Merge tag 'v3.15' 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 power_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 power;
1030
1031         /* Approximate capacity in terms of runnable tasks on a node */
1032         unsigned long capacity;
1033         int has_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->power += power_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_capacity, or we'll detect a huge imbalance
1060          * and bail there.
1061          */
1062         if (!cpus)
1063                 return;
1064
1065         ns->load = (ns->load * SCHED_POWER_SCALE) / ns->power;
1066         ns->capacity = DIV_ROUND_CLOSEST(ns->power, SCHED_POWER_SCALE);
1067         ns->has_capacity = (ns->nr_running < ns->capacity);
1068 }
1069
1070 struct task_numa_env {
1071         struct task_struct *p;
1072
1073         int src_cpu, src_nid;
1074         int dst_cpu, dst_nid;
1075
1076         struct numa_stats src_stats, dst_stats;
1077
1078         int imbalance_pct;
1079
1080         struct task_struct *best_task;
1081         long best_imp;
1082         int best_cpu;
1083 };
1084
1085 static void task_numa_assign(struct task_numa_env *env,
1086                              struct task_struct *p, long imp)
1087 {
1088         if (env->best_task)
1089                 put_task_struct(env->best_task);
1090         if (p)
1091                 get_task_struct(p);
1092
1093         env->best_task = p;
1094         env->best_imp = imp;
1095         env->best_cpu = env->dst_cpu;
1096 }
1097
1098 /*
1099  * This checks if the overall compute and NUMA accesses of the system would
1100  * be improved if the source tasks was migrated to the target dst_cpu taking
1101  * into account that it might be best if task running on the dst_cpu should
1102  * be exchanged with the source task
1103  */
1104 static void task_numa_compare(struct task_numa_env *env,
1105                               long taskimp, long groupimp)
1106 {
1107         struct rq *src_rq = cpu_rq(env->src_cpu);
1108         struct rq *dst_rq = cpu_rq(env->dst_cpu);
1109         struct task_struct *cur;
1110         long dst_load, src_load;
1111         long load;
1112         long imp = (groupimp > 0) ? groupimp : taskimp;
1113
1114         rcu_read_lock();
1115         cur = ACCESS_ONCE(dst_rq->curr);
1116         if (cur->pid == 0) /* idle */
1117                 cur = NULL;
1118
1119         /*
1120          * "imp" is the fault differential for the source task between the
1121          * source and destination node. Calculate the total differential for
1122          * the source task and potential destination task. The more negative
1123          * the value is, the more rmeote accesses that would be expected to
1124          * be incurred if the tasks were swapped.
1125          */
1126         if (cur) {
1127                 /* Skip this swap candidate if cannot move to the source cpu */
1128                 if (!cpumask_test_cpu(env->src_cpu, tsk_cpus_allowed(cur)))
1129                         goto unlock;
1130
1131                 /*
1132                  * If dst and source tasks are in the same NUMA group, or not
1133                  * in any group then look only at task weights.
1134                  */
1135                 if (cur->numa_group == env->p->numa_group) {
1136                         imp = taskimp + task_weight(cur, env->src_nid) -
1137                               task_weight(cur, env->dst_nid);
1138                         /*
1139                          * Add some hysteresis to prevent swapping the
1140                          * tasks within a group over tiny differences.
1141                          */
1142                         if (cur->numa_group)
1143                                 imp -= imp/16;
1144                 } else {
1145                         /*
1146                          * Compare the group weights. If a task is all by
1147                          * itself (not part of a group), use the task weight
1148                          * instead.
1149                          */
1150                         if (env->p->numa_group)
1151                                 imp = groupimp;
1152                         else
1153                                 imp = taskimp;
1154
1155                         if (cur->numa_group)
1156                                 imp += group_weight(cur, env->src_nid) -
1157                                        group_weight(cur, env->dst_nid);
1158                         else
1159                                 imp += task_weight(cur, env->src_nid) -
1160                                        task_weight(cur, env->dst_nid);
1161                 }
1162         }
1163
1164         if (imp < env->best_imp)
1165                 goto unlock;
1166
1167         if (!cur) {
1168                 /* Is there capacity at our destination? */
1169                 if (env->src_stats.has_capacity &&
1170                     !env->dst_stats.has_capacity)
1171                         goto unlock;
1172
1173                 goto balance;
1174         }
1175
1176         /* Balance doesn't matter much if we're running a task per cpu */
1177         if (src_rq->nr_running == 1 && dst_rq->nr_running == 1)
1178                 goto assign;
1179
1180         /*
1181          * In the overloaded case, try and keep the load balanced.
1182          */
1183 balance:
1184         dst_load = env->dst_stats.load;
1185         src_load = env->src_stats.load;
1186
1187         /* XXX missing power terms */
1188         load = task_h_load(env->p);
1189         dst_load += load;
1190         src_load -= load;
1191
1192         if (cur) {
1193                 load = task_h_load(cur);
1194                 dst_load -= load;
1195                 src_load += load;
1196         }
1197
1198         /* make src_load the smaller */
1199         if (dst_load < src_load)
1200                 swap(dst_load, src_load);
1201
1202         if (src_load * env->imbalance_pct < dst_load * 100)
1203                 goto unlock;
1204
1205 assign:
1206         task_numa_assign(env, cur, imp);
1207 unlock:
1208         rcu_read_unlock();
1209 }
1210
1211 static void task_numa_find_cpu(struct task_numa_env *env,
1212                                 long taskimp, long groupimp)
1213 {
1214         int cpu;
1215
1216         for_each_cpu(cpu, cpumask_of_node(env->dst_nid)) {
1217                 /* Skip this CPU if the source task cannot migrate */
1218                 if (!cpumask_test_cpu(cpu, tsk_cpus_allowed(env->p)))
1219                         continue;
1220
1221                 env->dst_cpu = cpu;
1222                 task_numa_compare(env, taskimp, groupimp);
1223         }
1224 }
1225
1226 static int task_numa_migrate(struct task_struct *p)
1227 {
1228         struct task_numa_env env = {
1229                 .p = p,
1230
1231                 .src_cpu = task_cpu(p),
1232                 .src_nid = task_node(p),
1233
1234                 .imbalance_pct = 112,
1235
1236                 .best_task = NULL,
1237                 .best_imp = 0,
1238                 .best_cpu = -1
1239         };
1240         struct sched_domain *sd;
1241         unsigned long taskweight, groupweight;
1242         int nid, ret;
1243         long taskimp, groupimp;
1244
1245         /*
1246          * Pick the lowest SD_NUMA domain, as that would have the smallest
1247          * imbalance and would be the first to start moving tasks about.
1248          *
1249          * And we want to avoid any moving of tasks about, as that would create
1250          * random movement of tasks -- counter the numa conditions we're trying
1251          * to satisfy here.
1252          */
1253         rcu_read_lock();
1254         sd = rcu_dereference(per_cpu(sd_numa, env.src_cpu));
1255         if (sd)
1256                 env.imbalance_pct = 100 + (sd->imbalance_pct - 100) / 2;
1257         rcu_read_unlock();
1258
1259         /*
1260          * Cpusets can break the scheduler domain tree into smaller
1261          * balance domains, some of which do not cross NUMA boundaries.
1262          * Tasks that are "trapped" in such domains cannot be migrated
1263          * elsewhere, so there is no point in (re)trying.
1264          */
1265         if (unlikely(!sd)) {
1266                 p->numa_preferred_nid = task_node(p);
1267                 return -EINVAL;
1268         }
1269
1270         taskweight = task_weight(p, env.src_nid);
1271         groupweight = group_weight(p, env.src_nid);
1272         update_numa_stats(&env.src_stats, env.src_nid);
1273         env.dst_nid = p->numa_preferred_nid;
1274         taskimp = task_weight(p, env.dst_nid) - taskweight;
1275         groupimp = group_weight(p, env.dst_nid) - groupweight;
1276         update_numa_stats(&env.dst_stats, env.dst_nid);
1277
1278         /* If the preferred nid has capacity, try to use it. */
1279         if (env.dst_stats.has_capacity)
1280                 task_numa_find_cpu(&env, taskimp, groupimp);
1281
1282         /* No space available on the preferred nid. Look elsewhere. */
1283         if (env.best_cpu == -1) {
1284                 for_each_online_node(nid) {
1285                         if (nid == env.src_nid || nid == p->numa_preferred_nid)
1286                                 continue;
1287
1288                         /* Only consider nodes where both task and groups benefit */
1289                         taskimp = task_weight(p, nid) - taskweight;
1290                         groupimp = group_weight(p, nid) - groupweight;
1291                         if (taskimp < 0 && groupimp < 0)
1292                                 continue;
1293
1294                         env.dst_nid = nid;
1295                         update_numa_stats(&env.dst_stats, env.dst_nid);
1296                         task_numa_find_cpu(&env, taskimp, groupimp);
1297                 }
1298         }
1299
1300         /* No better CPU than the current one was found. */
1301         if (env.best_cpu == -1)
1302                 return -EAGAIN;
1303
1304         sched_setnuma(p, env.dst_nid);
1305
1306         /*
1307          * Reset the scan period if the task is being rescheduled on an
1308          * alternative node to recheck if the tasks is now properly placed.
1309          */
1310         p->numa_scan_period = task_scan_min(p);
1311
1312         if (env.best_task == NULL) {
1313                 ret = migrate_task_to(p, env.best_cpu);
1314                 if (ret != 0)
1315                         trace_sched_stick_numa(p, env.src_cpu, env.best_cpu);
1316                 return ret;
1317         }
1318
1319         ret = migrate_swap(p, env.best_task);
1320         if (ret != 0)
1321                 trace_sched_stick_numa(p, env.src_cpu, task_cpu(env.best_task));
1322         put_task_struct(env.best_task);
1323         return ret;
1324 }
1325
1326 /* Attempt to migrate a task to a CPU on the preferred node. */
1327 static void numa_migrate_preferred(struct task_struct *p)
1328 {
1329         /* This task has no NUMA fault statistics yet */
1330         if (unlikely(p->numa_preferred_nid == -1 || !p->numa_faults_memory))
1331                 return;
1332
1333         /* Periodically retry migrating the task to the preferred node */
1334         p->numa_migrate_retry = jiffies + HZ;
1335
1336         /* Success if task is already running on preferred CPU */
1337         if (task_node(p) == p->numa_preferred_nid)
1338                 return;
1339
1340         /* Otherwise, try migrate to a CPU on the preferred node */
1341         task_numa_migrate(p);
1342 }
1343
1344 /*
1345  * Find the nodes on which the workload is actively running. We do this by
1346  * tracking the nodes from which NUMA hinting faults are triggered. This can
1347  * be different from the set of nodes where the workload's memory is currently
1348  * located.
1349  *
1350  * The bitmask is used to make smarter decisions on when to do NUMA page
1351  * migrations, To prevent flip-flopping, and excessive page migrations, nodes
1352  * are added when they cause over 6/16 of the maximum number of faults, but
1353  * only removed when they drop below 3/16.
1354  */
1355 static void update_numa_active_node_mask(struct numa_group *numa_group)
1356 {
1357         unsigned long faults, max_faults = 0;
1358         int nid;
1359
1360         for_each_online_node(nid) {
1361                 faults = group_faults_cpu(numa_group, nid);
1362                 if (faults > max_faults)
1363                         max_faults = faults;
1364         }
1365
1366         for_each_online_node(nid) {
1367                 faults = group_faults_cpu(numa_group, nid);
1368                 if (!node_isset(nid, numa_group->active_nodes)) {
1369                         if (faults > max_faults * 6 / 16)
1370                                 node_set(nid, numa_group->active_nodes);
1371                 } else if (faults < max_faults * 3 / 16)
1372                         node_clear(nid, numa_group->active_nodes);
1373         }
1374 }
1375
1376 /*
1377  * When adapting the scan rate, the period is divided into NUMA_PERIOD_SLOTS
1378  * increments. The more local the fault statistics are, the higher the scan
1379  * period will be for the next scan window. If local/remote ratio is below
1380  * NUMA_PERIOD_THRESHOLD (where range of ratio is 1..NUMA_PERIOD_SLOTS) the
1381  * scan period will decrease
1382  */
1383 #define NUMA_PERIOD_SLOTS 10
1384 #define NUMA_PERIOD_THRESHOLD 3
1385
1386 /*
1387  * Increase the scan period (slow down scanning) if the majority of
1388  * our memory is already on our local node, or if the majority of
1389  * the page accesses are shared with other processes.
1390  * Otherwise, decrease the scan period.
1391  */
1392 static void update_task_scan_period(struct task_struct *p,
1393                         unsigned long shared, unsigned long private)
1394 {
1395         unsigned int period_slot;
1396         int ratio;
1397         int diff;
1398
1399         unsigned long remote = p->numa_faults_locality[0];
1400         unsigned long local = p->numa_faults_locality[1];
1401
1402         /*
1403          * If there were no record hinting faults then either the task is
1404          * completely idle or all activity is areas that are not of interest
1405          * to automatic numa balancing. Scan slower
1406          */
1407         if (local + shared == 0) {
1408                 p->numa_scan_period = min(p->numa_scan_period_max,
1409                         p->numa_scan_period << 1);
1410
1411                 p->mm->numa_next_scan = jiffies +
1412                         msecs_to_jiffies(p->numa_scan_period);
1413
1414                 return;
1415         }
1416
1417         /*
1418          * Prepare to scale scan period relative to the current period.
1419          *       == NUMA_PERIOD_THRESHOLD scan period stays the same
1420          *       <  NUMA_PERIOD_THRESHOLD scan period decreases (scan faster)
1421          *       >= NUMA_PERIOD_THRESHOLD scan period increases (scan slower)
1422          */
1423         period_slot = DIV_ROUND_UP(p->numa_scan_period, NUMA_PERIOD_SLOTS);
1424         ratio = (local * NUMA_PERIOD_SLOTS) / (local + remote);
1425         if (ratio >= NUMA_PERIOD_THRESHOLD) {
1426                 int slot = ratio - NUMA_PERIOD_THRESHOLD;
1427                 if (!slot)
1428                         slot = 1;
1429                 diff = slot * period_slot;
1430         } else {
1431                 diff = -(NUMA_PERIOD_THRESHOLD - ratio) * period_slot;
1432
1433                 /*
1434                  * Scale scan rate increases based on sharing. There is an
1435                  * inverse relationship between the degree of sharing and
1436                  * the adjustment made to the scanning period. Broadly
1437                  * speaking the intent is that there is little point
1438                  * scanning faster if shared accesses dominate as it may
1439                  * simply bounce migrations uselessly
1440                  */
1441                 ratio = DIV_ROUND_UP(private * NUMA_PERIOD_SLOTS, (private + shared));
1442                 diff = (diff * ratio) / NUMA_PERIOD_SLOTS;
1443         }
1444
1445         p->numa_scan_period = clamp(p->numa_scan_period + diff,
1446                         task_scan_min(p), task_scan_max(p));
1447         memset(p->numa_faults_locality, 0, sizeof(p->numa_faults_locality));
1448 }
1449
1450 /*
1451  * Get the fraction of time the task has been running since the last
1452  * NUMA placement cycle. The scheduler keeps similar statistics, but
1453  * decays those on a 32ms period, which is orders of magnitude off
1454  * from the dozens-of-seconds NUMA balancing period. Use the scheduler
1455  * stats only if the task is so new there are no NUMA statistics yet.
1456  */
1457 static u64 numa_get_avg_runtime(struct task_struct *p, u64 *period)
1458 {
1459         u64 runtime, delta, now;
1460         /* Use the start of this time slice to avoid calculations. */
1461         now = p->se.exec_start;
1462         runtime = p->se.sum_exec_runtime;
1463
1464         if (p->last_task_numa_placement) {
1465                 delta = runtime - p->last_sum_exec_runtime;
1466                 *period = now - p->last_task_numa_placement;
1467         } else {
1468                 delta = p->se.avg.runnable_avg_sum;
1469                 *period = p->se.avg.runnable_avg_period;
1470         }
1471
1472         p->last_sum_exec_runtime = runtime;
1473         p->last_task_numa_placement = now;
1474
1475         return delta;
1476 }
1477
1478 static void task_numa_placement(struct task_struct *p)
1479 {
1480         int seq, nid, max_nid = -1, max_group_nid = -1;
1481         unsigned long max_faults = 0, max_group_faults = 0;
1482         unsigned long fault_types[2] = { 0, 0 };
1483         unsigned long total_faults;
1484         u64 runtime, period;
1485         spinlock_t *group_lock = NULL;
1486
1487         seq = ACCESS_ONCE(p->mm->numa_scan_seq);
1488         if (p->numa_scan_seq == seq)
1489                 return;
1490         p->numa_scan_seq = seq;
1491         p->numa_scan_period_max = task_scan_max(p);
1492
1493         total_faults = p->numa_faults_locality[0] +
1494                        p->numa_faults_locality[1];
1495         runtime = numa_get_avg_runtime(p, &period);
1496
1497         /* If the task is part of a group prevent parallel updates to group stats */
1498         if (p->numa_group) {
1499                 group_lock = &p->numa_group->lock;
1500                 spin_lock_irq(group_lock);
1501         }
1502
1503         /* Find the node with the highest number of faults */
1504         for_each_online_node(nid) {
1505                 unsigned long faults = 0, group_faults = 0;
1506                 int priv, i;
1507
1508                 for (priv = 0; priv < NR_NUMA_HINT_FAULT_TYPES; priv++) {
1509                         long diff, f_diff, f_weight;
1510
1511                         i = task_faults_idx(nid, priv);
1512
1513                         /* Decay existing window, copy faults since last scan */
1514                         diff = p->numa_faults_buffer_memory[i] - p->numa_faults_memory[i] / 2;
1515                         fault_types[priv] += p->numa_faults_buffer_memory[i];
1516                         p->numa_faults_buffer_memory[i] = 0;
1517
1518                         /*
1519                          * Normalize the faults_from, so all tasks in a group
1520                          * count according to CPU use, instead of by the raw
1521                          * number of faults. Tasks with little runtime have
1522                          * little over-all impact on throughput, and thus their
1523                          * faults are less important.
1524                          */
1525                         f_weight = div64_u64(runtime << 16, period + 1);
1526                         f_weight = (f_weight * p->numa_faults_buffer_cpu[i]) /
1527                                    (total_faults + 1);
1528                         f_diff = f_weight - p->numa_faults_cpu[i] / 2;
1529                         p->numa_faults_buffer_cpu[i] = 0;
1530
1531                         p->numa_faults_memory[i] += diff;
1532                         p->numa_faults_cpu[i] += f_diff;
1533                         faults += p->numa_faults_memory[i];
1534                         p->total_numa_faults += diff;
1535                         if (p->numa_group) {
1536                                 /* safe because we can only change our own group */
1537                                 p->numa_group->faults[i] += diff;
1538                                 p->numa_group->faults_cpu[i] += f_diff;
1539                                 p->numa_group->total_faults += diff;
1540                                 group_faults += p->numa_group->faults[i];
1541                         }
1542                 }
1543
1544                 if (faults > max_faults) {
1545                         max_faults = faults;
1546                         max_nid = nid;
1547                 }
1548
1549                 if (group_faults > max_group_faults) {
1550                         max_group_faults = group_faults;
1551                         max_group_nid = nid;
1552                 }
1553         }
1554
1555         update_task_scan_period(p, fault_types[0], fault_types[1]);
1556
1557         if (p->numa_group) {
1558                 update_numa_active_node_mask(p->numa_group);
1559                 /*
1560                  * If the preferred task and group nids are different,
1561                  * iterate over the nodes again to find the best place.
1562                  */
1563                 if (max_nid != max_group_nid) {
1564                         unsigned long weight, max_weight = 0;
1565
1566                         for_each_online_node(nid) {
1567                                 weight = task_weight(p, nid) + group_weight(p, nid);
1568                                 if (weight > max_weight) {
1569                                         max_weight = weight;
1570                                         max_nid = nid;
1571                                 }
1572                         }
1573                 }
1574
1575                 spin_unlock_irq(group_lock);
1576         }
1577
1578         /* Preferred node as the node with the most faults */
1579         if (max_faults && max_nid != p->numa_preferred_nid) {
1580                 /* Update the preferred nid and migrate task if possible */
1581                 sched_setnuma(p, max_nid);
1582                 numa_migrate_preferred(p);
1583         }
1584 }
1585
1586 static inline int get_numa_group(struct numa_group *grp)
1587 {
1588         return atomic_inc_not_zero(&grp->refcount);
1589 }
1590
1591 static inline void put_numa_group(struct numa_group *grp)
1592 {
1593         if (atomic_dec_and_test(&grp->refcount))
1594                 kfree_rcu(grp, rcu);
1595 }
1596
1597 static void task_numa_group(struct task_struct *p, int cpupid, int flags,
1598                         int *priv)
1599 {
1600         struct numa_group *grp, *my_grp;
1601         struct task_struct *tsk;
1602         bool join = false;
1603         int cpu = cpupid_to_cpu(cpupid);
1604         int i;
1605
1606         if (unlikely(!p->numa_group)) {
1607                 unsigned int size = sizeof(struct numa_group) +
1608                                     4*nr_node_ids*sizeof(unsigned long);
1609
1610                 grp = kzalloc(size, GFP_KERNEL | __GFP_NOWARN);
1611                 if (!grp)
1612                         return;
1613
1614                 atomic_set(&grp->refcount, 1);
1615                 spin_lock_init(&grp->lock);
1616                 INIT_LIST_HEAD(&grp->task_list);
1617                 grp->gid = p->pid;
1618                 /* Second half of the array tracks nids where faults happen */
1619                 grp->faults_cpu = grp->faults + NR_NUMA_HINT_FAULT_TYPES *
1620                                                 nr_node_ids;
1621
1622                 node_set(task_node(current), grp->active_nodes);
1623
1624                 for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++)
1625                         grp->faults[i] = p->numa_faults_memory[i];
1626
1627                 grp->total_faults = p->total_numa_faults;
1628
1629                 list_add(&p->numa_entry, &grp->task_list);
1630                 grp->nr_tasks++;
1631                 rcu_assign_pointer(p->numa_group, grp);
1632         }
1633
1634         rcu_read_lock();
1635         tsk = ACCESS_ONCE(cpu_rq(cpu)->curr);
1636
1637         if (!cpupid_match_pid(tsk, cpupid))
1638                 goto no_join;
1639
1640         grp = rcu_dereference(tsk->numa_group);
1641         if (!grp)
1642                 goto no_join;
1643
1644         my_grp = p->numa_group;
1645         if (grp == my_grp)
1646                 goto no_join;
1647
1648         /*
1649          * Only join the other group if its bigger; if we're the bigger group,
1650          * the other task will join us.
1651          */
1652         if (my_grp->nr_tasks > grp->nr_tasks)
1653                 goto no_join;
1654
1655         /*
1656          * Tie-break on the grp address.
1657          */
1658         if (my_grp->nr_tasks == grp->nr_tasks && my_grp > grp)
1659                 goto no_join;
1660
1661         /* Always join threads in the same process. */
1662         if (tsk->mm == current->mm)
1663                 join = true;
1664
1665         /* Simple filter to avoid false positives due to PID collisions */
1666         if (flags & TNF_SHARED)
1667                 join = true;
1668
1669         /* Update priv based on whether false sharing was detected */
1670         *priv = !join;
1671
1672         if (join && !get_numa_group(grp))
1673                 goto no_join;
1674
1675         rcu_read_unlock();
1676
1677         if (!join)
1678                 return;
1679
1680         BUG_ON(irqs_disabled());
1681         double_lock_irq(&my_grp->lock, &grp->lock);
1682
1683         for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++) {
1684                 my_grp->faults[i] -= p->numa_faults_memory[i];
1685                 grp->faults[i] += p->numa_faults_memory[i];
1686         }
1687         my_grp->total_faults -= p->total_numa_faults;
1688         grp->total_faults += p->total_numa_faults;
1689
1690         list_move(&p->numa_entry, &grp->task_list);
1691         my_grp->nr_tasks--;
1692         grp->nr_tasks++;
1693
1694         spin_unlock(&my_grp->lock);
1695         spin_unlock_irq(&grp->lock);
1696
1697         rcu_assign_pointer(p->numa_group, grp);
1698
1699         put_numa_group(my_grp);
1700         return;
1701
1702 no_join:
1703         rcu_read_unlock();
1704         return;
1705 }
1706
1707 void task_numa_free(struct task_struct *p)
1708 {
1709         struct numa_group *grp = p->numa_group;
1710         void *numa_faults = p->numa_faults_memory;
1711         unsigned long flags;
1712         int i;
1713
1714         if (grp) {
1715                 spin_lock_irqsave(&grp->lock, flags);
1716                 for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++)
1717                         grp->faults[i] -= p->numa_faults_memory[i];
1718                 grp->total_faults -= p->total_numa_faults;
1719
1720                 list_del(&p->numa_entry);
1721                 grp->nr_tasks--;
1722                 spin_unlock_irqrestore(&grp->lock, flags);
1723                 rcu_assign_pointer(p->numa_group, NULL);
1724                 put_numa_group(grp);
1725         }
1726
1727         p->numa_faults_memory = NULL;
1728         p->numa_faults_buffer_memory = NULL;
1729         p->numa_faults_cpu= NULL;
1730         p->numa_faults_buffer_cpu = NULL;
1731         kfree(numa_faults);
1732 }
1733
1734 /*
1735  * Got a PROT_NONE fault for a page on @node.
1736  */
1737 void task_numa_fault(int last_cpupid, int mem_node, int pages, int flags)
1738 {
1739         struct task_struct *p = current;
1740         bool migrated = flags & TNF_MIGRATED;
1741         int cpu_node = task_node(current);
1742         int priv;
1743
1744         if (!numabalancing_enabled)
1745                 return;
1746
1747         /* for example, ksmd faulting in a user's mm */
1748         if (!p->mm)
1749                 return;
1750
1751         /* Do not worry about placement if exiting */
1752         if (p->state == TASK_DEAD)
1753                 return;
1754
1755         /* Allocate buffer to track faults on a per-node basis */
1756         if (unlikely(!p->numa_faults_memory)) {
1757                 int size = sizeof(*p->numa_faults_memory) *
1758                            NR_NUMA_HINT_FAULT_BUCKETS * nr_node_ids;
1759
1760                 p->numa_faults_memory = kzalloc(size, GFP_KERNEL|__GFP_NOWARN);
1761                 if (!p->numa_faults_memory)
1762                         return;
1763
1764                 BUG_ON(p->numa_faults_buffer_memory);
1765                 /*
1766                  * The averaged statistics, shared & private, memory & cpu,
1767                  * occupy the first half of the array. The second half of the
1768                  * array is for current counters, which are averaged into the
1769                  * first set by task_numa_placement.
1770                  */
1771                 p->numa_faults_cpu = p->numa_faults_memory + (2 * nr_node_ids);
1772                 p->numa_faults_buffer_memory = p->numa_faults_memory + (4 * nr_node_ids);
1773                 p->numa_faults_buffer_cpu = p->numa_faults_memory + (6 * nr_node_ids);
1774                 p->total_numa_faults = 0;
1775                 memset(p->numa_faults_locality, 0, sizeof(p->numa_faults_locality));
1776         }
1777
1778         /*
1779          * First accesses are treated as private, otherwise consider accesses
1780          * to be private if the accessing pid has not changed
1781          */
1782         if (unlikely(last_cpupid == (-1 & LAST_CPUPID_MASK))) {
1783                 priv = 1;
1784         } else {
1785                 priv = cpupid_match_pid(p, last_cpupid);
1786                 if (!priv && !(flags & TNF_NO_GROUP))
1787                         task_numa_group(p, last_cpupid, flags, &priv);
1788         }
1789
1790         task_numa_placement(p);
1791
1792         /*
1793          * Retry task to preferred node migration periodically, in case it
1794          * case it previously failed, or the scheduler moved us.
1795          */
1796         if (time_after(jiffies, p->numa_migrate_retry))
1797                 numa_migrate_preferred(p);
1798
1799         if (migrated)
1800                 p->numa_pages_migrated += pages;
1801
1802         p->numa_faults_buffer_memory[task_faults_idx(mem_node, priv)] += pages;
1803         p->numa_faults_buffer_cpu[task_faults_idx(cpu_node, priv)] += pages;
1804         p->numa_faults_locality[!!(flags & TNF_FAULT_LOCAL)] += pages;
1805 }
1806
1807 static void reset_ptenuma_scan(struct task_struct *p)
1808 {
1809         ACCESS_ONCE(p->mm->numa_scan_seq)++;
1810         p->mm->numa_scan_offset = 0;
1811 }
1812
1813 /*
1814  * The expensive part of numa migration is done from task_work context.
1815  * Triggered from task_tick_numa().
1816  */
1817 void task_numa_work(struct callback_head *work)
1818 {
1819         unsigned long migrate, next_scan, now = jiffies;
1820         struct task_struct *p = current;
1821         struct mm_struct *mm = p->mm;
1822         struct vm_area_struct *vma;
1823         unsigned long start, end;
1824         unsigned long nr_pte_updates = 0;
1825         long pages;
1826
1827         WARN_ON_ONCE(p != container_of(work, struct task_struct, numa_work));
1828
1829         work->next = work; /* protect against double add */
1830         /*
1831          * Who cares about NUMA placement when they're dying.
1832          *
1833          * NOTE: make sure not to dereference p->mm before this check,
1834          * exit_task_work() happens _after_ exit_mm() so we could be called
1835          * without p->mm even though we still had it when we enqueued this
1836          * work.
1837          */
1838         if (p->flags & PF_EXITING)
1839                 return;
1840
1841         if (!mm->numa_next_scan) {
1842                 mm->numa_next_scan = now +
1843                         msecs_to_jiffies(sysctl_numa_balancing_scan_delay);
1844         }
1845
1846         /*
1847          * Enforce maximal scan/migration frequency..
1848          */
1849         migrate = mm->numa_next_scan;
1850         if (time_before(now, migrate))
1851                 return;
1852
1853         if (p->numa_scan_period == 0) {
1854                 p->numa_scan_period_max = task_scan_max(p);
1855                 p->numa_scan_period = task_scan_min(p);
1856         }
1857
1858         next_scan = now + msecs_to_jiffies(p->numa_scan_period);
1859         if (cmpxchg(&mm->numa_next_scan, migrate, next_scan) != migrate)
1860                 return;
1861
1862         /*
1863          * Delay this task enough that another task of this mm will likely win
1864          * the next time around.
1865          */
1866         p->node_stamp += 2 * TICK_NSEC;
1867
1868         start = mm->numa_scan_offset;
1869         pages = sysctl_numa_balancing_scan_size;
1870         pages <<= 20 - PAGE_SHIFT; /* MB in pages */
1871         if (!pages)
1872                 return;
1873
1874         down_read(&mm->mmap_sem);
1875         vma = find_vma(mm, start);
1876         if (!vma) {
1877                 reset_ptenuma_scan(p);
1878                 start = 0;
1879                 vma = mm->mmap;
1880         }
1881         for (; vma; vma = vma->vm_next) {
1882                 if (!vma_migratable(vma) || !vma_policy_mof(p, vma))
1883                         continue;
1884
1885                 /*
1886                  * Shared library pages mapped by multiple processes are not
1887                  * migrated as it is expected they are cache replicated. Avoid
1888                  * hinting faults in read-only file-backed mappings or the vdso
1889                  * as migrating the pages will be of marginal benefit.
1890                  */
1891                 if (!vma->vm_mm ||
1892                     (vma->vm_file && (vma->vm_flags & (VM_READ|VM_WRITE)) == (VM_READ)))
1893                         continue;
1894
1895                 /*
1896                  * Skip inaccessible VMAs to avoid any confusion between
1897                  * PROT_NONE and NUMA hinting ptes
1898                  */
1899                 if (!(vma->vm_flags & (VM_READ | VM_EXEC | VM_WRITE)))
1900                         continue;
1901
1902                 do {
1903                         start = max(start, vma->vm_start);
1904                         end = ALIGN(start + (pages << PAGE_SHIFT), HPAGE_SIZE);
1905                         end = min(end, vma->vm_end);
1906                         nr_pte_updates += change_prot_numa(vma, start, end);
1907
1908                         /*
1909                          * Scan sysctl_numa_balancing_scan_size but ensure that
1910                          * at least one PTE is updated so that unused virtual
1911                          * address space is quickly skipped.
1912                          */
1913                         if (nr_pte_updates)
1914                                 pages -= (end - start) >> PAGE_SHIFT;
1915
1916                         start = end;
1917                         if (pages <= 0)
1918                                 goto out;
1919
1920                         cond_resched();
1921                 } while (end != vma->vm_end);
1922         }
1923
1924 out:
1925         /*
1926          * It is possible to reach the end of the VMA list but the last few
1927          * VMAs are not guaranteed to the vma_migratable. If they are not, we
1928          * would find the !migratable VMA on the next scan but not reset the
1929          * scanner to the start so check it now.
1930          */
1931         if (vma)
1932                 mm->numa_scan_offset = start;
1933         else
1934                 reset_ptenuma_scan(p);
1935         up_read(&mm->mmap_sem);
1936 }
1937
1938 /*
1939  * Drive the periodic memory faults..
1940  */
1941 void task_tick_numa(struct rq *rq, struct task_struct *curr)
1942 {
1943         struct callback_head *work = &curr->numa_work;
1944         u64 period, now;
1945
1946         /*
1947          * We don't care about NUMA placement if we don't have memory.
1948          */
1949         if (!curr->mm || (curr->flags & PF_EXITING) || work->next != work)
1950                 return;
1951
1952         /*
1953          * Using runtime rather than walltime has the dual advantage that
1954          * we (mostly) drive the selection from busy threads and that the
1955          * task needs to have done some actual work before we bother with
1956          * NUMA placement.
1957          */
1958         now = curr->se.sum_exec_runtime;
1959         period = (u64)curr->numa_scan_period * NSEC_PER_MSEC;
1960
1961         if (now - curr->node_stamp > period) {
1962                 if (!curr->node_stamp)
1963                         curr->numa_scan_period = task_scan_min(curr);
1964                 curr->node_stamp += period;
1965
1966                 if (!time_before(jiffies, curr->mm->numa_next_scan)) {
1967                         init_task_work(work, task_numa_work); /* TODO: move this into sched_fork() */
1968                         task_work_add(curr, work, true);
1969                 }
1970         }
1971 }
1972 #else
1973 static void task_tick_numa(struct rq *rq, struct task_struct *curr)
1974 {
1975 }
1976
1977 static inline void account_numa_enqueue(struct rq *rq, struct task_struct *p)
1978 {
1979 }
1980
1981 static inline void account_numa_dequeue(struct rq *rq, struct task_struct *p)
1982 {
1983 }
1984 #endif /* CONFIG_NUMA_BALANCING */
1985
1986 static void
1987 account_entity_enqueue(struct cfs_rq *cfs_rq, struct sched_entity *se)
1988 {
1989         update_load_add(&cfs_rq->load, se->load.weight);
1990         if (!parent_entity(se))
1991                 update_load_add(&rq_of(cfs_rq)->load, se->load.weight);
1992 #ifdef CONFIG_SMP
1993         if (entity_is_task(se)) {
1994                 struct rq *rq = rq_of(cfs_rq);
1995
1996                 account_numa_enqueue(rq, task_of(se));
1997                 list_add(&se->group_node, &rq->cfs_tasks);
1998         }
1999 #endif
2000         cfs_rq->nr_running++;
2001 }
2002
2003 static void
2004 account_entity_dequeue(struct cfs_rq *cfs_rq, struct sched_entity *se)
2005 {
2006         update_load_sub(&cfs_rq->load, se->load.weight);
2007         if (!parent_entity(se))
2008                 update_load_sub(&rq_of(cfs_rq)->load, se->load.weight);
2009         if (entity_is_task(se)) {
2010                 account_numa_dequeue(rq_of(cfs_rq), task_of(se));
2011                 list_del_init(&se->group_node);
2012         }
2013         cfs_rq->nr_running--;
2014 }
2015
2016 #ifdef CONFIG_FAIR_GROUP_SCHED
2017 # ifdef CONFIG_SMP
2018 static inline long calc_tg_weight(struct task_group *tg, struct cfs_rq *cfs_rq)
2019 {
2020         long tg_weight;
2021
2022         /*
2023          * Use this CPU's actual weight instead of the last load_contribution
2024          * to gain a more accurate current total weight. See
2025          * update_cfs_rq_load_contribution().
2026          */
2027         tg_weight = atomic_long_read(&tg->load_avg);
2028         tg_weight -= cfs_rq->tg_load_contrib;
2029         tg_weight += cfs_rq->load.weight;
2030
2031         return tg_weight;
2032 }
2033
2034 static long calc_cfs_shares(struct cfs_rq *cfs_rq, struct task_group *tg)
2035 {
2036         long tg_weight, load, shares;
2037
2038         tg_weight = calc_tg_weight(tg, cfs_rq);
2039         load = cfs_rq->load.weight;
2040
2041         shares = (tg->shares * load);
2042         if (tg_weight)
2043                 shares /= tg_weight;
2044
2045         if (shares < MIN_SHARES)
2046                 shares = MIN_SHARES;
2047         if (shares > tg->shares)
2048                 shares = tg->shares;
2049
2050         return shares;
2051 }
2052 # else /* CONFIG_SMP */
2053 static inline long calc_cfs_shares(struct cfs_rq *cfs_rq, struct task_group *tg)
2054 {
2055         return tg->shares;
2056 }
2057 # endif /* CONFIG_SMP */
2058 static void reweight_entity(struct cfs_rq *cfs_rq, struct sched_entity *se,
2059                             unsigned long weight)
2060 {
2061         if (se->on_rq) {
2062                 /* commit outstanding execution time */
2063                 if (cfs_rq->curr == se)
2064                         update_curr(cfs_rq);
2065                 account_entity_dequeue(cfs_rq, se);
2066         }
2067
2068         update_load_set(&se->load, weight);
2069
2070         if (se->on_rq)
2071                 account_entity_enqueue(cfs_rq, se);
2072 }
2073
2074 static inline int throttled_hierarchy(struct cfs_rq *cfs_rq);
2075
2076 static void update_cfs_shares(struct cfs_rq *cfs_rq)
2077 {
2078         struct task_group *tg;
2079         struct sched_entity *se;
2080         long shares;
2081
2082         tg = cfs_rq->tg;
2083         se = tg->se[cpu_of(rq_of(cfs_rq))];
2084         if (!se || throttled_hierarchy(cfs_rq))
2085                 return;
2086 #ifndef CONFIG_SMP
2087         if (likely(se->load.weight == tg->shares))
2088                 return;
2089 #endif
2090         shares = calc_cfs_shares(cfs_rq, tg);
2091
2092         reweight_entity(cfs_rq_of(se), se, shares);
2093 }
2094 #else /* CONFIG_FAIR_GROUP_SCHED */
2095 static inline void update_cfs_shares(struct cfs_rq *cfs_rq)
2096 {
2097 }
2098 #endif /* CONFIG_FAIR_GROUP_SCHED */
2099
2100 #ifdef CONFIG_SMP
2101 /*
2102  * We choose a half-life close to 1 scheduling period.
2103  * Note: The tables below are dependent on this value.
2104  */
2105 #define LOAD_AVG_PERIOD 32
2106 #define LOAD_AVG_MAX 47742 /* maximum possible load avg */
2107 #define LOAD_AVG_MAX_N 345 /* number of full periods to produce LOAD_MAX_AVG */
2108
2109 /* Precomputed fixed inverse multiplies for multiplication by y^n */
2110 static const u32 runnable_avg_yN_inv[] = {
2111         0xffffffff, 0xfa83b2da, 0xf5257d14, 0xefe4b99a, 0xeac0c6e6, 0xe5b906e6,
2112         0xe0ccdeeb, 0xdbfbb796, 0xd744fcc9, 0xd2a81d91, 0xce248c14, 0xc9b9bd85,
2113         0xc5672a10, 0xc12c4cc9, 0xbd08a39e, 0xb8fbaf46, 0xb504f333, 0xb123f581,
2114         0xad583ee9, 0xa9a15ab4, 0xa5fed6a9, 0xa2704302, 0x9ef5325f, 0x9b8d39b9,
2115         0x9837f050, 0x94f4efa8, 0x91c3d373, 0x8ea4398a, 0x8b95c1e3, 0x88980e80,
2116         0x85aac367, 0x82cd8698,
2117 };
2118
2119 /*
2120  * Precomputed \Sum y^k { 1<=k<=n }.  These are floor(true_value) to prevent
2121  * over-estimates when re-combining.
2122  */
2123 static const u32 runnable_avg_yN_sum[] = {
2124             0, 1002, 1982, 2941, 3880, 4798, 5697, 6576, 7437, 8279, 9103,
2125          9909,10698,11470,12226,12966,13690,14398,15091,15769,16433,17082,
2126         17718,18340,18949,19545,20128,20698,21256,21802,22336,22859,23371,
2127 };
2128
2129 /*
2130  * Approximate:
2131  *   val * y^n,    where y^32 ~= 0.5 (~1 scheduling period)
2132  */
2133 static __always_inline u64 decay_load(u64 val, u64 n)
2134 {
2135         unsigned int local_n;
2136
2137         if (!n)
2138                 return val;
2139         else if (unlikely(n > LOAD_AVG_PERIOD * 63))
2140                 return 0;
2141
2142         /* after bounds checking we can collapse to 32-bit */
2143         local_n = n;
2144
2145         /*
2146          * As y^PERIOD = 1/2, we can combine
2147          *    y^n = 1/2^(n/PERIOD) * k^(n%PERIOD)
2148          * With a look-up table which covers k^n (n<PERIOD)
2149          *
2150          * To achieve constant time decay_load.
2151          */
2152         if (unlikely(local_n >= LOAD_AVG_PERIOD)) {
2153                 val >>= local_n / LOAD_AVG_PERIOD;
2154                 local_n %= LOAD_AVG_PERIOD;
2155         }
2156
2157         val *= runnable_avg_yN_inv[local_n];
2158         /* We don't use SRR here since we always want to round down. */
2159         return val >> 32;
2160 }
2161
2162 /*
2163  * For updates fully spanning n periods, the contribution to runnable
2164  * average will be: \Sum 1024*y^n
2165  *
2166  * We can compute this reasonably efficiently by combining:
2167  *   y^PERIOD = 1/2 with precomputed \Sum 1024*y^n {for  n <PERIOD}
2168  */
2169 static u32 __compute_runnable_contrib(u64 n)
2170 {
2171         u32 contrib = 0;
2172
2173         if (likely(n <= LOAD_AVG_PERIOD))
2174                 return runnable_avg_yN_sum[n];
2175         else if (unlikely(n >= LOAD_AVG_MAX_N))
2176                 return LOAD_AVG_MAX;
2177
2178         /* Compute \Sum k^n combining precomputed values for k^i, \Sum k^j */
2179         do {
2180                 contrib /= 2; /* y^LOAD_AVG_PERIOD = 1/2 */
2181                 contrib += runnable_avg_yN_sum[LOAD_AVG_PERIOD];
2182
2183                 n -= LOAD_AVG_PERIOD;
2184         } while (n > LOAD_AVG_PERIOD);
2185
2186         contrib = decay_load(contrib, n);
2187         return contrib + runnable_avg_yN_sum[n];
2188 }
2189
2190 /*
2191  * We can represent the historical contribution to runnable average as the
2192  * coefficients of a geometric series.  To do this we sub-divide our runnable
2193  * history into segments of approximately 1ms (1024us); label the segment that
2194  * occurred N-ms ago p_N, with p_0 corresponding to the current period, e.g.
2195  *
2196  * [<- 1024us ->|<- 1024us ->|<- 1024us ->| ...
2197  *      p0            p1           p2
2198  *     (now)       (~1ms ago)  (~2ms ago)
2199  *
2200  * Let u_i denote the fraction of p_i that the entity was runnable.
2201  *
2202  * We then designate the fractions u_i as our co-efficients, yielding the
2203  * following representation of historical load:
2204  *   u_0 + u_1*y + u_2*y^2 + u_3*y^3 + ...
2205  *
2206  * We choose y based on the with of a reasonably scheduling period, fixing:
2207  *   y^32 = 0.5
2208  *
2209  * This means that the contribution to load ~32ms ago (u_32) will be weighted
2210  * approximately half as much as the contribution to load within the last ms
2211  * (u_0).
2212  *
2213  * When a period "rolls over" and we have new u_0`, multiplying the previous
2214  * sum again by y is sufficient to update:
2215  *   load_avg = u_0` + y*(u_0 + u_1*y + u_2*y^2 + ... )
2216  *            = u_0 + u_1*y + u_2*y^2 + ... [re-labeling u_i --> u_{i+1}]
2217  */
2218 static __always_inline int __update_entity_runnable_avg(u64 now,
2219                                                         struct sched_avg *sa,
2220                                                         int runnable)
2221 {
2222         u64 delta, periods;
2223         u32 runnable_contrib;
2224         int delta_w, decayed = 0;
2225
2226         delta = now - sa->last_runnable_update;
2227         /*
2228          * This should only happen when time goes backwards, which it
2229          * unfortunately does during sched clock init when we swap over to TSC.
2230          */
2231         if ((s64)delta < 0) {
2232                 sa->last_runnable_update = now;
2233                 return 0;
2234         }
2235
2236         /*
2237          * Use 1024ns as the unit of measurement since it's a reasonable
2238          * approximation of 1us and fast to compute.
2239          */
2240         delta >>= 10;
2241         if (!delta)
2242                 return 0;
2243         sa->last_runnable_update = now;
2244
2245         /* delta_w is the amount already accumulated against our next period */
2246         delta_w = sa->runnable_avg_period % 1024;
2247         if (delta + delta_w >= 1024) {
2248                 /* period roll-over */
2249                 decayed = 1;
2250
2251                 /*
2252                  * Now that we know we're crossing a period boundary, figure
2253                  * out how much from delta we need to complete the current
2254                  * period and accrue it.
2255                  */
2256                 delta_w = 1024 - delta_w;
2257                 if (runnable)
2258                         sa->runnable_avg_sum += delta_w;
2259                 sa->runnable_avg_period += delta_w;
2260
2261                 delta -= delta_w;
2262
2263                 /* Figure out how many additional periods this update spans */
2264                 periods = delta / 1024;
2265                 delta %= 1024;
2266
2267                 sa->runnable_avg_sum = decay_load(sa->runnable_avg_sum,
2268                                                   periods + 1);
2269                 sa->runnable_avg_period = decay_load(sa->runnable_avg_period,
2270                                                      periods + 1);
2271
2272                 /* Efficiently calculate \sum (1..n_period) 1024*y^i */
2273                 runnable_contrib = __compute_runnable_contrib(periods);
2274                 if (runnable)
2275                         sa->runnable_avg_sum += runnable_contrib;
2276                 sa->runnable_avg_period += runnable_contrib;
2277         }
2278
2279         /* Remainder of delta accrued against u_0` */
2280         if (runnable)
2281                 sa->runnable_avg_sum += delta;
2282         sa->runnable_avg_period += delta;
2283
2284         return decayed;
2285 }
2286
2287 /* Synchronize an entity's decay with its parenting cfs_rq.*/
2288 static inline u64 __synchronize_entity_decay(struct sched_entity *se)
2289 {
2290         struct cfs_rq *cfs_rq = cfs_rq_of(se);
2291         u64 decays = atomic64_read(&cfs_rq->decay_counter);
2292
2293         decays -= se->avg.decay_count;
2294         if (!decays)
2295                 return 0;
2296
2297         se->avg.load_avg_contrib = decay_load(se->avg.load_avg_contrib, decays);
2298         se->avg.decay_count = 0;
2299
2300         return decays;
2301 }
2302
2303 #ifdef CONFIG_FAIR_GROUP_SCHED
2304 static inline void __update_cfs_rq_tg_load_contrib(struct cfs_rq *cfs_rq,
2305                                                  int force_update)
2306 {
2307         struct task_group *tg = cfs_rq->tg;
2308         long tg_contrib;
2309
2310         tg_contrib = cfs_rq->runnable_load_avg + cfs_rq->blocked_load_avg;
2311         tg_contrib -= cfs_rq->tg_load_contrib;
2312
2313         if (force_update || abs(tg_contrib) > cfs_rq->tg_load_contrib / 8) {
2314                 atomic_long_add(tg_contrib, &tg->load_avg);
2315                 cfs_rq->tg_load_contrib += tg_contrib;
2316         }
2317 }
2318
2319 /*
2320  * Aggregate cfs_rq runnable averages into an equivalent task_group
2321  * representation for computing load contributions.
2322  */
2323 static inline void __update_tg_runnable_avg(struct sched_avg *sa,
2324                                                   struct cfs_rq *cfs_rq)
2325 {
2326         struct task_group *tg = cfs_rq->tg;
2327         long contrib;
2328
2329         /* The fraction of a cpu used by this cfs_rq */
2330         contrib = div_u64((u64)sa->runnable_avg_sum << NICE_0_SHIFT,
2331                           sa->runnable_avg_period + 1);
2332         contrib -= cfs_rq->tg_runnable_contrib;
2333
2334         if (abs(contrib) > cfs_rq->tg_runnable_contrib / 64) {
2335                 atomic_add(contrib, &tg->runnable_avg);
2336                 cfs_rq->tg_runnable_contrib += contrib;
2337         }
2338 }
2339
2340 static inline void __update_group_entity_contrib(struct sched_entity *se)
2341 {
2342         struct cfs_rq *cfs_rq = group_cfs_rq(se);
2343         struct task_group *tg = cfs_rq->tg;
2344         int runnable_avg;
2345
2346         u64 contrib;
2347
2348         contrib = cfs_rq->tg_load_contrib * tg->shares;
2349         se->avg.load_avg_contrib = div_u64(contrib,
2350                                      atomic_long_read(&tg->load_avg) + 1);
2351
2352         /*
2353          * For group entities we need to compute a correction term in the case
2354          * that they are consuming <1 cpu so that we would contribute the same
2355          * load as a task of equal weight.
2356          *
2357          * Explicitly co-ordinating this measurement would be expensive, but
2358          * fortunately the sum of each cpus contribution forms a usable
2359          * lower-bound on the true value.
2360          *
2361          * Consider the aggregate of 2 contributions.  Either they are disjoint
2362          * (and the sum represents true value) or they are disjoint and we are
2363          * understating by the aggregate of their overlap.
2364          *
2365          * Extending this to N cpus, for a given overlap, the maximum amount we
2366          * understand is then n_i(n_i+1)/2 * w_i where n_i is the number of
2367          * cpus that overlap for this interval and w_i is the interval width.
2368          *
2369          * On a small machine; the first term is well-bounded which bounds the
2370          * total error since w_i is a subset of the period.  Whereas on a
2371          * larger machine, while this first term can be larger, if w_i is the
2372          * of consequential size guaranteed to see n_i*w_i quickly converge to
2373          * our upper bound of 1-cpu.
2374          */
2375         runnable_avg = atomic_read(&tg->runnable_avg);
2376         if (runnable_avg < NICE_0_LOAD) {
2377                 se->avg.load_avg_contrib *= runnable_avg;
2378                 se->avg.load_avg_contrib >>= NICE_0_SHIFT;
2379         }
2380 }
2381
2382 static inline void update_rq_runnable_avg(struct rq *rq, int runnable)
2383 {
2384         __update_entity_runnable_avg(rq_clock_task(rq), &rq->avg, runnable);
2385         __update_tg_runnable_avg(&rq->avg, &rq->cfs);
2386 }
2387 #else /* CONFIG_FAIR_GROUP_SCHED */
2388 static inline void __update_cfs_rq_tg_load_contrib(struct cfs_rq *cfs_rq,
2389                                                  int force_update) {}
2390 static inline void __update_tg_runnable_avg(struct sched_avg *sa,
2391                                                   struct cfs_rq *cfs_rq) {}
2392 static inline void __update_group_entity_contrib(struct sched_entity *se) {}
2393 static inline void update_rq_runnable_avg(struct rq *rq, int runnable) {}
2394 #endif /* CONFIG_FAIR_GROUP_SCHED */
2395
2396 static inline void __update_task_entity_contrib(struct sched_entity *se)
2397 {
2398         u32 contrib;
2399
2400         /* avoid overflowing a 32-bit type w/ SCHED_LOAD_SCALE */
2401         contrib = se->avg.runnable_avg_sum * scale_load_down(se->load.weight);
2402         contrib /= (se->avg.runnable_avg_period + 1);
2403         se->avg.load_avg_contrib = scale_load(contrib);
2404 }
2405
2406 /* Compute the current contribution to load_avg by se, return any delta */
2407 static long __update_entity_load_avg_contrib(struct sched_entity *se)
2408 {
2409         long old_contrib = se->avg.load_avg_contrib;
2410
2411         if (entity_is_task(se)) {
2412                 __update_task_entity_contrib(se);
2413         } else {
2414                 __update_tg_runnable_avg(&se->avg, group_cfs_rq(se));
2415                 __update_group_entity_contrib(se);
2416         }
2417
2418         return se->avg.load_avg_contrib - old_contrib;
2419 }
2420
2421 static inline void subtract_blocked_load_contrib(struct cfs_rq *cfs_rq,
2422                                                  long load_contrib)
2423 {
2424         if (likely(load_contrib < cfs_rq->blocked_load_avg))
2425                 cfs_rq->blocked_load_avg -= load_contrib;
2426         else
2427                 cfs_rq->blocked_load_avg = 0;
2428 }
2429
2430 static inline u64 cfs_rq_clock_task(struct cfs_rq *cfs_rq);
2431
2432 /* Update a sched_entity's runnable average */
2433 static inline void update_entity_load_avg(struct sched_entity *se,
2434                                           int update_cfs_rq)
2435 {
2436         struct cfs_rq *cfs_rq = cfs_rq_of(se);
2437         long contrib_delta;
2438         u64 now;
2439
2440         /*
2441          * For a group entity we need to use their owned cfs_rq_clock_task() in
2442          * case they are the parent of a throttled hierarchy.
2443          */
2444         if (entity_is_task(se))
2445                 now = cfs_rq_clock_task(cfs_rq);
2446         else
2447                 now = cfs_rq_clock_task(group_cfs_rq(se));
2448
2449         if (!__update_entity_runnable_avg(now, &se->avg, se->on_rq))
2450                 return;
2451
2452         contrib_delta = __update_entity_load_avg_contrib(se);
2453
2454         if (!update_cfs_rq)
2455                 return;
2456
2457         if (se->on_rq)
2458                 cfs_rq->runnable_load_avg += contrib_delta;
2459         else
2460                 subtract_blocked_load_contrib(cfs_rq, -contrib_delta);
2461 }
2462
2463 /*
2464  * Decay the load contributed by all blocked children and account this so that
2465  * their contribution may appropriately discounted when they wake up.
2466  */
2467 static void update_cfs_rq_blocked_load(struct cfs_rq *cfs_rq, int force_update)
2468 {
2469         u64 now = cfs_rq_clock_task(cfs_rq) >> 20;
2470         u64 decays;
2471
2472         decays = now - cfs_rq->last_decay;
2473         if (!decays && !force_update)
2474                 return;
2475
2476         if (atomic_long_read(&cfs_rq->removed_load)) {
2477                 unsigned long removed_load;
2478                 removed_load = atomic_long_xchg(&cfs_rq->removed_load, 0);
2479                 subtract_blocked_load_contrib(cfs_rq, removed_load);
2480         }
2481
2482         if (decays) {
2483                 cfs_rq->blocked_load_avg = decay_load(cfs_rq->blocked_load_avg,
2484                                                       decays);
2485                 atomic64_add(decays, &cfs_rq->decay_counter);
2486                 cfs_rq->last_decay = now;
2487         }
2488
2489         __update_cfs_rq_tg_load_contrib(cfs_rq, force_update);
2490 }
2491
2492 /* Add the load generated by se into cfs_rq's child load-average */
2493 static inline void enqueue_entity_load_avg(struct cfs_rq *cfs_rq,
2494                                                   struct sched_entity *se,
2495                                                   int wakeup)
2496 {
2497         /*
2498          * We track migrations using entity decay_count <= 0, on a wake-up
2499          * migration we use a negative decay count to track the remote decays
2500          * accumulated while sleeping.
2501          *
2502          * Newly forked tasks are enqueued with se->avg.decay_count == 0, they
2503          * are seen by enqueue_entity_load_avg() as a migration with an already
2504          * constructed load_avg_contrib.
2505          */
2506         if (unlikely(se->avg.decay_count <= 0)) {
2507                 se->avg.last_runnable_update = rq_clock_task(rq_of(cfs_rq));
2508                 if (se->avg.decay_count) {
2509                         /*
2510                          * In a wake-up migration we have to approximate the
2511                          * time sleeping.  This is because we can't synchronize
2512                          * clock_task between the two cpus, and it is not
2513                          * guaranteed to be read-safe.  Instead, we can
2514                          * approximate this using our carried decays, which are
2515                          * explicitly atomically readable.
2516                          */
2517                         se->avg.last_runnable_update -= (-se->avg.decay_count)
2518                                                         << 20;
2519                         update_entity_load_avg(se, 0);
2520                         /* Indicate that we're now synchronized and on-rq */
2521                         se->avg.decay_count = 0;
2522                 }
2523                 wakeup = 0;
2524         } else {
2525                 __synchronize_entity_decay(se);
2526         }
2527
2528         /* migrated tasks did not contribute to our blocked load */
2529         if (wakeup) {
2530                 subtract_blocked_load_contrib(cfs_rq, se->avg.load_avg_contrib);
2531                 update_entity_load_avg(se, 0);
2532         }
2533
2534         cfs_rq->runnable_load_avg += se->avg.load_avg_contrib;
2535         /* we force update consideration on load-balancer moves */
2536         update_cfs_rq_blocked_load(cfs_rq, !wakeup);
2537 }
2538
2539 /*
2540  * Remove se's load from this cfs_rq child load-average, if the entity is
2541  * transitioning to a blocked state we track its projected decay using
2542  * blocked_load_avg.
2543  */
2544 static inline void dequeue_entity_load_avg(struct cfs_rq *cfs_rq,
2545                                                   struct sched_entity *se,
2546                                                   int sleep)
2547 {
2548         update_entity_load_avg(se, 1);
2549         /* we force update consideration on load-balancer moves */
2550         update_cfs_rq_blocked_load(cfs_rq, !sleep);
2551
2552         cfs_rq->runnable_load_avg -= se->avg.load_avg_contrib;
2553         if (sleep) {
2554                 cfs_rq->blocked_load_avg += se->avg.load_avg_contrib;
2555                 se->avg.decay_count = atomic64_read(&cfs_rq->decay_counter);
2556         } /* migrations, e.g. sleep=0 leave decay_count == 0 */
2557 }
2558
2559 /*
2560  * Update the rq's load with the elapsed running time before entering
2561  * idle. if the last scheduled task is not a CFS task, idle_enter will
2562  * be the only way to update the runnable statistic.
2563  */
2564 void idle_enter_fair(struct rq *this_rq)
2565 {
2566         update_rq_runnable_avg(this_rq, 1);
2567 }
2568
2569 /*
2570  * Update the rq's load with the elapsed idle time before a task is
2571  * scheduled. if the newly scheduled task is not a CFS task, idle_exit will
2572  * be the only way to update the runnable statistic.
2573  */
2574 void idle_exit_fair(struct rq *this_rq)
2575 {
2576         update_rq_runnable_avg(this_rq, 0);
2577 }
2578
2579 static int idle_balance(struct rq *this_rq);
2580
2581 #else /* CONFIG_SMP */
2582
2583 static inline void update_entity_load_avg(struct sched_entity *se,
2584                                           int update_cfs_rq) {}
2585 static inline void update_rq_runnable_avg(struct rq *rq, int runnable) {}
2586 static inline void enqueue_entity_load_avg(struct cfs_rq *cfs_rq,
2587                                            struct sched_entity *se,
2588                                            int wakeup) {}
2589 static inline void dequeue_entity_load_avg(struct cfs_rq *cfs_rq,
2590                                            struct sched_entity *se,
2591                                            int sleep) {}
2592 static inline void update_cfs_rq_blocked_load(struct cfs_rq *cfs_rq,
2593                                               int force_update) {}
2594
2595 static inline int idle_balance(struct rq *rq)
2596 {
2597         return 0;
2598 }
2599
2600 #endif /* CONFIG_SMP */
2601
2602 static void enqueue_sleeper(struct cfs_rq *cfs_rq, struct sched_entity *se)
2603 {
2604 #ifdef CONFIG_SCHEDSTATS
2605         struct task_struct *tsk = NULL;
2606
2607         if (entity_is_task(se))
2608                 tsk = task_of(se);
2609
2610         if (se->statistics.sleep_start) {
2611                 u64 delta = rq_clock(rq_of(cfs_rq)) - se->statistics.sleep_start;
2612
2613                 if ((s64)delta < 0)
2614                         delta = 0;
2615
2616                 if (unlikely(delta > se->statistics.sleep_max))
2617                         se->statistics.sleep_max = delta;
2618
2619                 se->statistics.sleep_start = 0;
2620                 se->statistics.sum_sleep_runtime += delta;
2621
2622                 if (tsk) {
2623                         account_scheduler_latency(tsk, delta >> 10, 1);
2624                         trace_sched_stat_sleep(tsk, delta);
2625                 }
2626         }
2627         if (se->statistics.block_start) {
2628                 u64 delta = rq_clock(rq_of(cfs_rq)) - se->statistics.block_start;
2629
2630                 if ((s64)delta < 0)
2631                         delta = 0;
2632
2633                 if (unlikely(delta > se->statistics.block_max))
2634                         se->statistics.block_max = delta;
2635
2636                 se->statistics.block_start = 0;
2637                 se->statistics.sum_sleep_runtime += delta;
2638
2639                 if (tsk) {
2640                         if (tsk->in_iowait) {
2641                                 se->statistics.iowait_sum += delta;
2642                                 se->statistics.iowait_count++;
2643                                 trace_sched_stat_iowait(tsk, delta);
2644                         }
2645
2646                         trace_sched_stat_blocked(tsk, delta);
2647
2648                         /*
2649                          * Blocking time is in units of nanosecs, so shift by
2650                          * 20 to get a milliseconds-range estimation of the
2651                          * amount of time that the task spent sleeping:
2652                          */
2653                         if (unlikely(prof_on == SLEEP_PROFILING)) {
2654                                 profile_hits(SLEEP_PROFILING,
2655                                                 (void *)get_wchan(tsk),
2656                                                 delta >> 20);
2657                         }
2658                         account_scheduler_latency(tsk, delta >> 10, 0);
2659                 }
2660         }
2661 #endif
2662 }
2663
2664 static void check_spread(struct cfs_rq *cfs_rq, struct sched_entity *se)
2665 {
2666 #ifdef CONFIG_SCHED_DEBUG
2667         s64 d = se->vruntime - cfs_rq->min_vruntime;
2668
2669         if (d < 0)
2670                 d = -d;
2671
2672         if (d > 3*sysctl_sched_latency)
2673                 schedstat_inc(cfs_rq, nr_spread_over);
2674 #endif
2675 }
2676
2677 static void
2678 place_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int initial)
2679 {
2680         u64 vruntime = cfs_rq->min_vruntime;
2681
2682         /*
2683          * The 'current' period is already promised to the current tasks,
2684          * however the extra weight of the new task will slow them down a
2685          * little, place the new task so that it fits in the slot that
2686          * stays open at the end.
2687          */
2688         if (initial && sched_feat(START_DEBIT))
2689                 vruntime += sched_vslice(cfs_rq, se);
2690
2691         /* sleeps up to a single latency don't count. */
2692         if (!initial) {
2693                 unsigned long thresh = sysctl_sched_latency;
2694
2695                 /*
2696                  * Halve their sleep time's effect, to allow
2697                  * for a gentler effect of sleepers:
2698                  */
2699                 if (sched_feat(GENTLE_FAIR_SLEEPERS))
2700                         thresh >>= 1;
2701
2702                 vruntime -= thresh;
2703         }
2704
2705         /* ensure we never gain time by being placed backwards. */
2706         se->vruntime = max_vruntime(se->vruntime, vruntime);
2707 }
2708
2709 static void check_enqueue_throttle(struct cfs_rq *cfs_rq);
2710
2711 static void
2712 enqueue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
2713 {
2714         /*
2715          * Update the normalized vruntime before updating min_vruntime
2716          * through calling update_curr().
2717          */
2718         if (!(flags & ENQUEUE_WAKEUP) || (flags & ENQUEUE_WAKING))
2719                 se->vruntime += cfs_rq->min_vruntime;
2720
2721         /*
2722          * Update run-time statistics of the 'current'.
2723          */
2724         update_curr(cfs_rq);
2725         enqueue_entity_load_avg(cfs_rq, se, flags & ENQUEUE_WAKEUP);
2726         account_entity_enqueue(cfs_rq, se);
2727         update_cfs_shares(cfs_rq);
2728
2729         if (flags & ENQUEUE_WAKEUP) {
2730                 place_entity(cfs_rq, se, 0);
2731                 enqueue_sleeper(cfs_rq, se);
2732         }
2733
2734         update_stats_enqueue(cfs_rq, se);
2735         check_spread(cfs_rq, se);
2736         if (se != cfs_rq->curr)
2737                 __enqueue_entity(cfs_rq, se);
2738         se->on_rq = 1;
2739
2740         if (cfs_rq->nr_running == 1) {
2741                 list_add_leaf_cfs_rq(cfs_rq);
2742                 check_enqueue_throttle(cfs_rq);
2743         }
2744 }
2745
2746 static void __clear_buddies_last(struct sched_entity *se)
2747 {
2748         for_each_sched_entity(se) {
2749                 struct cfs_rq *cfs_rq = cfs_rq_of(se);
2750                 if (cfs_rq->last != se)
2751                         break;
2752
2753                 cfs_rq->last = NULL;
2754         }
2755 }
2756
2757 static void __clear_buddies_next(struct sched_entity *se)
2758 {
2759         for_each_sched_entity(se) {
2760                 struct cfs_rq *cfs_rq = cfs_rq_of(se);
2761                 if (cfs_rq->next != se)
2762                         break;
2763
2764                 cfs_rq->next = NULL;
2765         }
2766 }
2767
2768 static void __clear_buddies_skip(struct sched_entity *se)
2769 {
2770         for_each_sched_entity(se) {
2771                 struct cfs_rq *cfs_rq = cfs_rq_of(se);
2772                 if (cfs_rq->skip != se)
2773                         break;
2774
2775                 cfs_rq->skip = NULL;
2776         }
2777 }
2778
2779 static void clear_buddies(struct cfs_rq *cfs_rq, struct sched_entity *se)
2780 {
2781         if (cfs_rq->last == se)
2782                 __clear_buddies_last(se);
2783
2784         if (cfs_rq->next == se)
2785                 __clear_buddies_next(se);
2786
2787         if (cfs_rq->skip == se)
2788                 __clear_buddies_skip(se);
2789 }
2790
2791 static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq);
2792
2793 static void
2794 dequeue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
2795 {
2796         /*
2797          * Update run-time statistics of the 'current'.
2798          */
2799         update_curr(cfs_rq);
2800         dequeue_entity_load_avg(cfs_rq, se, flags & DEQUEUE_SLEEP);
2801
2802         update_stats_dequeue(cfs_rq, se);
2803         if (flags & DEQUEUE_SLEEP) {
2804 #ifdef CONFIG_SCHEDSTATS
2805                 if (entity_is_task(se)) {
2806                         struct task_struct *tsk = task_of(se);
2807
2808                         if (tsk->state & TASK_INTERRUPTIBLE)
2809                                 se->statistics.sleep_start = rq_clock(rq_of(cfs_rq));
2810                         if (tsk->state & TASK_UNINTERRUPTIBLE)
2811                                 se->statistics.block_start = rq_clock(rq_of(cfs_rq));
2812                 }
2813 #endif
2814         }
2815
2816         clear_buddies(cfs_rq, se);
2817
2818         if (se != cfs_rq->curr)
2819                 __dequeue_entity(cfs_rq, se);
2820         se->on_rq = 0;
2821         account_entity_dequeue(cfs_rq, se);
2822
2823         /*
2824          * Normalize the entity after updating the min_vruntime because the
2825          * update can refer to the ->curr item and we need to reflect this
2826          * movement in our normalized position.
2827          */
2828         if (!(flags & DEQUEUE_SLEEP))
2829                 se->vruntime -= cfs_rq->min_vruntime;
2830
2831         /* return excess runtime on last dequeue */
2832         return_cfs_rq_runtime(cfs_rq);
2833
2834         update_min_vruntime(cfs_rq);
2835         update_cfs_shares(cfs_rq);
2836 }
2837
2838 /*
2839  * Preempt the current task with a newly woken task if needed:
2840  */
2841 static void
2842 check_preempt_tick(struct cfs_rq *cfs_rq, struct sched_entity *curr)
2843 {
2844         unsigned long ideal_runtime, delta_exec;
2845         struct sched_entity *se;
2846         s64 delta;
2847
2848         ideal_runtime = sched_slice(cfs_rq, curr);
2849         delta_exec = curr->sum_exec_runtime - curr->prev_sum_exec_runtime;
2850         if (delta_exec > ideal_runtime) {
2851                 resched_task(rq_of(cfs_rq)->curr);
2852                 /*
2853                  * The current task ran long enough, ensure it doesn't get
2854                  * re-elected due to buddy favours.
2855                  */
2856                 clear_buddies(cfs_rq, curr);
2857                 return;
2858         }
2859
2860         /*
2861          * Ensure that a task that missed wakeup preemption by a
2862          * narrow margin doesn't have to wait for a full slice.
2863          * This also mitigates buddy induced latencies under load.
2864          */
2865         if (delta_exec < sysctl_sched_min_granularity)
2866                 return;
2867
2868         se = __pick_first_entity(cfs_rq);
2869         delta = curr->vruntime - se->vruntime;
2870
2871         if (delta < 0)
2872                 return;
2873
2874         if (delta > ideal_runtime)
2875                 resched_task(rq_of(cfs_rq)->curr);
2876 }
2877
2878 static void
2879 set_next_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
2880 {
2881         /* 'current' is not kept within the tree. */
2882         if (se->on_rq) {
2883                 /*
2884                  * Any task has to be enqueued before it get to execute on
2885                  * a CPU. So account for the time it spent waiting on the
2886                  * runqueue.
2887                  */
2888                 update_stats_wait_end(cfs_rq, se);
2889                 __dequeue_entity(cfs_rq, se);
2890         }
2891
2892         update_stats_curr_start(cfs_rq, se);
2893         cfs_rq->curr = se;
2894 #ifdef CONFIG_SCHEDSTATS
2895         /*
2896          * Track our maximum slice length, if the CPU's load is at
2897          * least twice that of our own weight (i.e. dont track it
2898          * when there are only lesser-weight tasks around):
2899          */
2900         if (rq_of(cfs_rq)->load.weight >= 2*se->load.weight) {
2901                 se->statistics.slice_max = max(se->statistics.slice_max,
2902                         se->sum_exec_runtime - se->prev_sum_exec_runtime);
2903         }
2904 #endif
2905         se->prev_sum_exec_runtime = se->sum_exec_runtime;
2906 }
2907
2908 static int
2909 wakeup_preempt_entity(struct sched_entity *curr, struct sched_entity *se);
2910
2911 /*
2912  * Pick the next process, keeping these things in mind, in this order:
2913  * 1) keep things fair between processes/task groups
2914  * 2) pick the "next" process, since someone really wants that to run
2915  * 3) pick the "last" process, for cache locality
2916  * 4) do not run the "skip" process, if something else is available
2917  */
2918 static struct sched_entity *
2919 pick_next_entity(struct cfs_rq *cfs_rq, struct sched_entity *curr)
2920 {
2921         struct sched_entity *left = __pick_first_entity(cfs_rq);
2922         struct sched_entity *se;
2923
2924         /*
2925          * If curr is set we have to see if its left of the leftmost entity
2926          * still in the tree, provided there was anything in the tree at all.
2927          */
2928         if (!left || (curr && entity_before(curr, left)))
2929                 left = curr;
2930
2931         se = left; /* ideally we run the leftmost entity */
2932
2933         /*
2934          * Avoid running the skip buddy, if running something else can
2935          * be done without getting too unfair.
2936          */
2937         if (cfs_rq->skip == se) {
2938                 struct sched_entity *second;
2939
2940                 if (se == curr) {
2941                         second = __pick_first_entity(cfs_rq);
2942                 } else {
2943                         second = __pick_next_entity(se);
2944                         if (!second || (curr && entity_before(curr, second)))
2945                                 second = curr;
2946                 }
2947
2948                 if (second && wakeup_preempt_entity(second, left) < 1)
2949                         se = second;
2950         }
2951
2952         /*
2953          * Prefer last buddy, try to return the CPU to a preempted task.
2954          */
2955         if (cfs_rq->last && wakeup_preempt_entity(cfs_rq->last, left) < 1)
2956                 se = cfs_rq->last;
2957
2958         /*
2959          * Someone really wants this to run. If it's not unfair, run it.
2960          */
2961         if (cfs_rq->next && wakeup_preempt_entity(cfs_rq->next, left) < 1)
2962                 se = cfs_rq->next;
2963
2964         clear_buddies(cfs_rq, se);
2965
2966         return se;
2967 }
2968
2969 static bool check_cfs_rq_runtime(struct cfs_rq *cfs_rq);
2970
2971 static void put_prev_entity(struct cfs_rq *cfs_rq, struct sched_entity *prev)
2972 {
2973         /*
2974          * If still on the runqueue then deactivate_task()
2975          * was not called and update_curr() has to be done:
2976          */
2977         if (prev->on_rq)
2978                 update_curr(cfs_rq);
2979
2980         /* throttle cfs_rqs exceeding runtime */
2981         check_cfs_rq_runtime(cfs_rq);
2982
2983         check_spread(cfs_rq, prev);
2984         if (prev->on_rq) {
2985                 update_stats_wait_start(cfs_rq, prev);
2986                 /* Put 'current' back into the tree. */
2987                 __enqueue_entity(cfs_rq, prev);
2988                 /* in !on_rq case, update occurred at dequeue */
2989                 update_entity_load_avg(prev, 1);
2990         }
2991         cfs_rq->curr = NULL;
2992 }
2993
2994 static void
2995 entity_tick(struct cfs_rq *cfs_rq, struct sched_entity *curr, int queued)
2996 {
2997         /*
2998          * Update run-time statistics of the 'current'.
2999          */
3000         update_curr(cfs_rq);
3001
3002         /*
3003          * Ensure that runnable average is periodically updated.
3004          */
3005         update_entity_load_avg(curr, 1);
3006         update_cfs_rq_blocked_load(cfs_rq, 1);
3007         update_cfs_shares(cfs_rq);
3008
3009 #ifdef CONFIG_SCHED_HRTICK
3010         /*
3011          * queued ticks are scheduled to match the slice, so don't bother
3012          * validating it and just reschedule.
3013          */
3014         if (queued) {
3015                 resched_task(rq_of(cfs_rq)->curr);
3016                 return;
3017         }
3018         /*
3019          * don't let the period tick interfere with the hrtick preemption
3020          */
3021         if (!sched_feat(DOUBLE_TICK) &&
3022                         hrtimer_active(&rq_of(cfs_rq)->hrtick_timer))
3023                 return;
3024 #endif
3025
3026         if (cfs_rq->nr_running > 1)
3027                 check_preempt_tick(cfs_rq, curr);
3028 }
3029
3030
3031 /**************************************************
3032  * CFS bandwidth control machinery
3033  */
3034
3035 #ifdef CONFIG_CFS_BANDWIDTH
3036
3037 #ifdef HAVE_JUMP_LABEL
3038 static struct static_key __cfs_bandwidth_used;
3039
3040 static inline bool cfs_bandwidth_used(void)
3041 {
3042         return static_key_false(&__cfs_bandwidth_used);
3043 }
3044
3045 void cfs_bandwidth_usage_inc(void)
3046 {
3047         static_key_slow_inc(&__cfs_bandwidth_used);
3048 }
3049
3050 void cfs_bandwidth_usage_dec(void)
3051 {
3052         static_key_slow_dec(&__cfs_bandwidth_used);
3053 }
3054 #else /* HAVE_JUMP_LABEL */
3055 static bool cfs_bandwidth_used(void)
3056 {
3057         return true;
3058 }
3059
3060 void cfs_bandwidth_usage_inc(void) {}
3061 void cfs_bandwidth_usage_dec(void) {}
3062 #endif /* HAVE_JUMP_LABEL */
3063
3064 /*
3065  * default period for cfs group bandwidth.
3066  * default: 0.1s, units: nanoseconds
3067  */
3068 static inline u64 default_cfs_period(void)
3069 {
3070         return 100000000ULL;
3071 }
3072
3073 static inline u64 sched_cfs_bandwidth_slice(void)
3074 {
3075         return (u64)sysctl_sched_cfs_bandwidth_slice * NSEC_PER_USEC;
3076 }
3077
3078 /*
3079  * Replenish runtime according to assigned quota and update expiration time.
3080  * We use sched_clock_cpu directly instead of rq->clock to avoid adding
3081  * additional synchronization around rq->lock.
3082  *
3083  * requires cfs_b->lock
3084  */
3085 void __refill_cfs_bandwidth_runtime(struct cfs_bandwidth *cfs_b)
3086 {
3087         u64 now;
3088
3089         if (cfs_b->quota == RUNTIME_INF)
3090                 return;
3091
3092         now = sched_clock_cpu(smp_processor_id());
3093         cfs_b->runtime = cfs_b->quota;
3094         cfs_b->runtime_expires = now + ktime_to_ns(cfs_b->period);
3095 }
3096
3097 static inline struct cfs_bandwidth *tg_cfs_bandwidth(struct task_group *tg)
3098 {
3099         return &tg->cfs_bandwidth;
3100 }
3101
3102 /* rq->task_clock normalized against any time this cfs_rq has spent throttled */
3103 static inline u64 cfs_rq_clock_task(struct cfs_rq *cfs_rq)
3104 {
3105         if (unlikely(cfs_rq->throttle_count))
3106                 return cfs_rq->throttled_clock_task;
3107
3108         return rq_clock_task(rq_of(cfs_rq)) - cfs_rq->throttled_clock_task_time;
3109 }
3110
3111 /* returns 0 on failure to allocate runtime */
3112 static int assign_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3113 {
3114         struct task_group *tg = cfs_rq->tg;
3115         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(tg);
3116         u64 amount = 0, min_amount, expires;
3117
3118         /* note: this is a positive sum as runtime_remaining <= 0 */
3119         min_amount = sched_cfs_bandwidth_slice() - cfs_rq->runtime_remaining;
3120
3121         raw_spin_lock(&cfs_b->lock);
3122         if (cfs_b->quota == RUNTIME_INF)
3123                 amount = min_amount;
3124         else {
3125                 /*
3126                  * If the bandwidth pool has become inactive, then at least one
3127                  * period must have elapsed since the last consumption.
3128                  * Refresh the global state and ensure bandwidth timer becomes
3129                  * active.
3130                  */
3131                 if (!cfs_b->timer_active) {
3132                         __refill_cfs_bandwidth_runtime(cfs_b);
3133                         __start_cfs_bandwidth(cfs_b, false);
3134                 }
3135
3136                 if (cfs_b->runtime > 0) {
3137                         amount = min(cfs_b->runtime, min_amount);
3138                         cfs_b->runtime -= amount;
3139                         cfs_b->idle = 0;
3140                 }
3141         }
3142         expires = cfs_b->runtime_expires;
3143         raw_spin_unlock(&cfs_b->lock);
3144
3145         cfs_rq->runtime_remaining += amount;
3146         /*
3147          * we may have advanced our local expiration to account for allowed
3148          * spread between our sched_clock and the one on which runtime was
3149          * issued.
3150          */
3151         if ((s64)(expires - cfs_rq->runtime_expires) > 0)
3152                 cfs_rq->runtime_expires = expires;
3153
3154         return cfs_rq->runtime_remaining > 0;
3155 }
3156
3157 /*
3158  * Note: This depends on the synchronization provided by sched_clock and the
3159  * fact that rq->clock snapshots this value.
3160  */
3161 static void expire_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3162 {
3163         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
3164
3165         /* if the deadline is ahead of our clock, nothing to do */
3166         if (likely((s64)(rq_clock(rq_of(cfs_rq)) - cfs_rq->runtime_expires) < 0))
3167                 return;
3168
3169         if (cfs_rq->runtime_remaining < 0)
3170                 return;
3171
3172         /*
3173          * If the local deadline has passed we have to consider the
3174          * possibility that our sched_clock is 'fast' and the global deadline
3175          * has not truly expired.
3176          *
3177          * Fortunately we can check determine whether this the case by checking
3178          * whether the global deadline has advanced.
3179          */
3180
3181         if ((s64)(cfs_rq->runtime_expires - cfs_b->runtime_expires) >= 0) {
3182                 /* extend local deadline, drift is bounded above by 2 ticks */
3183                 cfs_rq->runtime_expires += TICK_NSEC;
3184         } else {
3185                 /* global deadline is ahead, expiration has passed */
3186                 cfs_rq->runtime_remaining = 0;
3187         }
3188 }
3189
3190 static void __account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec)
3191 {
3192         /* dock delta_exec before expiring quota (as it could span periods) */
3193         cfs_rq->runtime_remaining -= delta_exec;
3194         expire_cfs_rq_runtime(cfs_rq);
3195
3196         if (likely(cfs_rq->runtime_remaining > 0))
3197                 return;
3198
3199         /*
3200          * if we're unable to extend our runtime we resched so that the active
3201          * hierarchy can be throttled
3202          */
3203         if (!assign_cfs_rq_runtime(cfs_rq) && likely(cfs_rq->curr))
3204                 resched_task(rq_of(cfs_rq)->curr);
3205 }
3206
3207 static __always_inline
3208 void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec)
3209 {
3210         if (!cfs_bandwidth_used() || !cfs_rq->runtime_enabled)
3211                 return;
3212
3213         __account_cfs_rq_runtime(cfs_rq, delta_exec);
3214 }
3215
3216 static inline int cfs_rq_throttled(struct cfs_rq *cfs_rq)
3217 {
3218         return cfs_bandwidth_used() && cfs_rq->throttled;
3219 }
3220
3221 /* check whether cfs_rq, or any parent, is throttled */
3222 static inline int throttled_hierarchy(struct cfs_rq *cfs_rq)
3223 {
3224         return cfs_bandwidth_used() && cfs_rq->throttle_count;
3225 }
3226
3227 /*
3228  * Ensure that neither of the group entities corresponding to src_cpu or
3229  * dest_cpu are members of a throttled hierarchy when performing group
3230  * load-balance operations.
3231  */
3232 static inline int throttled_lb_pair(struct task_group *tg,
3233                                     int src_cpu, int dest_cpu)
3234 {
3235         struct cfs_rq *src_cfs_rq, *dest_cfs_rq;
3236
3237         src_cfs_rq = tg->cfs_rq[src_cpu];
3238         dest_cfs_rq = tg->cfs_rq[dest_cpu];
3239
3240         return throttled_hierarchy(src_cfs_rq) ||
3241                throttled_hierarchy(dest_cfs_rq);
3242 }
3243
3244 /* updated child weight may affect parent so we have to do this bottom up */
3245 static int tg_unthrottle_up(struct task_group *tg, void *data)
3246 {
3247         struct rq *rq = data;
3248         struct cfs_rq *cfs_rq = tg->cfs_rq[cpu_of(rq)];
3249
3250         cfs_rq->throttle_count--;
3251 #ifdef CONFIG_SMP
3252         if (!cfs_rq->throttle_count) {
3253                 /* adjust cfs_rq_clock_task() */
3254                 cfs_rq->throttled_clock_task_time += rq_clock_task(rq) -
3255                                              cfs_rq->throttled_clock_task;
3256         }
3257 #endif
3258
3259         return 0;
3260 }
3261
3262 static int tg_throttle_down(struct task_group *tg, void *data)
3263 {
3264         struct rq *rq = data;
3265         struct cfs_rq *cfs_rq = tg->cfs_rq[cpu_of(rq)];
3266
3267         /* group is entering throttled state, stop time */
3268         if (!cfs_rq->throttle_count)
3269                 cfs_rq->throttled_clock_task = rq_clock_task(rq);
3270         cfs_rq->throttle_count++;
3271
3272         return 0;
3273 }
3274
3275 static void throttle_cfs_rq(struct cfs_rq *cfs_rq)
3276 {
3277         struct rq *rq = rq_of(cfs_rq);
3278         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
3279         struct sched_entity *se;
3280         long task_delta, dequeue = 1;
3281
3282         se = cfs_rq->tg->se[cpu_of(rq_of(cfs_rq))];
3283
3284         /* freeze hierarchy runnable averages while throttled */
3285         rcu_read_lock();
3286         walk_tg_tree_from(cfs_rq->tg, tg_throttle_down, tg_nop, (void *)rq);
3287         rcu_read_unlock();
3288
3289         task_delta = cfs_rq->h_nr_running;
3290         for_each_sched_entity(se) {
3291                 struct cfs_rq *qcfs_rq = cfs_rq_of(se);
3292                 /* throttled entity or throttle-on-deactivate */
3293                 if (!se->on_rq)
3294                         break;
3295
3296                 if (dequeue)
3297                         dequeue_entity(qcfs_rq, se, DEQUEUE_SLEEP);
3298                 qcfs_rq->h_nr_running -= task_delta;
3299
3300                 if (qcfs_rq->load.weight)
3301                         dequeue = 0;
3302         }
3303
3304         if (!se)
3305                 rq->nr_running -= task_delta;
3306
3307         cfs_rq->throttled = 1;
3308         cfs_rq->throttled_clock = rq_clock(rq);
3309         raw_spin_lock(&cfs_b->lock);
3310         list_add_tail_rcu(&cfs_rq->throttled_list, &cfs_b->throttled_cfs_rq);
3311         if (!cfs_b->timer_active)
3312                 __start_cfs_bandwidth(cfs_b, false);
3313         raw_spin_unlock(&cfs_b->lock);
3314 }
3315
3316 void unthrottle_cfs_rq(struct cfs_rq *cfs_rq)
3317 {
3318         struct rq *rq = rq_of(cfs_rq);
3319         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
3320         struct sched_entity *se;
3321         int enqueue = 1;
3322         long task_delta;
3323
3324         se = cfs_rq->tg->se[cpu_of(rq)];
3325
3326         cfs_rq->throttled = 0;
3327
3328         update_rq_clock(rq);
3329
3330         raw_spin_lock(&cfs_b->lock);
3331         cfs_b->throttled_time += rq_clock(rq) - cfs_rq->throttled_clock;
3332         list_del_rcu(&cfs_rq->throttled_list);
3333         raw_spin_unlock(&cfs_b->lock);
3334
3335         /* update hierarchical throttle state */
3336         walk_tg_tree_from(cfs_rq->tg, tg_nop, tg_unthrottle_up, (void *)rq);
3337
3338         if (!cfs_rq->load.weight)
3339                 return;
3340
3341         task_delta = cfs_rq->h_nr_running;
3342         for_each_sched_entity(se) {
3343                 if (se->on_rq)
3344                         enqueue = 0;
3345
3346                 cfs_rq = cfs_rq_of(se);
3347                 if (enqueue)
3348                         enqueue_entity(cfs_rq, se, ENQUEUE_WAKEUP);
3349                 cfs_rq->h_nr_running += task_delta;
3350
3351                 if (cfs_rq_throttled(cfs_rq))
3352                         break;
3353         }
3354
3355         if (!se)
3356                 rq->nr_running += task_delta;
3357
3358         /* determine whether we need to wake up potentially idle cpu */
3359         if (rq->curr == rq->idle && rq->cfs.nr_running)
3360                 resched_task(rq->curr);
3361 }
3362
3363 static u64 distribute_cfs_runtime(struct cfs_bandwidth *cfs_b,
3364                 u64 remaining, u64 expires)
3365 {
3366         struct cfs_rq *cfs_rq;
3367         u64 runtime = remaining;
3368
3369         rcu_read_lock();
3370         list_for_each_entry_rcu(cfs_rq, &cfs_b->throttled_cfs_rq,
3371                                 throttled_list) {
3372                 struct rq *rq = rq_of(cfs_rq);
3373
3374                 raw_spin_lock(&rq->lock);
3375                 if (!cfs_rq_throttled(cfs_rq))
3376                         goto next;
3377
3378                 runtime = -cfs_rq->runtime_remaining + 1;
3379                 if (runtime > remaining)
3380                         runtime = remaining;
3381                 remaining -= runtime;
3382
3383                 cfs_rq->runtime_remaining += runtime;
3384                 cfs_rq->runtime_expires = expires;
3385
3386                 /* we check whether we're throttled above */
3387                 if (cfs_rq->runtime_remaining > 0)
3388                         unthrottle_cfs_rq(cfs_rq);
3389
3390 next:
3391                 raw_spin_unlock(&rq->lock);
3392
3393                 if (!remaining)
3394                         break;
3395         }
3396         rcu_read_unlock();
3397
3398         return remaining;
3399 }
3400
3401 /*
3402  * Responsible for refilling a task_group's bandwidth and unthrottling its
3403  * cfs_rqs as appropriate. If there has been no activity within the last
3404  * period the timer is deactivated until scheduling resumes; cfs_b->idle is
3405  * used to track this state.
3406  */
3407 static int do_sched_cfs_period_timer(struct cfs_bandwidth *cfs_b, int overrun)
3408 {
3409         u64 runtime, runtime_expires;
3410         int idle = 1, throttled;
3411
3412         raw_spin_lock(&cfs_b->lock);
3413         /* no need to continue the timer with no bandwidth constraint */
3414         if (cfs_b->quota == RUNTIME_INF)
3415                 goto out_unlock;
3416
3417         throttled = !list_empty(&cfs_b->throttled_cfs_rq);
3418         /* idle depends on !throttled (for the case of a large deficit) */
3419         idle = cfs_b->idle && !throttled;
3420         cfs_b->nr_periods += overrun;
3421
3422         /* if we're going inactive then everything else can be deferred */
3423         if (idle)
3424                 goto out_unlock;
3425
3426         /*
3427          * if we have relooped after returning idle once, we need to update our
3428          * status as actually running, so that other cpus doing
3429          * __start_cfs_bandwidth will stop trying to cancel us.
3430          */
3431         cfs_b->timer_active = 1;
3432
3433         __refill_cfs_bandwidth_runtime(cfs_b);
3434
3435         if (!throttled) {
3436                 /* mark as potentially idle for the upcoming period */
3437                 cfs_b->idle = 1;
3438                 goto out_unlock;
3439         }
3440
3441         /* account preceding periods in which throttling occurred */
3442         cfs_b->nr_throttled += overrun;
3443
3444         /*
3445          * There are throttled entities so we must first use the new bandwidth
3446          * to unthrottle them before making it generally available.  This
3447          * ensures that all existing debts will be paid before a new cfs_rq is
3448          * allowed to run.
3449          */
3450         runtime = cfs_b->runtime;
3451         runtime_expires = cfs_b->runtime_expires;
3452         cfs_b->runtime = 0;
3453
3454         /*
3455          * This check is repeated as we are holding onto the new bandwidth
3456          * while we unthrottle.  This can potentially race with an unthrottled
3457          * group trying to acquire new bandwidth from the global pool.
3458          */
3459         while (throttled && runtime > 0) {
3460                 raw_spin_unlock(&cfs_b->lock);
3461                 /* we can't nest cfs_b->lock while distributing bandwidth */
3462                 runtime = distribute_cfs_runtime(cfs_b, runtime,
3463                                                  runtime_expires);
3464                 raw_spin_lock(&cfs_b->lock);
3465
3466                 throttled = !list_empty(&cfs_b->throttled_cfs_rq);
3467         }
3468
3469         /* return (any) remaining runtime */
3470         cfs_b->runtime = runtime;
3471         /*
3472          * While we are ensured activity in the period following an
3473          * unthrottle, this also covers the case in which the new bandwidth is
3474          * insufficient to cover the existing bandwidth deficit.  (Forcing the
3475          * timer to remain active while there are any throttled entities.)
3476          */
3477         cfs_b->idle = 0;
3478 out_unlock:
3479         if (idle)
3480                 cfs_b->timer_active = 0;
3481         raw_spin_unlock(&cfs_b->lock);
3482
3483         return idle;
3484 }
3485
3486 /* a cfs_rq won't donate quota below this amount */
3487 static const u64 min_cfs_rq_runtime = 1 * NSEC_PER_MSEC;
3488 /* minimum remaining period time to redistribute slack quota */
3489 static const u64 min_bandwidth_expiration = 2 * NSEC_PER_MSEC;
3490 /* how long we wait to gather additional slack before distributing */
3491 static const u64 cfs_bandwidth_slack_period = 5 * NSEC_PER_MSEC;
3492
3493 /*
3494  * Are we near the end of the current quota period?
3495  *
3496  * Requires cfs_b->lock for hrtimer_expires_remaining to be safe against the
3497  * hrtimer base being cleared by __hrtimer_start_range_ns. In the case of
3498  * migrate_hrtimers, base is never cleared, so we are fine.
3499  */
3500 static int runtime_refresh_within(struct cfs_bandwidth *cfs_b, u64 min_expire)
3501 {
3502         struct hrtimer *refresh_timer = &cfs_b->period_timer;
3503         u64 remaining;
3504
3505         /* if the call-back is running a quota refresh is already occurring */
3506         if (hrtimer_callback_running(refresh_timer))
3507                 return 1;
3508
3509         /* is a quota refresh about to occur? */
3510         remaining = ktime_to_ns(hrtimer_expires_remaining(refresh_timer));
3511         if (remaining < min_expire)
3512                 return 1;
3513
3514         return 0;
3515 }
3516
3517 static void start_cfs_slack_bandwidth(struct cfs_bandwidth *cfs_b)
3518 {
3519         u64 min_left = cfs_bandwidth_slack_period + min_bandwidth_expiration;
3520
3521         /* if there's a quota refresh soon don't bother with slack */
3522         if (runtime_refresh_within(cfs_b, min_left))
3523                 return;
3524
3525         start_bandwidth_timer(&cfs_b->slack_timer,
3526                                 ns_to_ktime(cfs_bandwidth_slack_period));
3527 }
3528
3529 /* we know any runtime found here is valid as update_curr() precedes return */
3530 static void __return_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3531 {
3532         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
3533         s64 slack_runtime = cfs_rq->runtime_remaining - min_cfs_rq_runtime;
3534
3535         if (slack_runtime <= 0)
3536                 return;
3537
3538         raw_spin_lock(&cfs_b->lock);
3539         if (cfs_b->quota != RUNTIME_INF &&
3540             cfs_rq->runtime_expires == cfs_b->runtime_expires) {
3541                 cfs_b->runtime += slack_runtime;
3542
3543                 /* we are under rq->lock, defer unthrottling using a timer */
3544                 if (cfs_b->runtime > sched_cfs_bandwidth_slice() &&
3545                     !list_empty(&cfs_b->throttled_cfs_rq))
3546                         start_cfs_slack_bandwidth(cfs_b);
3547         }
3548         raw_spin_unlock(&cfs_b->lock);
3549
3550         /* even if it's not valid for return we don't want to try again */
3551         cfs_rq->runtime_remaining -= slack_runtime;
3552 }
3553
3554 static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3555 {
3556         if (!cfs_bandwidth_used())
3557                 return;
3558
3559         if (!cfs_rq->runtime_enabled || cfs_rq->nr_running)
3560                 return;
3561
3562         __return_cfs_rq_runtime(cfs_rq);
3563 }
3564
3565 /*
3566  * This is done with a timer (instead of inline with bandwidth return) since
3567  * it's necessary to juggle rq->locks to unthrottle their respective cfs_rqs.
3568  */
3569 static void do_sched_cfs_slack_timer(struct cfs_bandwidth *cfs_b)
3570 {
3571         u64 runtime = 0, slice = sched_cfs_bandwidth_slice();
3572         u64 expires;
3573
3574         /* confirm we're still not at a refresh boundary */
3575         raw_spin_lock(&cfs_b->lock);
3576         if (runtime_refresh_within(cfs_b, min_bandwidth_expiration)) {
3577                 raw_spin_unlock(&cfs_b->lock);
3578                 return;
3579         }
3580
3581         if (cfs_b->quota != RUNTIME_INF && cfs_b->runtime > slice) {
3582                 runtime = cfs_b->runtime;
3583                 cfs_b->runtime = 0;
3584         }
3585         expires = cfs_b->runtime_expires;
3586         raw_spin_unlock(&cfs_b->lock);
3587
3588         if (!runtime)
3589                 return;
3590
3591         runtime = distribute_cfs_runtime(cfs_b, runtime, expires);
3592
3593         raw_spin_lock(&cfs_b->lock);
3594         if (expires == cfs_b->runtime_expires)
3595                 cfs_b->runtime = runtime;
3596         raw_spin_unlock(&cfs_b->lock);
3597 }
3598
3599 /*
3600  * When a group wakes up we want to make sure that its quota is not already
3601  * expired/exceeded, otherwise it may be allowed to steal additional ticks of
3602  * runtime as update_curr() throttling can not not trigger until it's on-rq.
3603  */
3604 static void check_enqueue_throttle(struct cfs_rq *cfs_rq)
3605 {
3606         if (!cfs_bandwidth_used())
3607                 return;
3608
3609         /* an active group must be handled by the update_curr()->put() path */
3610         if (!cfs_rq->runtime_enabled || cfs_rq->curr)
3611                 return;
3612
3613         /* ensure the group is not already throttled */
3614         if (cfs_rq_throttled(cfs_rq))
3615                 return;
3616
3617         /* update runtime allocation */
3618         account_cfs_rq_runtime(cfs_rq, 0);
3619         if (cfs_rq->runtime_remaining <= 0)
3620                 throttle_cfs_rq(cfs_rq);
3621 }
3622
3623 /* conditionally throttle active cfs_rq's from put_prev_entity() */
3624 static bool check_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3625 {
3626         if (!cfs_bandwidth_used())
3627                 return false;
3628
3629         if (likely(!cfs_rq->runtime_enabled || cfs_rq->runtime_remaining > 0))
3630                 return false;
3631
3632         /*
3633          * it's possible for a throttled entity to be forced into a running
3634          * state (e.g. set_curr_task), in this case we're finished.
3635          */
3636         if (cfs_rq_throttled(cfs_rq))
3637                 return true;
3638
3639         throttle_cfs_rq(cfs_rq);
3640         return true;
3641 }
3642
3643 static enum hrtimer_restart sched_cfs_slack_timer(struct hrtimer *timer)
3644 {
3645         struct cfs_bandwidth *cfs_b =
3646                 container_of(timer, struct cfs_bandwidth, slack_timer);
3647         do_sched_cfs_slack_timer(cfs_b);
3648
3649         return HRTIMER_NORESTART;
3650 }
3651
3652 static enum hrtimer_restart sched_cfs_period_timer(struct hrtimer *timer)
3653 {
3654         struct cfs_bandwidth *cfs_b =
3655                 container_of(timer, struct cfs_bandwidth, period_timer);
3656         ktime_t now;
3657         int overrun;
3658         int idle = 0;
3659
3660         for (;;) {
3661                 now = hrtimer_cb_get_time(timer);
3662                 overrun = hrtimer_forward(timer, now, cfs_b->period);
3663
3664                 if (!overrun)
3665                         break;
3666
3667                 idle = do_sched_cfs_period_timer(cfs_b, overrun);
3668         }
3669
3670         return idle ? HRTIMER_NORESTART : HRTIMER_RESTART;
3671 }
3672
3673 void init_cfs_bandwidth(struct cfs_bandwidth *cfs_b)
3674 {
3675         raw_spin_lock_init(&cfs_b->lock);
3676         cfs_b->runtime = 0;
3677         cfs_b->quota = RUNTIME_INF;
3678         cfs_b->period = ns_to_ktime(default_cfs_period());
3679
3680         INIT_LIST_HEAD(&cfs_b->throttled_cfs_rq);
3681         hrtimer_init(&cfs_b->period_timer, CLOCK_MONOTONIC, HRTIMER_MODE_REL);
3682         cfs_b->period_timer.function = sched_cfs_period_timer;
3683         hrtimer_init(&cfs_b->slack_timer, CLOCK_MONOTONIC, HRTIMER_MODE_REL);
3684         cfs_b->slack_timer.function = sched_cfs_slack_timer;
3685 }
3686
3687 static void init_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3688 {
3689         cfs_rq->runtime_enabled = 0;
3690         INIT_LIST_HEAD(&cfs_rq->throttled_list);
3691 }
3692
3693 /* requires cfs_b->lock, may release to reprogram timer */
3694 void __start_cfs_bandwidth(struct cfs_bandwidth *cfs_b, bool force)
3695 {
3696         /*
3697          * The timer may be active because we're trying to set a new bandwidth
3698          * period or because we're racing with the tear-down path
3699          * (timer_active==0 becomes visible before the hrtimer call-back
3700          * terminates).  In either case we ensure that it's re-programmed
3701          */
3702         while (unlikely(hrtimer_active(&cfs_b->period_timer)) &&
3703                hrtimer_try_to_cancel(&cfs_b->period_timer) < 0) {
3704                 /* bounce the lock to allow do_sched_cfs_period_timer to run */
3705                 raw_spin_unlock(&cfs_b->lock);
3706                 cpu_relax();
3707                 raw_spin_lock(&cfs_b->lock);
3708                 /* if someone else restarted the timer then we're done */
3709                 if (!force && cfs_b->timer_active)
3710                         return;
3711         }
3712
3713         cfs_b->timer_active = 1;
3714         start_bandwidth_timer(&cfs_b->period_timer, cfs_b->period);
3715 }
3716
3717 static void destroy_cfs_bandwidth(struct cfs_bandwidth *cfs_b)
3718 {
3719         hrtimer_cancel(&cfs_b->period_timer);
3720         hrtimer_cancel(&cfs_b->slack_timer);
3721 }
3722
3723 static void __maybe_unused unthrottle_offline_cfs_rqs(struct rq *rq)
3724 {
3725         struct cfs_rq *cfs_rq;
3726
3727         for_each_leaf_cfs_rq(rq, cfs_rq) {
3728                 struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
3729
3730                 if (!cfs_rq->runtime_enabled)
3731                         continue;
3732
3733                 /*
3734                  * clock_task is not advancing so we just need to make sure
3735                  * there's some valid quota amount
3736                  */
3737                 cfs_rq->runtime_remaining = cfs_b->quota;
3738                 if (cfs_rq_throttled(cfs_rq))
3739                         unthrottle_cfs_rq(cfs_rq);
3740         }
3741 }
3742
3743 #else /* CONFIG_CFS_BANDWIDTH */
3744 static inline u64 cfs_rq_clock_task(struct cfs_rq *cfs_rq)
3745 {
3746         return rq_clock_task(rq_of(cfs_rq));
3747 }
3748
3749 static void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec) {}
3750 static bool check_cfs_rq_runtime(struct cfs_rq *cfs_rq) { return false; }
3751 static void check_enqueue_throttle(struct cfs_rq *cfs_rq) {}
3752 static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq) {}
3753
3754 static inline int cfs_rq_throttled(struct cfs_rq *cfs_rq)
3755 {
3756         return 0;
3757 }
3758
3759 static inline int throttled_hierarchy(struct cfs_rq *cfs_rq)
3760 {
3761         return 0;
3762 }
3763
3764 static inline int throttled_lb_pair(struct task_group *tg,
3765                                     int src_cpu, int dest_cpu)
3766 {
3767         return 0;
3768 }
3769
3770 void init_cfs_bandwidth(struct cfs_bandwidth *cfs_b) {}
3771
3772 #ifdef CONFIG_FAIR_GROUP_SCHED
3773 static void init_cfs_rq_runtime(struct cfs_rq *cfs_rq) {}
3774 #endif
3775
3776 static inline struct cfs_bandwidth *tg_cfs_bandwidth(struct task_group *tg)
3777 {
3778         return NULL;
3779 }
3780 static inline void destroy_cfs_bandwidth(struct cfs_bandwidth *cfs_b) {}
3781 static inline void unthrottle_offline_cfs_rqs(struct rq *rq) {}
3782
3783 #endif /* CONFIG_CFS_BANDWIDTH */
3784
3785 /**************************************************
3786  * CFS operations on tasks:
3787  */
3788
3789 #ifdef CONFIG_SCHED_HRTICK
3790 static void hrtick_start_fair(struct rq *rq, struct task_struct *p)
3791 {
3792         struct sched_entity *se = &p->se;
3793         struct cfs_rq *cfs_rq = cfs_rq_of(se);
3794
3795         WARN_ON(task_rq(p) != rq);
3796
3797         if (cfs_rq->nr_running > 1) {
3798                 u64 slice = sched_slice(cfs_rq, se);
3799                 u64 ran = se->sum_exec_runtime - se->prev_sum_exec_runtime;
3800                 s64 delta = slice - ran;
3801
3802                 if (delta < 0) {
3803                         if (rq->curr == p)
3804                                 resched_task(p);
3805                         return;
3806                 }
3807
3808                 /*
3809                  * Don't schedule slices shorter than 10000ns, that just
3810                  * doesn't make sense. Rely on vruntime for fairness.
3811                  */
3812                 if (rq->curr != p)
3813                         delta = max_t(s64, 10000LL, delta);
3814
3815                 hrtick_start(rq, delta);
3816         }
3817 }
3818
3819 /*
3820  * called from enqueue/dequeue and updates the hrtick when the
3821  * current task is from our class and nr_running is low enough
3822  * to matter.
3823  */
3824 static void hrtick_update(struct rq *rq)
3825 {
3826         struct task_struct *curr = rq->curr;
3827
3828         if (!hrtick_enabled(rq) || curr->sched_class != &fair_sched_class)
3829                 return;
3830
3831         if (cfs_rq_of(&curr->se)->nr_running < sched_nr_latency)
3832                 hrtick_start_fair(rq, curr);
3833 }
3834 #else /* !CONFIG_SCHED_HRTICK */
3835 static inline void
3836 hrtick_start_fair(struct rq *rq, struct task_struct *p)
3837 {
3838 }
3839
3840 static inline void hrtick_update(struct rq *rq)
3841 {
3842 }
3843 #endif
3844
3845 /*
3846  * The enqueue_task method is called before nr_running is
3847  * increased. Here we update the fair scheduling stats and
3848  * then put the task into the rbtree:
3849  */
3850 static void
3851 enqueue_task_fair(struct rq *rq, struct task_struct *p, int flags)
3852 {
3853         struct cfs_rq *cfs_rq;
3854         struct sched_entity *se = &p->se;
3855
3856         for_each_sched_entity(se) {
3857                 if (se->on_rq)
3858                         break;
3859                 cfs_rq = cfs_rq_of(se);
3860                 enqueue_entity(cfs_rq, se, flags);
3861
3862                 /*
3863                  * end evaluation on encountering a throttled cfs_rq
3864                  *
3865                  * note: in the case of encountering a throttled cfs_rq we will
3866                  * post the final h_nr_running increment below.
3867                 */
3868                 if (cfs_rq_throttled(cfs_rq))
3869                         break;
3870                 cfs_rq->h_nr_running++;
3871
3872                 flags = ENQUEUE_WAKEUP;
3873         }
3874
3875         for_each_sched_entity(se) {
3876                 cfs_rq = cfs_rq_of(se);
3877                 cfs_rq->h_nr_running++;
3878
3879                 if (cfs_rq_throttled(cfs_rq))
3880                         break;
3881
3882                 update_cfs_shares(cfs_rq);
3883                 update_entity_load_avg(se, 1);
3884         }
3885
3886         if (!se) {
3887                 update_rq_runnable_avg(rq, rq->nr_running);
3888                 inc_nr_running(rq);
3889         }
3890         hrtick_update(rq);
3891 }
3892
3893 static void set_next_buddy(struct sched_entity *se);
3894
3895 /*
3896  * The dequeue_task method is called before nr_running is
3897  * decreased. We remove the task from the rbtree and
3898  * update the fair scheduling stats:
3899  */
3900 static void dequeue_task_fair(struct rq *rq, struct task_struct *p, int flags)
3901 {
3902         struct cfs_rq *cfs_rq;
3903         struct sched_entity *se = &p->se;
3904         int task_sleep = flags & DEQUEUE_SLEEP;
3905
3906         for_each_sched_entity(se) {
3907                 cfs_rq = cfs_rq_of(se);
3908                 dequeue_entity(cfs_rq, se, flags);
3909
3910                 /*
3911                  * end evaluation on encountering a throttled cfs_rq
3912                  *
3913                  * note: in the case of encountering a throttled cfs_rq we will
3914                  * post the final h_nr_running decrement below.
3915                 */
3916                 if (cfs_rq_throttled(cfs_rq))
3917                         break;
3918                 cfs_rq->h_nr_running--;
3919
3920                 /* Don't dequeue parent if it has other entities besides us */
3921                 if (cfs_rq->load.weight) {
3922                         /*
3923                          * Bias pick_next to pick a task from this cfs_rq, as
3924                          * p is sleeping when it is within its sched_slice.
3925                          */
3926                         if (task_sleep && parent_entity(se))
3927                                 set_next_buddy(parent_entity(se));
3928
3929                         /* avoid re-evaluating load for this entity */
3930                         se = parent_entity(se);
3931                         break;
3932                 }
3933                 flags |= DEQUEUE_SLEEP;