq->throttled_list, &cfs_b->throttled_cfs_rq);
3364         if (!cfs_b->timer_active)
3365                 __start_cfs_bandwidth(cfs_b, false);
3366         raw_spin_unlock(&cfs_b->lock);
3367 }
3368
3369 void unthrottle_cfs_rq(struct cfs_rq *cfs_rq)
3370 {
3371         struct rq *rq = rq_of(cfs_rq);
3372         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
3373         struct sched_entity *se;
3374         int enqueue = 1;
3375         long task_delta;
3376
3377         se = cfs_rq->tg->se[cpu_of(rq)];
3378
3379         cfs_rq->throttled = 0;
3380
3381         update_rq_clock(rq);
3382
3383         raw_spin_lock(&cfs_b->lock);
3384         cfs_b->throttled_time += rq_clock(rq) - cfs_rq->throttled_clock;
3385         list_del_rcu(&cfs_rq->throttled_list);
3386         raw_spin_unlock(&cfs_b->lock);
3387
3388         /* update hierarchical throttle state */
3389         walk_tg_tree_from(cfs_rq->tg, tg_nop, tg_unthrottle_up, (void *)rq);
3390
3391         if (!cfs_rq->load.weight)
3392                 return;
3393
3394         task_delta = cfs_rq->h_nr_running;
3395         for_each_sched_entity(se) {
3396                 if (se->on_rq)
3397                         enqueue = 0;
3398
3399                 cfs_rq = cfs_rq_of(se);
3400                 if (enqueue)
3401                         enqueue_entity(cfs_rq, se, ENQUEUE_WAKEUP);
3402                 cfs_rq->h_nr_running += task_delta;
3403
3404                 if (cfs_rq_throttled(cfs_rq))
3405                         break;
3406         }
3407
3408         if (!se)
3409                 add_nr_running(rq, task_delta);
3410
3411         /* determine whether we need to wake up potentially idle cpu */
3412         if (rq->curr == rq->idle && rq->cfs.nr_running)
3413                 resched_task(rq->curr);
3414 }
3415
3416 static u64 distribute_cfs_runtime(struct cfs_bandwidth *cfs_b,
3417                 u64 remaining, u64 expires)
3418 {
3419         struct cfs_rq *cfs_rq;
3420         u64 runtime = remaining;
3421
3422         rcu_read_lock();
3423         list_for_each_entry_rcu(cfs_rq, &cfs_b->throttled_cfs_rq,
3424                                 throttled_list) {
3425                 struct rq *rq = rq_of(cfs_rq);
3426
3427                 raw_spin_lock(&rq->lock);
3428                 if (!cfs_rq_throttled(cfs_rq))
3429                         goto next;
3430
3431                 runtime = -cfs_rq->runtime_remaining + 1;
3432                 if (runtime > remaining)
3433                         runtime = remaining;
3434                 remaining -= runtime;
3435
3436                 cfs_rq->runtime_remaining += runtime;
3437                 cfs_rq->runtime_expires = expires;
3438
3439                 /* we check whether we're throttled above */
3440                 if (cfs_rq->runtime_remaining > 0)
3441                         unthrottle_cfs_rq(cfs_rq);
3442
3443 next:
3444                 raw_spin_unlock(&rq->lock);
3445
3446                 if (!remaining)
3447                         break;
3448         }
3449         rcu_read_unlock();
3450
3451         return remaining;
3452 }
3453
3454 /*
3455  * Responsible for refilling a task_group's bandwidth and unthrottling its
3456  * cfs_rqs as appropriate. If there has been no activity within the last
3457  * period the timer is deactivated until scheduling resumes; cfs_b->idle is
3458  * used to track this state.
3459  */
3460 static int do_sched_cfs_period_timer(struct cfs_bandwidth *cfs_b, int overrun)
3461 {
3462         u64 runtime, runtime_expires;
3463         int throttled;
3464
3465         /* no need to continue the timer with no bandwidth constraint */
3466         if (cfs_b->quota == RUNTIME_INF)
3467                 goto out_deactivate;
3468
3469         throttled = !list_empty(&cfs_b->throttled_cfs_rq);
3470         cfs_b->nr_periods += overrun;
3471
3472         /*
3473          * idle depends on !throttled (for the case of a large deficit), and if
3474          * we're going inactive then everything else can be deferred
3475          */
3476         if (cfs_b->idle && !throttled)
3477                 goto out_deactivate;
3478
3479         /*
3480          * if we have relooped after returning idle once, we need to update our
3481          * status as actually running, so that other cpus doing
3482          * __start_cfs_bandwidth will stop trying to cancel us.
3483          */
3484         cfs_b->timer_active = 1;
3485
3486         __refill_cfs_bandwidth_runtime(cfs_b);
3487
3488         if (!throttled) {
3489                 /* mark as potentially idle for the upcoming period */
3490                 cfs_b->idle = 1;
3491                 return 0;
3492         }
3493
3494         /* account preceding periods in which throttling occurred */
3495         cfs_b->nr_throttled += overrun;
3496
3497         /*
3498          * There are throttled entities so we must first use the new bandwidth
3499          * to unthrottle them before making it generally available.  This
3500          * ensures that all existing debts will be paid before a new cfs_rq is
3501          * allowed to run.
3502          */
3503         runtime = cfs_b->runtime;
3504         runtime_expires = cfs_b->runtime_expires;
3505         cfs_b->runtime = 0;
3506
3507         /*
3508          * This check is repeated as we are holding onto the new bandwidth
3509          * while we unthrottle.  This can potentially race with an unthrottled
3510          * group trying to acquire new bandwidth from the global pool.
3511          */
3512         while (throttled && runtime > 0) {
3513                 raw_spin_unlock(&cfs_b->lock);
3514                 /* we can't nest cfs_b->lock while distributing bandwidth */
3515                 runtime = distribute_cfs_runtime(cfs_b, runtime,
3516                                                  runtime_expires);
3517                 raw_spin_lock(&cfs_b->lock);
3518
3519                 throttled = !list_empty(&cfs_b->throttled_cfs_rq);
3520         }
3521
3522         /* return (any) remaining runtime */
3523         cfs_b->runtime = runtime;
3524         /*
3525          * While we are ensured activity in the period following an
3526          * unthrottle, this also covers the case in which the new bandwidth is
3527          * insufficient to cover the existing bandwidth deficit.  (Forcing the
3528          * timer to remain active while there are any throttled entities.)
3529          */
3530         cfs_b->idle = 0;
3531
3532         return 0;
3533
3534 out_deactivate:
3535         cfs_b->timer_active = 0;
3536         return 1;
3537 }
3538
3539 /* a cfs_rq won't donate quota below this amount */
3540 static const u64 min_cfs_rq_runtime = 1 * NSEC_PER_MSEC;
3541 /* minimum remaining period time to redistribute slack quota */
3542 static const u64 min_bandwidth_expiration = 2 * NSEC_PER_MSEC;
3543 /* how long we wait to gather additional slack before distributing */
3544 static const u64 cfs_bandwidth_slack_period = 5 * NSEC_PER_MSEC;
3545
3546 /*
3547  * Are we near the end of the current quota period?
3548  *
3549  * Requires cfs_b->lock for hrtimer_expires_remaining to be safe against the
3550  * hrtimer base being cleared by __hrtimer_start_range_ns. In the case of
3551  * migrate_hrtimers, base is never cleared, so we are fine.
3552  */
3553 static int runtime_refresh_within(struct cfs_bandwidth *cfs_b, u64 min_expire)
3554 {
3555         struct hrtimer *refresh_timer = &cfs_b->period_timer;
3556         u64 remaining;
3557
3558         /* if the call-back is running a quota refresh is already occurring */
3559         if (hrtimer_callback_running(refresh_timer))
3560                 return 1;
3561
3562         /* is a quota refresh about to occur? */
3563         remaining = ktime_to_ns(hrtimer_expires_remaining(refresh_timer));
3564         if (remaining < min_expire)
3565                 return 1;
3566
3567         return 0;
3568 }
3569
3570 static void start_cfs_slack_bandwidth(struct cfs_bandwidth *cfs_b)
3571 {
3572         u64 min_left = cfs_bandwidth_slack_period + min_bandwidth_expiration;
3573
3574         /* if there's a quota refresh soon don't bother with slack */
3575         if (runtime_refresh_within(cfs_b, min_left))
3576                 return;
3577
3578         start_bandwidth_timer(&cfs_b->slack_timer,
3579                                 ns_to_ktime(cfs_bandwidth_slack_period));
3580 }
3581
3582 /* we know any runtime found here is valid as update_curr() precedes return */
3583 static void __return_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3584 {
3585         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
3586         s64 slack_runtime = cfs_rq->runtime_remaining - min_cfs_rq_runtime;
3587
3588         if (slack_runtime <= 0)
3589                 return;
3590
3591         raw_spin_lock(&cfs_b->lock);
3592         if (cfs_b->quota != RUNTIME_INF &&
3593             cfs_rq->runtime_expires == cfs_b->runtime_expires) {
3594                 cfs_b->runtime += slack_runtime;
3595
3596                 /* we are under rq->lock, defer unthrottling using a timer */
3597                 if (cfs_b->runtime > sched_cfs_bandwidth_slice() &&
3598                     !list_empty(&cfs_b->throttled_cfs_rq))
3599                         start_cfs_slack_bandwidth(cfs_b);
3600         }
3601         raw_spin_unlock(&cfs_b->lock);
3602
3603         /* even if it's not valid for return we don't want to try again */
3604         cfs_rq->runtime_remaining -= slack_runtime;
3605 }
3606
3607 static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3608 {
3609         if (!cfs_bandwidth_used())
3610                 return;
3611
3612         if (!cfs_rq->runtime_enabled || cfs_rq->nr_running)
3613                 return;
3614
3615         __return_cfs_rq_runtime(cfs_rq);
3616 }
3617
3618 /*
3619  * This is done with a timer (instead of inline with bandwidth return) since
3620  * it's necessary to juggle rq->locks to unthrottle their respective cfs_rqs.
3621  */
3622 static void do_sched_cfs_slack_timer(struct cfs_bandwidth *cfs_b)
3623 {
3624         u64 runtime = 0, slice = sched_cfs_bandwidth_slice();
3625         u64 expires;
3626
3627         /* confirm we're still not at a refresh boundary */
3628         raw_spin_lock(&cfs_b->lock);
3629         if (runtime_refresh_within(cfs_b, min_bandwidth_expiration)) {
3630                 raw_spin_unlock(&cfs_b->lock);
3631                 return;
3632         }
3633
3634         if (cfs_b->quota != RUNTIME_INF && cfs_b->runtime > slice) {
3635                 runtime = cfs_b->runtime;
3636                 cfs_b->runtime = 0;
3637         }
3638         expires = cfs_b->runtime_expires;
3639         raw_spin_unlock(&cfs_b->lock);
3640
3641         if (!runtime)
3642                 return;
3643
3644         runtime = distribute_cfs_runtime(cfs_b, runtime, expires);
3645
3646         raw_spin_lock(&cfs_b->lock);
3647         if (expires == cfs_b->runtime_expires)
3648                 cfs_b->runtime = runtime;
3649         raw_spin_unlock(&cfs_b->lock);
3650 }
3651
3652 /*
3653  * When a group wakes up we want to make sure that its quota is not already
3654  * expired/exceeded, otherwise it may be allowed to steal additional ticks of
3655  * runtime as update_curr() throttling can not not trigger until it's on-rq.
3656  */
3657 static void check_enqueue_throttle(struct cfs_rq *cfs_rq)
3658 {
3659         if (!cfs_bandwidth_used())
3660                 return;
3661
3662         /* an active group must be handled by the update_curr()->put() path */
3663         if (!cfs_rq->runtime_enabled || cfs_rq->curr)
3664                 return;
3665
3666         /* ensure the group is not already throttled */
3667         if (cfs_rq_throttled(cfs_rq))
3668                 return;
3669
3670         /* update runtime allocation */
3671         account_cfs_rq_runtime(cfs_rq, 0);
3672         if (cfs_rq->runtime_remaining <= 0)
3673                 throttle_cfs_rq(cfs_rq);
3674 }
3675
3676 /* conditionally throttle active cfs_rq's from put_prev_entity() */
3677 static bool check_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3678 {
3679         if (!cfs_bandwidth_used())
3680                 return false;
3681
3682         if (likely(!cfs_rq->runtime_enabled || cfs_rq->runtime_remaining > 0))
3683                 return false;
3684
3685         /*
3686          * it's possible for a throttled entity to be forced into a running
3687          * state (e.g. set_curr_task), in this case we're finished.
3688          */
3689         if (cfs_rq_throttled(cfs_rq))
3690                 return true;
3691
3692         throttle_cfs_rq(cfs_rq);
3693         return true;
3694 }
3695
3696 static enum hrtimer_restart sched_cfs_slack_timer(struct hrtimer *timer)
3697 {
3698         struct cfs_bandwidth *cfs_b =
3699                 container_of(timer, struct cfs_bandwidth, slack_timer);
3700         do_sched_cfs_slack_timer(cfs_b);
3701
3702         return HRTIMER_NORESTART;
3703 }
3704
3705 static enum hrtimer_restart sched_cfs_period_timer(struct hrtimer *timer)
3706 {
3707         struct cfs_bandwidth *cfs_b =
3708                 container_of(timer, struct cfs_bandwidth, period_timer);
3709         ktime_t now;
3710         int overrun;
3711         int idle = 0;
3712
3713         raw_spin_lock(&cfs_b->lock);
3714         for (;;) {
3715                 now = hrtimer_cb_get_time(timer);
3716                 overrun = hrtimer_forward(timer, now, cfs_b->period);
3717
3718                 if (!overrun)
3719                         break;
3720
3721                 idle = do_sched_cfs_period_timer(cfs_b, overrun);
3722         }
3723         raw_spin_unlock(&cfs_b->lock);
3724
3725         return idle ? HRTIMER_NORESTART : HRTIMER_RESTART;
3726 }
3727
3728 void init_cfs_bandwidth(struct cfs_bandwidth *cfs_b)
3729 {
3730         raw_spin_lock_init(&cfs_b->lock);
3731         cfs_b->runtime = 0;
3732         cfs_b->quota = RUNTIME_INF;
3733         cfs_b->period = ns_to_ktime(default_cfs_period());
3734
3735         INIT_LIST_HEAD(&cfs_b->throttled_cfs_rq);
3736         hrtimer_init(&cfs_b->period_timer, CLOCK_MONOTONIC, HRTIMER_MODE_REL);
3737         cfs_b->period_timer.function = sched_cfs_period_timer;
3738         hrtimer_init(&cfs_b->slack_timer, CLOCK_MONOTONIC, HRTIMER_MODE_REL);
3739         cfs_b->slack_timer.function = sched_cfs_slack_timer;
3740 }
3741
3742 static void init_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3743 {
3744         cfs_rq->runtime_enabled = 0;
3745         INIT_LIST_HEAD(&cfs_rq->throttled_list);
3746 }
3747
3748 /* requires cfs_b->lock, may release to reprogram timer */
3749 void __start_cfs_bandwidth(struct cfs_bandwidth *cfs_b, bool force)
3750 {
3751         /*
3752          * The timer may be active because we're trying to set a new bandwidth
3753          * period or because we're racing with the tear-down path
3754          * (timer_active==0 becomes visible before the hrtimer call-back
3755          * terminates).  In either case we ensure that it's re-programmed
3756          */
3757         while (unlikely(hrtimer_active(&cfs_b->period_timer)) &&
3758                hrtimer_try_to_cancel(&cfs_b->period_timer) < 0) {
3759                 /* bounce the lock to allow do_sched_cfs_period_timer to run */
3760                 raw_spin_unlock(&cfs_b->lock);
3761                 cpu_relax();
3762                 raw_spin_lock(&cfs_b->lock);
3763                 /* if someone else restarted the timer then we're done */
3764                 if (!force && cfs_b->timer_active)
3765                         return;
3766         }
3767
3768         cfs_b->timer_active = 1;
3769         start_bandwidth_timer(&cfs_b->period_timer, cfs_b->period);
3770 }
3771
3772 static void destroy_cfs_bandwidth(struct cfs_bandwidth *cfs_b)
3773 {
3774         hrtimer_cancel(&cfs_b->period_timer);
3775         hrtimer_cancel(&cfs_b->slack_timer);
3776 }
3777
3778 static void __maybe_unused unthrottle_offline_cfs_rqs(struct rq *rq)
3779 {
3780         struct cfs_rq *cfs_rq;
3781
3782         for_each_leaf_cfs_rq(rq, cfs_rq) {
3783                 if (!cfs_rq->runtime_enabled)
3784                         continue;
3785
3786                 /*
3787                  * clock_task is not advancing so we just need to make sure
3788                  * there's some valid quota amount
3789                  */
3790                 cfs_rq->runtime_remaining = 1;
3791                 if (cfs_rq_throttled(cfs_rq))
3792                         unthrottle_cfs_rq(cfs_rq);
3793         }
3794 }
3795
3796 #else /* CONFIG_CFS_BANDWIDTH */
3797 static inline u64 cfs_rq_clock_task(struct cfs_rq *cfs_rq)
3798 {
3799         return rq_clock_task(rq_of(cfs_rq));
3800 }
3801
3802 static void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec) {}
3803 static bool check_cfs_rq_runtime(struct cfs_rq *cfs_rq) { return false; }
3804 static void check_enqueue_throttle(struct cfs_rq *cfs_rq) {}
3805 static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq) {}
3806
3807 static inline int cfs_rq_throttled(struct cfs_rq *cfs_rq)
3808 {
3809         return 0;
3810 }
3811
3812 static inline int throttled_hierarchy(struct cfs_rq *cfs_rq)
3813 {
3814         return 0;
3815 }
3816
3817 static inline int throttled_lb_pair(struct task_group *tg,
3818                                     int src_cpu, int dest_cpu)
3819 {
3820         return 0;
3821 }
3822
3823 void init_cfs_bandwidth(struct cfs_bandwidth *cfs_b) {}
3824
3825 #ifdef CONFIG_FAIR_GROUP_SCHED
3826 static void init_cfs_rq_runtime(struct cfs_rq *cfs_rq) {}
3827 #endif
3828
3829 static inline struct cfs_bandwidth *tg_cfs_bandwidth(struct task_group *tg)
3830 {
3831         return NULL;
3832 }
3833 static inline void destroy_cfs_bandwidth(struct cfs_bandwidth *cfs_b) {}
3834 static inline void unthrottle_offline_cfs_rqs(struct rq *rq) {}
3835
3836 #endif /* CONFIG_CFS_BANDWIDTH */
3837
3838 /**************************************************
3839  * CFS operations on tasks:
3840  */
3841
3842 #ifdef CONFIG_SCHED_HRTICK
3843 static void hrtick_start_fair(struct rq *rq, struct task_struct *p)
3844 {
3845         struct sched_entity *se = &p->se;
3846         struct cfs_rq *cfs_rq = cfs_rq_of(se);
3847
3848         WARN_ON(task_rq(p) != rq);
3849
3850         if (cfs_rq->nr_running > 1) {
3851                 u64 slice = sched_slice(cfs_rq, se);
3852                 u64 ran = se->sum_exec_runtime - se->prev_sum_exec_runtime;
3853                 s64 delta = slice - ran;
3854
3855                 if (delta < 0) {
3856                         if (rq->curr == p)
3857                                 resched_task(p);
3858                         return;
3859                 }
3860
3861                 /*
3862                  * Don't schedule slices shorter than 10000ns, that just
3863                  * doesn't make sense. Rely on vruntime for fairness.
3864                  */
3865                 if (rq->curr != p)
3866                         delta = max_t(s64, 10000LL, delta);
3867
3868                 hrtick_start(rq, delta);
3869         }
3870 }
3871
3872 /*
3873  * called from enqueue/dequeue and updates the hrtick when the
3874  * current task is from our class and nr_running is low enough
3875  * to matter.
3876  */
3877 static void hrtick_update(struct rq *rq)
3878 {
3879         struct task_struct *curr = rq->curr;
3880
3881         if (!hrtick_enabled(rq) || curr->sched_class != &fair_sched_class)
3882                 return;
3883
3884         if (cfs_rq_of(&curr->se)->nr_running < sched_nr_latency)
3885                 hrtick_start_fair(rq, curr);
3886 }
3887 #else /* !CONFIG_SCHED_HRTICK */
3888 static inline void
3889 hrtick_start_fair(struct rq *rq, struct task_struct *p)
3890 {
3891 }
3892
3893 static inline void hrtick_update(struct rq *rq)
3894 {
3895 }
3896 #endif
3897
3898 /*
3899  * The enqueue_task method is called before nr_running is
3900  * increased. Here we update the fair scheduling stats and
3901  * then put the task into the rbtree:
3902  */
3903 static void
3904 enqueue_task_fair(struct rq *rq, struct task_struct *p, int flags)
3905 {
3906         struct cfs_rq *cfs_rq;
3907         struct sched_entity *se = &p->se;
3908
3909         for_each_sched_entity(se) {
3910                 if (se->on_rq)
3911                         break;
3912                 cfs_rq = cfs_rq_of(se);
3913                 enqueue_entity(cfs_rq, se, flags);
3914
3915                 /*
3916                  * end evaluation on encountering a throttled cfs_rq
3917                  *
3918                  * note: in the case of encountering a throttled cfs_rq we will
3919                  * post the final h_nr_running increment below.
3920                 */
3921                 if (cfs_rq_throttled(cfs_rq))
3922                         break;
3923                 cfs_rq->h_nr_running++;
3924
3925                 flags = ENQUEUE_WAKEUP;
3926         }
3927
3928         for_each_sched_entity(se) {
3929                 cfs_rq = cfs_rq_of(se);
3930                 cfs_rq->h_nr_running++;
3931
3932                 if (cfs_rq_th