Merge remote-tracking branch 'asoc/topic/core' into asoc-next
[linux-2.6-block.git] / kernel / sched / fair.c
1 /*
2  * Completely Fair Scheduling (CFS) Class (SCHED_NORMAL/SCHED_BATCH)
3  *
4  *  Copyright (C) 2007 Red Hat, Inc., Ingo Molnar <mingo@redhat.com>
5  *
6  *  Interactivity improvements by Mike Galbraith
7  *  (C) 2007 Mike Galbraith <efault@gmx.de>
8  *
9  *  Various enhancements by Dmitry Adamushko.
10  *  (C) 2007 Dmitry Adamushko <dmitry.adamushko@gmail.com>
11  *
12  *  Group scheduling enhancements by Srivatsa Vaddagiri
13  *  Copyright IBM Corporation, 2007
14  *  Author: Srivatsa Vaddagiri <vatsa@linux.vnet.ibm.com>
15  *
16  *  Scaled math optimizations by Thomas Gleixner
17  *  Copyright (C) 2007, Thomas Gleixner <tglx@linutronix.de>
18  *
19  *  Adaptive scheduling granularity, math enhancements by Peter Zijlstra
20  *  Copyright (C) 2007 Red Hat, Inc., Peter Zijlstra <pzijlstr@redhat.com>
21  */
22
23 #include <linux/latencytop.h>
24 #include <linux/sched.h>
25 #include <linux/cpumask.h>
26 #include <linux/cpuidle.h>
27 #include <linux/slab.h>
28 #include <linux/profile.h>
29 #include <linux/interrupt.h>
30 #include <linux/mempolicy.h>
31 #include <linux/migrate.h>
32 #include <linux/task_work.h>
33
34 #include <trace/events/sched.h>
35
36 #include "sched.h"
37
38 /*
39  * Targeted preemption latency for CPU-bound tasks:
40  * (default: 6ms * (1 + ilog(ncpus)), units: nanoseconds)
41  *
42  * NOTE: this latency value is not the same as the concept of
43  * 'timeslice length' - timeslices in CFS are of variable length
44  * and have no persistent notion like in traditional, time-slice
45  * based scheduling concepts.
46  *
47  * (to see the precise effective timeslice length of your workload,
48  *  run vmstat and monitor the context-switches (cs) field)
49  */
50 unsigned int sysctl_sched_latency = 6000000ULL;
51 unsigned int normalized_sysctl_sched_latency = 6000000ULL;
52
53 /*
54  * The initial- and re-scaling of tunables is configurable
55  * (default SCHED_TUNABLESCALING_LOG = *(1+ilog(ncpus))
56  *
57  * Options are:
58  * SCHED_TUNABLESCALING_NONE - unscaled, always *1
59  * SCHED_TUNABLESCALING_LOG - scaled logarithmical, *1+ilog(ncpus)
60  * SCHED_TUNABLESCALING_LINEAR - scaled linear, *ncpus
61  */
62 enum sched_tunable_scaling sysctl_sched_tunable_scaling
63         = SCHED_TUNABLESCALING_LOG;
64
65 /*
66  * Minimal preemption granularity for CPU-bound tasks:
67  * (default: 0.75 msec * (1 + ilog(ncpus)), units: nanoseconds)
68  */
69 unsigned int sysctl_sched_min_granularity = 750000ULL;
70 unsigned int normalized_sysctl_sched_min_granularity = 750000ULL;
71
72 /*
73  * is kept at sysctl_sched_latency / sysctl_sched_min_granularity
74  */
75 static unsigned int sched_nr_latency = 8;
76
77 /*
78  * After fork, child runs first. If set to 0 (default) then
79  * parent will (try to) run first.
80  */
81 unsigned int sysctl_sched_child_runs_first __read_mostly;
82
83 /*
84  * SCHED_OTHER wake-up granularity.
85  * (default: 1 msec * (1 + ilog(ncpus)), units: nanoseconds)
86  *
87  * This option delays the preemption effects of decoupled workloads
88  * and reduces their over-scheduling. Synchronous workloads will still
89  * have immediate wakeup/sleep latencies.
90  */
91 unsigned int sysctl_sched_wakeup_granularity = 1000000UL;
92 unsigned int normalized_sysctl_sched_wakeup_granularity = 1000000UL;
93
94 const_debug unsigned int sysctl_sched_migration_cost = 500000UL;
95
96 /*
97  * The exponential sliding  window over which load is averaged for shares
98  * distribution.
99  * (default: 10msec)
100  */
101 unsigned int __read_mostly sysctl_sched_shares_window = 10000000UL;
102
103 #ifdef CONFIG_CFS_BANDWIDTH
104 /*
105  * Amount of runtime to allocate from global (tg) to local (per-cfs_rq) pool
106  * each time a cfs_rq requests quota.
107  *
108  * Note: in the case that the slice exceeds the runtime remaining (either due
109  * to consumption or the quota being specified to be smaller than the slice)
110  * we will always only issue the remaining available time.
111  *
112  * default: 5 msec, units: microseconds
113   */
114 unsigned int sysctl_sched_cfs_bandwidth_slice = 5000UL;
115 #endif
116
117 static inline void update_load_add(struct load_weight *lw, unsigned long inc)
118 {
119         lw->weight += inc;
120         lw->inv_weight = 0;
121 }
122
123 static inline void update_load_sub(struct load_weight *lw, unsigned long dec)
124 {
125         lw->weight -= dec;
126         lw->inv_weight = 0;
127 }
128
129 static inline void update_load_set(struct load_weight *lw, unsigned long w)
130 {
131         lw->weight = w;
132         lw->inv_weight = 0;
133 }
134
135 /*
136  * Increase the granularity value when there are more CPUs,
137  * because with more CPUs the 'effective latency' as visible
138  * to users decreases. But the relationship is not linear,
139  * so pick a second-best guess by going with the log2 of the
140  * number of CPUs.
141  *
142  * This idea comes from the SD scheduler of Con Kolivas:
143  */
144 static unsigned int get_update_sysctl_factor(void)
145 {
146         unsigned int cpus = min_t(unsigned int, num_online_cpus(), 8);
147         unsigned int factor;
148
149         switch (sysctl_sched_tunable_scaling) {
150         case SCHED_TUNABLESCALING_NONE:
151                 factor = 1;
152                 break;
153         case SCHED_TUNABLESCALING_LINEAR:
154                 factor = cpus;
155                 break;
156         case SCHED_TUNABLESCALING_LOG:
157         default:
158                 factor = 1 + ilog2(cpus);
159                 break;
160         }
161
162         return factor;
163 }
164
165 static void update_sysctl(void)
166 {
167         unsigned int factor = get_update_sysctl_factor();
168
169 #define SET_SYSCTL(name) \
170         (sysctl_##name = (factor) * normalized_sysctl_##name)
171         SET_SYSCTL(sched_min_granularity);
172         SET_SYSCTL(sched_latency);
173         SET_SYSCTL(sched_wakeup_granularity);
174 #undef SET_SYSCTL
175 }
176
177 void sched_init_granularity(void)
178 {
179         update_sysctl();
180 }
181
182 #define WMULT_CONST     (~0U)
183 #define WMULT_SHIFT     32
184
185 static void __update_inv_weight(struct load_weight *lw)
186 {
187         unsigned long w;
188
189         if (likely(lw->inv_weight))
190                 return;
191
192         w = scale_load_down(lw->weight);
193
194         if (BITS_PER_LONG > 32 && unlikely(w >= WMULT_CONST))
195                 lw->inv_weight = 1;
196         else if (unlikely(!w))
197                 lw->inv_weight = WMULT_CONST;
198         else
199                 lw->inv_weight = WMULT_CONST / w;
200 }
201
202 /*
203  * delta_exec * weight / lw.weight
204  *   OR
205  * (delta_exec * (weight * lw->inv_weight)) >> WMULT_SHIFT
206  *
207  * Either weight := NICE_0_LOAD and lw \e prio_to_wmult[], in which case
208  * we're guaranteed shift stays positive because inv_weight is guaranteed to
209  * fit 32 bits, and NICE_0_LOAD gives another 10 bits; therefore shift >= 22.
210  *
211  * Or, weight =< lw.weight (because lw.weight is the runqueue weight), thus
212  * weight/lw.weight <= 1, and therefore our shift will also be positive.
213  */
214 static u64 __calc_delta(u64 delta_exec, unsigned long weight, struct load_weight *lw)
215 {
216         u64 fact = scale_load_down(weight);
217         int shift = WMULT_SHIFT;
218
219         __update_inv_weight(lw);
220
221         if (unlikely(fact >> 32)) {
222                 while (fact >> 32) {
223                         fact >>= 1;
224                         shift--;
225                 }
226         }
227
228         /* hint to use a 32x32->64 mul */
229         fact = (u64)(u32)fact * lw->inv_weight;
230
231         while (fact >> 32) {
232                 fact >>= 1;
233                 shift--;
234         }
235
236         return mul_u64_u32_shr(delta_exec, fact, shift);
237 }
238
239
240 const struct sched_class fair_sched_class;
241
242 /**************************************************************
243  * CFS operations on generic schedulable entities:
244  */
245
246 #ifdef CONFIG_FAIR_GROUP_SCHED
247
248 /* cpu runqueue to which this cfs_rq is attached */
249 static inline struct rq *rq_of(struct cfs_rq *cfs_rq)
250 {
251         return cfs_rq->rq;
252 }
253
254 /* An entity is a task if it doesn't "own" a runqueue */
255 #define entity_is_task(se)      (!se->my_q)
256
257 static inline struct task_struct *task_of(struct sched_entity *se)
258 {
259 #ifdef CONFIG_SCHED_DEBUG
260         WARN_ON_ONCE(!entity_is_task(se));
261 #endif
262         return container_of(se, struct task_struct, se);
263 }
264
265 /* Walk up scheduling entities hierarchy */
266 #define for_each_sched_entity(se) \
267                 for (; se; se = se->parent)
268
269 static inline struct cfs_rq *task_cfs_rq(struct task_struct *p)
270 {
271         return p->se.cfs_rq;
272 }
273
274 /* runqueue on which this entity is (to be) queued */
275 static inline struct cfs_rq *cfs_rq_of(struct sched_entity *se)
276 {
277         return se->cfs_rq;
278 }
279
280 /* runqueue "owned" by this group */
281 static inline struct cfs_rq *group_cfs_rq(struct sched_entity *grp)
282 {
283         return grp->my_q;
284 }
285
286 static void update_cfs_rq_blocked_load(struct cfs_rq *cfs_rq,
287                                        int force_update);
288
289 static inline void list_add_leaf_cfs_rq(struct cfs_rq *cfs_rq)
290 {
291         if (!cfs_rq->on_list) {
292                 /*
293                  * Ensure we either appear before our parent (if already
294                  * enqueued) or force our parent to appear after us when it is
295                  * enqueued.  The fact that we always enqueue bottom-up
296                  * reduces this to two cases.
297                  */
298                 if (cfs_rq->tg->parent &&
299                     cfs_rq->tg->parent->cfs_rq[cpu_of(rq_of(cfs_rq))]->on_list) {
300                         list_add_rcu(&cfs_rq->leaf_cfs_rq_list,
301                                 &rq_of(cfs_rq)->leaf_cfs_rq_list);
302                 } else {
303                         list_add_tail_rcu(&cfs_rq->leaf_cfs_rq_list,
304                                 &rq_of(cfs_rq)->leaf_cfs_rq_list);
305                 }
306
307                 cfs_rq->on_list = 1;
308                 /* We should have no load, but we need to update last_decay. */
309                 update_cfs_rq_blocked_load(cfs_rq, 0);
310         }
311 }
312
313 static inline void list_del_leaf_cfs_rq(struct cfs_rq *cfs_rq)
314 {
315         if (cfs_rq->on_list) {
316                 list_del_rcu(&cfs_rq->leaf_cfs_rq_list);
317                 cfs_rq->on_list = 0;
318         }
319 }
320
321 /* Iterate thr' all leaf cfs_rq's on a runqueue */
322 #define for_each_leaf_cfs_rq(rq, cfs_rq) \
323         list_for_each_entry_rcu(cfs_rq, &rq->leaf_cfs_rq_list, leaf_cfs_rq_list)
324
325 /* Do the two (enqueued) entities belong to the same group ? */
326 static inline struct cfs_rq *
327 is_same_group(struct sched_entity *se, struct sched_entity *pse)
328 {
329         if (se->cfs_rq == pse->cfs_rq)
330                 return se->cfs_rq;
331
332         return NULL;
333 }
334
335 static inline struct sched_entity *parent_entity(struct sched_entity *se)
336 {
337         return se->parent;
338 }
339
340 static void
341 find_matching_se(struct sched_entity **se, struct sched_entity **pse)
342 {
343         int se_depth, pse_depth;
344
345         /*
346          * preemption test can be made between sibling entities who are in the
347          * same cfs_rq i.e who have a common parent. Walk up the hierarchy of
348          * both tasks until we find their ancestors who are siblings of common
349          * parent.
350          */
351
352         /* First walk up until both entities are at same depth */
353         se_depth = (*se)->depth;
354         pse_depth = (*pse)->depth;
355
356         while (se_depth > pse_depth) {
357                 se_depth--;
358                 *se = parent_entity(*se);
359         }
360
361         while (pse_depth > se_depth) {
362                 pse_depth--;
363                 *pse = parent_entity(*pse);
364         }
365
366         while (!is_same_group(*se, *pse)) {
367                 *se = parent_entity(*se);
368                 *pse = parent_entity(*pse);
369         }
370 }
371
372 #else   /* !CONFIG_FAIR_GROUP_SCHED */
373
374 static inline struct task_struct *task_of(struct sched_entity *se)
375 {
376         return container_of(se, struct task_struct, se);
377 }
378
379 static inline struct rq *rq_of(struct cfs_rq *cfs_rq)
380 {
381         return container_of(cfs_rq, struct rq, cfs);
382 }
383
384 #define entity_is_task(se)      1
385
386 #define for_each_sched_entity(se) \
387                 for (; se; se = NULL)
388
389 static inline struct cfs_rq *task_cfs_rq(struct task_struct *p)
390 {
391         return &task_rq(p)->cfs;
392 }
393
394 static inline struct cfs_rq *cfs_rq_of(struct sched_entity *se)
395 {
396         struct task_struct *p = task_of(se);
397         struct rq *rq = task_rq(p);
398
399         return &rq->cfs;
400 }
401
402 /* runqueue "owned" by this group */
403 static inline struct cfs_rq *group_cfs_rq(struct sched_entity *grp)
404 {
405         return NULL;
406 }
407
408 static inline void list_add_leaf_cfs_rq(struct cfs_rq *cfs_rq)
409 {
410 }
411
412 static inline void list_del_leaf_cfs_rq(struct cfs_rq *cfs_rq)
413 {
414 }
415
416 #define for_each_leaf_cfs_rq(rq, cfs_rq) \
417                 for (cfs_rq = &rq->cfs; cfs_rq; cfs_rq = NULL)
418
419 static inline struct sched_entity *parent_entity(struct sched_entity *se)
420 {
421         return NULL;
422 }
423
424 static inline void
425 find_matching_se(struct sched_entity **se, struct sched_entity **pse)
426 {
427 }
428
429 #endif  /* CONFIG_FAIR_GROUP_SCHED */
430
431 static __always_inline
432 void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec);
433
434 /**************************************************************
435  * Scheduling class tree data structure manipulation methods:
436  */
437
438 static inline u64 max_vruntime(u64 max_vruntime, u64 vruntime)
439 {
440         s64 delta = (s64)(vruntime - max_vruntime);
441         if (delta > 0)
442                 max_vruntime = vruntime;
443
444         return max_vruntime;
445 }
446
447 static inline u64 min_vruntime(u64 min_vruntime, u64 vruntime)
448 {
449         s64 delta = (s64)(vruntime - min_vruntime);
450         if (delta < 0)
451                 min_vruntime = vruntime;
452
453         return min_vruntime;
454 }
455
456 static inline int entity_before(struct sched_entity *a,
457                                 struct sched_entity *b)
458 {
459         return (s64)(a->vruntime - b->vruntime) < 0;
460 }
461
462 static void update_min_vruntime(struct cfs_rq *cfs_rq)
463 {
464         u64 vruntime = cfs_rq->min_vruntime;
465
466         if (cfs_rq->curr)
467                 vruntime = cfs_rq->curr->vruntime;
468
469         if (cfs_rq->rb_leftmost) {
470                 struct sched_entity *se = rb_entry(cfs_rq->rb_leftmost,
471                                                    struct sched_entity,
472                                                    run_node);
473
474                 if (!cfs_rq->curr)
475                         vruntime = se->vruntime;
476                 else
477                         vruntime = min_vruntime(vruntime, se->vruntime);
478         }
479
480         /* ensure we never gain time by being placed backwards. */
481         cfs_rq->min_vruntime = max_vruntime(cfs_rq->min_vruntime, vruntime);
482 #ifndef CONFIG_64BIT
483         smp_wmb();
484         cfs_rq->min_vruntime_copy = cfs_rq->min_vruntime;
485 #endif
486 }
487
488 /*
489  * Enqueue an entity into the rb-tree:
490  */
491 static void __enqueue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
492 {
493         struct rb_node **link = &cfs_rq->tasks_timeline.rb_node;
494         struct rb_node *parent = NULL;
495         struct sched_entity *entry;
496         int leftmost = 1;
497
498         /*
499          * Find the right place in the rbtree:
500          */
501         while (*link) {
502                 parent = *link;
503                 entry = rb_entry(parent, struct sched_entity, run_node);
504                 /*
505                  * We dont care about collisions. Nodes with
506                  * the same key stay together.
507                  */
508                 if (entity_before(se, entry)) {
509                         link = &parent->rb_left;
510                 } else {
511                         link = &parent->rb_right;
512                         leftmost = 0;
513                 }
514         }
515
516         /*
517          * Maintain a cache of leftmost tree entries (it is frequently
518          * used):
519          */
520         if (leftmost)
521                 cfs_rq->rb_leftmost = &se->run_node;
522
523         rb_link_node(&se->run_node, parent, link);
524         rb_insert_color(&se->run_node, &cfs_rq->tasks_timeline);
525 }
526
527 static void __dequeue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
528 {
529         if (cfs_rq->rb_leftmost == &se->run_node) {
530                 struct rb_node *next_node;
531
532                 next_node = rb_next(&se->run_node);
533                 cfs_rq->rb_leftmost = next_node;
534         }
535
536         rb_erase(&se->run_node, &cfs_rq->tasks_timeline);
537 }
538
539 struct sched_entity *__pick_first_entity(struct cfs_rq *cfs_rq)
540 {
541         struct rb_node *left = cfs_rq->rb_leftmost;
542
543         if (!left)
544                 return NULL;
545
546         return rb_entry(left, struct sched_entity, run_node);
547 }
548
549 static struct sched_entity *__pick_next_entity(struct sched_entity *se)
550 {
551         struct rb_node *next = rb_next(&se->run_node);
552
553         if (!next)
554                 return NULL;
555
556         return rb_entry(next, struct sched_entity, run_node);
557 }
558
559 #ifdef CONFIG_SCHED_DEBUG
560 struct sched_entity *__pick_last_entity(struct cfs_rq *cfs_rq)
561 {
562         struct rb_node *last = rb_last(&cfs_rq->tasks_timeline);
563
564         if (!last)
565                 return NULL;
566
567         return rb_entry(last, struct sched_entity, run_node);
568 }
569
570 /**************************************************************
571  * Scheduling class statistics methods:
572  */
573
574 int sched_proc_update_handler(struct ctl_table *table, int write,
575                 void __user *buffer, size_t *lenp,
576                 loff_t *ppos)
577 {
578         int ret = proc_dointvec_minmax(table, write, buffer, lenp, ppos);
579         unsigned int factor = get_update_sysctl_factor();
580
581         if (ret || !write)
582                 return ret;
583
584         sched_nr_latency = DIV_ROUND_UP(sysctl_sched_latency,
585                                         sysctl_sched_min_granularity);
586
587 #define WRT_SYSCTL(name) \
588         (normalized_sysctl_##name = sysctl_##name / (factor))
589         WRT_SYSCTL(sched_min_granularity);
590         WRT_SYSCTL(sched_latency);
591         WRT_SYSCTL(sched_wakeup_granularity);
592 #undef WRT_SYSCTL
593
594         return 0;
595 }
596 #endif
597
598 /*
599  * delta /= w
600  */
601 static inline u64 calc_delta_fair(u64 delta, struct sched_entity *se)
602 {
603         if (unlikely(se->load.weight != NICE_0_LOAD))
604                 delta = __calc_delta(delta, NICE_0_LOAD, &se->load);
605
606         return delta;
607 }
608
609 /*
610  * The idea is to set a period in which each task runs once.
611  *
612  * When there are too many tasks (sched_nr_latency) we have to stretch
613  * this period because otherwise the slices get too small.
614  *
615  * p = (nr <= nl) ? l : l*nr/nl
616  */
617 static u64 __sched_period(unsigned long nr_running)
618 {
619         u64 period = sysctl_sched_latency;
620         unsigned long nr_latency = sched_nr_latency;
621
622         if (unlikely(nr_running > nr_latency)) {
623                 period = sysctl_sched_min_granularity;
624                 period *= nr_running;
625         }
626
627         return period;
628 }
629
630 /*
631  * We calculate the wall-time slice from the period by taking a part
632  * proportional to the weight.
633  *
634  * s = p*P[w/rw]
635  */
636 static u64 sched_slice(struct cfs_rq *cfs_rq, struct sched_entity *se)
637 {
638         u64 slice = __sched_period(cfs_rq->nr_running + !se->on_rq);
639
640         for_each_sched_entity(se) {
641                 struct load_weight *load;
642                 struct load_weight lw;
643
644                 cfs_rq = cfs_rq_of(se);
645                 load = &cfs_rq->load;
646
647                 if (unlikely(!se->on_rq)) {
648                         lw = cfs_rq->load;
649
650                         update_load_add(&lw, se->load.weight);
651                         load = &lw;
652                 }
653                 slice = __calc_delta(slice, se->load.weight, load);
654         }
655         return slice;
656 }
657
658 /*
659  * We calculate the vruntime slice of a to-be-inserted task.
660  *
661  * vs = s/w
662  */
663 static u64 sched_vslice(struct cfs_rq *cfs_rq, struct sched_entity *se)
664 {
665         return calc_delta_fair(sched_slice(cfs_rq, se), se);
666 }
667
668 #ifdef CONFIG_SMP
669 static int select_idle_sibling(struct task_struct *p, int cpu);
670 static unsigned long task_h_load(struct task_struct *p);
671
672 static inline void __update_task_entity_contrib(struct sched_entity *se);
673 static inline void __update_task_entity_utilization(struct sched_entity *se);
674
675 /* Give new task start runnable values to heavy its load in infant time */
676 void init_task_runnable_average(struct task_struct *p)
677 {
678         u32 slice;
679
680         slice = sched_slice(task_cfs_rq(p), &p->se) >> 10;
681         p->se.avg.runnable_avg_sum = p->se.avg.running_avg_sum = slice;
682         p->se.avg.avg_period = slice;
683         __update_task_entity_contrib(&p->se);
684         __update_task_entity_utilization(&p->se);
685 }
686 #else
687 void init_task_runnable_average(struct task_struct *p)
688 {
689 }
690 #endif
691
692 /*
693  * Update the current task's runtime statistics.
694  */
695 static void update_curr(struct cfs_rq *cfs_rq)
696 {
697         struct sched_entity *curr = cfs_rq->curr;
698         u64 now = rq_clock_task(rq_of(cfs_rq));
699         u64 delta_exec;
700
701         if (unlikely(!curr))
702                 return;
703
704         delta_exec = now - curr->exec_start;
705         if (unlikely((s64)delta_exec <= 0))
706                 return;
707
708         curr->exec_start = now;
709
710         schedstat_set(curr->statistics.exec_max,
711                       max(delta_exec, curr->statistics.exec_max));
712
713         curr->sum_exec_runtime += delta_exec;
714         schedstat_add(cfs_rq, exec_clock, delta_exec);
715
716         curr->vruntime += calc_delta_fair(delta_exec, curr);
717         update_min_vruntime(cfs_rq);
718
719         if (entity_is_task(curr)) {
720                 struct task_struct *curtask = task_of(curr);
721
722                 trace_sched_stat_runtime(curtask, delta_exec, curr->vruntime);
723                 cpuacct_charge(curtask, delta_exec);
724                 account_group_exec_runtime(curtask, delta_exec);
725         }
726
727         account_cfs_rq_runtime(cfs_rq, delta_exec);
728 }
729
730 static void update_curr_fair(struct rq *rq)
731 {
732         update_curr(cfs_rq_of(&rq->curr->se));
733 }
734
735 static inline void
736 update_stats_wait_start(struct cfs_rq *cfs_rq, struct sched_entity *se)
737 {
738         schedstat_set(se->statistics.wait_start, rq_clock(rq_of(cfs_rq)));
739 }
740
741 /*
742  * Task is being enqueued - update stats:
743  */
744 static void update_stats_enqueue(struct cfs_rq *cfs_rq, struct sched_entity *se)
745 {
746         /*
747          * Are we enqueueing a waiting task? (for current tasks
748          * a dequeue/enqueue event is a NOP)
749          */
750         if (se != cfs_rq->curr)
751                 update_stats_wait_start(cfs_rq, se);
752 }
753
754 static void
755 update_stats_wait_end(struct cfs_rq *cfs_rq, struct sched_entity *se)
756 {
757         schedstat_set(se->statistics.wait_max, max(se->statistics.wait_max,
758                         rq_clock(rq_of(cfs_rq)) - se->statistics.wait_start));
759         schedstat_set(se->statistics.wait_count, se->statistics.wait_count + 1);
760         schedstat_set(se->statistics.wait_sum, se->statistics.wait_sum +
761                         rq_clock(rq_of(cfs_rq)) - se->statistics.wait_start);
762 #ifdef CONFIG_SCHEDSTATS
763         if (entity_is_task(se)) {
764                 trace_sched_stat_wait(task_of(se),
765                         rq_clock(rq_of(cfs_rq)) - se->statistics.wait_start);
766         }
767 #endif
768         schedstat_set(se->statistics.wait_start, 0);
769 }
770
771 static inline void
772 update_stats_dequeue(struct cfs_rq *cfs_rq, struct sched_entity *se)
773 {
774         /*
775          * Mark the end of the wait period if dequeueing a
776          * waiting task:
777          */
778         if (se != cfs_rq->curr)
779                 update_stats_wait_end(cfs_rq, se);
780 }
781
782 /*
783  * We are picking a new current task - update its stats:
784  */
785 static inline void
786 update_stats_curr_start(struct cfs_rq *cfs_rq, struct sched_entity *se)
787 {
788         /*
789          * We are starting a new run period:
790          */
791         se->exec_start = rq_clock_task(rq_of(cfs_rq));
792 }
793
794 /**************************************************
795  * Scheduling class queueing methods:
796  */
797
798 #ifdef CONFIG_NUMA_BALANCING
799 /*
800  * Approximate time to scan a full NUMA task in ms. The task scan period is
801  * calculated based on the tasks virtual memory size and
802  * numa_balancing_scan_size.
803  */
804 unsigned int sysctl_numa_balancing_scan_period_min = 1000;
805 unsigned int sysctl_numa_balancing_scan_period_max = 60000;
806
807 /* Portion of address space to scan in MB */
808 unsigned int sysctl_numa_balancing_scan_size = 256;
809
810 /* Scan @scan_size MB every @scan_period after an initial @scan_delay in ms */
811 unsigned int sysctl_numa_balancing_scan_delay = 1000;
812
813 static unsigned int task_nr_scan_windows(struct task_struct *p)
814 {
815         unsigned long rss = 0;
816         unsigned long nr_scan_pages;
817
818         /*
819          * Calculations based on RSS as non-present and empty pages are skipped
820          * by the PTE scanner and NUMA hinting faults should be trapped based
821          * on resident pages
822          */
823         nr_scan_pages = sysctl_numa_balancing_scan_size << (20 - PAGE_SHIFT);
824         rss = get_mm_rss(p->mm);
825         if (!rss)
826                 rss = nr_scan_pages;
827
828         rss = round_up(rss, nr_scan_pages);
829         return rss / nr_scan_pages;
830 }
831
832 /* For sanitys sake, never scan more PTEs than MAX_SCAN_WINDOW MB/sec. */
833 #define MAX_SCAN_WINDOW 2560
834
835 static unsigned int task_scan_min(struct task_struct *p)
836 {
837         unsigned int scan_size = READ_ONCE(sysctl_numa_balancing_scan_size);
838         unsigned int scan, floor;
839         unsigned int windows = 1;
840
841         if (scan_size < MAX_SCAN_WINDOW)
842                 windows = MAX_SCAN_WINDOW / scan_size;
843         floor = 1000 / windows;
844
845         scan = sysctl_numa_balancing_scan_period_min / task_nr_scan_windows(p);
846         return max_t(unsigned int, floor, scan);
847 }
848
849 static unsigned int task_scan_max(struct task_struct *p)
850 {
851         unsigned int smin = task_scan_min(p);
852         unsigned int smax;
853
854         /* Watch for min being lower than max due to floor calculations */
855         smax = sysctl_numa_balancing_scan_period_max / task_nr_scan_windows(p);
856         return max(smin, smax);
857 }
858
859 static void account_numa_enqueue(struct rq *rq, struct task_struct *p)
860 {
861         rq->nr_numa_running += (p->numa_preferred_nid != -1);
862         rq->nr_preferred_running += (p->numa_preferred_nid == task_node(p));
863 }
864
865 static void account_numa_dequeue(struct rq *rq, struct task_struct *p)
866 {
867         rq->nr_numa_running -= (p->numa_preferred_nid != -1);
868         rq->nr_preferred_running -= (p->numa_preferred_nid == task_node(p));
869 }
870
871 struct numa_group {
872         atomic_t refcount;
873
874         spinlock_t lock; /* nr_tasks, tasks */
875         int nr_tasks;
876         pid_t gid;
877
878         struct rcu_head rcu;
879         nodemask_t active_nodes;
880         unsigned long total_faults;
881         /*
882          * Faults_cpu is used to decide whether memory should move
883          * towards the CPU. As a consequence, these stats are weighted
884          * more by CPU use than by memory faults.
885          */
886         unsigned long *faults_cpu;
887         unsigned long faults[0];
888 };
889
890 /* Shared or private faults. */
891 #define NR_NUMA_HINT_FAULT_TYPES 2
892
893 /* Memory and CPU locality */
894 #define NR_NUMA_HINT_FAULT_STATS (NR_NUMA_HINT_FAULT_TYPES * 2)
895
896 /* Averaged statistics, and temporary buffers. */
897 #define NR_NUMA_HINT_FAULT_BUCKETS (NR_NUMA_HINT_FAULT_STATS * 2)
898
899 pid_t task_numa_group_id(struct task_struct *p)
900 {
901         return p->numa_group ? p->numa_group->gid : 0;
902 }
903
904 /*
905  * The averaged statistics, shared & private, memory & cpu,
906  * occupy the first half of the array. The second half of the
907  * array is for current counters, which are averaged into the
908  * first set by task_numa_placement.
909  */
910 static inline int task_faults_idx(enum numa_faults_stats s, int nid, int priv)
911 {
912         return NR_NUMA_HINT_FAULT_TYPES * (s * nr_node_ids + nid) + priv;
913 }
914
915 static inline unsigned long task_faults(struct task_struct *p, int nid)
916 {
917         if (!p->numa_faults)
918                 return 0;
919
920         return p->numa_faults[task_faults_idx(NUMA_MEM, nid, 0)] +
921                 p->numa_faults[task_faults_idx(NUMA_MEM, nid, 1)];
922 }
923
924 static inline unsigned long group_faults(struct task_struct *p, int nid)
925 {
926         if (!p->numa_group)
927                 return 0;
928
929         return p->numa_group->faults[task_faults_idx(NUMA_MEM, nid, 0)] +
930                 p->numa_group->faults[task_faults_idx(NUMA_MEM, nid, 1)];
931 }
932
933 static inline unsigned long group_faults_cpu(struct numa_group *group, int nid)
934 {
935         return group->faults_cpu[task_faults_idx(NUMA_MEM, nid, 0)] +
936                 group->faults_cpu[task_faults_idx(NUMA_MEM, nid, 1)];
937 }
938
939 /* Handle placement on systems where not all nodes are directly connected. */
940 static unsigned long score_nearby_nodes(struct task_struct *p, int nid,
941                                         int maxdist, bool task)
942 {
943         unsigned long score = 0;
944         int node;
945
946         /*
947          * All nodes are directly connected, and the same distance
948          * from each other. No need for fancy placement algorithms.
949          */
950         if (sched_numa_topology_type == NUMA_DIRECT)
951                 return 0;
952
953         /*
954          * This code is called for each node, introducing N^2 complexity,
955          * which should be ok given the number of nodes rarely exceeds 8.
956          */
957         for_each_online_node(node) {
958                 unsigned long faults;
959                 int dist = node_distance(nid, node);
960
961                 /*
962                  * The furthest away nodes in the system are not interesting
963                  * for placement; nid was already counted.
964                  */
965                 if (dist == sched_max_numa_distance || node == nid)
966                         continue;
967
968                 /*
969                  * On systems with a backplane NUMA topology, compare groups
970                  * of nodes, and move tasks towards the group with the most
971                  * memory accesses. When comparing two nodes at distance
972                  * "hoplimit", only nodes closer by than "hoplimit" are part
973                  * of each group. Skip other nodes.
974                  */
975                 if (sched_numa_topology_type == NUMA_BACKPLANE &&
976                                         dist > maxdist)
977                         continue;
978
979                 /* Add up the faults from nearby nodes. */
980                 if (task)
981                         faults = task_faults(p, node);
982                 else
983                         faults = group_faults(p, node);
984
985                 /*
986                  * On systems with a glueless mesh NUMA topology, there are
987                  * no fixed "groups of nodes". Instead, nodes that are not
988                  * directly connected bounce traffic through intermediate
989                  * nodes; a numa_group can occupy any set of nodes.
990                  * The further away a node is, the less the faults count.
991                  * This seems to result in good task placement.
992                  */
993                 if (sched_numa_topology_type == NUMA_GLUELESS_MESH) {
994                         faults *= (sched_max_numa_distance - dist);
995                         faults /= (sched_max_numa_distance - LOCAL_DISTANCE);
996                 }
997
998                 score += faults;
999         }
1000
1001         return score;
1002 }
1003
1004 /*
1005  * These return the fraction of accesses done by a particular task, or
1006  * task group, on a particular numa node.  The group weight is given a
1007  * larger multiplier, in order to group tasks together that are almost
1008  * evenly spread out between numa nodes.
1009  */
1010 static inline unsigned long task_weight(struct task_struct *p, int nid,
1011                                         int dist)
1012 {
1013         unsigned long faults, total_faults;
1014
1015         if (!p->numa_faults)
1016                 return 0;
1017
1018         total_faults = p->total_numa_faults;
1019
1020         if (!total_faults)
1021                 return 0;
1022
1023         faults = task_faults(p, nid);
1024         faults += score_nearby_nodes(p, nid, dist, true);
1025
1026         return 1000 * faults / total_faults;
1027 }
1028
1029 static inline unsigned long group_weight(struct task_struct *p, int nid,
1030                                          int dist)
1031 {
1032         unsigned long faults, total_faults;
1033
1034         if (!p->numa_group)
1035                 return 0;
1036
1037         total_faults = p->numa_group->total_faults;
1038
1039         if (!total_faults)
1040                 return 0;
1041
1042         faults = group_faults(p, nid);
1043         faults += score_nearby_nodes(p, nid, dist, false);
1044
1045         return 1000 * faults / total_faults;
1046 }
1047
1048 bool should_numa_migrate_memory(struct task_struct *p, struct page * page,
1049                                 int src_nid, int dst_cpu)
1050 {
1051         struct numa_group *ng = p->numa_group;
1052         int dst_nid = cpu_to_node(dst_cpu);
1053         int last_cpupid, this_cpupid;
1054
1055         this_cpupid = cpu_pid_to_cpupid(dst_cpu, current->pid);
1056
1057         /*
1058          * Multi-stage node selection is used in conjunction with a periodic
1059          * migration fault to build a temporal task<->page relation. By using
1060          * a two-stage filter we remove short/unlikely relations.
1061          *
1062          * Using P(p) ~ n_p / n_t as per frequentist probability, we can equate
1063          * a task's usage of a particular page (n_p) per total usage of this
1064          * page (n_t) (in a given time-span) to a probability.
1065          *
1066          * Our periodic faults will sample this probability and getting the
1067          * same result twice in a row, given these samples are fully
1068          * independent, is then given by P(n)^2, provided our sample period
1069          * is sufficiently short compared to the usage pattern.
1070          *
1071          * This quadric squishes small probabilities, making it less likely we
1072          * act on an unlikely task<->page relation.
1073          */
1074         last_cpupid = page_cpupid_xchg_last(page, this_cpupid);
1075         if (!cpupid_pid_unset(last_cpupid) &&
1076                                 cpupid_to_nid(last_cpupid) != dst_nid)
1077                 return false;
1078
1079         /* Always allow migrate on private faults */
1080         if (cpupid_match_pid(p, last_cpupid))
1081                 return true;
1082
1083         /* A shared fault, but p->numa_group has not been set up yet. */
1084         if (!ng)
1085                 return true;
1086
1087         /*
1088          * Do not migrate if the destination is not a node that
1089          * is actively used by this numa group.
1090          */
1091         if (!node_isset(dst_nid, ng->active_nodes))
1092                 return false;
1093
1094         /*
1095          * Source is a node that is not actively used by this
1096          * numa group, while the destination is. Migrate.
1097          */
1098         if (!node_isset(src_nid, ng->active_nodes))
1099                 return true;
1100
1101         /*
1102          * Both source and destination are nodes in active
1103          * use by this numa group. Maximize memory bandwidth
1104          * by migrating from more heavily used groups, to less
1105          * heavily used ones, spreading the load around.
1106          * Use a 1/4 hysteresis to avoid spurious page movement.
1107          */
1108         return group_faults(p, dst_nid) < (group_faults(p, src_nid) * 3 / 4);
1109 }
1110
1111 static unsigned long weighted_cpuload(const int cpu);
1112 static unsigned long source_load(int cpu, int type);
1113 static unsigned long target_load(int cpu, int type);
1114 static unsigned long capacity_of(int cpu);
1115 static long effective_load(struct task_group *tg, int cpu, long wl, long wg);
1116
1117 /* Cached statistics for all CPUs within a node */
1118 struct numa_stats {
1119         unsigned long nr_running;
1120         unsigned long load;
1121
1122         /* Total compute capacity of CPUs on a node */
1123         unsigned long compute_capacity;
1124
1125         /* Approximate capacity in terms of runnable tasks on a node */
1126         unsigned long task_capacity;
1127         int has_free_capacity;
1128 };
1129
1130 /*
1131  * XXX borrowed from update_sg_lb_stats
1132  */
1133 static void update_numa_stats(struct numa_stats *ns, int nid)
1134 {
1135         int smt, cpu, cpus = 0;
1136         unsigned long capacity;
1137
1138         memset(ns, 0, sizeof(*ns));
1139         for_each_cpu(cpu, cpumask_of_node(nid)) {
1140                 struct rq *rq = cpu_rq(cpu);
1141
1142                 ns->nr_running += rq->nr_running;
1143                 ns->load += weighted_cpuload(cpu);
1144                 ns->compute_capacity += capacity_of(cpu);
1145
1146                 cpus++;
1147         }
1148
1149         /*
1150          * If we raced with hotplug and there are no CPUs left in our mask
1151          * the @ns structure is NULL'ed and task_numa_compare() will
1152          * not find this node attractive.
1153          *
1154          * We'll either bail at !has_free_capacity, or we'll detect a huge
1155          * imbalance and bail there.
1156          */
1157         if (!cpus)
1158                 return;
1159
1160         /* smt := ceil(cpus / capacity), assumes: 1 < smt_power < 2 */
1161         smt = DIV_ROUND_UP(SCHED_CAPACITY_SCALE * cpus, ns->compute_capacity);
1162         capacity = cpus / smt; /* cores */
1163
1164         ns->task_capacity = min_t(unsigned, capacity,
1165                 DIV_ROUND_CLOSEST(ns->compute_capacity, SCHED_CAPACITY_SCALE));
1166         ns->has_free_capacity = (ns->nr_running < ns->task_capacity);
1167 }
1168
1169 struct task_numa_env {
1170         struct task_struct *p;
1171
1172         int src_cpu, src_nid;
1173         int dst_cpu, dst_nid;
1174
1175         struct numa_stats src_stats, dst_stats;
1176
1177         int imbalance_pct;
1178         int dist;
1179
1180         struct task_struct *best_task;
1181         long best_imp;
1182         int best_cpu;
1183 };
1184
1185 static void task_numa_assign(struct task_numa_env *env,
1186                              struct task_struct *p, long imp)
1187 {
1188         if (env->best_task)
1189                 put_task_struct(env->best_task);
1190         if (p)
1191                 get_task_struct(p);
1192
1193         env->best_task = p;
1194         env->best_imp = imp;
1195         env->best_cpu = env->dst_cpu;
1196 }
1197
1198 static bool load_too_imbalanced(long src_load, long dst_load,
1199                                 struct task_numa_env *env)
1200 {
1201         long imb, old_imb;
1202         long orig_src_load, orig_dst_load;
1203         long src_capacity, dst_capacity;
1204
1205         /*
1206          * The load is corrected for the CPU capacity available on each node.
1207          *
1208          * src_load        dst_load
1209          * ------------ vs ---------
1210          * src_capacity    dst_capacity
1211          */
1212         src_capacity = env->src_stats.compute_capacity;
1213         dst_capacity = env->dst_stats.compute_capacity;
1214
1215         /* We care about the slope of the imbalance, not the direction. */
1216         if (dst_load < src_load)
1217                 swap(dst_load, src_load);
1218
1219         /* Is the difference below the threshold? */
1220         imb = dst_load * src_capacity * 100 -
1221               src_load * dst_capacity * env->imbalance_pct;
1222         if (imb <= 0)
1223                 return false;
1224
1225         /*
1226          * The imbalance is above the allowed threshold.
1227          * Compare it with the old imbalance.
1228          */
1229         orig_src_load = env->src_stats.load;
1230         orig_dst_load = env->dst_stats.load;
1231
1232         if (orig_dst_load < orig_src_load)
1233                 swap(orig_dst_load, orig_src_load);
1234
1235         old_imb = orig_dst_load * src_capacity * 100 -
1236                   orig_src_load * dst_capacity * env->imbalance_pct;
1237
1238         /* Would this change make things worse? */
1239         return (imb > old_imb);
1240 }
1241
1242 /*
1243  * This checks if the overall compute and NUMA accesses of the system would
1244  * be improved if the source tasks was migrated to the target dst_cpu taking
1245  * into account that it might be best if task running on the dst_cpu should
1246  * be exchanged with the source task
1247  */
1248 static void task_numa_compare(struct task_numa_env *env,
1249                               long taskimp, long groupimp)
1250 {
1251         struct rq *src_rq = cpu_rq(env->src_cpu);
1252         struct rq *dst_rq = cpu_rq(env->dst_cpu);
1253         struct task_struct *cur;
1254         long src_load, dst_load;
1255         long load;
1256         long imp = env->p->numa_group ? groupimp : taskimp;
1257         long moveimp = imp;
1258         int dist = env->dist;
1259
1260         rcu_read_lock();
1261
1262         raw_spin_lock_irq(&dst_rq->lock);
1263         cur = dst_rq->curr;
1264         /*
1265          * No need to move the exiting task, and this ensures that ->curr
1266          * wasn't reaped and thus get_task_struct() in task_numa_assign()
1267          * is safe under RCU read lock.
1268          * Note that rcu_read_lock() itself can't protect from the final
1269          * put_task_struct() after the last schedule().
1270          */
1271         if ((cur->flags & PF_EXITING) || is_idle_task(cur))
1272                 cur = NULL;
1273         raw_spin_unlock_irq(&dst_rq->lock);
1274
1275         /*
1276          * Because we have preemption enabled we can get migrated around and
1277          * end try selecting ourselves (current == env->p) as a swap candidate.
1278          */
1279         if (cur == env->p)
1280                 goto unlock;
1281
1282         /*
1283          * "imp" is the fault differential for the source task between the
1284          * source and destination node. Calculate the total differential for
1285          * the source task and potential destination task. The more negative
1286          * the value is, the more rmeote accesses that would be expected to
1287          * be incurred if the tasks were swapped.
1288          */
1289         if (cur) {
1290                 /* Skip this swap candidate if cannot move to the source cpu */
1291                 if (!cpumask_test_cpu(env->src_cpu, tsk_cpus_allowed(cur)))
1292                         goto unlock;
1293
1294                 /*
1295                  * If dst and source tasks are in the same NUMA group, or not
1296                  * in any group then look only at task weights.
1297                  */
1298                 if (cur->numa_group == env->p->numa_group) {
1299                         imp = taskimp + task_weight(cur, env->src_nid, dist) -
1300                               task_weight(cur, env->dst_nid, dist);
1301                         /*
1302                          * Add some hysteresis to prevent swapping the
1303                          * tasks within a group over tiny differences.
1304                          */
1305                         if (cur->numa_group)
1306                                 imp -= imp/16;
1307                 } else {
1308                         /*
1309                          * Compare the group weights. If a task is all by
1310                          * itself (not part of a group), use the task weight
1311                          * instead.
1312                          */
1313                         if (cur->numa_group)
1314                                 imp += group_weight(cur, env->src_nid, dist) -
1315                                        group_weight(cur, env->dst_nid, dist);
1316                         else
1317                                 imp += task_weight(cur, env->src_nid, dist) -
1318                                        task_weight(cur, env->dst_nid, dist);
1319                 }
1320         }
1321
1322         if (imp <= env->best_imp && moveimp <= env->best_imp)
1323                 goto unlock;
1324
1325         if (!cur) {
1326                 /* Is there capacity at our destination? */
1327                 if (env->src_stats.nr_running <= env->src_stats.task_capacity &&
1328                     !env->dst_stats.has_free_capacity)
1329                         goto unlock;
1330
1331                 goto balance;
1332         }
1333
1334         /* Balance doesn't matter much if we're running a task per cpu */
1335         if (imp > env->best_imp && src_rq->nr_running == 1 &&
1336                         dst_rq->nr_running == 1)
1337                 goto assign;
1338
1339         /*
1340          * In the overloaded case, try and keep the load balanced.
1341          */
1342 balance:
1343         load = task_h_load(env->p);
1344         dst_load = env->dst_stats.load + load;
1345         src_load = env->src_stats.load - load;
1346
1347         if (moveimp > imp && moveimp > env->best_imp) {
1348                 /*
1349                  * If the improvement from just moving env->p direction is
1350                  * better than swapping tasks around, check if a move is
1351                  * possible. Store a slightly smaller score than moveimp,
1352                  * so an actually idle CPU will win.
1353                  */
1354                 if (!load_too_imbalanced(src_load, dst_load, env)) {
1355                         imp = moveimp - 1;
1356                         cur = NULL;
1357                         goto assign;
1358                 }
1359         }
1360
1361         if (imp <= env->best_imp)
1362                 goto unlock;
1363
1364         if (cur) {
1365                 load = task_h_load(cur);
1366                 dst_load -= load;
1367                 src_load += load;
1368         }
1369
1370         if (load_too_imbalanced(src_load, dst_load, env))
1371                 goto unlock;
1372
1373         /*
1374          * One idle CPU per node is evaluated for a task numa move.
1375          * Call select_idle_sibling to maybe find a better one.
1376          */
1377         if (!cur)
1378                 env->dst_cpu = select_idle_sibling(env->p, env->dst_cpu);
1379
1380 assign:
1381         task_numa_assign(env, cur, imp);
1382 unlock:
1383         rcu_read_unlock();
1384 }
1385
1386 static void task_numa_find_cpu(struct task_numa_env *env,
1387                                 long taskimp, long groupimp)
1388 {
1389         int cpu;
1390
1391         for_each_cpu(cpu, cpumask_of_node(env->dst_nid)) {
1392                 /* Skip this CPU if the source task cannot migrate */
1393                 if (!cpumask_test_cpu(cpu, tsk_cpus_allowed(env->p)))
1394                         continue;
1395
1396                 env->dst_cpu = cpu;
1397                 task_numa_compare(env, taskimp, groupimp);
1398         }
1399 }
1400
1401 /* Only move tasks to a NUMA node less busy than the current node. */
1402 static bool numa_has_capacity(struct task_numa_env *env)
1403 {
1404         struct numa_stats *src = &env->src_stats;
1405         struct numa_stats *dst = &env->dst_stats;
1406
1407         if (src->has_free_capacity && !dst->has_free_capacity)
1408                 return false;
1409
1410         /*
1411          * Only consider a task move if the source has a higher load
1412          * than the destination, corrected for CPU capacity on each node.
1413          *
1414          *      src->load                dst->load
1415          * --------------------- vs ---------------------
1416          * src->compute_capacity    dst->compute_capacity
1417          */
1418         if (src->load * dst->compute_capacity >
1419             dst->load * src->compute_capacity)
1420                 return true;
1421
1422         return false;
1423 }
1424
1425 static int task_numa_migrate(struct task_struct *p)
1426 {
1427         struct task_numa_env env = {
1428                 .p = p,
1429
1430                 .src_cpu = task_cpu(p),
1431                 .src_nid = task_node(p),
1432
1433                 .imbalance_pct = 112,
1434
1435                 .best_task = NULL,
1436                 .best_imp = 0,
1437                 .best_cpu = -1
1438         };
1439         struct sched_domain *sd;
1440         unsigned long taskweight, groupweight;
1441         int nid, ret, dist;
1442         long taskimp, groupimp;
1443
1444         /*
1445          * Pick the lowest SD_NUMA domain, as that would have the smallest
1446          * imbalance and would be the first to start moving tasks about.
1447          *
1448          * And we want to avoid any moving of tasks about, as that would create
1449          * random movement of tasks -- counter the numa conditions we're trying
1450          * to satisfy here.
1451          */
1452         rcu_read_lock();
1453         sd = rcu_dereference(per_cpu(sd_numa, env.src_cpu));
1454         if (sd)
1455                 env.imbalance_pct = 100 + (sd->imbalance_pct - 100) / 2;
1456         rcu_read_unlock();
1457
1458         /*
1459          * Cpusets can break the scheduler domain tree into smaller
1460          * balance domains, some of which do not cross NUMA boundaries.
1461          * Tasks that are "trapped" in such domains cannot be migrated
1462          * elsewhere, so there is no point in (re)trying.
1463          */
1464         if (unlikely(!sd)) {
1465                 p->numa_preferred_nid = task_node(p);
1466                 return -EINVAL;
1467         }
1468
1469         env.dst_nid = p->numa_preferred_nid;
1470         dist = env.dist = node_distance(env.src_nid, env.dst_nid);
1471         taskweight = task_weight(p, env.src_nid, dist);
1472         groupweight = group_weight(p, env.src_nid, dist);
1473         update_numa_stats(&env.src_stats, env.src_nid);
1474         taskimp = task_weight(p, env.dst_nid, dist) - taskweight;
1475         groupimp = group_weight(p, env.dst_nid, dist) - groupweight;
1476         update_numa_stats(&env.dst_stats, env.dst_nid);
1477
1478         /* Try to find a spot on the preferred nid. */
1479         if (numa_has_capacity(&env))
1480                 task_numa_find_cpu(&env, taskimp, groupimp);
1481
1482         /*
1483          * Look at other nodes in these cases:
1484          * - there is no space available on the preferred_nid
1485          * - the task is part of a numa_group that is interleaved across
1486          *   multiple NUMA nodes; in order to better consolidate the group,
1487          *   we need to check other locations.
1488          */
1489         if (env.best_cpu == -1 || (p->numa_group &&
1490                         nodes_weight(p->numa_group->active_nodes) > 1)) {
1491                 for_each_online_node(nid) {
1492                         if (nid == env.src_nid || nid == p->numa_preferred_nid)
1493                                 continue;
1494
1495                         dist = node_distance(env.src_nid, env.dst_nid);
1496                         if (sched_numa_topology_type == NUMA_BACKPLANE &&
1497                                                 dist != env.dist) {
1498                                 taskweight = task_weight(p, env.src_nid, dist);
1499                                 groupweight = group_weight(p, env.src_nid, dist);
1500                         }
1501
1502                         /* Only consider nodes where both task and groups benefit */
1503                         taskimp = task_weight(p, nid, dist) - taskweight;
1504                         groupimp = group_weight(p, nid, dist) - groupweight;
1505                         if (taskimp < 0 && groupimp < 0)
1506                                 continue;
1507
1508                         env.dist = dist;
1509                         env.dst_nid = nid;
1510                         update_numa_stats(&env.dst_stats, env.dst_nid);
1511                         if (numa_has_capacity(&env))
1512                                 task_numa_find_cpu(&env, taskimp, groupimp);
1513                 }
1514         }
1515
1516         /*
1517          * If the task is part of a workload that spans multiple NUMA nodes,
1518          * and is migrating into one of the workload's active nodes, remember
1519          * this node as the task's preferred numa node, so the workload can
1520          * settle down.
1521          * A task that migrated to a second choice node will be better off
1522          * trying for a better one later. Do not set the preferred node here.
1523          */
1524         if (p->numa_group) {
1525                 if (env.best_cpu == -1)
1526                         nid = env.src_nid;
1527                 else
1528                         nid = env.dst_nid;
1529
1530                 if (node_isset(nid, p->numa_group->active_nodes))
1531                         sched_setnuma(p, env.dst_nid);
1532         }
1533
1534         /* No better CPU than the current one was found. */
1535         if (env.best_cpu == -1)
1536                 return -EAGAIN;
1537
1538         /*
1539          * Reset the scan period if the task is being rescheduled on an
1540          * alternative node to recheck if the tasks is now properly placed.
1541          */
1542         p->numa_scan_period = task_scan_min(p);
1543
1544         if (env.best_task == NULL) {
1545                 ret = migrate_task_to(p, env.best_cpu);
1546                 if (ret != 0)
1547                         trace_sched_stick_numa(p, env.src_cpu, env.best_cpu);
1548                 return ret;
1549         }
1550
1551         ret = migrate_swap(p, env.best_task);
1552         if (ret != 0)
1553                 trace_sched_stick_numa(p, env.src_cpu, task_cpu(env.best_task));
1554         put_task_struct(env.best_task);
1555         return ret;
1556 }
1557
1558 /* Attempt to migrate a task to a CPU on the preferred node. */
1559 static void numa_migrate_preferred(struct task_struct *p)
1560 {
1561         unsigned long interval = HZ;
1562
1563         /* This task has no NUMA fault statistics yet */
1564         if (unlikely(p->numa_preferred_nid == -1 || !p->numa_faults))
1565                 return;
1566
1567         /* Periodically retry migrating the task to the preferred node */
1568         interval = min(interval, msecs_to_jiffies(p->numa_scan_period) / 16);
1569         p->numa_migrate_retry = jiffies + interval;
1570
1571         /* Success if task is already running on preferred CPU */
1572         if (task_node(p) == p->numa_preferred_nid)
1573                 return;
1574
1575         /* Otherwise, try migrate to a CPU on the preferred node */
1576         task_numa_migrate(p);
1577 }
1578
1579 /*
1580  * Find the nodes on which the workload is actively running. We do this by
1581  * tracking the nodes from which NUMA hinting faults are triggered. This can
1582  * be different from the set of nodes where the workload's memory is currently
1583  * located.
1584  *
1585  * The bitmask is used to make smarter decisions on when to do NUMA page
1586  * migrations, To prevent flip-flopping, and excessive page migrations, nodes
1587  * are added when they cause over 6/16 of the maximum number of faults, but
1588  * only removed when they drop below 3/16.
1589  */
1590 static void update_numa_active_node_mask(struct numa_group *numa_group)
1591 {
1592         unsigned long faults, max_faults = 0;
1593         int nid;
1594
1595         for_each_online_node(nid) {
1596                 faults = group_faults_cpu(numa_group, nid);
1597                 if (faults > max_faults)
1598                         max_faults = faults;
1599         }
1600
1601         for_each_online_node(nid) {
1602                 faults = group_faults_cpu(numa_group, nid);
1603                 if (!node_isset(nid, numa_group->active_nodes)) {
1604                         if (faults > max_faults * 6 / 16)
1605                                 node_set(nid, numa_group->active_nodes);
1606                 } else if (faults < max_faults * 3 / 16)
1607                         node_clear(nid, numa_group->active_nodes);
1608         }
1609 }
1610
1611 /*
1612  * When adapting the scan rate, the period is divided into NUMA_PERIOD_SLOTS
1613  * increments. The more local the fault statistics are, the higher the scan
1614  * period will be for the next scan window. If local/(local+remote) ratio is
1615  * below NUMA_PERIOD_THRESHOLD (where range of ratio is 1..NUMA_PERIOD_SLOTS)
1616  * the scan period will decrease. Aim for 70% local accesses.
1617  */
1618 #define NUMA_PERIOD_SLOTS 10
1619 #define NUMA_PERIOD_THRESHOLD 7
1620
1621 /*
1622  * Increase the scan period (slow down scanning) if the majority of
1623  * our memory is already on our local node, or if the majority of
1624  * the page accesses are shared with other processes.
1625  * Otherwise, decrease the scan period.
1626  */
1627 static void update_task_scan_period(struct task_struct *p,
1628                         unsigned long shared, unsigned long private)
1629 {
1630         unsigned int period_slot;
1631         int ratio;
1632         int diff;
1633
1634         unsigned long remote = p->numa_faults_locality[0];
1635         unsigned long local = p->numa_faults_locality[1];
1636
1637         /*
1638          * If there were no record hinting faults then either the task is
1639          * completely idle or all activity is areas that are not of interest
1640          * to automatic numa balancing. Related to that, if there were failed
1641          * migration then it implies we are migrating too quickly or the local
1642          * node is overloaded. In either case, scan slower
1643          */
1644         if (local + shared == 0 || p->numa_faults_locality[2]) {
1645                 p->numa_scan_period = min(p->numa_scan_period_max,
1646                         p->numa_scan_period << 1);
1647
1648                 p->mm->numa_next_scan = jiffies +
1649                         msecs_to_jiffies(p->numa_scan_period);
1650
1651                 return;
1652         }
1653
1654         /*
1655          * Prepare to scale scan period relative to the current period.
1656          *       == NUMA_PERIOD_THRESHOLD scan period stays the same
1657          *       <  NUMA_PERIOD_THRESHOLD scan period decreases (scan faster)
1658          *       >= NUMA_PERIOD_THRESHOLD scan period increases (scan slower)
1659          */
1660         period_slot = DIV_ROUND_UP(p->numa_scan_period, NUMA_PERIOD_SLOTS);
1661         ratio = (local * NUMA_PERIOD_SLOTS) / (local + remote);
1662         if (ratio >= NUMA_PERIOD_THRESHOLD) {
1663                 int slot = ratio - NUMA_PERIOD_THRESHOLD;
1664                 if (!slot)
1665                         slot = 1;
1666                 diff = slot * period_slot;
1667         } else {
1668                 diff = -(NUMA_PERIOD_THRESHOLD - ratio) * period_slot;
1669
1670                 /*
1671                  * Scale scan rate increases based on sharing. There is an
1672                  * inverse relationship between the degree of sharing and
1673                  * the adjustment made to the scanning period. Broadly
1674                  * speaking the intent is that there is little point
1675                  * scanning faster if shared accesses dominate as it may
1676                  * simply bounce migrations uselessly
1677                  */
1678                 ratio = DIV_ROUND_UP(private * NUMA_PERIOD_SLOTS, (private + shared + 1));
1679                 diff = (diff * ratio) / NUMA_PERIOD_SLOTS;
1680         }
1681
1682         p->numa_scan_period = clamp(p->numa_scan_period + diff,
1683                         task_scan_min(p), task_scan_max(p));
1684         memset(p->numa_faults_locality, 0, sizeof(p->numa_faults_locality));
1685 }
1686
1687 /*
1688  * Get the fraction of time the task has been running since the last
1689  * NUMA placement cycle. The scheduler keeps similar statistics, but
1690  * decays those on a 32ms period, which is orders of magnitude off
1691  * from the dozens-of-seconds NUMA balancing period. Use the scheduler
1692  * stats only if the task is so new there are no NUMA statistics yet.
1693  */
1694 static u64 numa_get_avg_runtime(struct task_struct *p, u64 *period)
1695 {
1696         u64 runtime, delta, now;
1697         /* Use the start of this time slice to avoid calculations. */
1698         now = p->se.exec_start;
1699         runtime = p->se.sum_exec_runtime;
1700
1701         if (p->last_task_numa_placement) {
1702                 delta = runtime - p->last_sum_exec_runtime;
1703                 *period = now - p->last_task_numa_placement;
1704         } else {
1705                 delta = p->se.avg.runnable_avg_sum;
1706                 *period = p->se.avg.avg_period;
1707         }
1708
1709         p->last_sum_exec_runtime = runtime;
1710         p->last_task_numa_placement = now;
1711
1712         return delta;
1713 }
1714
1715 /*
1716  * Determine the preferred nid for a task in a numa_group. This needs to
1717  * be done in a way that produces consistent results with group_weight,
1718  * otherwise workloads might not converge.
1719  */
1720 static int preferred_group_nid(struct task_struct *p, int nid)
1721 {
1722         nodemask_t nodes;
1723         int dist;
1724
1725         /* Direct connections between all NUMA nodes. */
1726         if (sched_numa_topology_type == NUMA_DIRECT)
1727                 return nid;
1728
1729         /*
1730          * On a system with glueless mesh NUMA topology, group_weight
1731          * scores nodes according to the number of NUMA hinting faults on
1732          * both the node itself, and on nearby nodes.
1733          */
1734         if (sched_numa_topology_type == NUMA_GLUELESS_MESH) {
1735                 unsigned long score, max_score = 0;
1736                 int node, max_node = nid;
1737
1738                 dist = sched_max_numa_distance;
1739
1740                 for_each_online_node(node) {
1741                         score = group_weight(p, node, dist);
1742                         if (score > max_score) {
1743                                 max_score = score;
1744                                 max_node = node;
1745                         }
1746                 }
1747                 return max_node;
1748         }
1749
1750         /*
1751          * Finding the preferred nid in a system with NUMA backplane
1752          * interconnect topology is more involved. The goal is to locate
1753          * tasks from numa_groups near each other in the system, and
1754          * untangle workloads from different sides of the system. This requires
1755          * searching down the hierarchy of node groups, recursively searching
1756          * inside the highest scoring group of nodes. The nodemask tricks
1757          * keep the complexity of the search down.
1758          */
1759         nodes = node_online_map;
1760         for (dist = sched_max_numa_distance; dist > LOCAL_DISTANCE; dist--) {
1761                 unsigned long max_faults = 0;
1762                 nodemask_t max_group = NODE_MASK_NONE;
1763                 int a, b;
1764
1765                 /* Are there nodes at this distance from each other? */
1766                 if (!find_numa_distance(dist))
1767                         continue;
1768
1769                 for_each_node_mask(a, nodes) {
1770                         unsigned long faults = 0;
1771                         nodemask_t this_group;
1772                         nodes_clear(this_group);
1773
1774                         /* Sum group's NUMA faults; includes a==b case. */
1775                         for_each_node_mask(b, nodes) {
1776                                 if (node_distance(a, b) < dist) {
1777                                         faults += group_faults(p, b);
1778                                         node_set(b, this_group);
1779                                         node_clear(b, nodes);
1780                                 }
1781                         }
1782
1783                         /* Remember the top group. */
1784                         if (faults > max_faults) {
1785                                 max_faults = faults;
1786                                 max_group = this_group;
1787                                 /*
1788                                  * subtle: at the smallest distance there is
1789                                  * just one node left in each "group", the
1790                                  * winner is the preferred nid.
1791                                  */
1792                                 nid = a;
1793                         }
1794                 }
1795                 /* Next round, evaluate the nodes within max_group. */
1796                 if (!max_faults)
1797                         break;
1798                 nodes = max_group;
1799         }
1800         return nid;
1801 }
1802
1803 static void task_numa_placement(struct task_struct *p)
1804 {
1805         int seq, nid, max_nid = -1, max_group_nid = -1;
1806         unsigned long max_faults = 0, max_group_faults = 0;
1807         unsigned long fault_types[2] = { 0, 0 };
1808         unsigned long total_faults;
1809         u64 runtime, period;
1810         spinlock_t *group_lock = NULL;
1811
1812         /*
1813          * The p->mm->numa_scan_seq field gets updated without
1814          * exclusive access. Use READ_ONCE() here to ensure
1815          * that the field is read in a single access:
1816          */
1817         seq = READ_ONCE(p->mm->numa_scan_seq);
1818         if (p->numa_scan_seq == seq)
1819                 return;
1820         p->numa_scan_seq = seq;
1821         p->numa_scan_period_max = task_scan_max(p);
1822
1823         total_faults = p->numa_faults_locality[0] +
1824                        p->numa_faults_locality[1];
1825         runtime = numa_get_avg_runtime(p, &period);
1826
1827         /* If the task is part of a group prevent parallel updates to group stats */
1828         if (p->numa_group) {
1829                 group_lock = &p->numa_group->lock;
1830                 spin_lock_irq(group_lock);
1831         }
1832
1833         /* Find the node with the highest number of faults */
1834         for_each_online_node(nid) {
1835                 /* Keep track of the offsets in numa_faults array */
1836                 int mem_idx, membuf_idx, cpu_idx, cpubuf_idx;
1837                 unsigned long faults = 0, group_faults = 0;
1838                 int priv;
1839
1840                 for (priv = 0; priv < NR_NUMA_HINT_FAULT_TYPES; priv++) {
1841                         long diff, f_diff, f_weight;
1842
1843                         mem_idx = task_faults_idx(NUMA_MEM, nid, priv);
1844                         membuf_idx = task_faults_idx(NUMA_MEMBUF, nid, priv);
1845                         cpu_idx = task_faults_idx(NUMA_CPU, nid, priv);
1846                         cpubuf_idx = task_faults_idx(NUMA_CPUBUF, nid, priv);
1847
1848                         /* Decay existing window, copy faults since last scan */
1849                         diff = p->numa_faults[membuf_idx] - p->numa_faults[mem_idx] / 2;
1850                         fault_types[priv] += p->numa_faults[membuf_idx];
1851                         p->numa_faults[membuf_idx] = 0;
1852
1853                         /*
1854                          * Normalize the faults_from, so all tasks in a group
1855                          * count according to CPU use, instead of by the raw
1856                          * number of faults. Tasks with little runtime have
1857                          * little over-all impact on throughput, and thus their
1858                          * faults are less important.
1859                          */
1860                         f_weight = div64_u64(runtime << 16, period + 1);
1861                         f_weight = (f_weight * p->numa_faults[cpubuf_idx]) /
1862                                    (total_faults + 1);
1863                         f_diff = f_weight - p->numa_faults[cpu_idx] / 2;
1864                         p->numa_faults[cpubuf_idx] = 0;
1865
1866                         p->numa_faults[mem_idx] += diff;
1867                         p->numa_faults[cpu_idx] += f_diff;
1868                         faults += p->numa_faults[mem_idx];
1869                         p->total_numa_faults += diff;
1870                         if (p->numa_group) {
1871                                 /*
1872                                  * safe because we can only change our own group
1873                                  *
1874                                  * mem_idx represents the offset for a given
1875                                  * nid and priv in a specific region because it
1876                                  * is at the beginning of the numa_faults array.
1877                                  */
1878                                 p->numa_group->faults[mem_idx] += diff;
1879                                 p->numa_group->faults_cpu[mem_idx] += f_diff;
1880                                 p->numa_group->total_faults += diff;
1881                                 group_faults += p->numa_group->faults[mem_idx];
1882                         }
1883                 }
1884
1885                 if (faults > max_faults) {
1886                         max_faults = faults;
1887                         max_nid = nid;
1888                 }
1889
1890                 if (group_faults > max_group_faults) {
1891                         max_group_faults = group_faults;
1892                         max_group_nid = nid;
1893                 }
1894         }
1895
1896         update_task_scan_period(p, fault_types[0], fault_types[1]);
1897
1898         if (p->numa_group) {
1899                 update_numa_active_node_mask(p->numa_group);
1900                 spin_unlock_irq(group_lock);
1901                 max_nid = preferred_group_nid(p, max_group_nid);
1902         }
1903
1904         if (max_faults) {
1905                 /* Set the new preferred node */
1906                 if (max_nid != p->numa_preferred_nid)
1907                         sched_setnuma(p, max_nid);
1908
1909                 if (task_node(p) != p->numa_preferred_nid)
1910                         numa_migrate_preferred(p);
1911         }
1912 }
1913
1914 static inline int get_numa_group(struct numa_group *grp)
1915 {
1916         return atomic_inc_not_zero(&grp->refcount);
1917 }
1918
1919 static inline void put_numa_group(struct numa_group *grp)
1920 {
1921         if (atomic_dec_and_test(&grp->refcount))
1922                 kfree_rcu(grp, rcu);
1923 }
1924
1925 static void task_numa_group(struct task_struct *p, int cpupid, int flags,
1926                         int *priv)
1927 {
1928         struct numa_group *grp, *my_grp;
1929         struct task_struct *tsk;
1930         bool join = false;
1931         int cpu = cpupid_to_cpu(cpupid);
1932         int i;
1933
1934         if (unlikely(!p->numa_group)) {
1935                 unsigned int size = sizeof(struct numa_group) +
1936                                     4*nr_node_ids*sizeof(unsigned long);
1937
1938                 grp = kzalloc(size, GFP_KERNEL | __GFP_NOWARN);
1939                 if (!grp)
1940                         return;
1941
1942                 atomic_set(&grp->refcount, 1);
1943                 spin_lock_init(&grp->lock);
1944                 grp->gid = p->pid;
1945                 /* Second half of the array tracks nids where faults happen */
1946                 grp->faults_cpu = grp->faults + NR_NUMA_HINT_FAULT_TYPES *
1947                                                 nr_node_ids;
1948
1949                 node_set(task_node(current), grp->active_nodes);
1950
1951                 for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++)
1952                         grp->faults[i] = p->numa_faults[i];
1953
1954                 grp->total_faults = p->total_numa_faults;
1955
1956                 grp->nr_tasks++;
1957                 rcu_assign_pointer(p->numa_group, grp);
1958         }
1959
1960         rcu_read_lock();
1961         tsk = READ_ONCE(cpu_rq(cpu)->curr);
1962
1963         if (!cpupid_match_pid(tsk, cpupid))
1964                 goto no_join;
1965
1966         grp = rcu_dereference(tsk->numa_group);
1967         if (!grp)
1968                 goto no_join;
1969
1970         my_grp = p->numa_group;
1971         if (grp == my_grp)
1972                 goto no_join;
1973
1974         /*
1975          * Only join the other group if its bigger; if we're the bigger group,
1976          * the other task will join us.
1977          */
1978         if (my_grp->nr_tasks > grp->nr_tasks)
1979                 goto no_join;
1980
1981         /*
1982          * Tie-break on the grp address.
1983          */
1984         if (my_grp->nr_tasks == grp->nr_tasks && my_grp > grp)
1985                 goto no_join;
1986
1987         /* Always join threads in the same process. */
1988         if (tsk->mm == current->mm)
1989                 join = true;
1990
1991         /* Simple filter to avoid false positives due to PID collisions */
1992         if (flags & TNF_SHARED)
1993                 join = true;
1994
1995         /* Update priv based on whether false sharing was detected */
1996         *priv = !join;
1997
1998         if (join && !get_numa_group(grp))
1999                 goto no_join;
2000
2001         rcu_read_unlock();
2002
2003         if (!join)
2004                 return;
2005
2006         BUG_ON(irqs_disabled());
2007         double_lock_irq(&my_grp->lock, &grp->lock);
2008
2009         for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++) {
2010                 my_grp->faults[i] -= p->numa_faults[i];
2011                 grp->faults[i] += p->numa_faults[i];
2012         }
2013         my_grp->total_faults -= p->total_numa_faults;
2014         grp->total_faults += p->total_numa_faults;
2015
2016         my_grp->nr_tasks--;
2017         grp->nr_tasks++;
2018
2019         spin_unlock(&my_grp->lock);
2020         spin_unlock_irq(&grp->lock);
2021
2022         rcu_assign_pointer(p->numa_group, grp);
2023
2024         put_numa_group(my_grp);
2025         return;
2026
2027 no_join:
2028         rcu_read_unlock();
2029         return;
2030 }
2031
2032 void task_numa_free(struct task_struct *p)
2033 {
2034         struct numa_group *grp = p->numa_group;
2035         void *numa_faults = p->numa_faults;
2036         unsigned long flags;
2037         int i;
2038
2039         if (grp) {
2040                 spin_lock_irqsave(&grp->lock, flags);
2041                 for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++)
2042                         grp->faults[i] -= p->numa_faults[i];
2043                 grp->total_faults -= p->total_numa_faults;
2044
2045                 grp->nr_tasks--;
2046                 spin_unlock_irqrestore(&grp->lock, flags);
2047                 RCU_INIT_POINTER(p->numa_group, NULL);
2048                 put_numa_group(grp);
2049         }
2050
2051         p->numa_faults = NULL;
2052         kfree(numa_faults);
2053 }
2054
2055 /*
2056  * Got a PROT_NONE fault for a page on @node.
2057  */
2058 void task_numa_fault(int last_cpupid, int mem_node, int pages, int flags)
2059 {
2060         struct task_struct *p = current;
2061         bool migrated = flags & TNF_MIGRATED;
2062         int cpu_node = task_node(current);
2063         int local = !!(flags & TNF_FAULT_LOCAL);
2064         int priv;
2065
2066         if (!numabalancing_enabled)
2067                 return;
2068
2069         /* for example, ksmd faulting in a user's mm */
2070         if (!p->mm)
2071                 return;
2072
2073         /* Allocate buffer to track faults on a per-node basis */
2074         if (unlikely(!p->numa_faults)) {
2075                 int size = sizeof(*p->numa_faults) *
2076                            NR_NUMA_HINT_FAULT_BUCKETS * nr_node_ids;
2077
2078                 p->numa_faults = kzalloc(size, GFP_KERNEL|__GFP_NOWARN);
2079                 if (!p->numa_faults)
2080                         return;
2081
2082                 p->total_numa_faults = 0;
2083                 memset(p->numa_faults_locality, 0, sizeof(p->numa_faults_locality));
2084         }
2085
2086         /*
2087          * First accesses are treated as private, otherwise consider accesses
2088          * to be private if the accessing pid has not changed
2089          */
2090         if (unlikely(last_cpupid == (-1 & LAST_CPUPID_MASK))) {
2091                 priv = 1;
2092         } else {
2093                 priv = cpupid_match_pid(p, last_cpupid);
2094                 if (!priv && !(flags & TNF_NO_GROUP))
2095                         task_numa_group(p, last_cpupid, flags, &priv);
2096         }
2097
2098         /*
2099          * If a workload spans multiple NUMA nodes, a shared fault that
2100          * occurs wholly within the set of nodes that the workload is
2101          * actively using should be counted as local. This allows the
2102          * scan rate to slow down when a workload has settled down.
2103          */
2104         if (!priv && !local && p->numa_group &&
2105                         node_isset(cpu_node, p->numa_group->active_nodes) &&
2106                         node_isset(mem_node, p->numa_group->active_nodes))
2107                 local = 1;
2108
2109         task_numa_placement(p);
2110
2111         /*
2112          * Retry task to preferred node migration periodically, in case it
2113          * case it previously failed, or the scheduler moved us.
2114          */
2115         if (time_after(jiffies, p->numa_migrate_retry))
2116                 numa_migrate_preferred(p);
2117
2118         if (migrated)
2119                 p->numa_pages_migrated += pages;
2120         if (flags & TNF_MIGRATE_FAIL)
2121                 p->numa_faults_locality[2] += pages;
2122
2123         p->numa_faults[task_faults_idx(NUMA_MEMBUF, mem_node, priv)] += pages;
2124         p->numa_faults[task_faults_idx(NUMA_CPUBUF, cpu_node, priv)] += pages;
2125         p->numa_faults_locality[local] += pages;
2126 }
2127
2128 static void reset_ptenuma_scan(struct task_struct *p)
2129 {
2130         /*
2131          * We only did a read acquisition of the mmap sem, so
2132          * p->mm->numa_scan_seq is written to without exclusive access
2133          * and the update is not guaranteed to be atomic. That's not
2134          * much of an issue though, since this is just used for
2135          * statistical sampling. Use READ_ONCE/WRITE_ONCE, which are not
2136          * expensive, to avoid any form of compiler optimizations:
2137          */
2138         WRITE_ONCE(p->mm->numa_scan_seq, READ_ONCE(p->mm->numa_scan_seq) + 1);
2139         p->mm->numa_scan_offset = 0;
2140 }
2141
2142 /*
2143  * The expensive part of numa migration is done from task_work context.
2144  * Triggered from task_tick_numa().
2145  */
2146 void task_numa_work(struct callback_head *work)
2147 {
2148         unsigned long migrate, next_scan, now = jiffies;
2149         struct task_struct *p = current;
2150         struct mm_struct *mm = p->mm;
2151         struct vm_area_struct *vma;
2152         unsigned long start, end;
2153         unsigned long nr_pte_updates = 0;
2154         long pages;
2155
2156         WARN_ON_ONCE(p != container_of(work, struct task_struct, numa_work));
2157
2158         work->next = work; /* protect against double add */
2159         /*
2160          * Who cares about NUMA placement when they're dying.
2161          *
2162          * NOTE: make sure not to dereference p->mm before this check,
2163          * exit_task_work() happens _after_ exit_mm() so we could be called
2164          * without p->mm even though we still had it when we enqueued this
2165          * work.
2166          */
2167         if (p->flags & PF_EXITING)
2168                 return;
2169
2170         if (!mm->numa_next_scan) {
2171                 mm->numa_next_scan = now +
2172                         msecs_to_jiffies(sysctl_numa_balancing_scan_delay);
2173         }
2174
2175         /*
2176          * Enforce maximal scan/migration frequency..
2177          */
2178         migrate = mm->numa_next_scan;
2179         if (time_before(now, migrate))
2180                 return;
2181
2182         if (p->numa_scan_period == 0) {
2183                 p->numa_scan_period_max = task_scan_max(p);
2184                 p->numa_scan_period = task_scan_min(p);
2185         }
2186
2187         next_scan = now + msecs_to_jiffies(p->numa_scan_period);
2188         if (cmpxchg(&mm->numa_next_scan, migrate, next_scan) != migrate)
2189                 return;
2190
2191         /*
2192          * Delay this task enough that another task of this mm will likely win
2193          * the next time around.
2194          */
2195         p->node_stamp += 2 * TICK_NSEC;
2196
2197         start = mm->numa_scan_offset;
2198         pages = sysctl_numa_balancing_scan_size;
2199         pages <<= 20 - PAGE_SHIFT; /* MB in pages */
2200         if (!pages)
2201                 return;
2202
2203         down_read(&mm->mmap_sem);
2204         vma = find_vma(mm, start);
2205         if (!vma) {
2206                 reset_ptenuma_scan(p);
2207                 start = 0;
2208                 vma = mm->mmap;
2209         }
2210         for (; vma; vma = vma->vm_next) {
2211                 if (!vma_migratable(vma) || !vma_policy_mof(vma) ||
2212                         is_vm_hugetlb_page(vma) || (vma->vm_flags & VM_MIXEDMAP)) {
2213                         continue;
2214                 }
2215
2216                 /*
2217                  * Shared library pages mapped by multiple processes are not
2218                  * migrated as it is expected they are cache replicated. Avoid
2219                  * hinting faults in read-only file-backed mappings or the vdso
2220                  * as migrating the pages will be of marginal benefit.
2221                  */
2222                 if (!vma->vm_mm ||
2223                     (vma->vm_file && (vma->vm_flags & (VM_READ|VM_WRITE)) == (VM_READ)))
2224                         continue;
2225
2226                 /*
2227                  * Skip inaccessible VMAs to avoid any confusion between
2228                  * PROT_NONE and NUMA hinting ptes
2229                  */
2230                 if (!(vma->vm_flags & (VM_READ | VM_EXEC | VM_WRITE)))
2231                         continue;
2232
2233                 do {
2234                         start = max(start, vma->vm_start);
2235                         end = ALIGN(start + (pages << PAGE_SHIFT), HPAGE_SIZE);
2236                         end = min(end, vma->vm_end);
2237                         nr_pte_updates += change_prot_numa(vma, start, end);
2238
2239                         /*
2240                          * Scan sysctl_numa_balancing_scan_size but ensure that
2241                          * at least one PTE is updated so that unused virtual
2242                          * address space is quickly skipped.
2243                          */
2244                         if (nr_pte_updates)
2245                                 pages -= (end - start) >> PAGE_SHIFT;
2246
2247                         start = end;
2248                         if (pages <= 0)
2249                                 goto out;
2250
2251                         cond_resched();
2252                 } while (end != vma->vm_end);
2253         }
2254
2255 out:
2256         /*
2257          * It is possible to reach the end of the VMA list but the last few
2258          * VMAs are not guaranteed to the vma_migratable. If they are not, we
2259          * would find the !migratable VMA on the next scan but not reset the
2260          * scanner to the start so check it now.
2261          */
2262         if (vma)
2263                 mm->numa_scan_offset = start;
2264         else
2265                 reset_ptenuma_scan(p);
2266         up_read(&mm->mmap_sem);
2267 }
2268
2269 /*
2270  * Drive the periodic memory faults..
2271  */
2272 void task_tick_numa(struct rq *rq, struct task_struct *curr)
2273 {
2274         struct callback_head *work = &curr->numa_work;
2275         u64 period, now;
2276
2277         /*
2278          * We don't care about NUMA placement if we don't have memory.
2279          */
2280         if (!curr->mm || (curr->flags & PF_EXITING) || work->next != work)
2281                 return;
2282
2283         /*
2284          * Using runtime rather than walltime has the dual advantage that
2285          * we (mostly) drive the selection from busy threads and that the
2286          * task needs to have done some actual work before we bother with
2287          * NUMA placement.
2288          */
2289         now = curr->se.sum_exec_runtime;
2290         period = (u64)curr->numa_scan_period * NSEC_PER_MSEC;
2291
2292         if (now - curr->node_stamp > period) {
2293                 if (!curr->node_stamp)
2294                         curr->numa_scan_period = task_scan_min(curr);
2295                 curr->node_stamp += period;
2296
2297                 if (!time_before(jiffies, curr->mm->numa_next_scan)) {
2298                         init_task_work(work, task_numa_work); /* TODO: move this into sched_fork() */
2299                         task_work_add(curr, work, true);
2300                 }
2301         }
2302 }
2303 #else
2304 static void task_tick_numa(struct rq *rq, struct task_struct *curr)
2305 {
2306 }
2307
2308 static inline void account_numa_enqueue(struct rq *rq, struct task_struct *p)
2309 {
2310 }
2311
2312 static inline void account_numa_dequeue(struct rq *rq, struct task_struct *p)
2313 {
2314 }
2315 #endif /* CONFIG_NUMA_BALANCING */
2316
2317 static void
2318 account_entity_enqueue(struct cfs_rq *cfs_rq, struct sched_entity *se)
2319 {
2320         update_load_add(&cfs_rq->load, se->load.weight);
2321         if (!parent_entity(se))
2322                 update_load_add(&rq_of(cfs_rq)->load, se->load.weight);
2323 #ifdef CONFIG_SMP
2324         if (entity_is_task(se)) {
2325                 struct rq *rq = rq_of(cfs_rq);
2326
2327                 account_numa_enqueue(rq, task_of(se));
2328                 list_add(&se->group_node, &rq->cfs_tasks);
2329         }
2330 #endif
2331         cfs_rq->nr_running++;
2332 }
2333
2334 static void
2335 account_entity_dequeue(struct cfs_rq *cfs_rq, struct sched_entity *se)
2336 {
2337         update_load_sub(&cfs_rq->load, se->load.weight);
2338         if (!parent_entity(se))
2339                 update_load_sub(&rq_of(cfs_rq)->load, se->load.weight);
2340         if (entity_is_task(se)) {
2341                 account_numa_dequeue(rq_of(cfs_rq), task_of(se));
2342                 list_del_init(&se->group_node);
2343         }
2344         cfs_rq->nr_running--;
2345 }
2346
2347 #ifdef CONFIG_FAIR_GROUP_SCHED
2348 # ifdef CONFIG_SMP
2349 static inline long calc_tg_weight(struct task_group *tg, struct cfs_rq *cfs_rq)
2350 {
2351         long tg_weight;
2352
2353         /*
2354          * Use this CPU's actual weight instead of the last load_contribution
2355          * to gain a more accurate current total weight. See
2356          * update_cfs_rq_load_contribution().
2357          */
2358         tg_weight = atomic_long_read(&tg->load_avg);
2359         tg_weight -= cfs_rq->tg_load_contrib;
2360         tg_weight += cfs_rq->load.weight;
2361
2362         return tg_weight;
2363 }
2364
2365 static long calc_cfs_shares(struct cfs_rq *cfs_rq, struct task_group *tg)
2366 {
2367         long tg_weight, load, shares;
2368
2369         tg_weight = calc_tg_weight(tg, cfs_rq);
2370         load = cfs_rq->load.weight;
2371
2372         shares = (tg->shares * load);
2373         if (tg_weight)
2374                 shares /= tg_weight;
2375
2376         if (shares < MIN_SHARES)
2377                 shares = MIN_SHARES;
2378         if (shares > tg->shares)
2379                 shares = tg->shares;
2380
2381         return shares;
2382 }
2383 # else /* CONFIG_SMP */
2384 static inline long calc_cfs_shares(struct cfs_rq *cfs_rq, struct task_group *tg)
2385 {
2386         return tg->shares;
2387 }
2388 # endif /* CONFIG_SMP */
2389 static void reweight_entity(struct cfs_rq *cfs_rq, struct sched_entity *se,
2390                             unsigned long weight)
2391 {
2392         if (se->on_rq) {
2393                 /* commit outstanding execution time */
2394                 if (cfs_rq->curr == se)
2395                         update_curr(cfs_rq);
2396                 account_entity_dequeue(cfs_rq, se);
2397         }
2398
2399         update_load_set(&se->load, weight);
2400
2401         if (se->on_rq)
2402                 account_entity_enqueue(cfs_rq, se);
2403 }
2404
2405 static inline int throttled_hierarchy(struct cfs_rq *cfs_rq);
2406
2407 static void update_cfs_shares(struct cfs_rq *cfs_rq)
2408 {
2409         struct task_group *tg;
2410         struct sched_entity *se;
2411         long shares;
2412
2413         tg = cfs_rq->tg;
2414         se = tg->se[cpu_of(rq_of(cfs_rq))];
2415         if (!se || throttled_hierarchy(cfs_rq))
2416                 return;
2417 #ifndef CONFIG_SMP
2418         if (likely(se->load.weight == tg->shares))
2419                 return;
2420 #endif
2421         shares = calc_cfs_shares(cfs_rq, tg);
2422
2423         reweight_entity(cfs_rq_of(se), se, shares);
2424 }
2425 #else /* CONFIG_FAIR_GROUP_SCHED */
2426 static inline void update_cfs_shares(struct cfs_rq *cfs_rq)
2427 {
2428 }
2429 #endif /* CONFIG_FAIR_GROUP_SCHED */
2430
2431 #ifdef CONFIG_SMP
2432 /*
2433  * We choose a half-life close to 1 scheduling period.
2434  * Note: The tables below are dependent on this value.
2435  */
2436 #define LOAD_AVG_PERIOD 32
2437 #define LOAD_AVG_MAX 47742 /* maximum possible load avg */
2438 #define LOAD_AVG_MAX_N 345 /* number of full periods to produce LOAD_MAX_AVG */
2439
2440 /* Precomputed fixed inverse multiplies for multiplication by y^n */
2441 static const u32 runnable_avg_yN_inv[] = {
2442         0xffffffff, 0xfa83b2da, 0xf5257d14, 0xefe4b99a, 0xeac0c6e6, 0xe5b906e6,
2443         0xe0ccdeeb, 0xdbfbb796, 0xd744fcc9, 0xd2a81d91, 0xce248c14, 0xc9b9bd85,
2444         0xc5672a10, 0xc12c4cc9, 0xbd08a39e, 0xb8fbaf46, 0xb504f333, 0xb123f581,
2445         0xad583ee9, 0xa9a15ab4, 0xa5fed6a9, 0xa2704302, 0x9ef5325f, 0x9b8d39b9,
2446         0x9837f050, 0x94f4efa8, 0x91c3d373, 0x8ea4398a, 0x8b95c1e3, 0x88980e80,
2447         0x85aac367, 0x82cd8698,
2448 };
2449
2450 /*
2451  * Precomputed \Sum y^k { 1<=k<=n }.  These are floor(true_value) to prevent
2452  * over-estimates when re-combining.
2453  */
2454 static const u32 runnable_avg_yN_sum[] = {
2455             0, 1002, 1982, 2941, 3880, 4798, 5697, 6576, 7437, 8279, 9103,
2456          9909,10698,11470,12226,12966,13690,14398,15091,15769,16433,17082,
2457         17718,18340,18949,19545,20128,20698,21256,21802,22336,22859,23371,
2458 };
2459
2460 /*
2461  * Approximate:
2462  *   val * y^n,    where y^32 ~= 0.5 (~1 scheduling period)
2463  */
2464 static __always_inline u64 decay_load(u64 val, u64 n)
2465 {
2466         unsigned int local_n;
2467
2468         if (!n)
2469                 return val;
2470         else if (unlikely(n > LOAD_AVG_PERIOD * 63))
2471                 return 0;
2472
2473         /* after bounds checking we can collapse to 32-bit */
2474         local_n = n;
2475
2476         /*
2477          * As y^PERIOD = 1/2, we can combine
2478          *    y^n = 1/2^(n/PERIOD) * y^(n%PERIOD)
2479          * With a look-up table which covers y^n (n<PERIOD)
2480          *
2481          * To achieve constant time decay_load.
2482          */
2483         if (unlikely(local_n >= LOAD_AVG_PERIOD)) {
2484                 val >>= local_n / LOAD_AVG_PERIOD;
2485                 local_n %= LOAD_AVG_PERIOD;
2486         }
2487
2488         val *= runnable_avg_yN_inv[local_n];
2489         /* We don't use SRR here since we always want to round down. */
2490         return val >> 32;
2491 }
2492
2493 /*
2494  * For updates fully spanning n periods, the contribution to runnable
2495  * average will be: \Sum 1024*y^n
2496  *
2497  * We can compute this reasonably efficiently by combining:
2498  *   y^PERIOD = 1/2 with precomputed \Sum 1024*y^n {for  n <PERIOD}
2499  */
2500 static u32 __compute_runnable_contrib(u64 n)
2501 {
2502         u32 contrib = 0;
2503
2504         if (likely(n <= LOAD_AVG_PERIOD))
2505                 return runnable_avg_yN_sum[n];
2506         else if (unlikely(n >= LOAD_AVG_MAX_N))
2507                 return LOAD_AVG_MAX;
2508
2509         /* Compute \Sum k^n combining precomputed values for k^i, \Sum k^j */
2510         do {
2511                 contrib /= 2; /* y^LOAD_AVG_PERIOD = 1/2 */
2512                 contrib += runnable_avg_yN_sum[LOAD_AVG_PERIOD];
2513
2514                 n -= LOAD_AVG_PERIOD;
2515         } while (n > LOAD_AVG_PERIOD);
2516
2517         contrib = decay_load(contrib, n);
2518         return contrib + runnable_avg_yN_sum[n];
2519 }
2520
2521 /*
2522  * We can represent the historical contribution to runnable average as the
2523  * coefficients of a geometric series.  To do this we sub-divide our runnable
2524  * history into segments of approximately 1ms (1024us); label the segment that
2525  * occurred N-ms ago p_N, with p_0 corresponding to the current period, e.g.
2526  *
2527  * [<- 1024us ->|<- 1024us ->|<- 1024us ->| ...
2528  *      p0            p1           p2
2529  *     (now)       (~1ms ago)  (~2ms ago)
2530  *
2531  * Let u_i denote the fraction of p_i that the entity was runnable.
2532  *
2533  * We then designate the fractions u_i as our co-efficients, yielding the
2534  * following representation of historical load:
2535  *   u_0 + u_1*y + u_2*y^2 + u_3*y^3 + ...
2536  *
2537  * We choose y based on the with of a reasonably scheduling period, fixing:
2538  *   y^32 = 0.5
2539  *
2540  * This means that the contribution to load ~32ms ago (u_32) will be weighted
2541  * approximately half as much as the contribution to load within the last ms
2542  * (u_0).
2543  *
2544  * When a period "rolls over" and we have new u_0`, multiplying the previous
2545  * sum again by y is sufficient to update:
2546  *   load_avg = u_0` + y*(u_0 + u_1*y + u_2*y^2 + ... )
2547  *            = u_0 + u_1*y + u_2*y^2 + ... [re-labeling u_i --> u_{i+1}]
2548  */
2549 static __always_inline int __update_entity_runnable_avg(u64 now, int cpu,
2550                                                         struct sched_avg *sa,
2551                                                         int runnable,
2552                                                         int running)
2553 {
2554         u64 delta, periods;
2555         u32 runnable_contrib;
2556         int delta_w, decayed = 0;
2557         unsigned long scale_freq = arch_scale_freq_capacity(NULL, cpu);
2558
2559         delta = now - sa->last_runnable_update;
2560         /*
2561          * This should only happen when time goes backwards, which it
2562          * unfortunately does during sched clock init when we swap over to TSC.
2563          */
2564         if ((s64)delta < 0) {
2565                 sa->last_runnable_update = now;
2566                 return 0;
2567         }
2568
2569         /*
2570          * Use 1024ns as the unit of measurement since it's a reasonable
2571          * approximation of 1us and fast to compute.
2572          */
2573         delta >>= 10;
2574         if (!delta)
2575                 return 0;
2576         sa->last_runnable_update = now;
2577
2578         /* delta_w is the amount already accumulated against our next period */
2579         delta_w = sa->avg_period % 1024;
2580         if (delta + delta_w >= 1024) {
2581                 /* period roll-over */
2582                 decayed = 1;
2583
2584                 /*
2585                  * Now that we know we're crossing a period boundary, figure
2586                  * out how much from delta we need to complete the current
2587                  * period and accrue it.
2588                  */
2589                 delta_w = 1024 - delta_w;
2590                 if (runnable)
2591                         sa->runnable_avg_sum += delta_w;
2592                 if (running)
2593                         sa->running_avg_sum += delta_w * scale_freq
2594                                 >> SCHED_CAPACITY_SHIFT;
2595                 sa->avg_period += delta_w;
2596
2597                 delta -= delta_w;
2598
2599                 /* Figure out how many additional periods this update spans */
2600                 periods = delta / 1024;
2601                 delta %= 1024;
2602
2603                 sa->runnable_avg_sum = decay_load(sa->runnable_avg_sum,
2604                                                   periods + 1);
2605                 sa->running_avg_sum = decay_load(sa->running_avg_sum,
2606                                                   periods + 1);
2607                 sa->avg_period = decay_load(sa->avg_period,
2608                                                      periods + 1);
2609
2610                 /* Efficiently calculate \sum (1..n_period) 1024*y^i */
2611                 runnable_contrib = __compute_runnable_contrib(periods);
2612                 if (runnable)
2613                         sa->runnable_avg_sum += runnable_contrib;
2614                 if (running)
2615                         sa->running_avg_sum += runnable_contrib * scale_freq
2616                                 >> SCHED_CAPACITY_SHIFT;
2617                 sa->avg_period += runnable_contrib;
2618         }
2619
2620         /* Remainder of delta accrued against u_0` */
2621         if (runnable)
2622                 sa->runnable_avg_sum += delta;
2623         if (running)
2624                 sa->running_avg_sum += delta * scale_freq
2625                         >> SCHED_CAPACITY_SHIFT;
2626         sa->avg_period += delta;
2627
2628         return decayed;
2629 }
2630
2631 /* Synchronize an entity's decay with its parenting cfs_rq.*/
2632 static inline u64 __synchronize_entity_decay(struct sched_entity *se)
2633 {
2634         struct cfs_rq *cfs_rq = cfs_rq_of(se);
2635         u64 decays = atomic64_read(&cfs_rq->decay_counter);
2636
2637         decays -= se->avg.decay_count;
2638         se->avg.decay_count = 0;
2639         if (!decays)
2640                 return 0;
2641
2642         se->avg.load_avg_contrib = decay_load(se->avg.load_avg_contrib, decays);
2643         se->avg.utilization_avg_contrib =
2644                 decay_load(se->avg.utilization_avg_contrib, decays);
2645
2646         return decays;
2647 }
2648
2649 #ifdef CONFIG_FAIR_GROUP_SCHED
2650 static inline void __update_cfs_rq_tg_load_contrib(struct cfs_rq *cfs_rq,
2651                                                  int force_update)
2652 {
2653         struct task_group *tg = cfs_rq->tg;
2654         long tg_contrib;
2655
2656         tg_contrib = cfs_rq->runnable_load_avg + cfs_rq->blocked_load_avg;
2657         tg_contrib -= cfs_rq->tg_load_contrib;
2658
2659         if (!tg_contrib)
2660                 return;
2661
2662         if (force_update || abs(tg_contrib) > cfs_rq->tg_load_contrib / 8) {
2663                 atomic_long_add(tg_contrib, &tg->load_avg);
2664                 cfs_rq->tg_load_contrib += tg_contrib;
2665         }
2666 }
2667
2668 /*
2669  * Aggregate cfs_rq runnable averages into an equivalent task_group
2670  * representation for computing load contributions.
2671  */
2672 static inline void __update_tg_runnable_avg(struct sched_avg *sa,
2673                                                   struct cfs_rq *cfs_rq)
2674 {
2675         struct task_group *tg = cfs_rq->tg;
2676         long contrib;
2677
2678         /* The fraction of a cpu used by this cfs_rq */
2679         contrib = div_u64((u64)sa->runnable_avg_sum << NICE_0_SHIFT,
2680                           sa->avg_period + 1);
2681         contrib -= cfs_rq->tg_runnable_contrib;
2682
2683         if (abs(contrib) > cfs_rq->tg_runnable_contrib / 64) {
2684                 atomic_add(contrib, &tg->runnable_avg);
2685                 cfs_rq->tg_runnable_contrib += contrib;
2686         }
2687 }
2688
2689 static inline void __update_group_entity_contrib(struct sched_entity *se)
2690 {
2691         struct cfs_rq *cfs_rq = group_cfs_rq(se);
2692         struct task_group *tg = cfs_rq->tg;
2693         int runnable_avg;
2694
2695         u64 contrib;
2696
2697         contrib = cfs_rq->tg_load_contrib * tg->shares;
2698         se->avg.load_avg_contrib = div_u64(contrib,
2699                                      atomic_long_read(&tg->load_avg) + 1);
2700
2701         /*
2702          * For group entities we need to compute a correction term in the case
2703          * that they are consuming <1 cpu so that we would contribute the same
2704          * load as a task of equal weight.
2705          *
2706          * Explicitly co-ordinating this measurement would be expensive, but
2707          * fortunately the sum of each cpus contribution forms a usable
2708          * lower-bound on the true value.
2709          *
2710          * Consider the aggregate of 2 contributions.  Either they are disjoint
2711          * (and the sum represents true value) or they are disjoint and we are
2712          * understating by the aggregate of their overlap.
2713          *
2714          * Extending this to N cpus, for a given overlap, the maximum amount we
2715          * understand is then n_i(n_i+1)/2 * w_i where n_i is the number of
2716          * cpus that overlap for this interval and w_i is the interval width.
2717          *
2718          * On a small machine; the first term is well-bounded which bounds the
2719          * total error since w_i is a subset of the period.  Whereas on a
2720          * larger machine, while this first term can be larger, if w_i is the
2721          * of consequential size guaranteed to see n_i*w_i quickly converge to
2722          * our upper bound of 1-cpu.
2723          */
2724         runnable_avg = atomic_read(&tg->runnable_avg);
2725         if (runnable_avg < NICE_0_LOAD) {
2726                 se->avg.load_avg_contrib *= runnable_avg;
2727                 se->avg.load_avg_contrib >>= NICE_0_SHIFT;
2728         }
2729 }
2730
2731 static inline void update_rq_runnable_avg(struct rq *rq, int runnable)
2732 {
2733         __update_entity_runnable_avg(rq_clock_task(rq), cpu_of(rq), &rq->avg,
2734                         runnable, runnable);
2735         __update_tg_runnable_avg(&rq->avg, &rq->cfs);
2736 }
2737 #else /* CONFIG_FAIR_GROUP_SCHED */
2738 static inline void __update_cfs_rq_tg_load_contrib(struct cfs_rq *cfs_rq,
2739                                                  int force_update) {}
2740 static inline void __update_tg_runnable_avg(struct sched_avg *sa,
2741                                                   struct cfs_rq *cfs_rq) {}
2742 static inline void __update_group_entity_contrib(struct sched_entity *se) {}
2743 static inline void update_rq_runnable_avg(struct rq *rq, int runnable) {}
2744 #endif /* CONFIG_FAIR_GROUP_SCHED */
2745
2746 static inline void __update_task_entity_contrib(struct sched_entity *se)
2747 {
2748         u32 contrib;
2749
2750         /* avoid overflowing a 32-bit type w/ SCHED_LOAD_SCALE */
2751         contrib = se->avg.runnable_avg_sum * scale_load_down(se->load.weight);
2752         contrib /= (se->avg.avg_period + 1);
2753         se->avg.load_avg_contrib = scale_load(contrib);
2754 }
2755
2756 /* Compute the current contribution to load_avg by se, return any delta */
2757 static long __update_entity_load_avg_contrib(struct sched_entity *se)
2758 {
2759         long old_contrib = se->avg.load_avg_contrib;
2760
2761         if (entity_is_task(se)) {
2762                 __update_task_entity_contrib(se);
2763         } else {
2764                 __update_tg_runnable_avg(&se->avg, group_cfs_rq(se));
2765                 __update_group_entity_contrib(se);
2766         }
2767
2768         return se->avg.load_avg_contrib - old_contrib;
2769 }
2770
2771
2772 static inline void __update_task_entity_utilization(struct sched_entity *se)
2773 {
2774         u32 contrib;
2775
2776         /* avoid overflowing a 32-bit type w/ SCHED_LOAD_SCALE */
2777         contrib = se->avg.running_avg_sum * scale_load_down(SCHED_LOAD_SCALE);
2778         contrib /= (se->avg.avg_period + 1);
2779         se->avg.utilization_avg_contrib = scale_load(contrib);
2780 }
2781
2782 static long __update_entity_utilization_avg_contrib(struct sched_entity *se)
2783 {
2784         long old_contrib = se->avg.utilization_avg_contrib;
2785
2786         if (entity_is_task(se))
2787                 __update_task_entity_utilization(se);
2788         else
2789                 se->avg.utilization_avg_contrib =
2790                                         group_cfs_rq(se)->utilization_load_avg;
2791
2792         return se->avg.utilization_avg_contrib - old_contrib;
2793 }
2794
2795 static inline void subtract_blocked_load_contrib(struct cfs_rq *cfs_rq,
2796                                                  long load_contrib)
2797 {
2798         if (likely(load_contrib < cfs_rq->blocked_load_avg))
2799                 cfs_rq->blocked_load_avg -= load_contrib;
2800         else
2801                 cfs_rq->blocked_load_avg = 0;
2802 }
2803
2804 static inline u64 cfs_rq_clock_task(struct cfs_rq *cfs_rq);
2805
2806 /* Update a sched_entity's runnable average */
2807 static inline void update_entity_load_avg(struct sched_entity *se,
2808                                           int update_cfs_rq)
2809 {
2810         struct cfs_rq *cfs_rq = cfs_rq_of(se);
2811         long contrib_delta, utilization_delta;
2812         int cpu = cpu_of(rq_of(cfs_rq));
2813         u64 now;
2814
2815         /*
2816          * For a group entity we need to use their owned cfs_rq_clock_task() in
2817          * case they are the parent of a throttled hierarchy.
2818          */
2819         if (entity_is_task(se))
2820                 now = cfs_rq_clock_task(cfs_rq);
2821         else
2822                 now = cfs_rq_clock_task(group_cfs_rq(se));
2823
2824         if (!__update_entity_runnable_avg(now, cpu, &se->avg, se->on_rq,
2825                                         cfs_rq->curr == se))
2826                 return;
2827
2828         contrib_delta = __update_entity_load_avg_contrib(se);
2829         utilization_delta = __update_entity_utilization_avg_contrib(se);
2830
2831         if (!update_cfs_rq)
2832                 return;
2833
2834         if (se->on_rq) {
2835                 cfs_rq->runnable_load_avg += contrib_delta;
2836                 cfs_rq->utilization_load_avg += utilization_delta;
2837         } else {
2838                 subtract_blocked_load_contrib(cfs_rq, -contrib_delta);
2839         }
2840 }
2841
2842 /*
2843  * Decay the load contributed by all blocked children and account this so that
2844  * their contribution may appropriately discounted when they wake up.
2845  */
2846 static void update_cfs_rq_blocked_load(struct cfs_rq *cfs_rq, int force_update)
2847 {
2848         u64 now = cfs_rq_clock_task(cfs_rq) >> 20;
2849         u64 decays;
2850
2851         decays = now - cfs_rq->last_decay;
2852         if (!decays && !force_update)
2853                 return;
2854
2855         if (atomic_long_read(&cfs_rq->removed_load)) {
2856                 unsigned long removed_load;
2857                 removed_load = atomic_long_xchg(&cfs_rq->removed_load, 0);
2858                 subtract_blocked_load_contrib(cfs_rq, removed_load);
2859         }
2860
2861         if (decays) {
2862                 cfs_rq->blocked_load_avg = decay_load(cfs_rq->blocked_load_avg,
2863                                                       decays);
2864                 atomic64_add(decays, &cfs_rq->decay_counter);
2865                 cfs_rq->last_decay = now;
2866         }
2867
2868         __update_cfs_rq_tg_load_contrib(cfs_rq, force_update);
2869 }
2870
2871 /* Add the load generated by se into cfs_rq's child load-average */
2872 static inline void enqueue_entity_load_avg(struct cfs_rq *cfs_rq,
2873                                                   struct sched_entity *se,
2874                                                   int wakeup)
2875 {
2876         /*
2877          * We track migrations using entity decay_count <= 0, on a wake-up
2878          * migration we use a negative decay count to track the remote decays
2879          * accumulated while sleeping.
2880          *
2881          * Newly forked tasks are enqueued with se->avg.decay_count == 0, they
2882          * are seen by enqueue_entity_load_avg() as a migration with an already
2883          * constructed load_avg_contrib.
2884          */
2885         if (unlikely(se->avg.decay_count <= 0)) {
2886                 se->avg.last_runnable_update = rq_clock_task(rq_of(cfs_rq));
2887                 if (se->avg.decay_count) {
2888                         /*
2889                          * In a wake-up migration we have to approximate the
2890                          * time sleeping.  This is because we can't synchronize
2891                          * clock_task between the two cpus, and it is not
2892                          * guaranteed to be read-safe.  Instead, we can
2893                          * approximate this using our carried decays, which are
2894                          * explicitly atomically readable.
2895                          */
2896                         se->avg.last_runnable_update -= (-se->avg.decay_count)
2897                                                         << 20;
2898                         update_entity_load_avg(se, 0);
2899                         /* Indicate that we're now synchronized and on-rq */
2900                         se->avg.decay_count = 0;
2901                 }
2902                 wakeup = 0;
2903         } else {
2904                 __synchronize_entity_decay(se);
2905         }
2906
2907         /* migrated tasks did not contribute to our blocked load */
2908         if (wakeup) {
2909                 subtract_blocked_load_contrib(cfs_rq, se->avg.load_avg_contrib);
2910                 update_entity_load_avg(se, 0);
2911         }
2912
2913         cfs_rq->runnable_load_avg += se->avg.load_avg_contrib;
2914         cfs_rq->utilization_load_avg += se->avg.utilization_avg_contrib;
2915         /* we force update consideration on load-balancer moves */
2916         update_cfs_rq_blocked_load(cfs_rq, !wakeup);
2917 }
2918
2919 /*
2920  * Remove se's load from this cfs_rq child load-average, if the entity is
2921  * transitioning to a blocked state we track its projected decay using
2922  * blocked_load_avg.
2923  */
2924 static inline void dequeue_entity_load_avg(struct cfs_rq *cfs_rq,
2925                                                   struct sched_entity *se,
2926                                                   int sleep)
2927 {
2928         update_entity_load_avg(se, 1);
2929         /* we force update consideration on load-balancer moves */
2930         update_cfs_rq_blocked_load(cfs_rq, !sleep);
2931
2932         cfs_rq->runnable_load_avg -= se->avg.load_avg_contrib;
2933         cfs_rq->utilization_load_avg -= se->avg.utilization_avg_contrib;
2934         if (sleep) {
2935                 cfs_rq->blocked_load_avg += se->avg.load_avg_contrib;
2936                 se->avg.decay_count = atomic64_read(&cfs_rq->decay_counter);
2937         } /* migrations, e.g. sleep=0 leave decay_count == 0 */
2938 }
2939
2940 /*
2941  * Update the rq's load with the elapsed running time before entering
2942  * idle. if the last scheduled task is not a CFS task, idle_enter will
2943  * be the only way to update the runnable statistic.
2944  */
2945 void idle_enter_fair(struct rq *this_rq)
2946 {
2947         update_rq_runnable_avg(this_rq, 1);
2948 }
2949
2950 /*
2951  * Update the rq's load with the elapsed idle time before a task is
2952  * scheduled. if the newly scheduled task is not a CFS task, idle_exit will
2953  * be the only way to update the runnable statistic.
2954  */
2955 void idle_exit_fair(struct rq *this_rq)
2956 {
2957         update_rq_runnable_avg(this_rq, 0);
2958 }
2959
2960 static int idle_balance(struct rq *this_rq);
2961
2962 #else /* CONFIG_SMP */
2963
2964 static inline void update_entity_load_avg(struct sched_entity *se,
2965                                           int update_cfs_rq) {}
2966 static inline void update_rq_runnable_avg(struct rq *rq, int runnable) {}
2967 static inline void enqueue_entity_load_avg(struct cfs_rq *cfs_rq,
2968                                            struct sched_entity *se,
2969                                            int wakeup) {}
2970 static inline void dequeue_entity_load_avg(struct cfs_rq *cfs_rq,
2971                                            struct sched_entity *se,
2972                                            int sleep) {}
2973 static inline void update_cfs_rq_blocked_load(struct cfs_rq *cfs_rq,
2974                                               int force_update) {}
2975
2976 static inline int idle_balance(struct rq *rq)
2977 {
2978         return 0;
2979 }
2980
2981 #endif /* CONFIG_SMP */
2982
2983 static void enqueue_sleeper(struct cfs_rq *cfs_rq, struct sched_entity *se)
2984 {
2985 #ifdef CONFIG_SCHEDSTATS
2986         struct task_struct *tsk = NULL;
2987
2988         if (entity_is_task(se))
2989                 tsk = task_of(se);
2990
2991         if (se->statistics.sleep_start) {
2992                 u64 delta = rq_clock(rq_of(cfs_rq)) - se->statistics.sleep_start;
2993
2994                 if ((s64)delta < 0)
2995                         delta = 0;
2996
2997                 if (unlikely(delta > se->statistics.sleep_max))
2998                         se->statistics.sleep_max = delta;
2999
3000                 se->statistics.sleep_start = 0;
3001                 se->statistics.sum_sleep_runtime += delta;
3002
3003                 if (tsk) {
3004                         account_scheduler_latency(tsk, delta >> 10, 1);
3005                         trace_sched_stat_sleep(tsk, delta);
3006                 }
3007         }
3008         if (se->statistics.block_start) {
3009                 u64 delta = rq_clock(rq_of(cfs_rq)) - se->statistics.block_start;
3010
3011                 if ((s64)delta < 0)
3012                         delta = 0;
3013
3014                 if (unlikely(delta > se->statistics.block_max))
3015                         se->statistics.block_max = delta;
3016
3017                 se->statistics.block_start = 0;
3018                 se->statistics.sum_sleep_runtime += delta;
3019
3020                 if (tsk) {
3021                         if (tsk->in_iowait) {
3022                                 se->statistics.iowait_sum += delta;
3023                                 se->statistics.iowait_count++;
3024                                 trace_sched_stat_iowait(tsk, delta);
3025                         }
3026
3027                         trace_sched_stat_blocked(tsk, delta);
3028
3029                         /*
3030                          * Blocking time is in units of nanosecs, so shift by
3031                          * 20 to get a milliseconds-range estimation of the
3032                          * amount of time that the task spent sleeping:
3033                          */
3034                         if (unlikely(prof_on == SLEEP_PROFILING)) {
3035                                 profile_hits(SLEEP_PROFILING,
3036                                                 (void *)get_wchan(tsk),
3037                                                 delta >> 20);
3038                         }
3039                         account_scheduler_latency(tsk, delta >> 10, 0);
3040                 }
3041         }
3042 #endif
3043 }
3044
3045 static void check_spread(struct cfs_rq *cfs_rq, struct sched_entity *se)
3046 {
3047 #ifdef CONFIG_SCHED_DEBUG
3048         s64 d = se->vruntime - cfs_rq->min_vruntime;
3049
3050         if (d < 0)
3051                 d = -d;
3052
3053         if (d > 3*sysctl_sched_latency)
3054                 schedstat_inc(cfs_rq, nr_spread_over);
3055 #endif
3056 }
3057
3058 static void
3059 place_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int initial)
3060 {
3061         u64 vruntime = cfs_rq->min_vruntime;
3062
3063         /*
3064          * The 'current' period is already promised to the current tasks,
3065          * however the extra weight of the new task will slow them down a
3066          * little, place the new task so that it fits in the slot that
3067          * stays open at the end.
3068          */
3069         if (initial && sched_feat(START_DEBIT))
3070                 vruntime += sched_vslice(cfs_rq, se);
3071
3072         /* sleeps up to a single latency don't count. */
3073         if (!initial) {
3074                 unsigned long thresh = sysctl_sched_latency;
3075
3076                 /*
3077                  * Halve their sleep time's effect, to allow
3078                  * for a gentler effect of sleepers:
3079                  */
3080                 if (sched_feat(GENTLE_FAIR_SLEEPERS))
3081                         thresh >>= 1;
3082
3083                 vruntime -= thresh;
3084         }
3085
3086         /* ensure we never gain time by being placed backwards. */
3087         se->vruntime = max_vruntime(se->vruntime, vruntime);
3088 }
3089
3090 static void check_enqueue_throttle(struct cfs_rq *cfs_rq);
3091
3092 static void
3093 enqueue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
3094 {
3095         /*
3096          * Update the normalized vruntime before updating min_vruntime
3097          * through calling update_curr().
3098          */
3099         if (!(flags & ENQUEUE_WAKEUP) || (flags & ENQUEUE_WAKING))
3100                 se->vruntime += cfs_rq->min_vruntime;
3101
3102         /*
3103          * Update run-time statistics of the 'current'.
3104          */
3105         update_curr(cfs_rq);
3106         enqueue_entity_load_avg(cfs_rq, se, flags & ENQUEUE_WAKEUP);
3107         account_entity_enqueue(cfs_rq, se);
3108         update_cfs_shares(cfs_rq);
3109
3110         if (flags & ENQUEUE_WAKEUP) {
3111                 place_entity(cfs_rq, se, 0);
3112                 enqueue_sleeper(cfs_rq, se);
3113         }
3114
3115         update_stats_enqueue(cfs_rq, se);
3116         check_spread(cfs_rq, se);
3117         if (se != cfs_rq->curr)
3118                 __enqueue_entity(cfs_rq, se);
3119         se->on_rq = 1;
3120
3121         if (cfs_rq->nr_running == 1) {
3122                 list_add_leaf_cfs_rq(cfs_rq);
3123                 check_enqueue_throttle(cfs_rq);
3124         }
3125 }
3126
3127 static void __clear_buddies_last(struct sched_entity *se)
3128 {
3129         for_each_sched_entity(se) {
3130                 struct cfs_rq *cfs_rq = cfs_rq_of(se);
3131                 if (cfs_rq->last != se)
3132                         break;
3133
3134                 cfs_rq->last = NULL;
3135         }
3136 }
3137
3138 static void __clear_buddies_next(struct sched_entity *se)
3139 {
3140         for_each_sched_entity(se) {
3141                 struct cfs_rq *cfs_rq = cfs_rq_of(se);
3142                 if (cfs_rq->next != se)
3143                         break;
3144
3145                 cfs_rq->next = NULL;
3146         }
3147 }
3148
3149 static void __clear_buddies_skip(struct sched_entity *se)
3150 {
3151         for_each_sched_entity(se) {
3152                 struct cfs_rq *cfs_rq = cfs_rq_of(se);
3153                 if (cfs_rq->skip != se)
3154                         break;
3155
3156                 cfs_rq->skip = NULL;
3157         }
3158 }
3159
3160 static void clear_buddies(struct cfs_rq *cfs_rq, struct sched_entity *se)
3161 {
3162         if (cfs_rq->last == se)
3163                 __clear_buddies_last(se);
3164
3165         if (cfs_rq->next == se)
3166                 __clear_buddies_next(se);
3167
3168         if (cfs_rq->skip == se)
3169                 __clear_buddies_skip(se);
3170 }
3171
3172 static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq);
3173
3174 static void
3175 dequeue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
3176 {
3177         /*
3178          * Update run-time statistics of the 'current'.
3179          */
3180         update_curr(cfs_rq);
3181         dequeue_entity_load_avg(cfs_rq, se, flags & DEQUEUE_SLEEP);
3182
3183         update_stats_dequeue(cfs_rq, se);
3184         if (flags & DEQUEUE_SLEEP) {
3185 #ifdef CONFIG_SCHEDSTATS
3186                 if (entity_is_task(se)) {
3187                         struct task_struct *tsk = task_of(se);
3188
3189                         if (tsk->state & TASK_INTERRUPTIBLE)
3190                                 se->statistics.sleep_start = rq_clock(rq_of(cfs_rq));
3191                         if (tsk->state & TASK_UNINTERRUPTIBLE)
3192                                 se->statistics.block_start = rq_clock(rq_of(cfs_rq));
3193                 }
3194 #endif
3195         }
3196
3197         clear_buddies(cfs_rq, se);
3198
3199         if (se != cfs_rq->curr)
3200                 __dequeue_entity(cfs_rq, se);
3201         se->on_rq = 0;
3202         account_entity_dequeue(cfs_rq, se);
3203
3204         /*
3205          * Normalize the entity after updating the min_vruntime because the
3206          * update can refer to the ->curr item and we need to reflect this
3207          * movement in our normalized position.
3208          */
3209         if (!(flags & DEQUEUE_SLEEP))
3210                 se->vruntime -= cfs_rq->min_vruntime;
3211
3212         /* return excess runtime on last dequeue */
3213         return_cfs_rq_runtime(cfs_rq);
3214
3215         update_min_vruntime(cfs_rq);
3216         update_cfs_shares(cfs_rq);
3217 }
3218
3219 /*
3220  * Preempt the current task with a newly woken task if needed:
3221  */
3222 static void
3223 check_preempt_tick(struct cfs_rq *cfs_rq, struct sched_entity *curr)
3224 {
3225         unsigned long ideal_runtime, delta_exec;
3226         struct sched_entity *se;
3227         s64 delta;
3228
3229         ideal_runtime = sched_slice(cfs_rq, curr);
3230         delta_exec = curr->sum_exec_runtime - curr->prev_sum_exec_runtime;
3231         if (delta_exec > ideal_runtime) {
3232                 resched_curr(rq_of(cfs_rq));
3233                 /*
3234                  * The current task ran long enough, ensure it doesn't get
3235                  * re-elected due to buddy favours.
3236                  */
3237                 clear_buddies(cfs_rq, curr);
3238                 return;
3239         }
3240
3241         /*
3242          * Ensure that a task that missed wakeup preemption by a
3243          * narrow margin doesn't have to wait for a full slice.
3244          * This also mitigates buddy induced latencies under load.
3245          */
3246         if (delta_exec < sysctl_sched_min_granularity)
3247                 return;
3248
3249         se = __pick_first_entity(cfs_rq);
3250         delta = curr->vruntime - se->vruntime;
3251
3252         if (delta < 0)
3253                 return;
3254
3255         if (delta > ideal_runtime)
3256                 resched_curr(rq_of(cfs_rq));
3257 }
3258
3259 static void
3260 set_next_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
3261 {
3262         /* 'current' is not kept within the tree. */
3263         if (se->on_rq) {
3264                 /*
3265                  * Any task has to be enqueued before it get to execute on
3266                  * a CPU. So account for the time it spent waiting on the
3267                  * runqueue.
3268                  */
3269                 update_stats_wait_end(cfs_rq, se);
3270                 __dequeue_entity(cfs_rq, se);
3271                 update_entity_load_avg(se, 1);
3272         }
3273
3274         update_stats_curr_start(cfs_rq, se);
3275         cfs_rq->curr = se;
3276 #ifdef CONFIG_SCHEDSTATS
3277         /*
3278          * Track our maximum slice length, if the CPU's load is at
3279          * least twice that of our own weight (i.e. dont track it
3280          * when there are only lesser-weight tasks around):
3281          */
3282         if (rq_of(cfs_rq)->load.weight >= 2*se->load.weight) {
3283                 se->statistics.slice_max = max(se->statistics.slice_max,
3284                         se->sum_exec_runtime - se->prev_sum_exec_runtime);
3285         }
3286 #endif
3287         se->prev_sum_exec_runtime = se->sum_exec_runtime;
3288 }
3289
3290 static int
3291 wakeup_preempt_entity(struct sched_entity *curr, struct sched_entity *se);
3292
3293 /*
3294  * Pick the next process, keeping these things in mind, in this order:
3295  * 1) keep things fair between processes/task groups
3296  * 2) pick the "next" process, since someone really wants that to run
3297  * 3) pick the "last" process, for cache locality
3298  * 4) do not run the "skip" process, if something else is available
3299  */
3300 static struct sched_entity *
3301 pick_next_entity(struct cfs_rq *cfs_rq, struct sched_entity *curr)
3302 {
3303         struct sched_entity *left = __pick_first_entity(cfs_rq);
3304         struct sched_entity *se;
3305
3306         /*
3307          * If curr is set we have to see if its left of the leftmost entity
3308          * still in the tree, provided there was anything in the tree at all.
3309          */
3310         if (!left || (curr && entity_before(curr, left)))
3311                 left = curr;
3312
3313         se = left; /* ideally we run the leftmost entity */
3314
3315         /*
3316          * Avoid running the skip buddy, if running something else can
3317          * be done without getting too unfair.
3318          */
3319         if (cfs_rq->skip == se) {
3320                 struct sched_entity *second;
3321
3322                 if (se == curr) {
3323                         second = __pick_first_entity(cfs_rq);
3324                 } else {
3325                         second = __pick_next_entity(se);
3326                         if (!second || (curr && entity_before(curr, second)))
3327                                 second = curr;
3328                 }
3329
3330                 if (second && wakeup_preempt_entity(second, left) < 1)
3331                         se = second;
3332         }
3333
3334         /*
3335          * Prefer last buddy, try to return the CPU to a preempted task.
3336          */
3337         if (cfs_rq->last && wakeup_preempt_entity(cfs_rq->last, left) < 1)
3338                 se = cfs_rq->last;
3339
3340         /*
3341          * Someone really wants this to run. If it's not unfair, run it.
3342          */
3343         if (cfs_rq->next && wakeup_preempt_entity(cfs_rq->next, left) < 1)
3344                 se = cfs_rq->next;
3345
3346         clear_buddies(cfs_rq, se);
3347
3348         return se;
3349 }
3350
3351 static bool check_cfs_rq_runtime(struct cfs_rq *cfs_rq);
3352
3353 static void put_prev_entity(struct cfs_rq *cfs_rq, struct sched_entity *prev)
3354 {
3355         /*
3356          * If still on the runqueue then deactivate_task()
3357          * was not called and update_curr() has to be done:
3358          */
3359         if (prev->on_rq)
3360                 update_curr(cfs_rq);
3361
3362         /* throttle cfs_rqs exceeding runtime */
3363         check_cfs_rq_runtime(cfs_rq);
3364
3365         check_spread(cfs_rq, prev);
3366         if (prev->on_rq) {
3367                 update_stats_wait_start(cfs_rq, prev);
3368                 /* Put 'current' back into the tree. */
3369                 __enqueue_entity(cfs_rq, prev);
3370                 /* in !on_rq case, update occurred at dequeue */
3371                 update_entity_load_avg(prev, 1);
3372         }
3373         cfs_rq->curr = NULL;
3374 }
3375
3376 static void
3377 entity_tick(struct cfs_rq *cfs_rq, struct sched_entity *curr, int queued)
3378 {
3379         /*
3380          * Update run-time statistics of the 'current'.
3381          */
3382         update_curr(cfs_rq);
3383
3384         /*
3385          * Ensure that runnable average is periodically updated.
3386          */
3387         update_entity_load_avg(curr, 1);
3388         update_cfs_rq_blocked_load(cfs_rq, 1);
3389         update_cfs_shares(cfs_rq);
3390
3391 #ifdef CONFIG_SCHED_HRTICK
3392         /*
3393          * queued ticks are scheduled to match the slice, so don't bother
3394          * validating it and just reschedule.
3395          */
3396         if (queued) {
3397                 resched_curr(rq_of(cfs_rq));
3398                 return;
3399         }
3400         /*
3401          * don't let the period tick interfere with the hrtick preemption
3402          */
3403         if (!sched_feat(DOUBLE_TICK) &&
3404                         hrtimer_active(&rq_of(cfs_rq)->hrtick_timer))
3405                 return;
3406 #endif
3407
3408         if (cfs_rq->nr_running > 1)
3409                 check_preempt_tick(cfs_rq, curr);
3410 }
3411
3412
3413 /**************************************************
3414  * CFS bandwidth control machinery
3415  */
3416
3417 #ifdef CONFIG_CFS_BANDWIDTH
3418
3419 #ifdef HAVE_JUMP_LABEL
3420 static struct static_key __cfs_bandwidth_used;
3421
3422 static inline bool cfs_bandwidth_used(void)
3423 {
3424         return static_key_false(&__cfs_bandwidth_used);
3425 }
3426
3427 void cfs_bandwidth_usage_inc(void)
3428 {
3429         static_key_slow_inc(&__cfs_bandwidth_used);
3430 }
3431
3432 void cfs_bandwidth_usage_dec(void)
3433 {
3434         static_key_slow_dec(&__cfs_bandwidth_used);
3435 }
3436 #else /* HAVE_JUMP_LABEL */
3437 static bool cfs_bandwidth_used(void)
3438 {
3439         return true;
3440 }
3441
3442 void cfs_bandwidth_usage_inc(void) {}
3443 void cfs_bandwidth_usage_dec(void) {}
3444 #endif /* HAVE_JUMP_LABEL */
3445
3446 /*
3447  * default period for cfs group bandwidth.
3448  * default: 0.1s, units: nanoseconds
3449  */
3450 static inline u64 default_cfs_period(void)
3451 {
3452         return 100000000ULL;
3453 }
3454
3455 static inline u64 sched_cfs_bandwidth_slice(void)
3456 {
3457         return (u64)sysctl_sched_cfs_bandwidth_slice * NSEC_PER_USEC;
3458 }
3459
3460 /*
3461  * Replenish runtime according to assigned quota and update expiration time.
3462  * We use sched_clock_cpu directly instead of rq->clock to avoid adding
3463  * additional synchronization around rq->lock.
3464  *
3465  * requires cfs_b->lock
3466  */
3467 void __refill_cfs_bandwidth_runtime(struct cfs_bandwidth *cfs_b)
3468 {
3469         u64 now;
3470
3471         if (cfs_b->quota == RUNTIME_INF)
3472                 return;
3473
3474         now = sched_clock_cpu(smp_processor_id());
3475         cfs_b->runtime = cfs_b->quota;
3476         cfs_b->runtime_expires = now + ktime_to_ns(cfs_b->period);
3477 }
3478
3479 static inline struct cfs_bandwidth *tg_cfs_bandwidth(struct task_group *tg)
3480 {
3481         return &tg->cfs_bandwidth;
3482 }
3483
3484 /* rq->task_clock normalized against any time this cfs_rq has spent throttled */
3485 static inline u64 cfs_rq_clock_task(struct cfs_rq *cfs_rq)
3486 {
3487         if (unlikely(cfs_rq->throttle_count))
3488                 return cfs_rq->throttled_clock_task;
3489
3490         return rq_clock_task(rq_of(cfs_rq)) - cfs_rq->throttled_clock_task_time;
3491 }
3492
3493 /* returns 0 on failure to allocate runtime */
3494 static int assign_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3495 {
3496         struct task_group *tg = cfs_rq->tg;
3497         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(tg);
3498         u64 amount = 0, min_amount, expires;
3499
3500         /* note: this is a positive sum as runtime_remaining <= 0 */
3501         min_amount = sched_cfs_bandwidth_slice() - cfs_rq->runtime_remaining;
3502
3503         raw_spin_lock(&cfs_b->lock);
3504         if (cfs_b->quota == RUNTIME_INF)
3505                 amount = min_amount;
3506         else {
3507                 start_cfs_bandwidth(cfs_b);
3508
3509                 if (cfs_b->runtime > 0) {
3510                         amount = min(cfs_b->runtime, min_amount);
3511                         cfs_b->runtime -= amount;
3512                         cfs_b->idle = 0;
3513                 }
3514         }
3515         expires = cfs_b->runtime_expires;
3516         raw_spin_unlock(&cfs_b->lock);
3517
3518         cfs_rq->runtime_remaining += amount;
3519         /*
3520          * we may have advanced our local expiration to account for allowed
3521          * spread between our sched_clock and the one on which runtime was
3522          * issued.
3523          */
3524         if ((s64)(expires - cfs_rq->runtime_expires) > 0)
3525                 cfs_rq->runtime_expires = expires;
3526
3527         return cfs_rq->runtime_remaining > 0;
3528 }
3529
3530 /*
3531  * Note: This depends on the synchronization provided by sched_clock and the
3532  * fact that rq->clock snapshots this value.
3533  */
3534 static void expire_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3535 {
3536         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
3537
3538         /* if the deadline is ahead of our clock, nothing to do */
3539         if (likely((s64)(rq_clock(rq_of(cfs_rq)) - cfs_rq->runtime_expires) < 0))
3540                 return;
3541
3542         if (cfs_rq->runtime_remaining < 0)
3543                 return;
3544
3545         /*
3546          * If the local deadline has passed we have to consider the
3547          * possibility that our sched_clock is 'fast' and the global deadline
3548          * has not truly expired.
3549          *
3550          * Fortunately we can check determine whether this the case by checking
3551          * whether the global deadline has advanced. It is valid to compare
3552          * cfs_b->runtime_expires without any locks since we only care about
3553          * exact equality, so a partial write will still work.
3554          */
3555
3556         if (cfs_rq->runtime_expires != cfs_b->runtime_expires) {
3557                 /* extend local deadline, drift is bounded above by 2 ticks */
3558                 cfs_rq->runtime_expires += TICK_NSEC;
3559         } else {
3560                 /* global deadline is ahead, expiration has passed */
3561                 cfs_rq->runtime_remaining = 0;
3562         }
3563 }
3564
3565 static void __account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec)
3566 {
3567         /* dock delta_exec before expiring quota (as it could span periods) */
3568         cfs_rq->runtime_remaining -= delta_exec;
3569         expire_cfs_rq_runtime(cfs_rq);
3570
3571         if (likely(cfs_rq->runtime_remaining > 0))
3572                 return;
3573
3574         /*
3575          * if we're unable to extend our runtime we resched so that the active
3576          * hierarchy can be throttled
3577          */
3578         if (!assign_cfs_rq_runtime(cfs_rq) && likely(cfs_rq->curr))
3579                 resched_curr(rq_of(cfs_rq));
3580 }
3581
3582 static __always_inline
3583 void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec)
3584 {
3585         if (!cfs_bandwidth_used() || !cfs_rq->runtime_enabled)
3586                 return;
3587
3588         __account_cfs_rq_runtime(cfs_rq, delta_exec);
3589 }
3590
3591 static inline int cfs_rq_throttled(struct cfs_rq *cfs_rq)
3592 {
3593         return cfs_bandwidth_used() && cfs_rq->throttled;
3594 }
3595
3596 /* check whether cfs_rq, or any parent, is throttled */
3597 static inline int throttled_hierarchy(struct cfs_rq *cfs_rq)
3598 {
3599         return cfs_bandwidth_used() && cfs_rq->throttle_count;
3600 }
3601
3602 /*
3603  * Ensure that neither of the group entities corresponding to src_cpu or
3604  * dest_cpu are members of a throttled hierarchy when performing group
3605  * load-balance operations.
3606  */
3607 static inline int throttled_lb_pair(struct task_group *tg,
3608                                     int src_cpu, int dest_cpu)
3609 {
3610         struct cfs_rq *src_cfs_rq, *dest_cfs_rq;
3611
3612         src_cfs_rq = tg->cfs_rq[src_cpu];
3613         dest_cfs_rq = tg->cfs_rq[dest_cpu];
3614
3615         return throttled_hierarchy(src_cfs_rq) ||
3616                throttled_hierarchy(dest_cfs_rq);
3617 }
3618
3619 /* updated child weight may affect parent so we have to do this bottom up */
3620 static int tg_unthrottle_up(struct task_group *tg, void *data)
3621 {
3622         struct rq *rq = data;
3623         struct cfs_rq *cfs_rq = tg->cfs_rq[cpu_of(rq)];
3624
3625         cfs_rq->throttle_count--;
3626 #ifdef CONFIG_SMP
3627         if (!cfs_rq->throttle_count) {
3628                 /* adjust cfs_rq_clock_task() */
3629                 cfs_rq->throttled_clock_task_time += rq_clock_task(rq) -
3630                                              cfs_rq->throttled_clock_task;
3631         }
3632 #endif
3633
3634         return 0;
3635 }
3636
3637 static int tg_throttle_down(struct task_group *tg, void *data)
3638 {
3639         struct rq *rq = data;
3640         struct cfs_rq *cfs_rq = tg->cfs_rq[cpu_of(rq)];
3641
3642         /* group is entering throttled state, stop time */
3643         if (!cfs_rq->throttle_count)
3644                 cfs_rq->throttled_clock_task = rq_clock_task(rq);
3645         cfs_rq->throttle_count++;
3646
3647         return 0;
3648 }
3649
3650 static void throttle_cfs_rq(struct cfs_rq *cfs_rq)
3651 {
3652         struct rq *rq = rq_of(cfs_rq);
3653         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
3654         struct sched_entity *se;
3655         long task_delta, dequeue = 1;
3656         bool empty;
3657
3658         se = cfs_rq->tg->se[cpu_of(rq_of(cfs_rq))];
3659
3660         /* freeze hierarchy runnable averages while throttled */
3661         rcu_read_lock();
3662         walk_tg_tree_from(cfs_rq->tg, tg_throttle_down, tg_nop, (void *)rq);
3663         rcu_read_unlock();
3664
3665         task_delta = cfs_rq->h_nr_running;
3666         for_each_sched_entity(se) {
3667                 struct cfs_rq *qcfs_rq = cfs_rq_of(se);
3668                 /* throttled entity or throttle-on-deactivate */
3669                 if (!se->on_rq)
3670                         break;
3671
3672                 if (dequeue)
3673                         dequeue_entity(qcfs_rq, se, DEQUEUE_SLEEP);
3674                 qcfs_rq->h_nr_running -= task_delta;
3675
3676                 if (qcfs_rq->load.weight)
3677                         dequeue = 0;
3678         }
3679
3680         if (!se)
3681                 sub_nr_running(rq, task_delta);
3682
3683         cfs_rq->throttled = 1;
3684         cfs_rq->throttled_clock = rq_clock(rq);
3685         raw_spin_lock(&cfs_b->lock);
3686         empty = list_empty(&cfs_b->throttled_cfs_rq);
3687
3688         /*
3689          * Add to the _head_ of the list, so that an already-started
3690          * distribute_cfs_runtime will not see us
3691          */
3692         list_add_rcu(&cfs_rq->throttled_list, &cfs_b->throttled_cfs_rq);
3693
3694         /*
3695          * If we're the first throttled task, make sure the bandwidth
3696          * timer is running.
3697          */
3698         if (empty)
3699                 start_cfs_bandwidth(cfs_b);
3700
3701         raw_spin_unlock(&cfs_b->lock);
3702 }
3703
3704 void unthrottle_cfs_rq(struct cfs_rq *cfs_rq)
3705 {
3706         struct rq *rq = rq_of(cfs_rq);
3707         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
3708         struct sched_entity *se;
3709         int enqueue = 1;
3710         long task_delta;
3711
3712         se = cfs_rq->tg->se[cpu_of(rq)];
3713
3714         cfs_rq->throttled = 0;
3715
3716         update_rq_clock(rq);
3717
3718         raw_spin_lock(&cfs_b->lock);
3719         cfs_b->throttled_time += rq_clock(rq) - cfs_rq->throttled_clock;
3720         list_del_rcu(&cfs_rq->throttled_list);
3721         raw_spin_unlock(&cfs_b->lock);
3722
3723         /* update hierarchical throttle state */
3724         walk_tg_tree_from(cfs_rq->tg, tg_nop, tg_unthrottle_up, (void *)rq);
3725
3726         if (!cfs_rq->load.weight)
3727                 return;
3728
3729         task_delta = cfs_rq->h_nr_running;
3730         for_each_sched_entity(se) {
3731                 if (se->on_rq)
3732                         enqueue = 0;
3733
3734                 cfs_rq = cfs_rq_of(se);
3735                 if (enqueue)
3736                         enqueue_entity(cfs_rq, se, ENQUEUE_WAKEUP);
3737                 cfs_rq->h_nr_running += task_delta;
3738
3739                 if (cfs_rq_throttled(cfs_rq))
3740                         break;
3741         }
3742
3743         if (!se)
3744                 add_nr_running(rq, task_delta);
3745
3746         /* determine whether we need to wake up potentially idle cpu */
3747         if (rq->curr == rq->idle && rq->cfs.nr_running)
3748                 resched_curr(rq);
3749 }
3750
3751 static u64 distribute_cfs_runtime(struct cfs_bandwidth *cfs_b,
3752                 u64 remaining, u64 expires)
3753 {
3754         struct cfs_rq *cfs_rq;
3755         u64 runtime;
3756         u64 starting_runtime = remaining;
3757
3758         rcu_read_lock();
3759         list_for_each_entry_rcu(cfs_rq, &cfs_b->throttled_cfs_rq,
3760                                 throttled_list) {
3761                 struct rq *rq = rq_of(cfs_rq);
3762
3763                 raw_spin_lock(&rq->lock);
3764                 if (!cfs_rq_throttled(cfs_rq))
3765                         goto next;
3766
3767                 runtime = -cfs_rq->runtime_remaining + 1;
3768                 if (runtime > remaining)
3769                         runtime = remaining;
3770                 remaining -= runtime;
3771
3772                 cfs_rq->runtime_remaining += runtime;
3773                 cfs_rq->runtime_expires = expires;
3774
3775                 /* we check whether we're throttled above */
3776                 if (cfs_rq->runtime_remaining > 0)
3777                         unthrottle_cfs_rq(cfs_rq);
3778
3779 next:
3780                 raw_spin_unlock(&rq->lock);
3781
3782                 if (!remaining)
3783                         break;
3784         }
3785         rcu_read_unlock();
3786
3787         return starting_runtime - remaining;
3788 }
3789
3790 /*
3791  * Responsible for refilling a task_group's bandwidth and unthrottling its
3792  * cfs_rqs as appropriate. If there has been no activity within the last
3793  * period the timer is deactivated until scheduling resumes; cfs_b->idle is
3794  * used to track this state.
3795  */
3796 static int do_sched_cfs_period_timer(struct cfs_bandwidth *cfs_b, int overrun)
3797 {
3798         u64 runtime, runtime_expires;
3799         int throttled;
3800
3801         /* no need to continue the timer with no bandwidth constraint */
3802         if (cfs_b->quota == RUNTIME_INF)
3803                 goto out_deactivate;
3804
3805         throttled = !list_empty(&cfs_b->throttled_cfs_rq);
3806         cfs_b->nr_periods += overrun;
3807
3808         /*
3809          * idle depends on !throttled (for the case of a large deficit), and if
3810          * we're going inactive then everything else can be deferred
3811          */
3812         if (cfs_b->idle && !throttled)
3813                 goto out_deactivate;
3814
3815         __refill_cfs_bandwidth_runtime(cfs_b);
3816
3817         if (!throttled) {
3818                 /* mark as potentially idle for the upcoming period */
3819                 cfs_b->idle = 1;
3820                 return 0;
3821         }
3822
3823         /* account preceding periods in which throttling occurred */
3824         cfs_b->nr_throttled += overrun;
3825
3826         runtime_expires = cfs_b->runtime_expires;
3827
3828         /*
3829          * This check is repeated as we are holding onto the new bandwidth while
3830          * we unthrottle. This can potentially race with an unthrottled group
3831          * trying to acquire new bandwidth from the global pool. This can result
3832          * in us over-using our runtime if it is all used during this loop, but
3833          * only by limited amounts in that extreme case.
3834          */
3835         while (throttled && cfs_b->runtime > 0) {
3836                 runtime = cfs_b->runtime;
3837                 raw_spin_unlock(&cfs_b->lock);
3838                 /* we can't nest cfs_b->lock while distributing bandwidth */
3839                 runtime = distribute_cfs_runtime(cfs_b, runtime,
3840                                                  runtime_expires);
3841                 raw_spin_lock(&cfs_b->lock);
3842
3843                 throttled = !list_empty(&cfs_b->throttled_cfs_rq);
3844
3845                 cfs_b->runtime -= min(runtime, cfs_b->runtime);
3846         }
3847
3848         /*
3849          * While we are ensured activity in the period following an
3850          * unthrottle, this also covers the case in which the new bandwidth is
3851          * insufficient to cover the existing bandwidth deficit.  (Forcing the
3852          * timer to remain active while there are any throttled entities.)
3853          */
3854         cfs_b->idle = 0;
3855
3856         return 0;
3857
3858 out_deactivate:
3859         return 1;
3860 }
3861
3862 /* a cfs_rq won't donate quota below this amount */
3863 static const u64 min_cfs_rq_runtime = 1 * NSEC_PER_MSEC;
3864 /* minimum remaining period time to redistribute slack quota */
3865 static const u64 min_bandwidth_expiration = 2 * NSEC_PER_MSEC;
3866 /* how long we wait to gather additional slack before distributing */
3867 static const u64 cfs_bandwidth_slack_period = 5 * NSEC_PER_MSEC;
3868
3869 /*
3870  * Are we near the end of the current quota period?
3871  *
3872  * Requires cfs_b->lock for hrtimer_expires_remaining to be safe against the
3873  * hrtimer base being cleared by hrtimer_start. In the case of
3874  * migrate_hrtimers, base is never cleared, so we are fine.
3875  */
3876 static int runtime_refresh_within(struct cfs_bandwidth *cfs_b, u64 min_expire)
3877 {
3878         struct hrtimer *refresh_timer = &cfs_b->period_timer;
3879         u64 remaining;
3880
3881         /* if the call-back is running a quota refresh is already occurring */
3882         if (hrtimer_callback_running(refresh_timer))
3883                 return 1;
3884
3885         /* is a quota refresh about to occur? */
3886         remaining = ktime_to_ns(hrtimer_expires_remaining(refresh_timer));
3887         if (remaining < min_expire)
3888                 return 1;
3889
3890         return 0;
3891 }
3892
3893 static void start_cfs_slack_bandwidth(struct cfs_bandwidth *cfs_b)
3894 {
3895         u64 min_left = cfs_bandwidth_slack_period + min_bandwidth_expiration;
3896
3897         /* if there's a quota refresh soon don't bother with slack */
3898         if (runtime_refresh_within(cfs_b, min_left))
3899                 return;
3900
3901         hrtimer_start(&cfs_b->slack_timer,
3902                         ns_to_ktime(cfs_bandwidth_slack_period),
3903                         HRTIMER_MODE_REL);
3904 }
3905
3906 /* we know any runtime found here is valid as update_curr() precedes return */
3907 static void __return_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3908 {
3909         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
3910         s64 slack_runtime = cfs_rq->runtime_remaining - min_cfs_rq_runtime;
3911
3912         if (slack_runtime <= 0)
3913                 return;
3914
3915         raw_spin_lock(&cfs_b->lock);
3916         if (cfs_b->quota != RUNTIME_INF &&
3917             cfs_rq->runtime_expires == cfs_b->runtime_expires) {
3918                 cfs_b->runtime += slack_runtime;
3919
3920                 /* we are under rq->lock, defer unthrottling using a timer */
3921                 if (cfs_b->runtime > sched_cfs_bandwidth_slice() &&
3922                     !list_empty(&cfs_b->throttled_cfs_rq))
3923                         start_cfs_slack_bandwidth(cfs_b);
3924         }
3925         raw_spin_unlock(&cfs_b->lock);
3926
3927         /* even if it's not valid for return we don't want to try again */
3928         cfs_rq->runtime_remaining -= slack_runtime;
3929 }
3930
3931 static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3932 {
3933         if (!cfs_bandwidth_used())
3934                 return;
3935
3936         if (!cfs_rq->runtime_enabled || cfs_rq->nr_running)
3937                 return;
3938
3939         __return_cfs_rq_runtime(cfs_rq);
3940 }
3941
3942 /*
3943  * This is done with a timer (instead of inline with bandwidth return) since
3944  * it's necessary to juggle rq->locks to unthrottle their respective cfs_rqs.
3945  */
3946 static void do_sched_cfs_slack_timer(struct cfs_bandwidth *cfs_b)
3947 {
3948         u64 runtime = 0, slice = sched_cfs_bandwidth_slice();
3949         u64 expires;
3950
3951         /* confirm we're still not at a refresh boundary */
3952         raw_spin_lock(&cfs_b->lock);
3953         if (runtime_refresh_within(cfs_b, min_bandwidth_expiration)) {
3954                 raw_spin_unlock(&cfs_b->lock);
3955                 return;
3956         }
3957
3958         if (cfs_b->quota != RUNTIME_INF && cfs_b->runtime > slice)
3959                 runtime = cfs_b->runtime;
3960
3961         expires = cfs_b->runtime_expires;
3962         raw_spin_unlock(&cfs_b->lock);
3963
3964         if (!runtime)
3965                 return;
3966
3967         runtime = distribute_cfs_runtime(cfs_b, runtime, expires);
3968
3969         raw_spin_lock(&cfs_b->lock);
3970         if (expires == cfs_b->runtime_expires)
3971                 cfs_b->runtime -= min(runtime, cfs_b->runtime);
3972         raw_spin_unlock(&cfs_b->lock);
3973 }
3974
3975 /*
3976  * When a group wakes up we want to make sure that its quota is not already
3977  * expired/exceeded, otherwise it may be allowed to steal additional ticks of
3978  * runtime as update_curr() throttling can not not trigger until it's on-rq.
3979  */
3980 static void check_enqueue_throttle(struct cfs_rq *cfs_rq)
3981 {
3982         if (!cfs_bandwidth_used())
3983                 return;
3984
3985         /* an active group must be handled by the update_curr()->put() path */
3986         if (!cfs_rq->runtime_enabled || cfs_rq->curr)
3987                 return;
3988
3989         /* ensure the group is not already throttled */
3990         if (cfs_rq_throttled(cfs_rq))
3991                 return;
3992
3993         /* update runtime allocation */
3994         account_cfs_rq_runtime(cfs_rq, 0);
3995         if (cfs_rq->runtime_remaining <= 0)
3996                 throttle_cfs_rq(cfs_rq);
3997 }
3998
3999 /* conditionally throttle active cfs_rq's from put_prev_entity() */
4000 static bool check_cfs_rq_runtime(struct cfs_rq *cfs_rq)
4001 {
4002         if (!cfs_bandwidth_used())
4003                 return false;
4004
4005         if (likely(!cfs_rq->runtime_enabled || cfs_rq->runtime_remaining > 0))
4006                 return false;
4007
4008         /*
4009          * it's possible for a throttled entity to be forced into a running
4010          * state (e.g. set_curr_task), in this case we're finished.
4011          */
4012         if (cfs_rq_throttled(cfs_rq))
4013                 return true;
4014
4015         throttle_cfs_rq(cfs_rq);
4016         return true;
4017 }
4018
4019 static enum hrtimer_restart sched_cfs_slack_timer(struct hrtimer *timer)
4020 {
4021         struct cfs_bandwidth *cfs_b =
4022                 container_of(timer, struct cfs_bandwidth, slack_timer);
4023
4024         do_sched_cfs_slack_timer(cfs_b);
4025
4026         return HRTIMER_NORESTART;
4027 }
4028
4029 static enum hrtimer_restart sched_cfs_period_timer(struct hrtimer *timer)
4030 {
4031         struct cfs_bandwidth *cfs_b =
4032                 container_of(timer, struct cfs_bandwidth, period_timer);
4033         int overrun;
4034         int idle = 0;
4035
4036         raw_spin_lock(&cfs_b->lock);
4037         for (;;) {
4038                 overrun = hrtimer_forward_now(timer, cfs_b->period);
4039                 if (!overrun)
4040                         break;
4041
4042                 idle = do_sched_cfs_period_timer(cfs_b, overrun);
4043         }
4044         if (idle)
4045                 cfs_b->period_active = 0;
4046         raw_spin_unlock(&cfs_b->lock);
4047
4048         return idle ? HRTIMER_NORESTART : HRTIMER_RESTART;
4049 }
4050
4051 void init_cfs_bandwidth(struct cfs_bandwidth *cfs_b)
4052 {
4053         raw_spin_lock_init(&cfs_b->lock);
4054         cfs_b->runtime = 0;
4055         cfs_b->quota = RUNTIME_INF;
4056         cfs_b->period = ns_to_ktime(default_cfs_period());
4057
4058         INIT_LIST_HEAD(&cfs_b->throttled_cfs_rq);
4059         hrtimer_init(&cfs_b->period_timer, CLOCK_MONOTONIC, HRTIMER_MODE_ABS_PINNED);
4060         cfs_b->period_timer.function = sched_cfs_period_timer;
4061         hrtimer_init(&cfs_b->slack_timer, CLOCK_MONOTONIC, HRTIMER_MODE_REL);
4062         cfs_b->slack_timer.function = sched_cfs_slack_timer;
4063 }
4064
4065 static void init_cfs_rq_runtime(struct cfs_rq *cfs_rq)
4066 {
4067         cfs_rq->runtime_enabled = 0;
4068         INIT_LIST_HEAD(&cfs_rq->throttled_list);
4069 }
4070
4071 void start_cfs_bandwidth(struct cfs_bandwidth *cfs_b)
4072 {
4073         lockdep_assert_held(&cfs_b->lock);
4074
4075         if (!cfs_b->period_active) {
4076                 cfs_b->period_active = 1;
4077                 hrtimer_forward_now(&cfs_b->period_timer, cfs_b->period);
4078                 hrtimer_start_expires(&cfs_b->period_timer, HRTIMER_MODE_ABS_PINNED);
4079         }
4080 }
4081
4082 static void destroy_cfs_bandwidth(struct cfs_bandwidth *cfs_b)
4083 {
4084         /* init_cfs_bandwidth() was not called */
4085         if (!cfs_b->throttled_cfs_rq.next)
4086                 return;
4087
4088         hrtimer_cancel(&cfs_b->period_timer);
4089         hrtimer_cancel(&cfs_b->slack_timer);
4090 }
4091
4092 static void __maybe_unused update_runtime_enabled(struct rq *rq)
4093 {
4094         struct cfs_rq *cfs_rq;
4095
4096         for_each_leaf_cfs_rq(rq, cfs_rq) {
4097                 struct cfs_bandwidth *cfs_b = &cfs_rq->tg->cfs_bandwidth;
4098
4099                 raw_spin_lock(&cfs_b->lock);
4100                 cfs_rq->runtime_enabled = cfs_b->quota != RUNTIME_INF;
4101                 raw_spin_unlock(&cfs_b->lock);
4102         }
4103 }
4104
4105 static void __maybe_unused unthrottle_offline_cfs_rqs(struct rq *rq)
4106 {
4107         struct cfs_rq *cfs_rq;
4108
4109         for_each_leaf_cfs_rq(rq, cfs_rq) {
4110                 if (!cfs_rq->runtime_enabled)
4111                         continue;
4112
4113                 /*
4114                  * clock_task is not advancing so we just need to make sure
4115                  * there's some valid quota amount
4116                  */
4117                 cfs_rq->runtime_remaining = 1;
4118                 /*
4119                  * Offline rq is schedulable till cpu is completely disabled
4120                  * in take_cpu_down(), so we prevent new cfs throttling here.
4121                  */
4122                 cfs_rq->runtime_enabled = 0;
4123
4124                 if (cfs_rq_throttled(cfs_rq))
4125                         unthrottle_cfs_rq(cfs_rq);
4126         }
4127 }
4128
4129 #else /* CONFIG_CFS_BANDWIDTH */
4130 static inline u64 cfs_rq_clock_task(struct cfs_rq *cfs_rq)
4131 {
4132         return rq_clock_task(rq_of(cfs_rq));
4133 }
4134
4135 static void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec) {}
4136 static bool check_cfs_rq_runtime(struct cfs_rq *cfs_rq) { return false; }
4137 static void check_enqueue_throttle(struct cfs_rq *cfs_rq) {}
4138 static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq) {}
4139
4140 static inline int cfs_rq_throttled(struct cfs_rq *cfs_rq)
4141 {
4142         return 0;
4143 }
4144
4145 static inline int throttled_hierarchy(struct cfs_rq *cfs_rq)
4146 {
4147         return 0;
4148 }
4149
4150 static inline int throttled_lb_pair(struct task_group *tg,
4151                                     int src_cpu, int dest_cpu)
4152 {
4153         return 0;
4154 }
4155
4156 void init_cfs_bandwidth(struct cfs_bandwidth *cfs_b) {}
4157
4158 #ifdef CONFIG_FAIR_GROUP_SCHED
4159 static void init_cfs_rq_runtime(struct cfs_rq *cfs_rq) {}
4160 #endif
4161
4162 static inline struct cfs_bandwidth *tg_cfs_bandwidth(struct task_group *tg)
4163 {
4164         return NULL;
4165 }
4166 static inline void destroy_cfs_bandwidth(struct cfs_bandwidth *cfs_b) {}
4167 static inline void update_runtime_enabled(struct rq *rq) {}
4168 static inline void unthrottle_offline_cfs_rqs(struct rq *rq) {}
4169
4170 #endif /* CONFIG_CFS_BANDWIDTH */
4171
4172 /**************************************************
4173  * CFS operations on tasks:
4174  */
4175
4176 #ifdef CONFIG_SCHED_HRTICK
4177 static void hrtick_start_fair(struct rq *rq, struct task_struct *p)
4178 {
4179         struct sched_entity *se = &p->se;
4180         struct cfs_rq *cfs_rq = cfs_rq_of(se);
4181
4182         WARN_ON(task_rq(p) != rq);
4183
4184         if (cfs_rq->nr_running > 1) {
4185                 u64 slice = sched_slice(cfs_rq, se);
4186                 u64 ran = se->sum_exec_runtime - se->prev_sum_exec_runtime;
4187                 s64 delta = slice - ran;
4188
4189                 if (delta < 0) {
4190                         if (rq->curr == p)
4191                                 resched_curr(rq);
4192                         return;
4193                 }
4194                 hrtick_start(rq, delta);
4195         }
4196 }
4197
4198 /*
4199  * called from enqueue/dequeue and updates the hrtick when the
4200  * current task is from our class and nr_running is low enough
4201  * to matter.
4202  */
4203 static void hrtick_update(struct rq *rq)
4204 {
4205         struct task_struct *curr = rq->curr;
4206
4207         if (!hrtick_enabled(rq) || curr->sched_class != &fair_sched_class)
4208                 return;
4209
4210         if (cfs_rq_of(&curr->se)->nr_running < sched_nr_latency)
4211                 hrtick_start_fair(rq, curr);
4212 }
4213 #else /* !CONFIG_SCHED_HRTICK */
4214 static inline void
4215 hrtick_start_fair(struct rq *rq, struct task_struct *p)
4216 {
4217 }
4218
4219 static inline void hrtick_update(struct rq *rq)
4220 {
4221 }
4222 #endif
4223
4224 /*
4225  * The enqueue_task method is called before nr_running is
4226  * increased. Here we update the fair scheduling stats and
4227  * then put the task into the rbtree:
4228  */
4229 static void
4230 enqueue_task_fair(struct rq *rq, struct task_struct *p, int flags)
4231 {
4232         struct cfs_rq *cfs_rq;
4233         struct sched_entity *se = &p->se;
4234
4235         for_each_sched_entity(se) {
4236                 if (se->on_rq)
4237                         break;
4238                 cfs_rq = cfs_rq_of(se);
4239                 enqueue_entity(cfs_rq, se, flags);
4240
4241                 /*
4242                  * end evaluation on encountering a throttled cfs_rq
4243                  *
4244                  * note: in the case of encountering a throttled cfs_rq we will
4245                  * post the final h_nr_running increment below.
4246                 */
4247                 if (cfs_rq_throttled(cfs_rq))
4248                         break;
4249                 cfs_rq->h_nr_running++;
4250
4251                 flags = ENQUEUE_WAKEUP;
4252         }
4253
4254         for_each_sched_entity(se) {
4255                 cfs_rq = cfs_rq_of(se);
4256                 cfs_rq->h_nr_running++;
4257
4258                 if (cfs_rq_throttled(cfs_rq))
4259                         break;
4260
4261                 update_cfs_shares(cfs_rq);
4262                 update_entity_load_avg(se, 1);
4263         }
4264
4265         if (!se) {
4266                 update_rq_runnable_avg(rq, rq->nr_running);
4267                 add_nr_running(rq, 1);
4268         }
4269         hrtick_update(rq);
4270 }
4271
4272 static void set_next_buddy(struct sched_entity *se);
4273
4274 /*
4275  * The dequeue_task method is called before nr_running is
4276  * decreased. We remove the task from the rbtree and
4277  * update the fair scheduling stats:
4278  */
4279 static void dequeue_task_fair(struct rq *rq, struct task_struct *p, int flags)
4280 {
4281         struct cfs_rq *cfs_rq;
4282         struct sched_entity *se = &p->se;
4283         int task_sleep = flags & DEQUEUE_SLEEP;
4284
4285         for_each_sched_entity(se) {
4286                 cfs_rq = cfs_rq_of(se);
4287                 dequeue_entity(cfs_rq, se, flags);
4288
4289                 /*
4290                  * end evaluation on encountering a throttled cfs_rq
4291                  *
4292                  * note: in the case of encountering a throttled cfs_rq we will
4293                  * post the final h_nr_running decrement below.
4294                 */
4295                 if (cfs_rq_throttled(cfs_rq))
4296                         break;
4297                 cfs_rq->h_nr_running--;
4298
4299                 /* Don't dequeue parent if it has other entities besides us */
4300                 if (cfs_rq->load.weight) {
4301                         /*
4302                          * Bias pick_next to pick a task from this cfs_rq, as
4303                          * p is sleeping when it is within its sched_slice.
4304                          */
4305                         if (task_sleep && parent_entity(se))
4306                                 set_next_buddy(parent_entity(se));
4307
4308                         /* avoid re-evaluating load for this entity */
4309                         se = parent_entity(se);
4310                         break;
4311                 }
4312                 flags |= DEQUEUE_SLEEP;
4313         }
4314
4315         for_each_sched_entity(se) {
4316                 cfs_rq = cfs_rq_of(se);
4317                 cfs_rq->h_nr_running--;
4318
4319                 if (cfs_rq_throttled(cfs_rq))
4320                         break;
4321
4322                 update_cfs_shares(cfs_rq);
4323                 update_entity_load_avg(se, 1);
4324         }
4325
4326         if (!se) {
4327                 sub_nr_running(rq, 1);
4328                 update_rq_runnable_avg(rq, 1);
4329         }
4330         hrtick_update(rq);
4331 }
4332
4333 #ifdef CONFIG_SMP
4334
4335 /*
4336  * per rq 'load' arrray crap; XXX kill this.
4337  */
4338
4339 /*
4340  * The exact cpuload at various idx values, calculated at every tick would be
4341  * load = (2^idx - 1) / 2^idx * load + 1 / 2^idx * cur_load
4342  *
4343  * If a cpu misses updates for n-1 ticks (as it was idle) and update gets called
4344  * on nth tick when cpu may be busy, then we have:
4345  * load = ((2^idx - 1) / 2^idx)^(n-1) * load
4346  * load = (2^idx - 1) / 2^idx) * load + 1 / 2^idx * cur_load
4347  *
4348  * decay_load_missed() below does efficient calculation of
4349  * load = ((2^idx - 1) / 2^idx)^(n-1) * load
4350  * avoiding 0..n-1 loop doing load = ((2^idx - 1) / 2^idx) * load
4351  *
4352  * The calculation is approximated on a 128 point scale.
4353  * degrade_zero_ticks is the number of ticks after which load at any
4354  * particular idx is approximated to be zero.
4355  * degrade_factor is a precomputed table, a row for each load idx.
4356  * Each column corresponds to degradation factor for a power of two ticks,
4357  * based on 128 point scale.
4358  * Example:
4359  * row 2, col 3 (=12) says that the degradation at load idx 2 after
4360  * 8 ticks is 12/128 (which is an approximation of exact factor 3^8/4^8).
4361  *
4362  * With this power of 2 load factors, we can degrade the load n times
4363  * by looking at 1 bits in n and doing as many mult/shift instead of
4364  * n mult/shifts needed by the exact degradation.
4365  */
4366 #define DEGRADE_SHIFT           7
4367 static const unsigned char
4368                 degrade_zero_ticks[CPU_LOAD_IDX_MAX] = {0, 8, 32, 64, 128};
4369 static const unsigned char
4370                 degrade_factor[CPU_LOAD_IDX_MAX][DEGRADE_SHIFT + 1] = {
4371                                         {0, 0, 0, 0, 0, 0, 0, 0},
4372                                         {64, 32, 8, 0, 0, 0, 0, 0},
4373                                         {96, 72, 40, 12, 1, 0, 0},
4374                                         {112, 98, 75, 43, 15, 1, 0},
4375                                         {120, 112, 98, 76, 45, 16, 2} };
4376
4377 /*
4378  * Update cpu_load for any missed ticks, due to tickless idle. The backlog
4379  * would be when CPU is idle and so we just decay the old load without
4380  * adding any new load.
4381  */
4382 static unsigned long
4383 decay_load_missed(unsigned long load, unsigned long missed_updates, int idx)
4384 {
4385         int j = 0;
4386
4387         if (!missed_updates)
4388                 return load;
4389
4390         if (missed_updates >= degrade_zero_ticks[idx])
4391                 return 0;
4392
4393         if (idx == 1)
4394                 return load >> missed_updates;
4395
4396         while (missed_updates) {
4397                 if (missed_updates % 2)
4398                         load = (load * degrade_factor[idx][j]) >> DEGRADE_SHIFT;
4399
4400                 missed_updates >>= 1;
4401                 j++;
4402         }
4403         return load;
4404 }
4405
4406 /*
4407  * Update rq->cpu_load[] statistics. This function is usually called every
4408  * scheduler tick (TICK_NSEC). With tickless idle this will not be called
4409  * every tick. We fix it up based on jiffies.
4410  */
4411 static void __update_cpu_load(struct rq *this_rq, unsigned long this_load,
4412                               unsigned long pending_updates)
4413 {
4414         int i, scale;
4415
4416         this_rq->nr_load_updates++;
4417
4418         /* Update our load: */
4419         this_rq->cpu_load[0] = this_load; /* Fasttrack for idx 0 */
4420         for (i = 1, scale = 2; i < CPU_LOAD_IDX_MAX; i++, scale += scale) {
4421                 unsigned long old_load, new_load;
4422
4423                 /* scale is effectively 1 << i now, and >> i divides by scale */
4424
4425                 old_load = this_rq->cpu_load[i];
4426                 old_load = decay_load_missed(old_load, pending_updates - 1, i);
4427                 new_load = this_load;
4428                 /*
4429                  * Round up the averaging division if load is increasing. This
4430                  * prevents us from getting stuck on 9 if the load is 10, for
4431                  * example.
4432                  */
4433                 if (new_load > old_load)
4434                         new_load += scale - 1;
4435
4436                 this_rq->cpu_load[i] = (old_load * (scale - 1) + new_load) >> i;
4437         }
4438
4439         sched_avg_update(this_rq);
4440 }
4441
4442 #ifdef CONFIG_NO_HZ_COMMON
4443 /*
4444  * There is no sane way to deal with nohz on smp when using jiffies because the
4445  * cpu doing the jiffies update might drift wrt the cpu doing the jiffy reading
4446  * causing off-by-one errors in observed deltas; {0,2} instead of {1,1}.
4447  *
4448  * Therefore we cannot use the delta approach from the regular tick since that
4449  * would seriously skew the load calculation. However we'll make do for those
4450  * updates happening while idle (nohz_idle_balance) or coming out of idle
4451  * (tick_nohz_idle_exit).
4452  *
4453  * This means we might still be one tick off for nohz periods.
4454  */
4455
4456 /*
4457  * Called from nohz_idle_balance() to update the load ratings before doing the
4458  * idle balance.
4459  */
4460 static void update_idle_cpu_load(struct rq *this_rq)
4461 {
4462         unsigned long curr_jiffies = READ_ONCE(jiffies);
4463         unsigned long load = this_rq->cfs.runnable_load_avg;
4464         unsigned long pending_updates;
4465
4466         /*
4467          * bail if there's load or we're actually up-to-date.
4468          */
4469         if (load || curr_jiffies == this_rq->last_load_update_tick)
4470                 return;
4471
4472         pending_updates = curr_jiffies - this_rq->last_load_update_tick;
4473         this_rq->last_load_update_tick = curr_jiffies;
4474
4475         __update_cpu_load(this_rq, load, pending_updates);
4476 }
4477
4478 /*
4479  * Called from tick_nohz_idle_exit() -- try and fix up the ticks we missed.
4480  */
4481 void update_cpu_load_nohz(void)
4482 {
4483         struct rq *this_rq = this_rq();
4484         unsigned long curr_jiffies = READ_ONCE(jiffies);
4485         unsigned long pending_updates;
4486
4487         if (curr_jiffies == this_rq->last_load_update_tick)
4488                 return;
4489
4490         raw_spin_lock(&this_rq->lock);
4491         pending_updates = curr_jiffies - this_rq->last_load_update_tick;
4492         if (pending_updates) {
4493                 this_rq->last_load_update_tick = curr_jiffies;
4494                 /*
4495                  * We were idle, this means load 0, the current load might be
4496                  * !0 due to remote wakeups and the sort.
4497                  */
4498                 __update_cpu_load(this_rq, 0, pending_updates);
4499         }
4500         raw_spin_unlock(&this_rq->lock);
4501 }
4502 #endif /* CONFIG_NO_HZ */
4503
4504 /*
4505  * Called from scheduler_tick()
4506  */
4507 void update_cpu_load_active(struct rq *this_rq)
4508 {
4509         unsigned long load = this_rq->cfs.runnable_load_avg;
4510         /*
4511          * See the mess around update_idle_cpu_load() / update_cpu_load_nohz().
4512          */
4513         this_rq->last_load_update_tick = jiffies;
4514         __update_cpu_load(this_rq, load, 1);
4515 }
4516
4517 /* Used instead of source_load when we know the type == 0 */
4518 static unsigned long weighted_cpuload(const int cpu)
4519 {
4520         return cpu_rq(cpu)->cfs.runnable_load_avg;
4521 }
4522
4523 /*
4524  * Return a low guess at the load of a migration-source cpu weighted
4525  * according to the scheduling class and "nice" value.
4526  *
4527  * We want to under-estimate the load of migration sources, to
4528  * balance conservatively.
4529  */
4530 static unsigned long source_load(int cpu, int type)
4531 {
4532         struct rq *rq = cpu_rq(cpu);
4533         unsigned long total = weighted_cpuload(cpu);
4534
4535         if (type == 0 || !sched_feat(LB_BIAS))
4536                 return total;
4537
4538         return min(rq->cpu_load[type-1], total);
4539 }
4540
4541 /*
4542  * Return a high guess at the load of a migration-target cpu weighted
4543  * according to the scheduling class and "nice" value.
4544  */
4545 static unsigned long target_load(int cpu, int type)
4546 {
4547         struct rq *rq = cpu_rq(cpu);
4548         unsigned long total = weighted_cpuload(cpu);
4549
4550         if (type == 0 || !sched_feat(LB_BIAS))
4551                 return total;
4552
4553         return max(rq->cpu_load[type-1], total);
4554 }
4555
4556 static unsigned long capacity_of(int cpu)
4557 {
4558         return cpu_rq(cpu)->cpu_capacity;
4559 }
4560
4561 static unsigned long capacity_orig_of(int cpu)
4562 {
4563         return cpu_rq(cpu)->cpu_capacity_orig;
4564 }
4565
4566 static unsigned long cpu_avg_load_per_task(int cpu)
4567 {
4568         struct rq *rq = cpu_rq(cpu);
4569         unsigned long nr_running = READ_ONCE(rq->cfs.h_nr_running);
4570         unsigned long load_avg = rq->cfs.runnable_load_avg;
4571
4572         if (nr_running)
4573                 return load_avg / nr_running;
4574
4575         return 0;
4576 }
4577
4578 static void record_wakee(struct task_struct *p)
4579 {
4580         /*
4581          * Rough decay (wiping) for cost saving, don't worry
4582          * about the boundary, really active task won't care
4583          * about the loss.
4584          */
4585         if (time_after(jiffies, current->wakee_flip_decay_ts + HZ)) {
4586                 current->wakee_flips >>= 1;
4587                 current->wakee_flip_decay_ts = jiffies;
4588         }
4589
4590         if (current->last_wakee != p) {
4591                 current->last_wakee = p;
4592                 current->wakee_flips++;
4593         }
4594 }
4595
4596 static void task_waking_fair(struct task_struct *p)
4597 {
4598         struct sched_entity *se = &p->se;
4599         struct cfs_rq *cfs_rq = cfs_rq_of(se);
4600         u64 min_vruntime;
4601
4602 #ifndef CONFIG_64BIT
4603         u64 min_vruntime_copy;
4604
4605         do {
4606                 min_vruntime_copy = cfs_rq->min_vruntime_copy;
4607                 smp_rmb();
4608                 min_vruntime = cfs_rq->min_vruntime;
4609         } while (min_vruntime != min_vruntime_copy);
4610 #else
4611         min_vruntime = cfs_rq->min_vruntime;
4612 #endif
4613
4614         se->vruntime -= min_vruntime;
4615         record_wakee(p);
4616 }
4617
4618 #ifdef CONFIG_FAIR_GROUP_SCHED
4619 /*
4620  * effective_load() calculates the load change as seen from the root_task_group
4621  *
4622  * Adding load to a group doesn't make a group heavier, but can cause movement
4623  * of group shares between cpus. Assuming the shares were perfectly aligned one
4624  * can calculate the shift in shares.
4625  *
4626  * Calculate the effective load difference if @wl is added (subtracted) to @tg
4627  * on this @cpu and results in a total addition (subtraction) of @wg to the
4628  * total group weight.
4629  *
4630  * Given a runqueue weight distribution (rw_i) we can compute a shares
4631  * distribution (s_i) using:
4632  *
4633  *   s_i = rw_i / \Sum rw_j                                             (1)
4634  *
4635  * Suppose we have 4 CPUs and our @tg is a direct child of the root group and
4636  * has 7 equal weight tasks, distributed as below (rw_i), with the resulting
4637  * shares distribution (s_i):
4638  *
4639  *   rw_i = {   2,   4,   1,   0 }
4640  *   s_i  = { 2/7, 4/7, 1/7,   0 }
4641  *
4642  * As per wake_affine() we're interested in the load of two CPUs (the CPU the
4643  * task used to run on and the CPU the waker is running on), we need to
4644  * compute the effect of waking a task on either CPU and, in case of a sync
4645  * wakeup, compute the effect of the current task going to sleep.
4646  *
4647  * So for a change of @wl to the local @cpu with an overall group weight change
4648  * of @wl we can compute the new shares distribution (s'_i) using:
4649  *
4650  *   s'_i = (rw_i + @wl) / (@wg + \Sum rw_j)                            (2)
4651  *
4652  * Suppose we're interested in CPUs 0 and 1, and want to compute the load
4653  * differences in waking a task to CPU 0. The additional task changes the
4654  * weight and shares distributions like:
4655  *
4656  *   rw'_i = {   3,   4,   1,   0 }
4657  *   s'_i  = { 3/8, 4/8, 1/8,   0 }
4658  *
4659  * We can then compute the difference in effective weight by using:
4660  *
4661  *   dw_i = S * (s'_i - s_i)                                            (3)
4662  *
4663  * Where 'S' is the group weight as seen by its parent.
4664  *
4665  * Therefore the effective change in loads on CPU 0 would be 5/56 (3/8 - 2/7)
4666  * times the weight of the group. The effect on CPU 1 would be -4/56 (4/8 -
4667  * 4/7) times the weight of the group.
4668  */
4669 static long effective_load(struct task_group *tg, int cpu, long wl, long wg)
4670 {
4671         struct sched_entity *se = tg->se[cpu];
4672
4673         if (!tg->parent)        /* the trivial, non-cgroup case */
4674                 return wl;
4675
4676         for_each_sched_entity(se) {
4677                 long w, W;
4678
4679                 tg = se->my_q->tg;
4680
4681                 /*
4682                  * W = @wg + \Sum rw_j
4683                  */
4684                 W = wg + calc_tg_weight(tg, se->my_q);
4685
4686                 /*
4687                  * w = rw_i + @wl
4688                  */
4689                 w = se->my_q->load.weight + wl;
4690
4691                 /*
4692                  * wl = S * s'_i; see (2)
4693                  */
4694                 if (W > 0 && w < W)
4695                         wl = (w * (long)tg->shares) / W;
4696                 else
4697                         wl = tg->shares;
4698
4699                 /*
4700                  * Per the above, wl is the new se->load.weight value; since
4701                  * those are clipped to [MIN_SHARES, ...) do so now. See
4702                  * calc_cfs_shares().
4703                  */
4704                 if (wl < MIN_SHARES)
4705                         wl = MIN_SHARES;
4706
4707                 /*
4708                  * wl = dw_i = S * (s'_i - s_i); see (3)
4709                  */
4710                 wl -= se->load.weight;
4711
4712                 /*
4713                  * Recursively apply this logic to all parent groups to compute
4714                  * the final effective load change on the root group. Since
4715                  * only the @tg group gets extra weight, all parent groups can
4716                  * only redistribute existing shares. @wl is the shift in shares
4717                  * resulting from this level per the above.
4718                  */
4719                 wg = 0;
4720         }
4721
4722         return wl;
4723 }
4724 #else
4725
4726 static long effective_load(struct task_group *tg, int cpu, long wl, long wg)
4727 {
4728         return wl;
4729 }
4730
4731 #endif
4732
4733 static int wake_wide(struct task_struct *p)
4734 {
4735         int factor = this_cpu_read(sd_llc_size);
4736
4737         /*
4738          * Yeah, it's the switching-frequency, could means many wakee or
4739          * rapidly switch, use factor here will just help to automatically
4740          * adjust the loose-degree, so bigger node will lead to more pull.
4741          */
4742         if (p->wakee_flips > factor) {
4743                 /*
4744                  * wakee is somewhat hot, it needs certain amount of cpu
4745                  * resource, so if waker is far more hot, prefer to leave
4746                  * it alone.
4747                  */
4748                 if (current->wakee_flips > (factor * p->wakee_flips))
4749                         return 1;
4750         }
4751
4752         return 0;
4753 }
4754
4755 static int wake_affine(struct sched_domain *sd, struct task_struct *p, int sync)
4756 {
4757         s64 this_load, load;
4758         s64 this_eff_load, prev_eff_load;
4759         int idx, this_cpu, prev_cpu;
4760         struct task_group *tg;
4761         unsigned long weight;
4762         int balanced;
4763
4764         /*
4765          * If we wake multiple tasks be careful to not bounce
4766          * ourselves around too much.
4767          */
4768         if (wake_wide(p))
4769                 return 0;
4770
4771         idx       = sd->wake_idx;
4772         this_cpu  = smp_processor_id();
4773         prev_cpu  = task_cpu(p);
4774         load      = source_load(prev_cpu, idx);
4775         this_load = target_load(this_cpu, idx);
4776
4777         /*
4778          * If sync wakeup then subtract the (maximum possible)
4779          * effect of the currently running task from the load
4780          * of the current CPU:
4781          */
4782         if (sync) {
4783                 tg = task_group(current);
4784                 weight = current->se.load.weight;
4785
4786                 this_load += effective_load(tg, this_cpu, -weight, -weight);
4787                 load += effective_load(tg, prev_cpu, 0, -weight);
4788         }
4789
4790         tg = task_group(p);
4791         weight = p->se.load.weight;
4792
4793         /*
4794          * In low-load situations, where prev_cpu is idle and this_cpu is idle
4795          * due to the sync cause above having dropped this_load to 0, we'll
4796          * always have an imbalance, but there's really nothing you can do
4797          * about that, so that's good too.
4798          *
4799          * Otherwise check if either cpus are near enough in load to allow this
4800          * task to be woken on this_cpu.
4801          */
4802         this_eff_load = 100;
4803         this_eff_load *= capacity_of(prev_cpu);
4804
4805         prev_eff_load = 100 + (sd->imbalance_pct - 100) / 2;
4806         prev_eff_load *= capacity_of(this_cpu);
4807
4808         if (this_load > 0) {
4809                 this_eff_load *= this_load +
4810                         effective_load(tg, this_cpu, weight, weight);
4811
4812                 prev_eff_load *= load + effective_load(tg, prev_cpu, 0, weight);
4813         }
4814
4815         balanced = this_eff_load <= prev_eff_load;
4816
4817         schedstat_inc(p, se.statistics.nr_wakeups_affine_attempts);
4818
4819         if (!balanced)
4820                 return 0;
4821
4822         schedstat_inc(sd, ttwu_move_affine);
4823         schedstat_inc(p, se.statistics.nr_wakeups_affine);
4824
4825         return 1;
4826 }
4827
4828 /*
4829  * find_idlest_group finds and returns the least busy CPU group within the
4830  * domain.
4831  */
4832 static struct sched_group *
4833 find_idlest_group(struct sched_domain *sd, struct task_struct *p,
4834                   int this_cpu, int sd_flag)
4835 {
4836         struct sched_group *idlest = NULL, *group = sd->groups;
4837         unsigned long min_load = ULONG_MAX, this_load = 0;
4838         int load_idx = sd->forkexec_idx;
4839         int imbalance = 100 + (sd->imbalance_pct-100)/2;
4840
4841         if (sd_flag & SD_BALANCE_WAKE)
4842                 load_idx = sd->wake_idx;
4843
4844         do {
4845                 unsigned long load, avg_load;
4846                 int local_group;
4847                 int i;
4848
4849                 /* Skip over this group if it has no CPUs allowed */
4850                 if (!cpumask_intersects(sched_group_cpus(group),
4851                                         tsk_cpus_allowed(p)))
4852                         continue;
4853
4854                 local_group = cpumask_test_cpu(this_cpu,
4855                                                sched_group_cpus(group));
4856
4857                 /* Tally up the load of all CPUs in the group */
4858                 avg_load = 0;
4859
4860                 for_each_cpu(i, sched_group_cpus(group)) {
4861                         /* Bias balancing toward cpus of our domain */
4862                         if (local_group)
4863                                 load = source_load(i, load_idx);
4864                         else
4865                                 load = target_load(i, load_idx);
4866
4867                         avg_load += load;
4868                 }
4869
4870                 /* Adjust by relative CPU capacity of the group */
4871                 avg_load = (avg_load * SCHED_CAPACITY_SCALE) / group->sgc->capacity;
4872
4873                 if (local_group) {
4874                         this_load = avg_load;
4875                 } else if (avg_load < min_load) {
4876                         min_load = avg_load;
4877                         idlest = group;
4878                 }
4879         } while (group = group->next, group != sd->groups);
4880
4881         if (!idlest || 100*this_load < imbalance*min_load)
4882                 return NULL;
4883         return idlest;
4884 }
4885
4886 /*
4887  * find_idlest_cpu - find the idlest cpu among the cpus in group.
4888  */
4889 static int
4890 find_idlest_cpu(struct sched_group *group, struct task_struct *p, int this_cpu)
4891 {
4892         unsigned long load, min_load = ULONG_MAX;
4893         unsigned int min_exit_latency = UINT_MAX;
4894         u64 latest_idle_timestamp = 0;
4895         int least_loaded_cpu = this_cpu;
4896         int shallowest_idle_cpu = -1;
4897         int i;
4898
4899         /* Traverse only the allowed CPUs */
4900         for_each_cpu_and(i, sched_group_cpus(group), tsk_cpus_allowed(p)) {
4901                 if (idle_cpu(i)) {
4902                         struct rq *rq = cpu_rq(i);
4903                         struct cpuidle_state *idle = idle_get_state(rq);
4904                         if (idle && idle->exit_latency < min_exit_latency) {
4905                                 /*
4906                                  * We give priority to a CPU whose idle state
4907                                  * has the smallest exit latency irrespective
4908                                  * of any idle timestamp.
4909                                  */
4910                                 min_exit_latency = idle->exit_latency;
4911                                 latest_idle_timestamp = rq->idle_stamp;
4912                                 shallowest_idle_cpu = i;
4913                         } else if ((!idle || idle->exit_latency == min_exit_latency) &&
4914                                    rq->idle_stamp > latest_idle_timestamp) {
4915                                 /*
4916                                  * If equal or no active idle state, then
4917                                  * the most recently idled CPU might have
4918                                  * a warmer cache.
4919                                  */
4920                                 latest_idle_timestamp = rq->idle_stamp;
4921                                 shallowest_idle_cpu = i;
4922                         }
4923                 } else if (shallowest_idle_cpu == -1) {
4924                         load = weighted_cpuload(i);
4925                         if (load < min_load || (load == min_load && i == this_cpu)) {
4926                                 min_load = load;
4927                                 least_loaded_cpu = i;
4928                         }
4929                 }
4930         }
4931
4932         return shallowest_idle_cpu != -1 ? shallowest_idle_cpu : least_loaded_cpu;
4933 }
4934
4935 /*
4936  * Try and locate an idle CPU in the sched_domain.
4937  */
4938 static int select_idle_sibling(struct task_struct *p, int target)
4939 {
4940         struct sched_domain *sd;
4941         struct sched_group *sg;
4942         int i = task_cpu(p);
4943
4944         if (idle_cpu(target))
4945                 return target;
4946
4947         /*
4948          * If the prevous cpu is cache affine and idle, don't be stupid.
4949          */
4950         if (i != target && cpus_share_cache(i, target) && idle_cpu(i))
4951                 return i;
4952
4953         /*
4954          * Otherwise, iterate the domains and find an elegible idle cpu.
4955          */
4956         sd = rcu_dereference(per_cpu(sd_llc, target));
4957         for_each_lower_domain(sd) {
4958                 sg = sd->groups;
4959                 do {
4960                         if (!cpumask_intersects(sched_group_cpus(sg),
4961                                                 tsk_cpus_allowed(p)))
4962                                 goto next;
4963
4964                         for_each_cpu(i, sched_group_cpus(sg)) {
4965                                 if (i == target || !idle_cpu(i))
4966                                         goto next;
4967                         }
4968
4969                         target = cpumask_first_and(sched_group_cpus(sg),
4970                                         tsk_cpus_allowed(p));
4971                         goto done;
4972 next:
4973                         sg = sg->next;
4974                 } while (sg != sd->groups);
4975         }
4976 done:
4977         return target;
4978 }
4979 /*
4980  * get_cpu_usage returns the amount of capacity of a CPU that is used by CFS
4981  * tasks. The unit of the return value must be the one of capacity so we can
4982  * compare the usage with the capacity of the CPU that is available for CFS
4983  * task (ie cpu_capacity).
4984  * cfs.utilization_load_avg is the sum of running time of runnable tasks on a
4985  * CPU. It represents the amount of utilization of a CPU in the range
4986  * [0..SCHED_LOAD_SCALE].  The usage of a CPU can't be higher than the full
4987  * capacity of the CPU because it's about the running time on this CPU.
4988  * Nevertheless, cfs.utilization_load_avg can be higher than SCHED_LOAD_SCALE
4989  * because of unfortunate rounding in avg_period and running_load_avg or just
4990  * after migrating tasks until the average stabilizes with the new running
4991  * time. So we need to check that the usage stays into the range
4992  * [0..cpu_capacity_orig] and cap if necessary.
4993  * Without capping the usage, a group could be seen as overloaded (CPU0 usage
4994  * at 121% + CPU1 usage at 80%) whereas CPU1 has 20% of available capacity
4995  */
4996 static int get_cpu_usage(int cpu)
4997 {
4998         unsigned long usage = cpu_rq(cpu)->cfs.utilization_load_avg;
4999         unsigned long capacity = capacity_orig_of(cpu);
5000
5001         if (usage >= SCHED_LOAD_SCALE)
5002                 return capacity;
5003
5004         return (usage * capacity) >> SCHED_LOAD_SHIFT;
5005 }
5006
5007 /*
5008  * select_task_rq_fair: Select target runqueue for the waking task in domains
5009  * that have the 'sd_flag' flag set. In practice, this is SD_BALANCE_WAKE,
5010  * SD_BALANCE_FORK, or SD_BALANCE_EXEC.
5011  *
5012  * Balances load by selecting the idlest cpu in the idlest group, or under
5013  * certain conditions an idle sibling cpu if the domain has SD_WAKE_AFFINE set.
5014  *
5015  * Returns the target cpu number.
5016  *
5017  * preempt must be disabled.
5018  */
5019 static int
5020 select_task_rq_fair(struct task_struct *p, int prev_cpu, int sd_flag, int wake_flags)
5021 {
5022         struct sched_domain *tmp, *affine_sd = NULL, *sd = NULL;
5023         int cpu = smp_processor_id();
5024         int new_cpu = cpu;
5025         int want_affine = 0;
5026         int sync = wake_flags & WF_SYNC;
5027
5028         if (sd_flag & SD_BALANCE_WAKE)
5029                 want_affine = cpumask_test_cpu(cpu, tsk_cpus_allowed(p));
5030
5031         rcu_read_lock();
5032         for_each_domain(cpu, tmp) {
5033                 if (!(tmp->flags & SD_LOAD_BALANCE))
5034                         continue;
5035
5036                 /*
5037                  * If both cpu and prev_cpu are part of this domain,
5038                  * cpu is a valid SD_WAKE_AFFINE target.
5039                  */
5040                 if (want_affine && (tmp->flags & SD_WAKE_AFFINE) &&
5041                     cpumask_test_cpu(prev_cpu, sched_domain_span(tmp))) {
5042                         affine_sd = tmp;
5043                         break;
5044                 }
5045
5046                 if (tmp->flags & sd_flag)
5047                         sd = tmp;
5048         }
5049
5050         if (affine_sd && cpu != prev_cpu && wake_affine(affine_sd, p, sync))
5051                 prev_cpu = cpu;
5052
5053         if (sd_flag & SD_BALANCE_WAKE) {
5054                 new_cpu = select_idle_sibling(p, prev_cpu);
5055                 goto unlock;
5056         }
5057
5058         while (sd) {
5059                 struct sched_group *group;
5060                 int weight;
5061
5062                 if (!(sd->flags & sd_flag)) {
5063                         sd = sd->child;
5064                         continue;
5065                 }
5066
5067                 group = find_idlest_group(sd, p, cpu, sd_flag);
5068                 if (!group) {
5069                         sd = sd->child;
5070                         continue;
5071                 }
5072
5073                 new_cpu = find_idlest_cpu(group, p, cpu);
5074                 if (new_cpu == -1 || new_cpu == cpu) {
5075                         /* Now try balancing at a lower domain level of cpu */
5076                         sd = sd->child;
5077                         continue;
5078                 }
5079
5080                 /* Now try balancing at a lower domain level of new_cpu */
5081                 cpu = new_cpu;
5082                 weight = sd->span_weight;
5083                 sd = NULL;
5084                 for_each_domain(cpu, tmp) {
5085                         if (weight <= tmp->span_weight)
5086                                 break;
5087                         if (tmp->flags & sd_flag)
5088                                 sd = tmp;
5089                 }
5090                 /* while loop will break here if sd == NULL */
5091         }
5092 unlock:
5093         rcu_read_unlock();
5094
5095         return new_cpu;
5096 }
5097
5098 /*
5099  * Called immediately before a task is migrated to a new cpu; task_cpu(p) and
5100  * cfs_rq_of(p) references at time of call are still valid and identify the
5101  * previous cpu.  However, the caller only guarantees p->pi_lock is held; no
5102  * other assumptions, including the state of rq->lock, should be made.
5103  */
5104 static void
5105 migrate_task_rq_fair(struct task_struct *p, int next_cpu)
5106 {
5107         struct sched_entity *se = &p->se;
5108         struct cfs_rq *cfs_rq = cfs_rq_of(se);
5109
5110         /*
5111          * Load tracking: accumulate removed load so that it can be processed
5112          * when we next update owning cfs_rq under rq->lock.  Tasks contribute
5113          * to blocked load iff they have a positive decay-count.  It can never
5114          * be negative here since on-rq tasks have decay-count == 0.
5115          */
5116         if (se->avg.decay_count) {
5117                 se->avg.decay_count = -__synchronize_entity_decay(se);
5118                 atomic_long_add(se->avg.load_avg_contrib,
5119                                                 &cfs_rq->removed_load);
5120         }
5121
5122         /* We have migrated, no longer consider this task hot */
5123         se->exec_start = 0;
5124 }
5125 #endif /* CONFIG_SMP */
5126
5127 static unsigned long
5128 wakeup_gran(struct sched_entity *curr, struct sched_entity *se)
5129 {
5130         unsigned long gran = sysctl_sched_wakeup_granularity;
5131
5132         /*
5133          * Since its curr running now, convert the gran from real-time
5134          * to virtual-time in his units.
5135          *
5136          * By using 'se' instead of 'curr' we penalize light tasks, so
5137          * they get preempted easier. That is, if 'se' < 'curr' then
5138          * the resulting gran will be larger, therefore penalizing the
5139          * lighter, if otoh 'se' > 'curr' then the resulting gran will
5140          * be smaller, again penalizing the lighter task.
5141          *
5142          * This is especially important for buddies when the leftmost
5143          * task is higher priority than the buddy.
5144          */
5145         return calc_delta_fair(gran, se);
5146 }
5147
5148 /*
5149  * Should 'se' preempt 'curr'.
5150  *
5151  *             |s1
5152  *        |s2
5153  *   |s3
5154  *         g
5155  *      |<--->|c
5156  *
5157  *  w(c, s1) = -1
5158  *  w(c, s2) =  0
5159  *  w(c, s3) =  1
5160  *
5161  */
5162 static int
5163 wakeup_preempt_entity(struct sched_entity *curr, struct sched_entity *se)
5164 {
5165         s64 gran, vdiff = curr->vruntime - se->vruntime;
5166
5167         if (vdiff <= 0)
5168                 return -1;
5169
5170         gran = wakeup_gran(curr, se);
5171         if (vdiff > gran)
5172                 return 1;
5173
5174         return 0;
5175 }
5176
5177 static void set_last_buddy(struct sched_entity *se)
5178 {
5179         if (entity_is_task(se) && unlikely(task_of(se)->policy == SCHED_IDLE))
5180                 return;
5181
5182         for_each_sched_entity(se)
5183                 cfs_rq_of(se)->last = se;
5184 }
5185
5186 static void set_next_buddy(struct sched_entity *se)
5187 {
5188         if (entity_is_task(se) && unlikely(task_of(se)->policy == SCHED_IDLE))
5189                 return;
5190
5191         for_each_sched_entity(se)
5192                 cfs_rq_of(se)->next = se;
5193 }
5194
5195 static void set_skip_buddy(struct sched_entity *se)
5196 {
5197         for_each_sched_entity(se)
5198                 cfs_rq_of(se)->skip = se;
5199 }
5200
5201 /*
5202  * Preempt the current task with a newly woken task if needed:
5203  */
5204 static void check_preempt_wakeup(struct rq *rq, struct task_struct *p, int wake_flags)
5205 {
5206         struct task_struct *curr = rq->curr;
5207         struct sched_entity *se = &curr->se, *pse = &p->se;
5208         struct cfs_rq *cfs_rq = task_cfs_rq(curr);
5209         int scale = cfs_rq->nr_running >= sched_nr_latency;
5210         int next_buddy_marked = 0;
5211
5212         if (unlikely(se == pse))
5213                 return;
5214
5215         /*
5216          * This is possible from callers such as attach_tasks(), in which we
5217          * unconditionally check_prempt_curr() after an enqueue (which may have
5218          * lead to a throttle).  This both saves work and prevents false
5219          * next-buddy nomination below.
5220          */
5221         if (unlikely(throttled_hierarchy(cfs_rq_of(pse))))
5222                 return;
5223
5224         if (sched_feat(NEXT_BUDDY) && scale && !(wake_flags & WF_FORK)) {
5225                 set_next_buddy(pse);
5226                 next_buddy_marked = 1;
5227         }
5228
5229         /*
5230          * We can come here with TIF_NEED_RESCHED already set from new task
5231          * wake up path.
5232          *
5233          * Note: this also catches the edge-case of curr being in a throttled
5234          * group (e.g. via set_curr_task), since update_curr() (in the
5235          * enqueue of curr) will have resulted in resched being set.  This
5236          * prevents us from potentially nominating it as a false LAST_BUDDY
5237          * below.
5238          */
5239         if (test_tsk_need_resched(curr))
5240                 return;
5241
5242         /* Idle tasks are by definition preempted by non-idle tasks. */
5243         if (unlikely(curr->policy == SCHED_IDLE) &&
5244             likely(p->policy != SCHED_IDLE))
5245                 goto preempt;
5246
5247         /*
5248          * Batch and idle tasks do not preempt non-idle tasks (their preemption
5249          * is driven by the tick):
5250          */
5251         if (unlikely(p->policy != SCHED_NORMAL) || !sched_feat(WAKEUP_PREEMPTION))
5252                 return;
5253
5254         find_matching_se(&se, &pse);
5255         update_curr(cfs_rq_of(se));
5256         BUG_ON(!pse);
5257         if (wakeup_preempt_entity(se, pse) == 1) {
5258                 /*
5259                  * Bias pick_next to pick the sched entity that is
5260                  * triggering this preemption.
5261                  */
5262                 if (!next_buddy_marked)
5263                         set_next_buddy(pse);
5264                 goto preempt;
5265         }
5266
5267         return;
5268
5269 preempt:
5270         resched_curr(rq);
5271         /*
5272          * Only set the backward buddy when the current task is still
5273          * on the rq. This can happen when a wakeup gets interleaved
5274          * with schedule on the ->pre_schedule() or idle_balance()
5275          * point, either of which can * drop the rq lock.
5276          *
5277          * Also, during early boot the idle thread is in the fair class,
5278          * for obvious reasons its a bad idea to schedule back to it.
5279          */
5280         if (unlikely(!se->on_rq || curr == rq->idle))
5281                 return;
5282
5283         if (sched_feat(LAST_BUDDY) && scale && entity_is_task(se))
5284                 set_last_buddy(se);
5285 }
5286
5287 static struct task_struct *
5288 pick_next_task_fair(struct rq *rq, struct task_struct *prev)
5289 {
5290         struct cfs_rq *cfs_rq = &rq->cfs;
5291         struct sched_entity *se;
5292         struct task_struct *p;
5293         int new_tasks;
5294
5295 again:
5296 #ifdef CONFIG_FAIR_GROUP_SCHED
5297         if (!cfs_rq->nr_running)
5298                 goto idle;
5299
5300         if (prev->sched_class != &fair_sched_class)
5301                 goto simple;
5302
5303         /*
5304          * Because of the set_next_buddy() in dequeue_task_fair() it is rather
5305          * likely that a next task is from the same cgroup as the current.
5306          *
5307          * Therefore attempt to avoid putting and setting the entire cgroup
5308          * hierarchy, only change the part that actually changes.
5309          */
5310
5311         do {
5312                 struct sched_entity *curr = cfs_rq->curr;
5313
5314                 /*
5315                  * Since we got here without doing put_prev_entity() we also
5316                  * have to consider cfs_rq->curr. If it is still a runnable
5317                  * entity, update_curr() will update its vruntime, otherwise
5318                  * forget we've ever seen it.
5319                  */
5320                 if (curr) {
5321                         if (curr->on_rq)
5322                                 update_curr(cfs_rq);
5323                         else
5324                                 curr = NULL;
5325
5326                         /*
5327                          * This call to check_cfs_rq_runtime() will do the
5328                          * throttle and dequeue its entity in the parent(s).
5329                          * Therefore the 'simple' nr_running test will indeed
5330                          * be correct.
5331                          */
5332                         if (unlikely(check_cfs_rq_runtime(cfs_rq)))
5333                                 goto simple;
5334                 }
5335
5336                 se = pick_next_entity(cfs_rq, curr);
5337                 cfs_rq = group_cfs_rq(se);
5338         } while (cfs_rq);
5339
5340         p = task_of(se);
5341
5342         /*
5343          * Since we haven't yet done put_prev_entity and if the selected task
5344          * is a different task than we started out with, try and touch the
5345          * least amount of cfs_rqs.
5346          */
5347         if (prev != p) {
5348                 struct sched_entity *pse = &prev->se;
5349
5350                 while (!(cfs_rq = is_same_group(se, pse))) {
5351                         int se_depth = se->depth;
5352                         int pse_depth = pse->depth;
5353
5354                         if (se_depth <= pse_depth) {
5355                                 put_prev_entity(cfs_rq_of(pse), pse);
5356                                 pse = parent_entity(pse);
5357                         }
5358                         if (se_depth >= pse_depth) {
5359                                 set_next_entity(cfs_rq_of(se), se);
5360                                 se = parent_entity(se);
5361                         }
5362                 }
5363
5364                 put_prev_entity(cfs_rq, pse);
5365                 set_next_entity(cfs_rq, se);
5366         }
5367
5368         if (hrtick_enabled(rq))
5369                 hrtick_start_fair(rq, p);
5370
5371         return p;
5372 simple:
5373         cfs_rq = &rq->cfs;
5374 #endif
5375
5376         if (!cfs_rq->nr_running)
5377                 goto idle;
5378
5379         put_prev_task(rq, prev);
5380
5381         do {
5382                 se = pick_next_entity(cfs_rq, NULL);
5383                 set_next_entity(cfs_rq, se);
5384                 cfs_rq = group_cfs_rq(se);
5385         } while (cfs_rq);
5386
5387         p = task_of(se);
5388
5389         if (hrtick_enabled(rq))
5390                 hrtick_start_fair(rq, p);
5391
5392         return p;
5393
5394 idle:
5395         /*
5396          * This is OK, because current is on_cpu, which avoids it being picked
5397          * for load-balance and preemption/IRQs are still disabled avoiding
5398          * further scheduler activity on it and we're being very careful to
5399          * re-start the picking loop.
5400          */
5401         lockdep_unpin_lock(&rq->lock);
5402         new_tasks = idle_balance(rq);
5403         lockdep_pin_lock(&rq->lock);
5404         /*
5405          * Because idle_balance() releases (and re-acquires) rq->lock, it is
5406          * possible for any higher priority task to appear. In that case we
5407          * must re-start the pick_next_entity() loop.
5408          */
5409         if (new_tasks < 0)
5410                 return RETRY_TASK;
5411
5412         if (new_tasks > 0)
5413                 goto again;
5414
5415         return NULL;
5416 }
5417
5418 /*
5419  * Account for a descheduled task:
5420  */
5421 static void put_prev_task_fair(struct rq *rq, struct task_struct *prev)
5422 {
5423         struct sched_entity *se = &prev->se;
5424         struct cfs_rq *cfs_rq;
5425
5426         for_each_sched_entity(se) {
5427                 cfs_rq = cfs_rq_of(se);
5428                 put_prev_entity(cfs_rq, se);
5429         }
5430 }
5431
5432 /*
5433  * sched_yield() is very simple
5434  *
5435  * The magic of dealing with the ->skip buddy is in pick_next_entity.
5436  */
5437 static void yield_task_fair(struct rq *rq)
5438 {
5439         struct task_struct *curr = rq->curr;
5440         struct cfs_rq *cfs_rq = task_cfs_rq(curr);
5441         struct sched_entity *se = &curr->se;
5442
5443         /*
5444          * Are we the only task in the tree?
5445          */
5446         if (unlikely(rq->nr_running == 1))
5447                 return;
5448
5449         clear_buddies(cfs_rq, se);
5450
5451         if (curr->policy != SCHED_BATCH) {
5452                 update_rq_clock(rq);
5453                 /*
5454                  * Update run-time statistics of the 'current'.
5455                  */
5456                 update_curr(cfs_rq);
5457                 /*
5458                  * Tell update_rq_clock() that we've just updated,
5459                  * so we don't do microscopic update in schedule()
5460                  * and double the fastpath cost.
5461                  */
5462                 rq_clock_skip_update(rq, true);
5463         }
5464
5465         set_skip_buddy(se);
5466 }
5467
5468 static bool yield_to_task_fair(struct rq *rq, struct task_struct *p, bool preempt)
5469 {
5470         struct sched_entity *se = &p->se;
5471
5472         /* throttled hierarchies are not runnable */
5473         if (!se->on_rq || throttled_hierarchy(cfs_rq_of(se)))
5474                 return false;
5475
5476         /* Tell the scheduler that we'd really like pse to run next. */
5477         set_next_buddy(se);
5478
5479         yield_task_fair(rq);
5480
5481         return true;
5482 }
5483
5484 #ifdef CONFIG_SMP
5485 /**************************************************
5486  * Fair scheduling class load-balancing methods.
5487  *
5488  * BASICS
5489  *
5490  * The purpose of load-balancing is to achieve the same basic fairness the
5491  * per-cpu scheduler provides, namely provide a proportional amount of compute
5492  * time to each task. This is expressed in the following equation:
5493  *
5494  *   W_i,n/P_i == W_j,n/P_j for all i,j                               (1)
5495  *
5496  * Where W_i,n is the n-th weight average for cpu i. The instantaneous weight
5497  * W_i,0 is defined as:
5498  *
5499  *   W_i,0 = \Sum_j w_i,j                                             (2)
5500  *
5501  * Where w_i,j is the weight of the j-th runnable task on cpu i. This weight
5502  * is derived from the nice value as per prio_to_weight[].
5503  *
5504  * The weight average is an exponential decay average of the instantaneous
5505  * weight:
5506  *
5507  *   W'_i,n = (2^n - 1) / 2^n * W_i,n + 1 / 2^n * W_i,0               (3)
5508  *
5509  * C_i is the compute capacity of cpu i, typically it is the
5510  * fraction of 'recent' time available for SCHED_OTHER task execution. But it
5511  * can also include other factors [XXX].
5512  *
5513  * To achieve this balance we define a measure of imbalance which follows
5514  * directly from (1):
5515  *
5516  *   imb_i,j = max{ avg(W/C), W_i/C_i } - min{ avg(W/C), W_j/C_j }    (4)
5517  *
5518  * We them move tasks around to minimize the imbalance. In the continuous
5519  * function space it is obvious this converges, in the discrete case we get
5520  * a few fun cases generally called infeasible weight scenarios.
5521  *
5522  * [XXX expand on:
5523  *     - infeasible weights;
5524  *     - local vs global optima in the discrete case. ]
5525  *
5526  *
5527  * SCHED DOMAINS
5528  *
5529  * In order to solve the imbalance equation (4), and avoid the obvious O(n^2)
5530  * for all i,j solution, we create a tree of cpus that follows the hardware
5531  * topology where each level pairs two lower groups (or better). This results
5532  * in O(log n) layers. Furthermore we reduce the number of cpus going up the
5533  * tree to only the first of the previous level and we decrease the frequency
5534  * of load-balance at each level inv. proportional to the number of cpus in
5535  * the groups.
5536  *
5537  * This yields:
5538  *
5539  *     log_2 n     1     n
5540  *   \Sum       { --- * --- * 2^i } = O(n)                            (5)
5541  *     i = 0      2^i   2^i
5542  *                               `- size of each group
5543  *         |         |     `- number of cpus doing load-balance
5544  *         |         `- freq
5545  *         `- sum over all levels
5546  *
5547  * Coupled with a limit on how many tasks we can migrate every balance pass,
5548  * this makes (5) the runtime complexity of the balancer.
5549  *
5550  * An important property here is that each CPU is still (indirectly) connected
5551  * to every other cpu in at most O(log n) steps:
5552  *
5553  * The adjacency matrix of the resulting graph is given by:
5554  *
5555  *             log_2 n     
5556  *   A_i,j = \Union     (i % 2^k == 0) && i / 2^(k+1) == j / 2^(k+1)  (6)
5557  *             k = 0
5558  *
5559  * And you'll find that:
5560  *
5561  *   A^(log_2 n)_i,j != 0  for all i,j                                (7)
5562  *
5563  * Showing there's indeed a path between every cpu in at most O(log n) steps.
5564  * The task movement gives a factor of O(m), giving a convergence complexity
5565  * of:
5566  *
5567  *   O(nm log n),  n := nr_cpus, m := nr_tasks                        (8)
5568  *
5569  *
5570  * WORK CONSERVING
5571  *
5572  * In order to avoid CPUs going idle while there's still work to do, new idle
5573  * balancing is more aggressive and has the newly idle cpu iterate up the domain
5574  * tree itself instead of relying on other CPUs to bring it work.
5575  *
5576  * This adds some complexity to both (5) and (8) but it reduces the total idle
5577  * time.
5578  *
5579  * [XXX more?]
5580  *
5581  *
5582  * CGROUPS
5583  *
5584  * Cgroups make a horror show out of (2), instead of a simple sum we get:
5585  *
5586  *                                s_k,i
5587  *   W_i,0 = \Sum_j \Prod_k w_k * -----                               (9)
5588  *                                 S_k
5589  *
5590  * Where
5591  *
5592  *   s_k,i = \Sum_j w_i,j,k  and  S_k = \Sum_i s_k,i                 (10)
5593  *
5594  * w_i,j,k is the weight of the j-th runnable task in the k-th cgroup on cpu i.
5595  *
5596  * The big problem is S_k, its a global sum needed to compute a local (W_i)
5597  * property.
5598  *
5599  * [XXX write more on how we solve this.. _after_ merging pjt's patches that
5600  *      rewrite all of this once again.]
5601  */ 
5602
5603 static unsigned long __read_mostly max_load_balance_interval = HZ/10;
5604
5605 enum fbq_type { regular, remote, all };
5606
5607 #define LBF_ALL_PINNED  0x01
5608 #define LBF_NEED_BREAK  0x02
5609 #define LBF_DST_PINNED  0x04
5610 #define LBF_SOME_PINNED 0x08
5611
5612 struct lb_env {
5613         struct sched_domain     *sd;
5614
5615         struct rq               *src_rq;
5616         int                     src_cpu;
5617
5618         int                     dst_cpu;
5619         struct rq               *dst_rq;
5620
5621         struct cpumask          *dst_grpmask;
5622         int                     new_dst_cpu;
5623         enum cpu_idle_type      idle;
5624         long                    imbalance;
5625         /* The set of CPUs under consideration for load-balancing */
5626         struct cpumask          *cpus;
5627
5628         unsigned int            flags;
5629
5630         unsigned int            loop;
5631         unsigned int            loop_break;
5632         unsigned int            loop_max;
5633
5634         enum fbq_type           fbq_type;
5635         struct list_head        tasks;
5636 };
5637
5638 /*
5639  * Is this task likely cache-hot:
5640  */
5641 static int task_hot(struct task_struct *p, struct lb_env *env)
5642 {
5643         s64 delta;
5644
5645         lockdep_assert_held(&env->src_rq->lock);
5646
5647         if (p->sched_class != &fair_sched_class)
5648                 return 0;
5649
5650         if (unlikely(p->policy == SCHED_IDLE))
5651                 return 0;
5652
5653         /*
5654          * Buddy candidates are cache hot:
5655          */
5656         if (sched_feat(CACHE_HOT_BUDDY) && env->dst_rq->nr_running &&
5657                         (&p->se == cfs_rq_of(&p->se)->next ||
5658                          &p->se == cfs_rq_of(&p->se)->last))
5659                 return 1;
5660
5661         if (sysctl_sched_migration_cost == -1)
5662                 return 1;
5663         if (sysctl_sched_migration_cost == 0)
5664                 return 0;
5665
5666         delta = rq_clock_task(env->src_rq) - p->se.exec_start;
5667
5668         return delta < (s64)sysctl_sched_migration_cost;
5669 }
5670
5671 #ifdef CONFIG_NUMA_BALANCING
5672 /*
5673  * Returns true if the destination node is the preferred node.
5674  * Needs to match fbq_classify_rq(): if there is a runnable task
5675  * that is not on its preferred node, we should identify it.
5676  */
5677 static bool migrate_improves_locality(struct task_struct *p, struct lb_env *env)
5678 {
5679         struct numa_group *numa_group = rcu_dereference(p->numa_group);
5680         unsigned long src_faults, dst_faults;
5681         int src_nid, dst_nid;
5682
5683         if (!sched_feat(NUMA_FAVOUR_HIGHER) || !p->numa_faults ||
5684             !(env->sd->flags & SD_NUMA)) {
5685                 return false;
5686         }
5687
5688         src_nid = cpu_to_node(env->src_cpu);
5689         dst_nid = cpu_to_node(env->dst_cpu);
5690
5691         if (src_nid == dst_nid)
5692                 return false;
5693
5694         /* Encourage migration to the preferred node. */
5695         if (dst_nid == p->numa_preferred_nid)
5696                 return true;
5697
5698         /* Migrating away from the preferred node is bad. */
5699         if (src_nid == p->numa_preferred_nid)
5700                 return false;
5701
5702         if (numa_group) {
5703                 src_faults = group_faults(p, src_nid);
5704                 dst_faults = group_faults(p, dst_nid);
5705         } else {
5706                 src_faults = task_faults(p, src_nid);
5707                 dst_faults = task_faults(p, dst_nid);
5708         }
5709
5710         return dst_faults > src_faults;
5711 }
5712
5713
5714 static bool migrate_degrades_locality(struct task_struct *p, struct lb_env *env)
5715 {
5716         struct numa_group *numa_group = rcu_dereference(p->numa_group);
5717         unsigned long src_faults, dst_faults;
5718         int src_nid, dst_nid;
5719
5720         if (!sched_feat(NUMA) || !sched_feat(NUMA_RESIST_LOWER))
5721                 return false;
5722
5723         if (!p->numa_faults || !(env->sd->flags & SD_NUMA))
5724                 return false;
5725
5726         src_nid = cpu_to_node(env->src_cpu);
5727         dst_nid = cpu_to_node(env->dst_cpu);
5728
5729         if (src_nid == dst_nid)
5730                 return false;
5731
5732         /* Migrating away from the preferred node is bad. */
5733         if (src_nid == p->numa_preferred_nid)
5734                 return true;
5735
5736         /* Encourage migration to the preferred node. */
5737         if (dst_nid == p->numa_preferred_nid)
5738                 return false;
5739
5740         if (numa_group) {
5741                 src_faults = group_faults(p, src_nid);
5742                 dst_faults = group_faults(p, dst_nid);
5743         } else {
5744                 src_faults = task_faults(p, src_nid);
5745                 dst_faults = task_faults(p, dst_nid);
5746         }
5747
5748         return dst_faults < src_faults;
5749 }
5750
5751 #else
5752 static inline bool migrate_improves_locality(struct task_struct *p,
5753                                              struct lb_env *env)
5754 {
5755         return false;
5756 }
5757
5758 static inline bool migrate_degrades_locality(struct task_struct *p,
5759                                              struct lb_env *env)
5760 {
5761         return false;
5762 }
5763 #endif
5764
5765 /*
5766  * can_migrate_task - may task p from runqueue rq be migrated to this_cpu?
5767  */
5768 static
5769 int can_migrate_task(struct task_struct *p, struct lb_env *env)
5770 {
5771         int tsk_cache_hot = 0;
5772
5773         lockdep_assert_held(&env->src_rq->lock);
5774
5775         /*
5776          * We do not migrate tasks that are:
5777          * 1) throttled_lb_pair, or
5778          * 2) cannot be migrated to this CPU due to cpus_allowed, or
5779          * 3) running (obviously), or
5780          * 4) are cache-hot on their current CPU.
5781          */
5782         if (throttled_lb_pair(task_group(p), env->src_cpu, env->dst_cpu))
5783                 return 0;
5784
5785         if (!cpumask_test_cpu(env->dst_cpu, tsk_cpus_allowed(p))) {
5786                 int cpu;
5787
5788                 schedstat_inc(p, se.statistics.nr_failed_migrations_affine);
5789
5790                 env->flags |= LBF_SOME_PINNED;
5791
5792                 /*
5793                  * Remember if this task can be migrated to any other cpu in
5794                  * our sched_group. We may want to revisit it if we couldn't
5795                  * meet load balance goals by pulling other tasks on src_cpu.
5796                  *
5797                  * Also avoid computing new_dst_cpu if we have already computed
5798                  * one in current iteration.
5799                  */
5800                 if (!env->dst_grpmask || (env->flags & LBF_DST_PINNED))
5801                         return 0;
5802
5803                 /* Prevent to re-select dst_cpu via env's cpus */
5804                 for_each_cpu_and(cpu, env->dst_grpmask, env->cpus) {
5805                         if (cpumask_test_cpu(cpu, tsk_cpus_allowed(p))) {
5806                                 env->flags |= LBF_DST_PINNED;
5807                                 env->new_dst_cpu = cpu;
5808                                 break;
5809                         }
5810                 }
5811
5812                 return 0;
5813         }
5814
5815         /* Record that we found atleast one task that could run on dst_cpu */
5816         env->flags &= ~LBF_ALL_PINNED;
5817
5818         if (task_running(env->src_rq, p)) {
5819                 schedstat_inc(p, se.statistics.nr_failed_migrations_running);
5820                 return 0;
5821         }
5822
5823         /*
5824          * Aggressive migration if:
5825          * 1) destination numa is preferred
5826          * 2) task is cache cold, or
5827          * 3) too many balance attempts have failed.
5828          */
5829         tsk_cache_hot = task_hot(p, env);
5830         if (!tsk_cache_hot)
5831                 tsk_cache_hot = migrate_degrades_locality(p, env);
5832
5833         if (migrate_improves_locality(p, env) || !tsk_cache_hot ||
5834             env->sd->nr_balance_failed > env->sd->cache_nice_tries) {
5835                 if (tsk_cache_hot) {
5836                         schedstat_inc(env->sd, lb_hot_gained[env->idle]);
5837                         schedstat_inc(p, se.statistics.nr_forced_migrations);
5838                 }
5839                 return 1;
5840         }
5841
5842         schedstat_inc(p, se.statistics.nr_failed_migrations_hot);
5843         return 0;
5844 }
5845
5846 /*
5847  * detach_task() -- detach the task for the migration specified in env
5848  */
5849 static void detach_task(struct task_struct *p, struct lb_env *env)
5850 {
5851         lockdep_assert_held(&env->src_rq->lock);
5852
5853         deactivate_task(env->src_rq, p, 0);
5854         p->on_rq = TASK_ON_RQ_MIGRATING;
5855         set_task_cpu(p, env->dst_cpu);
5856 }
5857
5858 /*
5859  * detach_one_task() -- tries to dequeue exactly one task from env->src_rq, as
5860  * part of active balancing operations within "domain".
5861  *
5862  * Returns a task if successful and NULL otherwise.
5863  */
5864 static struct task_struct *detach_one_task(struct lb_env *env)
5865 {
5866         struct task_struct *p, *n;
5867
5868         lockdep_assert_held(&env->src_rq->lock);
5869
5870         list_for_each_entry_safe(p, n, &env->src_rq->cfs_tasks, se.group_node) {
5871                 if (!can_migrate_task(p, env))
5872                         continue;
5873
5874                 detach_task(p, env);
5875
5876                 /*
5877                  * Right now, this is only the second place where
5878                  * lb_gained[env->idle] is updated (other is detach_tasks)
5879                  * so we can safely collect stats here rather than
5880                  * inside detach_tasks().
5881                  */
5882                 schedstat_inc(env->sd, lb_gained[env->idle]);
5883                 return p;
5884         }
5885         return NULL;
5886 }
5887
5888 static const unsigned int sched_nr_migrate_break = 32;
5889
5890 /*
5891  * detach_tasks() -- tries to detach up to imbalance weighted load from
5892  * busiest_rq, as part of a balancing operation within domain "sd".
5893  *
5894  * Returns number of detached tasks if successful and 0 otherwise.
5895  */
5896 static int detach_tasks(struct lb_env *env)
5897 {
5898         struct list_head *tasks = &env->src_rq->cfs_tasks;
5899         struct task_struct *p;
5900         unsigned long load;
5901         int detached = 0;
5902
5903         lockdep_assert_held(&env->src_rq->lock);
5904
5905         if (env->imbalance <= 0)
5906                 return 0;
5907
5908         while (!list_empty(tasks)) {
5909                 p = list_first_entry(tasks, struct task_struct, se.group_node);
5910
5911                 env->loop++;
5912                 /* We've more or less seen every task there is, call it quits */
5913                 if (env->loop > env->loop_max)
5914                         break;
5915
5916                 /* take a breather every nr_migrate tasks */
5917                 if (env->loop > env->loop_break) {
5918                         env->loop_break += sched_nr_migrate_break;
5919                         env->flags |= LBF_NEED_BREAK;
5920                         break;
5921                 }
5922
5923                 if (!can_migrate_task(p, env))
5924                         goto next;
5925
5926                 load = task_h_load(p);
5927
5928                 if (sched_feat(LB_MIN) && load < 16 && !env->sd->nr_balance_failed)
5929                         goto next;
5930
5931                 if ((load / 2) > env->imbalance)
5932                         goto next;
5933
5934                 detach_task(p, env);
5935                 list_add(&p->se.group_node, &env->tasks);
5936
5937                 detached++;
5938                 env->imbalance -= load;
5939
5940 #ifdef CONFIG_PREEMPT
5941                 /*
5942                  * NEWIDLE balancing is a source of latency, so preemptible
5943                  * kernels will stop after the first task is detached to minimize
5944                  * the critical section.
5945                  */
5946                 if (env->idle == CPU_NEWLY_IDLE)
5947                         break;
5948 #endif
5949
5950                 /*
5951                  * We only want to steal up to the prescribed amount of
5952                  * weighted load.
5953                  */
5954                 if (env->imbalance <= 0)
5955                         break;
5956
5957                 continue;
5958 next:
5959                 list_move_tail(&p->se.group_node, tasks);
5960         }
5961
5962         /*
5963          * Right now, this is one of only two places we collect this stat
5964          * so we can safely collect detach_one_task() stats here rather
5965          * than inside detach_one_task().
5966          */
5967         schedstat_add(env->sd, lb_gained[env->idle], detached);
5968
5969         return detached;
5970 }
5971
5972 /*
5973  * attach_task() -- attach the task detached by detach_task() to its new rq.
5974  */
5975 static void attach_task(struct rq *rq, struct task_struct *p)
5976 {
5977         lockdep_assert_held(&rq->lock);
5978
5979         BUG_ON(task_rq(p) != rq);
5980         p->on_rq = TASK_ON_RQ_QUEUED;
5981         activate_task(rq, p, 0);
5982         check_preempt_curr(rq, p, 0);
5983 }
5984
5985 /*
5986  * attach_one_task() -- attaches the task returned from detach_one_task() to
5987  * its new rq.
5988  */
5989 static void attach_one_task(struct rq *rq, struct task_struct *p)
5990 {
5991         raw_spin_lock(&rq->lock);
5992         attach_task(rq, p);
5993         raw_spin_unlock(&rq->lock);
5994 }
5995
5996 /*
5997  * attach_tasks() -- attaches all tasks detached by detach_tasks() to their
5998  * new rq.
5999  */
6000 static void attach_tasks(struct lb_env *env)
6001 {
6002         struct list_head *tasks = &env->tasks;
6003         struct task_struct *p;
6004
6005         raw_spin_lock(&env->dst_rq->lock);
6006
6007         while (!list_empty(tasks)) {
6008                 p = list_first_entry(tasks, struct task_struct, se.group_node);
6009                 list_del_init(&p->se.group_node);
6010
6011                 attach_task(env->dst_rq, p);
6012         }
6013
6014         raw_spin_unlock(&env->dst_rq->lock);
6015 }
6016
6017 #ifdef CONFIG_FAIR_GROUP_SCHED
6018 /*
6019  * update tg->load_weight by folding this cpu's load_avg
6020  */
6021 static void __update_blocked_averages_cpu(struct task_group *tg, int cpu)
6022 {
6023         struct sched_entity *se = tg->se[cpu];
6024         struct cfs_rq *cfs_rq = tg->cfs_rq[cpu];
6025
6026         /* throttled entities do not contribute to load */
6027         if (throttled_hierarchy(cfs_rq))
6028                 return;
6029
6030         update_cfs_rq_blocked_load(cfs_rq, 1);
6031
6032         if (se) {
6033                 update_entity_load_avg(se, 1);
6034                 /*
6035                  * We pivot on our runnable average having decayed to zero for
6036                  * list removal.  This generally implies that all our children
6037                  * have also been removed (modulo rounding error or bandwidth
6038                  * control); however, such cases are rare and we can fix these
6039                  * at enqueue.
6040                  *
6041                  * TODO: fix up out-of-order children on enqueue.
6042                  */
6043                 if (!se->avg.runnable_avg_sum && !cfs_rq->nr_running)
6044                         list_del_leaf_cfs_rq(cfs_rq);
6045         } else {
6046                 struct rq *rq = rq_of(cfs_rq);
6047                 update_rq_runnable_avg(rq, rq->nr_running);
6048         }
6049 }
6050
6051 static void update_blocked_averages(int cpu)
6052 {
6053         struct rq *rq = cpu_rq(cpu);
6054         struct cfs_rq *cfs_rq;
6055         unsigned long flags;
6056
6057         raw_spin_lock_irqsave(&rq->lock, flags);
6058         update_rq_clock(rq);
6059         /*
6060          * Iterates the task_group tree in a bottom up fashion, see
6061          * list_add_leaf_cfs_rq() for details.
6062          */
6063         for_each_leaf_cfs_rq(rq, cfs_rq) {
6064                 /*
6065                  * Note: We may want to consider periodically releasing
6066                  * rq->lock about these updates so that creating many task
6067                  * groups does not result in continually extending hold time.
6068                  */
6069                 __update_blocked_averages_cpu(cfs_rq->tg, rq->cpu);
6070         }
6071
6072         raw_spin_unlock_irqrestore(&rq->lock, flags);
6073 }
6074
6075 /*
6076  * Compute the hierarchical load factor for cfs_rq and all its ascendants.
6077  * This needs to be done in a top-down fashion because the load of a child
6078  * group is a fraction of its parents load.
6079  */
6080 static void update_cfs_rq_h_load(struct cfs_rq *cfs_rq)
6081 {
6082         struct rq *rq = rq_of(cfs_rq);
6083         struct sched_entity *se = cfs_rq->tg->se[cpu_of(rq)];
6084         unsigned long now = jiffies;
6085         unsigned long load;
6086
6087         if (cfs_rq->last_h_load_update == now)
6088                 return;
6089
6090         cfs_rq->h_load_next = NULL;
6091         for_each_sched_entity(se) {
6092                 cfs_rq = cfs_rq_of(se);
6093                 cfs_rq->h_load_next = se;
6094                 if (cfs_rq->last_h_load_update == now)
6095                         break;
6096         }
6097
6098         if (!se) {
6099                 cfs_rq->h_load = cfs_rq->runnable_load_avg;
6100                 cfs_rq->last_h_load_update = now;
6101         }
6102
6103         while ((se = cfs_rq->h_load_next) != NULL) {
6104                 load = cfs_rq->h_load;
6105                 load = div64_ul(load * se->avg.load_avg_contrib,
6106                                 cfs_rq->runnable_load_avg + 1);
6107                 cfs_rq = group_cfs_rq(se);
6108                 cfs_rq->h_load = load;
6109                 cfs_rq->last_h_load_update = now;
6110         }
6111 }
6112
6113 static unsigned long task_h_load(struct task_struct *p)
6114 {
6115         struct cfs_rq *cfs_rq = task_cfs_rq(p);
6116
6117         update_cfs_rq_h_load(cfs_rq);
6118         return div64_ul(p->se.avg.load_avg_contrib * cfs_rq->h_load,
6119                         cfs_rq->runnable_load_avg + 1);
6120 }
6121 #else
6122 static inline void update_blocked_averages(int cpu)
6123 {
6124 }
6125
6126 static unsigned long task_h_load(struct task_struct *p)
6127 {
6128         return p->se.avg.load_avg_contrib;
6129 }
6130 #endif
6131
6132 /********** Helpers for find_busiest_group ************************/
6133
6134 enum group_type {
6135         group_other = 0,
6136         group_imbalanced,
6137         group_overloaded,
6138 };
6139
6140 /*
6141  * sg_lb_stats - stats of a sched_group required for load_balancing
6142  */
6143 struct sg_lb_stats {
6144         unsigned long avg_load; /*Avg load across the CPUs of the group */
6145         unsigned long group_load; /* Total load over the CPUs of the group */
6146         unsigned long sum_weighted_load; /* Weighted load of group's tasks */
6147         unsigned long load_per_task;
6148         unsigned long group_capacity;
6149         unsigned long group_usage; /* Total usage of the group */
6150         unsigned int sum_nr_running; /* Nr tasks running in the group */
6151         unsigned int idle_cpus;
6152         unsigned int group_weight;
6153         enum group_type group_type;
6154         int group_no_capacity;
6155 #ifdef CONFIG_NUMA_BALANCING
6156         unsigned int nr_numa_running;
6157         unsigned int nr_preferred_running;
6158 #endif
6159 };
6160
6161 /*
6162  * sd_lb_stats - Structure to store the statistics of a sched_domain
6163  *               during load balancing.
6164  */
6165 struct sd_lb_stats {
6166         struct sched_group *busiest;    /* Busiest group in this sd */
6167         struct sched_group *local;      /* Local group in this sd */
6168         unsigned long total_load;       /* Total load of all groups in sd */
6169         unsigned long total_capacity;   /* Total capacity of all groups in sd */
6170         unsigned long avg_load; /* Average load across all groups in sd */
6171
6172         struct sg_lb_stats busiest_stat;/* Statistics of the busiest group */
6173         struct sg_lb_stats local_stat;  /* Statistics of the local group */
6174 };
6175
6176 static inline void init_sd_lb_stats(struct sd_lb_stats *sds)
6177 {
6178         /*
6179          * Skimp on the clearing to avoid duplicate work. We can avoid clearing
6180          * local_stat because update_sg_lb_stats() does a full clear/assignment.
6181          * We must however clear busiest_stat::avg_load because
6182          * update_sd_pick_busiest() reads this before assignment.
6183          */
6184         *sds = (struct sd_lb_stats){
6185                 .busiest = NULL,
6186                 .local = NULL,
6187                 .total_load = 0UL,
6188                 .total_capacity = 0UL,
6189                 .busiest_stat = {
6190                         .avg_load = 0UL,
6191                         .sum_nr_running = 0,
6192                         .group_type = group_other,
6193                 },
6194         };
6195 }
6196
6197 /**
6198  * get_sd_load_idx - Obtain the load index for a given sched domain.
6199  * @sd: The sched_domain whose load_idx is to be obtained.
6200  * @idle: The idle status of the CPU for whose sd load_idx is obtained.
6201  *
6202  * Return: The load index.
6203  */
6204 static inline int get_sd_load_idx(struct sched_domain *sd,
6205                                         enum cpu_idle_type idle)
6206 {
6207         int load_idx;
6208
6209         switch (idle) {
6210         case CPU_NOT_IDLE:
6211                 load_idx = sd->busy_idx;
6212                 break;
6213
6214         case CPU_NEWLY_IDLE:
6215                 load_idx = sd->newidle_idx;
6216                 break;
6217         default:
6218                 load_idx = sd->idle_idx;
6219                 break;
6220         }
6221
6222         return load_idx;
6223 }
6224
6225 static unsigned long default_scale_cpu_capacity(struct sched_domain *sd, int cpu)
6226 {
6227         if ((sd->flags & SD_SHARE_CPUCAPACITY) && (sd->span_weight > 1))
6228                 return sd->smt_gain / sd->span_weight;
6229
6230         return SCHED_CAPACITY_SCALE;
6231 }
6232
6233 unsigned long __weak arch_scale_cpu_capacity(struct sched_domain *sd, int cpu)
6234 {
6235         return default_scale_cpu_capacity(sd, cpu);
6236 }
6237
6238 static unsigned long scale_rt_capacity(int cpu)
6239 {
6240         struct rq *rq = cpu_rq(cpu);
6241         u64 total, used, age_stamp, avg;
6242         s64 delta;
6243
6244         /*
6245          * Since we're reading these variables without serialization make sure
6246          * we read them once before doing sanity checks on them.
6247          */
6248         age_stamp = READ_ONCE(rq->age_stamp);
6249         avg = READ_ONCE(rq->rt_avg);
6250         delta = __rq_clock_broken(rq) - age_stamp;
6251
6252         if (unlikely(delta < 0))
6253                 delta = 0;
6254
6255         total = sched_avg_period() + delta;
6256
6257         used = div_u64(avg, total);
6258
6259         if (likely(used < SCHED_CAPACITY_SCALE))
6260                 return SCHED_CAPACITY_SCALE - used;
6261
6262         return 1;
6263 }
6264
6265 static void update_cpu_capacity(struct sched_domain *sd, int cpu)
6266 {
6267         unsigned long capacity = SCHED_CAPACITY_SCALE;
6268         struct sched_group *sdg = sd->groups;
6269
6270         if (sched_feat(ARCH_CAPACITY))
6271                 capacity *= arch_scale_cpu_capacity(sd, cpu);
6272         else
6273                 capacity *= default_scale_cpu_capacity(sd, cpu);
6274
6275         capacity >>= SCHED_CAPACITY_SHIFT;
6276
6277         cpu_rq(cpu)->cpu_capacity_orig = capacity;
6278
6279         capacity *= scale_rt_capacity(cpu);
6280         capacity >>= SCHED_CAPACITY_SHIFT;
6281
6282         if (!capacity)
6283                 capacity = 1;
6284
6285         cpu_rq(cpu)->cpu_capacity = capacity;
6286         sdg->sgc->capacity = capacity;
6287 }
6288
6289 void update_group_capacity(struct sched_domain *sd, int cpu)
6290 {
6291         struct sched_domain *child = sd->child;
6292         struct sched_group *group, *sdg = sd->groups;
6293         unsigned long capacity;
6294         unsigned long interval;
6295
6296         interval = msecs_to_jiffies(sd->balance_interval);
6297         interval = clamp(interval, 1UL, max_load_balance_interval);
6298         sdg->sgc->next_update = jiffies + interval;
6299
6300         if (!child) {
6301                 update_cpu_capacity(sd, cpu);
6302                 return;
6303         }
6304
6305         capacity = 0;
6306
6307         if (child->flags & SD_OVERLAP) {
6308                 /*
6309                  * SD_OVERLAP domains cannot assume that child groups
6310                  * span the current group.
6311                  */
6312
6313                 for_each_cpu(cpu, sched_group_cpus(sdg)) {
6314                         struct sched_group_capacity *sgc;
6315                         struct rq *rq = cpu_rq(cpu);
6316
6317                         /*
6318                          * build_sched_domains() -> init_sched_groups_capacity()
6319                          * gets here before we've attached the domains to the
6320                          * runqueues.
6321                          *
6322                          * Use capacity_of(), which is set irrespective of domains
6323                          * in update_cpu_capacity().
6324                          *
6325                          * This avoids capacity from being 0 and
6326                          * causing divide-by-zero issues on boot.
6327                          */
6328                         if (unlikely(!rq->sd)) {
6329                                 capacity += capacity_of(cpu);
6330                                 continue;
6331                         }
6332
6333                         sgc = rq->sd->groups->sgc;
6334                         capacity += sgc->capacity;
6335                 }
6336         } else  {
6337                 /*
6338                  * !SD_OVERLAP domains can assume that child groups
6339                  * span the current group.
6340                  */ 
6341
6342                 group = child->groups;
6343                 do {
6344                         capacity += group->sgc->capacity;
6345                         group = group->next;
6346                 } while (group != child->groups);
6347         }
6348
6349         sdg->sgc->capacity = capacity;
6350 }
6351
6352 /*
6353  * Check whether the capacity of the rq has been noticeably reduced by side
6354  * activity. The imbalance_pct is used for the threshold.
6355  * Return true is the capacity is reduced
6356  */
6357 static inline int
6358 check_cpu_capacity(struct rq *rq, struct sched_domain *sd)
6359 {
6360         return ((rq->cpu_capacity * sd->imbalance_pct) <
6361                                 (rq->cpu_capacity_orig * 100));
6362 }
6363
6364 /*
6365  * Group imbalance indicates (and tries to solve) the problem where balancing
6366  * groups is inadequate due to tsk_cpus_allowed() constraints.
6367  *
6368  * Imagine a situation of two groups of 4 cpus each and 4 tasks each with a
6369  * cpumask covering 1 cpu of the first group and 3 cpus of the second group.
6370  * Something like:
6371  *
6372  *      { 0 1 2 3 } { 4 5 6 7 }
6373  *              *     * * *
6374  *
6375  * If we were to balance group-wise we'd place two tasks in the first group and
6376  * two tasks in the second group. Clearly this is undesired as it will overload
6377  * cpu 3 and leave one of the cpus in the second group unused.
6378  *
6379  * The current solution to this issue is detecting the skew in the first group
6380  * by noticing the lower domain failed to reach balance and had difficulty
6381  * moving tasks due to affinity constraints.
6382  *
6383  * When this is so detected; this group becomes a candidate for busiest; see
6384  * update_sd_pick_busiest(). And calculate_imbalance() and
6385  * find_busiest_group() avoid some of the usual balance conditions to allow it
6386  * to create an effective group imbalance.
6387  *
6388  * This is a somewhat tricky proposition since the next run might not find the
6389  * group imbalance and decide the groups need to be balanced again. A most
6390  * subtle and fragile situation.
6391  */
6392
6393 static inline int sg_imbalanced(struct sched_group *group)
6394 {
6395         return group->sgc->imbalance;
6396 }
6397
6398 /*
6399  * group_has_capacity returns true if the group has spare capacity that could
6400  * be used by some tasks.
6401  * We consider that a group has spare capacity if the  * number of task is
6402  * smaller than the number of CPUs or if the usage is lower than the available
6403  * capacity for CFS tasks.
6404  * For the latter, we use a threshold to stabilize the state, to take into
6405  * account the variance of the tasks' load and to return true if the available
6406  * capacity in meaningful for the load balancer.
6407  * As an example, an available capacity of 1% can appear but it doesn't make
6408  * any benefit for the load balance.
6409  */
6410 static inline bool
6411 group_has_capacity(struct lb_env *env, struct sg_lb_stats *sgs)
6412 {
6413         if (sgs->sum_nr_running < sgs->group_weight)
6414                 return true;
6415
6416         if ((sgs->group_capacity * 100) >
6417                         (sgs->group_usage * env->sd->imbalance_pct))
6418                 return true;
6419
6420         return false;
6421 }
6422
6423 /*
6424  *  group_is_overloaded returns true if the group has more tasks than it can
6425  *  handle.
6426  *  group_is_overloaded is not equals to !group_has_capacity because a group
6427  *  with the exact right number of tasks, has no more spare capacity but is not
6428  *  overloaded so both group_has_capacity and group_is_overloaded return
6429  *  false.
6430  */
6431 static inline bool
6432 group_is_overloaded(struct lb_env *env, struct sg_lb_stats *sgs)
6433 {
6434         if (sgs->sum_nr_running <= sgs->group_weight)
6435                 return false;
6436
6437         if ((sgs->group_capacity * 100) <
6438                         (sgs->group_usage * env->sd->imbalance_pct))
6439                 return true;
6440
6441         return false;
6442 }
6443
6444 static enum group_type group_classify(struct lb_env *env,
6445                 struct sched_group *group,
6446                 struct sg_lb_stats *sgs)
6447 {
6448         if (sgs->group_no_capacity)
6449                 return group_overloaded;
6450
6451         if (sg_imbalanced(group))
6452                 return group_imbalanced;
6453
6454         return group_other;
6455 }
6456
6457 /**
6458  * update_sg_lb_stats - Update sched_group's statistics for load balancing.
6459  * @env: The load balancing environment.
6460  * @group: sched_group whose statistics are to be updated.
6461  * @load_idx: Load index of sched_domain of this_cpu for load calc.
6462  * @local_group: Does group contain this_cpu.
6463  * @sgs: variable to hold the statistics for this group.
6464  * @overload: Indicate more than one runnable task for any CPU.
6465  */
6466 static inline void update_sg_lb_stats(struct lb_env *env,
6467                         struct sched_group *group, int load_idx,
6468                         int local_group, struct sg_lb_stats *sgs,
6469                         bool *overload)
6470 {
6471         unsigned long load;
6472         int i;
6473
6474         memset(sgs, 0, sizeof(*sgs));
6475
6476         for_each_cpu_and(i, sched_group_cpus(group), env->cpus) {
6477                 struct rq *rq = cpu_rq(i);
6478
6479                 /* Bias balancing toward cpus of our domain */
6480                 if (local_group)
6481                         load = target_load(i, load_idx);
6482                 else
6483                         load = source_load(i, load_idx);
6484
6485                 sgs->group_load += load;
6486                 sgs->group_usage += get_cpu_usage(i);
6487                 sgs->sum_nr_running += rq->cfs.h_nr_running;
6488
6489                 if (rq->nr_running > 1)
6490                         *overload = true;
6491
6492 #ifdef CONFIG_NUMA_BALANCING
6493                 sgs->nr_numa_running += rq->nr_numa_running;
6494                 sgs->nr_preferred_running += rq->nr_preferred_running;
6495 #endif
6496                 sgs->sum_weighted_load += weighted_cpuload(i);
6497                 if (idle_cpu(i))
6498                         sgs->idle_cpus++;
6499         }
6500
6501         /* Adjust by relative CPU capacity of the group */
6502         sgs->group_capacity = group->sgc->capacity;
6503         sgs->avg_load = (sgs->group_load*SCHED_CAPACITY_SCALE) / sgs->group_capacity;
6504
6505         if (sgs->sum_nr_running)
6506                 sgs->load_per_task = sgs->sum_weighted_load / sgs->sum_nr_running;
6507
6508         sgs->group_weight = group->group_weight;
6509
6510         sgs->group_no_capacity = group_is_overloaded(env, sgs);
6511         sgs->group_type = group_classify(env, group, sgs);
6512 }
6513
6514 /**
6515  * update_sd_pick_busiest - return 1 on busiest group
6516  * @env: The load balancing environment.
6517  * @sds: sched_domain statistics
6518  * @sg: sched_group candidate to be checked for being the busiest
6519  * @sgs: sched_group statistics
6520  *
6521  * Determine if @sg is a busier group than the previously selected
6522  * busiest group.
6523  *
6524  * Return: %true if @sg is a busier group than the previously selected
6525  * busiest group. %false otherwise.
6526  */
6527 static bool update_sd_pick_busiest(struct lb_env *env,
6528                                    struct sd_lb_stats *sds,
6529                                    struct sched_group *sg,
6530                                    struct sg_lb_stats *sgs)
6531 {
6532         struct sg_lb_stats *busiest = &sds->busiest_stat;
6533
6534         if (sgs->group_type > busiest->group_type)
6535                 return true;
6536
6537         if (sgs->group_type < busiest->group_type)
6538                 return false;
6539
6540         if (sgs->avg_load <= busiest->avg_load)
6541                 return false;
6542
6543         /* This is the busiest node in its class. */
6544         if (!(env->sd->flags & SD_ASYM_PACKING))
6545                 return true;
6546
6547         /*
6548          * ASYM_PACKING needs to move all the work to the lowest
6549          * numbered CPUs in the group, therefore mark all groups
6550          * higher than ourself as busy.
6551          */
6552         if (sgs->sum_nr_running && env->dst_cpu < group_first_cpu(sg)) {
6553                 if (!sds->busiest)
6554                         return true;
6555
6556                 if (group_first_cpu(sds->busiest) > group_first_cpu(sg))
6557                         return true;
6558         }
6559
6560         return false;
6561 }
6562
6563 #ifdef CONFIG_NUMA_BALANCING
6564 static inline enum fbq_type fbq_classify_group(struct sg_lb_stats *sgs)
6565 {
6566         if (sgs->sum_nr_running > sgs->nr_numa_running)
6567                 return regular;
6568         if (sgs->sum_nr_running > sgs->nr_preferred_running)
6569                 return remote;
6570         return all;
6571 }
6572
6573 static inline enum fbq_type fbq_classify_rq(struct rq *rq)
6574 {
6575         if (rq->nr_running > rq->nr_numa_running)
6576                 return regular;
6577         if (rq->nr_running > rq->nr_preferred_running)
6578                 return remote;
6579         return all;
6580 }
6581 #else
6582 static inline enum fbq_type fbq_classify_group(struct sg_lb_stats *sgs)
6583 {
6584         return all;
6585 }
6586
6587 static inline enum fbq_type fbq_classify_rq(struct rq *rq)
6588 {
6589         return regular;
6590 }
6591 #endif /* CONFIG_NUMA_BALANCING */
6592
6593 /**
6594  * update_sd_lb_stats - Update sched_domain's statistics for load balancing.
6595  * @env: The load balancing environment.
6596  * @sds: variable to hold the statistics for this sched_domain.
6597  */
6598 static inline void update_sd_lb_stats(struct lb_env *env, struct sd_lb_stats *sds)
6599 {
6600         struct sched_domain *child = env->sd->child;
6601         struct sched_group *sg = env->sd->groups;
6602         struct sg_lb_stats tmp_sgs;
6603         int load_idx, prefer_sibling = 0;
6604         bool overload = false;
6605
6606         if (child && child->flags & SD_PREFER_SIBLING)
6607                 prefer_sibling = 1;
6608
6609         load_idx = get_sd_load_idx(env->sd, env->idle);
6610
6611         do {
6612                 struct sg_lb_stats *sgs = &tmp_sgs;
6613                 int local_group;
6614
6615                 local_group = cpumask_test_cpu(env->dst_cpu, sched_group_cpus(sg));
6616                 if (local_group) {
6617                         sds->local = sg;
6618                         sgs = &sds->local_stat;
6619
6620                         if (env->idle != CPU_NEWLY_IDLE ||
6621                             time_after_eq(jiffies, sg->sgc->next_update))
6622                                 update_group_capacity(env->sd, env->dst_cpu);
6623                 }
6624
6625                 update_sg_lb_stats(env, sg, load_idx, local_group, sgs,
6626                                                 &overload);
6627
6628                 if (local_group)
6629                         goto next_group;
6630
6631                 /*
6632                  * In case the child domain prefers tasks go to siblings
6633                  * first, lower the sg capacity so that we'll try
6634                  * and move all the excess tasks away. We lower the capacity
6635                  * of a group only if the local group has the capacity to fit
6636                  * these excess tasks. The extra check prevents the case where
6637                  * you always pull from the heaviest group when it is already
6638                  * under-utilized (possible with a large weight task outweighs
6639                  * the tasks on the system).
6640                  */
6641                 if (prefer_sibling && sds->local &&
6642                     group_has_capacity(env, &sds->local_stat) &&
6643                     (sgs->sum_nr_running > 1)) {
6644                         sgs->group_no_capacity = 1;
6645                         sgs->group_type = group_overloaded;
6646                 }
6647
6648                 if (update_sd_pick_busiest(env, sds, sg, sgs)) {
6649                         sds->busiest = sg;
6650                         sds->busiest_stat = *sgs;
6651                 }
6652
6653 next_group:
6654                 /* Now, start updating sd_lb_stats */
6655                 sds->total_load += sgs->group_load;
6656                 sds->total_capacity += sgs->group_capacity;
6657
6658                 sg = sg->next;
6659         } while (sg != env->sd->groups);
6660
6661         if (env->sd->flags & SD_NUMA)
6662                 env->fbq_type = fbq_classify_group(&sds->busiest_stat);
6663
6664         if (!env->sd->parent) {
6665                 /* update overload indicator if we are at root domain */
6666                 if (env->dst_rq->rd->overload != overload)
6667                         env->dst_rq->rd->overload = overload;
6668         }
6669
6670 }
6671
6672 /**
6673  * check_asym_packing - Check to see if the group is packed into the
6674  *                      sched doman.
6675  *
6676  * This is primarily intended to used at the sibling level.  Some
6677  * cores like POWER7 prefer to use lower numbered SMT threads.  In the
6678  * case of POWER7, it can move to lower SMT modes only when higher
6679  * threads are idle.  When in lower SMT modes, the threads will
6680  * perform better since they share less core resources.  Hence when we
6681  * have idle threads, we want them to be the higher ones.
6682  *
6683  * This packing function is run on idle threads.  It checks to see if
6684  * the busiest CPU in this domain (core in the P7 case) has a higher
6685  * CPU number than the packing function is being run on.  Here we are
6686  * assuming lower CPU number will be equivalent to lower a SMT thread
6687  * number.
6688  *
6689  * Return: 1 when packing is required and a task should be moved to
6690  * this CPU.  The amount of the imbalance is returned in *imbalance.
6691  *
6692  * @env: The load balancing environment.
6693  * @sds: Statistics of the sched_domain which is to be packed
6694  */
6695 static int check_asym_packing(struct lb_env *env, struct sd_lb_stats *sds)
6696 {
6697         int busiest_cpu;
6698
6699         if (!(env->sd->flags & SD_ASYM_PACKING))
6700                 return 0;
6701
6702         if (!sds->busiest)
6703                 return 0;
6704
6705         busiest_cpu = group_first_cpu(sds->busiest);
6706         if (env->dst_cpu > busiest_cpu)
6707                 return 0;
6708
6709         env->imbalance = DIV_ROUND_CLOSEST(
6710                 sds->busiest_stat.avg_load * sds->busiest_stat.group_capacity,
6711                 SCHED_CAPACITY_SCALE);
6712
6713         return 1;
6714 }
6715
6716 /**
6717  * fix_small_imbalance - Calculate the minor imbalance that exists
6718  *                      amongst the groups of a sched_domain, during
6719  *                      load balancing.
6720  * @env: The load balancing environment.
6721  * @sds: Statistics of the sched_domain whose imbalance is to be calculated.
6722  */
6723 static inline
6724 void fix_small_imbalance(struct lb_env *env, struct sd_lb_stats *sds)
6725 {
6726         unsigned long tmp, capa_now = 0, capa_move = 0;
6727         unsigned int imbn = 2;
6728         unsigned long scaled_busy_load_per_task;
6729         struct sg_lb_stats *local, *busiest;
6730
6731         local = &sds->local_stat;
6732         busiest = &sds->busiest_stat;
6733
6734         if (!local->sum_nr_running)
6735                 local->load_per_task = cpu_avg_load_per_task(env->dst_cpu);
6736         else if (busiest->load_per_task > local->load_per_task)
6737                 imbn = 1;
6738
6739         scaled_busy_load_per_task =
6740                 (busiest->load_per_task * SCHED_CAPACITY_SCALE) /
6741                 busiest->group_capacity;
6742
6743         if (busiest->avg_load + scaled_busy_load_per_task >=
6744             local->avg_load + (scaled_busy_load_per_task * imbn)) {
6745                 env->imbalance = busiest->load_per_task;
6746                 return;
6747         }
6748
6749         /*
6750          * OK, we don't have enough imbalance to justify moving tasks,
6751          * however we may be able to increase total CPU capacity used by
6752          * moving them.
6753          */
6754
6755         capa_now += busiest->group_capacity *
6756                         min(busiest->load_per_task, busiest->avg_load);
6757         capa_now += local->group_capacity *
6758                         min(local->load_per_task, local->avg_load);
6759         capa_now /= SCHED_CAPACITY_SCALE;
6760
6761         /* Amount of load we'd subtract */
6762         if (busiest->avg_load > scaled_busy_load_per_task) {
6763                 capa_move += busiest->group_capacity *
6764                             min(busiest->load_per_task,
6765                                 busiest->avg_load - scaled_busy_load_per_task);
6766         }
6767
6768         /* Amount of load we'd add */
6769         if (busiest->avg_load * busiest->group_capacity <
6770             busiest->load_per_task * SCHED_CAPACITY_SCALE) {
6771                 tmp = (busiest->avg_load * busiest->group_capacity) /
6772                       local->group_capacity;
6773         } else {
6774                 tmp = (busiest->load_per_task * SCHED_CAPACITY_SCALE) /
6775                       local->group_capacity;
6776         }
6777         capa_move += local->group_capacity *
6778                     min(local->load_per_task, local->avg_load + tmp);
6779         capa_move /= SCHED_CAPACITY_SCALE;
6780
6781         /* Move if we gain throughput */
6782         if (capa_move > capa_now)
6783                 env->imbalance = busiest->load_per_task;
6784 }
6785
6786 /**
6787  * calculate_imbalance - Calculate the amount of imbalance present within the
6788  *                       groups of a given sched_domain during load balance.
6789  * @env: load balance environment
6790  * @sds: statistics of the sched_domain whose imbalance is to be calculated.
6791  */
6792 static inline void calculate_imbalance(struct lb_env *env, struct sd_lb_stats *sds)
6793 {
6794         unsigned long max_pull, load_above_capacity = ~0UL;
6795         struct sg_lb_stats *local, *busiest;
6796
6797         local = &sds->local_stat;
6798         busiest = &sds->busiest_stat;
6799
6800         if (busiest->group_type == group_imbalanced) {
6801                 /*
6802                  * In the group_imb case we cannot rely on group-wide averages
6803                  * to ensure cpu-load equilibrium, look at wider averages. XXX
6804                  */
6805                 busiest->load_per_task =
6806                         min(busiest->load_per_task, sds->avg_load);
6807         }
6808
6809         /*
6810          * In the presence of smp nice balancing, certain scenarios can have
6811          * max load less than avg load(as we skip the groups at or below
6812          * its cpu_capacity, while calculating max_load..)
6813          */
6814         if (busiest->avg_load <= sds->avg_load ||
6815             local->avg_load >= sds->avg_load) {
6816                 env->imbalance = 0;
6817                 return fix_small_imbalance(env, sds);
6818         }
6819
6820         /*
6821          * If there aren't any idle cpus, avoid creating some.
6822          */
6823         if (busiest->group_type == group_overloaded &&
6824             local->group_type   == group_overloaded) {
6825                 load_above_capacity = busiest->sum_nr_running *
6826                                         SCHED_LOAD_SCALE;
6827                 if (load_above_capacity > busiest->group_capacity)
6828                         load_above_capacity -= busiest->group_capacity;
6829                 else
6830                         load_above_capacity = ~0UL;
6831         }
6832
6833         /*
6834          * We're trying to get all the cpus to the average_load, so we don't
6835          * want to push ourselves above the average load, nor do we wish to
6836          * reduce the max loaded cpu below the average load. At the same time,
6837          * we also don't want to reduce the group load below the group capacity
6838          * (so that we can implement power-savings policies etc). Thus we look
6839          * for the minimum possible imbalance.
6840          */
6841         max_pull = min(busiest->avg_load - sds->avg_load, load_above_capacity);
6842
6843         /* How much load to actually move to equalise the imbalance */
6844         env->imbalance = min(
6845                 max_pull * busiest->group_capacity,
6846                 (sds->avg_load - local->avg_load) * local->group_capacity
6847         ) / SCHED_CAPACITY_SCALE;
6848
6849         /*
6850          * if *imbalance is less than the average load per runnable task
6851          * there is no guarantee that any tasks will be moved so we'll have
6852          * a think about bumping its value to force at least one task to be
6853          * moved
6854          */
6855         if (env->imbalance < busiest->load_per_task)
6856                 return fix_small_imbalance(env, sds);
6857 }
6858
6859 /******* find_busiest_group() helpers end here *********************/
6860
6861 /**
6862  * find_busiest_group - Returns the busiest group within the sched_domain
6863  * if there is an imbalance. If there isn't an imbalance, and
6864  * the user has opted for power-savings, it returns a group whose
6865  * CPUs can be put to idle by rebalancing those tasks elsewhere, if
6866  * such a group exists.
6867  *
6868  * Also calculates the amount of weighted load which should be moved
6869  * to restore balance.
6870  *
6871  * @env: The load balancing environment.
6872  *
6873  * Return:      - The busiest group if imbalance exists.
6874  *              - If no imbalance and user has opted for power-savings balance,
6875  *                 return the least loaded group whose CPUs can be
6876  *                 put to idle by rebalancing its tasks onto our group.
6877  */
6878 static struct sched_group *find_busiest_group(struct lb_env *env)
6879 {
6880         struct sg_lb_stats *local, *busiest;
6881         struct sd_lb_stats sds;
6882
6883         init_sd_lb_stats(&sds);
6884
6885         /*
6886          * Compute the various statistics relavent for load balancing at
6887          * this level.
6888          */
6889         update_sd_lb_stats(env, &sds);
6890         local = &sds.local_stat;
6891         busiest = &sds.busiest_stat;
6892
6893         /* ASYM feature bypasses nice load balance check */
6894         if ((env->idle == CPU_IDLE || env->idle == CPU_NEWLY_IDLE) &&
6895             check_asym_packing(env, &sds))
6896                 return sds.busiest;
6897
6898         /* There is no busy sibling group to pull tasks from */
6899         if (!sds.busiest || busiest->sum_nr_running == 0)
6900                 goto out_balanced;
6901
6902         sds.avg_load = (SCHED_CAPACITY_SCALE * sds.total_load)
6903                                                 / sds.total_capacity;
6904
6905         /*
6906          * If the busiest group is imbalanced the below checks don't
6907          * work because they assume all things are equal, which typically
6908          * isn't true due to cpus_allowed constraints and the like.
6909          */
6910         if (busiest->group_type == group_imbalanced)
6911                 goto force_balance;
6912
6913         /* SD_BALANCE_NEWIDLE trumps SMP nice when underutilized */
6914         if (env->idle == CPU_NEWLY_IDLE && group_has_capacity(env, local) &&
6915             busiest->group_no_capacity)
6916                 goto force_balance;
6917
6918         /*
6919          * If the local group is busier than the selected busiest group
6920          * don't try and pull any tasks.
6921          */
6922         if (local->avg_load >= busiest->avg_load)
6923                 goto out_balanced;
6924
6925         /*
6926          * Don't pull any tasks if this group is already above the domain
6927          * average load.
6928          */
6929         if (local->avg_load >= sds.avg_load)
6930                 goto out_balanced;
6931
6932         if (env->idle == CPU_IDLE) {
6933                 /*
6934                  * This cpu is idle. If the busiest group is not overloaded
6935                  * and there is no imbalance between this and busiest group
6936                  * wrt idle cpus, it is balanced. The imbalance becomes
6937                  * significant if the diff is greater than 1 otherwise we
6938                  * might end up to just move the imbalance on another group
6939                  */
6940                 if ((busiest->group_type != group_overloaded) &&
6941                                 (local->idle_cpus <= (busiest->idle_cpus + 1)))
6942                         goto out_balanced;
6943         } else {
6944                 /*
6945                  * In the CPU_NEWLY_IDLE, CPU_NOT_IDLE cases, use
6946                  * imbalance_pct to be conservative.
6947                  */
6948                 if (100 * busiest->avg_load <=
6949                                 env->sd->imbalance_pct * local->avg_load)
6950                         goto out_balanced;
6951         }
6952
6953 force_balance:
6954         /* Looks like there is an imbalance. Compute it */
6955         calculate_imbalance(env, &sds);
6956         return sds.busiest;
6957
6958 out_balanced:
6959         env->imbalance = 0;
6960         return NULL;
6961 }
6962
6963 /*
6964  * find_busiest_queue - find the busiest runqueue among the cpus in group.
6965  */
6966 static struct rq *find_busiest_queue(struct lb_env *env,
6967                                      struct sched_group *group)
6968 {
6969         struct rq *busiest = NULL, *rq;
6970         unsigned long busiest_load = 0, busiest_capacity = 1;
6971         int i;
6972
6973         for_each_cpu_and(i, sched_group_cpus(group), env->cpus) {
6974                 unsigned long capacity, wl;
6975                 enum fbq_type rt;
6976
6977                 rq = cpu_rq(i);
6978                 rt = fbq_classify_rq(rq);
6979
6980                 /*
6981                  * We classify groups/runqueues into three groups:
6982                  *  - regular: there are !numa tasks
6983                  *  - remote:  there are numa tasks that run on the 'wrong' node
6984                  *  - all:     there is no distinction
6985                  *
6986                  * In order to avoid migrating ideally placed numa tasks,
6987                  * ignore those when there's better options.
6988                  *
6989                  * If we ignore the actual busiest queue to migrate another
6990                  * task, the next balance pass can still reduce the busiest
6991                  * queue by moving tasks around inside the node.
6992                  *
6993                  * If we cannot move enough load due to this classification
6994                  * the next pass will adjust the group classification and
6995                  * allow migration of more tasks.
6996                  *
6997                  * Both cases only affect the total convergence complexity.
6998                  */
6999                 if (rt > env->fbq_type)
7000                         continue;
7001
7002                 capacity = capacity_of(i);
7003
7004                 wl = weighted_cpuload(i);
7005
7006                 /*
7007                  * When comparing with imbalance, use weighted_cpuload()
7008                  * which is not scaled with the cpu capacity.
7009                  */
7010
7011                 if (rq->nr_running == 1 && wl > env->imbalance &&
7012                     !check_cpu_capacity(rq, env->sd))
7013                         continue;
7014
7015                 /*
7016                  * For the load comparisons with the other cpu's, consider
7017                  * the weighted_cpuload() scaled with the cpu capacity, so
7018                  * that the load can be moved away from the cpu that is
7019                  * potentially running at a lower capacity.
7020                  *
7021                  * Thus we're looking for max(wl_i / capacity_i), crosswise
7022                  * multiplication to rid ourselves of the division works out
7023                  * to: wl_i * capacity_j > wl_j * capacity_i;  where j is
7024                  * our previous maximum.
7025                  */
7026                 if (wl * busiest_capacity > busiest_load * capacity) {
7027                         busiest_load = wl;
7028                         busiest_capacity = capacity;
7029                         busiest = rq;
7030                 }
7031         }
7032
7033         return busiest;
7034 }
7035
7036 /*
7037  * Max backoff if we encounter pinned tasks. Pretty arbitrary value, but
7038  * so long as it is large enough.
7039  */
7040 #define MAX_PINNED_INTERVAL     512
7041
7042 /* Working cpumask for load_balance and load_balance_newidle. */
7043 DEFINE_PER_CPU(cpumask_var_t, load_balance_mask);
7044
7045 static int need_active_balance(struct lb_env *env)
7046 {
7047         struct sched_domain *sd = env->sd;
7048
7049         if (env->idle == CPU_NEWLY_IDLE) {
7050
7051                 /*
7052                  * ASYM_PACKING needs to force migrate tasks from busy but
7053                  * higher numbered CPUs in order to pack all tasks in the
7054                  * lowest numbered CPUs.
7055                  */
7056                 if ((sd->flags & SD_ASYM_PACKING) && env->src_cpu > env->dst_cpu)
7057                         return 1;
7058         }
7059
7060         /*
7061          * The dst_cpu is idle and the src_cpu CPU has only 1 CFS task.
7062          * It's worth migrating the task if the src_cpu's capacity is reduced
7063          * because of other sched_class or IRQs if more capacity stays
7064          * available on dst_cpu.
7065          */
7066         if ((env->idle != CPU_NOT_IDLE) &&
7067             (env->src_rq->cfs.h_nr_running == 1)) {
7068                 if ((check_cpu_capacity(env->src_rq, sd)) &&
7069                     (capacity_of(env->src_cpu)*sd->imbalance_pct < capacity_of(env->dst_cpu)*100))
7070                         return 1;
7071         }
7072
7073         return unlikely(sd->nr_balance_failed > sd->cache_nice_tries+2);
7074 }
7075
7076 static int active_load_balance_cpu_stop(void *data);
7077
7078 static int should_we_balance(struct lb_env *env)
7079 {
7080         struct sched_group *sg = env->sd->groups;
7081         struct cpumask *sg_cpus, *sg_mask;
7082         int cpu, balance_cpu = -1;
7083
7084         /*
7085          * In the newly idle case, we will allow all the cpu's
7086          * to do the newly idle load balance.
7087          */
7088         if (env->idle == CPU_NEWLY_IDLE)
7089                 return 1;
7090
7091         sg_cpus = sched_group_cpus(sg);
7092         sg_mask = sched_group_mask(sg);
7093         /* Try to find first idle cpu */
7094         for_each_cpu_and(cpu, sg_cpus, env->cpus) {
7095                 if (!cpumask_test_cpu(cpu, sg_mask) || !idle_cpu(cpu))
7096                         continue;
7097
7098                 balance_cpu = cpu;
7099                 break;
7100         }
7101
7102         if (balance_cpu == -1)
7103                 balance_cpu = group_balance_cpu(sg);
7104
7105         /*
7106          * First idle cpu or the first cpu(busiest) in this sched group
7107          * is eligible for doing load balancing at this and above domains.
7108          */
7109         return balance_cpu == env->dst_cpu;
7110 }
7111
7112 /*
7113  * Check this_cpu to ensure it is balanced within domain. Attempt to move
7114  * tasks if there is an imbalance.
7115  */
7116 static int load_balance(int this_cpu, struct rq *this_rq,
7117                         struct sched_domain *sd, enum cpu_idle_type idle,
7118                         int *continue_balancing)
7119 {
7120         int ld_moved, cur_ld_moved, active_balance = 0;
7121         struct sched_domain *sd_parent = sd->parent;
7122         struct sched_group *group;
7123         struct rq *busiest;
7124         unsigned long flags;
7125         struct cpumask *cpus = this_cpu_cpumask_var_ptr(load_balance_mask);
7126
7127         struct lb_env env = {
7128                 .sd             = sd,
7129                 .dst_cpu        = this_cpu,
7130                 .dst_rq         = this_rq,
7131                 .dst_grpmask    = sched_group_cpus(sd->groups),
7132                 .idle           = idle,
7133                 .loop_break     = sched_nr_migrate_break,
7134                 .cpus           = cpus,
7135                 .fbq_type       = all,
7136                 .tasks          = LIST_HEAD_INIT(env.tasks),
7137         };
7138
7139         /*
7140          * For NEWLY_IDLE load_balancing, we don't need to consider
7141          * other cpus in our group
7142          */
7143         if (idle == CPU_NEWLY_IDLE)
7144                 env.dst_grpmask = NULL;
7145
7146         cpumask_copy(cpus, cpu_active_mask);
7147
7148         schedstat_inc(sd, lb_count[idle]);
7149
7150 redo:
7151         if (!should_we_balance(&env)) {
7152                 *continue_balancing = 0;
7153                 goto out_balanced;
7154         }
7155
7156         group = find_busiest_group(&env);
7157         if (!group) {
7158                 schedstat_inc(sd, lb_nobusyg[idle]);
7159                 goto out_balanced;
7160         }
7161
7162         busiest = find_busiest_queue(&env, group);
7163         if (!busiest) {
7164                 schedstat_inc(sd, lb_nobusyq[idle]);
7165                 goto out_balanced;
7166         }
7167
7168         BUG_ON(busiest == env.dst_rq);
7169
7170         schedstat_add(sd, lb_imbalance[idle], env.imbalance);
7171
7172         env.src_cpu = busiest->cpu;
7173         env.src_rq = busiest;
7174
7175         ld_moved = 0;
7176         if (busiest->nr_running > 1) {
7177                 /*
7178                  * Attempt to move tasks. If find_busiest_group has found
7179                  * an imbalance but busiest->nr_running <= 1, the group is
7180                  * still unbalanced. ld_moved simply stays zero, so it is
7181                  * correctly treated as an imbalance.
7182                  */
7183                 env.flags |= LBF_ALL_PINNED;
7184                 env.loop_max  = min(sysctl_sched_nr_migrate, busiest->nr_running);
7185
7186 more_balance:
7187                 raw_spin_lock_irqsave(&busiest->lock, flags);
7188
7189                 /*
7190                  * cur_ld_moved - load moved in current iteration
7191                  * ld_moved     - cumulative load moved across iterations
7192                  */
7193                 cur_ld_moved = detach_tasks(&env);
7194
7195                 /*
7196                  * We've detached some tasks from busiest_rq. Every
7197                  * task is masked "TASK_ON_RQ_MIGRATING", so we can safely
7198                  * unlock busiest->lock, and we are able to be sure
7199                  * that nobody can manipulate the tasks in parallel.
7200                  * See task_rq_lock() family for the details.
7201                  */
7202
7203                 raw_spin_unlock(&busiest->lock);
7204
7205                 if (cur_ld_moved) {
7206                         attach_tasks(&env);
7207                         ld_moved += cur_ld_moved;
7208                 }
7209
7210                 local_irq_restore(flags);
7211
7212                 if (env.flags & LBF_NEED_BREAK) {
7213                         env.flags &= ~LBF_NEED_BREAK;
7214                         goto more_balance;
7215                 }
7216
7217                 /*
7218                  * Revisit (affine) tasks on src_cpu that couldn't be moved to
7219                  * us and move them to an alternate dst_cpu in our sched_group
7220                  * where they can run. The upper limit on how many times we
7221                  * iterate on same src_cpu is dependent on number of cpus in our
7222                  * sched_group.
7223                  *
7224                  * This changes load balance semantics a bit on who can move
7225                  * load to a given_cpu. In addition to the given_cpu itself
7226                  * (or a ilb_cpu acting on its behalf where given_cpu is
7227                  * nohz-idle), we now have balance_cpu in a position to move
7228                  * load to given_cpu. In rare situations, this may cause
7229                  * conflicts (balance_cpu and given_cpu/ilb_cpu deciding
7230                  * _independently_ and at _same_ time to move some load to
7231                  * given_cpu) causing exceess load to be moved to given_cpu.
7232                  * This however should not happen so much in practice and
7233                  * moreover subsequent load balance cycles should correct the
7234                  * excess load moved.
7235                  */
7236                 if ((env.flags & LBF_DST_PINNED) && env.imbalance > 0) {
7237
7238                         /* Prevent to re-select dst_cpu via env's cpus */
7239                         cpumask_clear_cpu(env.dst_cpu, env.cpus);
7240
7241                         env.dst_rq       = cpu_rq(env.new_dst_cpu);
7242                         env.dst_cpu      = env.new_dst_cpu;
7243                         env.flags       &= ~LBF_DST_PINNED;
7244                         env.loop         = 0;
7245                         env.loop_break   = sched_nr_migrate_break;
7246
7247                         /*
7248                          * Go back to "more_balance" rather than "redo" since we
7249                          * need to continue with same src_cpu.
7250                          */
7251                         goto more_balance;
7252                 }
7253
7254                 /*
7255                  * We failed to reach balance because of affinity.
7256                  */
7257                 if (sd_parent) {
7258                         int *group_imbalance = &sd_parent->groups->sgc->imbalance;
7259
7260                         if ((env.flags & LBF_SOME_PINNED) && env.imbalance > 0)
7261                                 *group_imbalance = 1;
7262                 }
7263
7264                 /* All tasks on this runqueue were pinned by CPU affinity */
7265                 if (unlikely(env.flags & LBF_ALL_PINNED)) {
7266                         cpumask_clear_cpu(cpu_of(busiest), cpus);
7267                         if (!cpumask_empty(cpus)) {
7268                                 env.loop = 0;
7269                                 env.loop_break = sched_nr_migrate_break;
7270                                 goto redo;
7271                         }
7272                         goto out_all_pinned;
7273                 }
7274         }
7275
7276         if (!ld_moved) {
7277                 schedstat_inc(sd, lb_failed[idle]);
7278                 /*
7279                  * Increment the failure counter only on periodic balance.
7280                  * We do not want newidle balance, which can be very
7281                  * frequent, pollute the failure counter causing
7282                  * excessive cache_hot migrations and active balances.
7283                  */
7284                 if (idle != CPU_NEWLY_IDLE)
7285                         sd->nr_balance_failed++;
7286
7287                 if (need_active_balance(&env)) {
7288                         raw_spin_lock_irqsave(&busiest->lock, flags);
7289
7290                         /* don't kick the active_load_balance_cpu_stop,
7291                          * if the curr task on busiest cpu can't be
7292                          * moved to this_cpu
7293                          */
7294                         if (!cpumask_test_cpu(this_cpu,
7295                                         tsk_cpus_allowed(busiest->curr))) {
7296                                 raw_spin_unlock_irqrestore(&busiest->lock,
7297                                                             flags);
7298                                 env.flags |= LBF_ALL_PINNED;
7299                                 goto out_one_pinned;
7300                         }
7301
7302                         /*
7303                          * ->active_balance synchronizes accesses to
7304                          * ->active_balance_work.  Once set, it's cleared
7305                          * only after active load balance is finished.
7306                          */
7307                         if (!busiest->active_balance) {
7308                                 busiest->active_balance = 1;
7309                                 busiest->push_cpu = this_cpu;
7310                                 active_balance = 1;
7311                         }
7312                         raw_spin_unlock_irqrestore(&busiest->lock, flags);
7313
7314                         if (active_balance) {
7315                                 stop_one_cpu_nowait(cpu_of(busiest),
7316                                         active_load_balance_cpu_stop, busiest,
7317                                         &busiest->active_balance_work);
7318                         }
7319
7320                         /*
7321                          * We've kicked active balancing, reset the failure
7322                          * counter.
7323                          */
7324                         sd->nr_balance_failed = sd->cache_nice_tries+1;
7325                 }
7326         } else
7327                 sd->nr_balance_failed = 0;
7328
7329         if (likely(!active_balance)) {
7330                 /* We were unbalanced, so reset the balancing interval */
7331                 sd->balance_interval = sd->min_interval;
7332         } else {
7333                 /*
7334                  * If we've begun active balancing, start to back off. This
7335                  * case may not be covered by the all_pinned logic if there
7336                  * is only 1 task on the busy runqueue (because we don't call
7337                  * detach_tasks).
7338                  */
7339                 if (sd->balance_interval < sd->max_interval)
7340                         sd->balance_interval *= 2;
7341         }
7342
7343         goto out;
7344
7345 out_balanced:
7346         /*
7347          * We reach balance although we may have faced some affinity
7348          * constraints. Clear the imbalance flag if it was set.
7349          */
7350         if (sd_parent) {
7351                 int *group_imbalance = &sd_parent->groups->sgc->imbalance;
7352
7353                 if (*group_imbalance)
7354                         *group_imbalance = 0;
7355         }
7356
7357 out_all_pinned:
7358         /*
7359          * We reach balance because all tasks are pinned at this level so
7360          * we can't migrate them. Let the imbalance flag set so parent level
7361          * can try to migrate them.
7362          */
7363         schedstat_inc(sd, lb_balanced[idle]);
7364
7365         sd->nr_balance_failed = 0;
7366
7367 out_one_pinned:
7368         /* tune up the balancing interval */
7369         if (((env.flags & LBF_ALL_PINNED) &&
7370                         sd->balance_interval < MAX_PINNED_INTERVAL) ||
7371                         (sd->balance_interval < sd->max_interval))
7372                 sd->balance_interval *= 2;
7373
7374         ld_moved = 0;
7375 out:
7376         return ld_moved;
7377 }
7378
7379 static inline unsigned long
7380 get_sd_balance_interval(struct sched_domain *sd, int cpu_busy)
7381 {
7382         unsigned long interval = sd->balance_interval;
7383
7384         if (cpu_busy)
7385                 interval *= sd->busy_factor;
7386
7387         /* scale ms to jiffies */
7388         interval = msecs_to_jiffies(interval);
7389         interval = clamp(interval, 1UL, max_load_balance_interval);
7390
7391         return interval;
7392 }
7393
7394 static inline void
7395 update_next_balance(struct sched_domain *sd, int cpu_busy, unsigned long *next_balance)
7396 {
7397         unsigned long interval, next;
7398
7399         interval = get_sd_balance_interval(sd, cpu_busy);
7400         next = sd->last_balance + interval;
7401
7402         if (time_after(*next_balance, next))
7403                 *next_balance = next;
7404 }
7405
7406 /*
7407  * idle_balance is called by schedule() if this_cpu is about to become
7408  * idle. Attempts to pull tasks from other CPUs.
7409  */
7410 static int idle_balance(struct rq *this_rq)
7411 {
7412         unsigned long next_balance = jiffies + HZ;
7413         int this_cpu = this_rq->cpu;
7414         struct sched_domain *sd;
7415         int pulled_task = 0;
7416         u64 curr_cost = 0;
7417
7418         idle_enter_fair(this_rq);
7419
7420         /*
7421          * We must set idle_stamp _before_ calling idle_balance(), such that we
7422          * measure the duration of idle_balance() as idle time.
7423          */
7424         this_rq->idle_stamp = rq_clock(this_rq);
7425
7426         if (this_rq->avg_idle < sysctl_sched_migration_cost ||
7427             !this_rq->rd->overload) {
7428                 rcu_read_lock();
7429                 sd = rcu_dereference_check_sched_domain(this_rq->sd);
7430                 if (sd)
7431                         update_next_balance(sd, 0, &next_balance);
7432                 rcu_read_unlock();
7433
7434                 goto out;
7435         }
7436
7437         raw_spin_unlock(&this_rq->lock);
7438
7439         update_blocked_averages(this_cpu);
7440         rcu_read_lock();
7441         for_each_domain(this_cpu, sd) {
7442                 int continue_balancing = 1;
7443                 u64 t0, domain_cost;
7444
7445                 if (!(sd->flags & SD_LOAD_BALANCE))
7446                         continue;
7447
7448                 if (this_rq->avg_idle < curr_cost + sd->max_newidle_lb_cost) {
7449                         update_next_balance(sd, 0, &next_balance);
7450                         break;
7451                 }
7452
7453                 if (sd->flags & SD_BALANCE_NEWIDLE) {
7454                         t0 = sched_clock_cpu(this_cpu);
7455
7456                         pulled_task = load_balance(this_cpu, this_rq,
7457                                                    sd, CPU_NEWLY_IDLE,
7458                                                    &continue_balancing);
7459
7460                         domain_cost = sched_clock_cpu(this_cpu) - t0;
7461                         if (domain_cost > sd->max_newidle_lb_cost)
7462                                 sd->max_newidle_lb_cost = domain_cost;
7463
7464                         curr_cost += domain_cost;
7465                 }
7466
7467                 update_next_balance(sd, 0, &next_balance);
7468
7469                 /*
7470                  * Stop searching for tasks to pull if there are
7471                  * now runnable tasks on this rq.
7472                  */
7473                 if (pulled_task || this_rq->nr_running > 0)
7474                         break;
7475         }
7476         rcu_read_unlock();
7477
7478         raw_spin_lock(&this_rq->lock);
7479
7480         if (curr_cost > this_rq->max_idle_balance_cost)
7481                 this_rq->max_idle_balance_cost = curr_cost;
7482
7483         /*
7484          * While browsing the domains, we released the rq lock, a task could
7485          * have been enqueued in the meantime. Since we're not going idle,
7486          * pretend we pulled a task.
7487          */
7488         if (this_rq->cfs.h_nr_running && !pulled_task)
7489                 pulled_task = 1;
7490
7491 out:
7492         /* Move the next balance forward */
7493         if (time_after(this_rq->next_balance, next_balance))
7494                 this_rq->next_balance = next_balance;
7495
7496         /* Is there a task of a high priority class? */
7497         if (this_rq->nr_running != this_rq->cfs.h_nr_running)
7498                 pulled_task = -1;
7499
7500         if (pulled_task) {
7501                 idle_exit_fair(this_rq);
7502                 this_rq->idle_stamp = 0;
7503         }
7504
7505         return pulled_task;
7506 }
7507
7508 /*
7509  * active_load_balance_cpu_stop is run by cpu stopper. It pushes
7510  * running tasks off the busiest CPU onto idle CPUs. It requires at
7511  * least 1 task to be running on each physical CPU where possible, and
7512  * avoids physical / logical imbalances.
7513  */
7514 static int active_load_balance_cpu_stop(void *data)
7515 {
7516         struct rq *busiest_rq = data;
7517         int busiest_cpu = cpu_of(busiest_rq);
7518         int target_cpu = busiest_rq->push_cpu;
7519         struct rq *target_rq = cpu_rq(target_cpu);
7520         struct sched_domain *sd;
7521         struct task_struct *p = NULL;
7522
7523         raw_spin_lock_irq(&busiest_rq->lock);
7524
7525         /* make sure the requested cpu hasn't gone down in the meantime */
7526         if (unlikely(busiest_cpu != smp_processor_id() ||
7527                      !busiest_rq->active_balance))
7528                 goto out_unlock;
7529
7530         /* Is there any task to move? */
7531         if (busiest_rq->nr_running <= 1)
7532                 goto out_unlock;
7533
7534         /*
7535          * This condition is "impossible", if it occurs
7536          * we need to fix it. Originally reported by
7537          * Bjorn Helgaas on a 128-cpu setup.
7538          */
7539         BUG_ON(busiest_rq == target_rq);
7540
7541         /* Search for an sd spanning us and the target CPU. */
7542         rcu_read_lock();
7543         for_each_domain(target_cpu, sd) {
7544                 if ((sd->flags & SD_LOAD_BALANCE) &&
7545                     cpumask_test_cpu(busiest_cpu, sched_domain_span(sd)))
7546                                 break;
7547         }
7548
7549         if (likely(sd)) {
7550                 struct lb_env env = {
7551                         .sd             = sd,
7552                         .dst_cpu        = target_cpu,
7553                         .dst_rq         = target_rq,
7554                         .src_cpu        = busiest_rq->cpu,
7555                         .src_rq         = busiest_rq,
7556                         .idle           = CPU_IDLE,
7557                 };
7558
7559                 schedstat_inc(sd, alb_count);
7560
7561                 p = detach_one_task(&env);
7562                 if (p)
7563                         schedstat_inc(sd, alb_pushed);
7564                 else
7565                         schedstat_inc(sd, alb_failed);
7566         }
7567         rcu_read_unlock();
7568 out_unlock:
7569         busiest_rq->active_balance = 0;
7570         raw_spin_unlock(&busiest_rq->lock);
7571
7572         if (p)
7573                 attach_one_task(target_rq, p);
7574
7575         local_irq_enable();
7576
7577         return 0;
7578 }
7579
7580 static inline int on_null_domain(struct rq *rq)
7581 {
7582         return unlikely(!rcu_dereference_sched(rq->sd));
7583 }
7584
7585 #ifdef CONFIG_NO_HZ_COMMON
7586 /*
7587  * idle load balancing details
7588  * - When one of the busy CPUs notice that there may be an idle rebalancing
7589  *   needed, they will kick the idle load balancer, which then does idle
7590  *   load balancing for all the idle CPUs.
7591  */
7592 static struct {
7593         cpumask_var_t idle_cpus_mask;
7594         atomic_t nr_cpus;
7595         unsigned long next_balance;     /* in jiffy units */
7596 } nohz ____cacheline_aligned;
7597
7598 static inline int find_new_ilb(void)
7599 {
7600         int ilb = cpumask_first(nohz.idle_cpus_mask);
7601
7602         if (ilb < nr_cpu_ids && idle_cpu(ilb))
7603                 return ilb;
7604
7605         return nr_cpu_ids;
7606 }
7607
7608 /*
7609  * Kick a CPU to do the nohz balancing, if it is time for it. We pick the
7610  * nohz_load_balancer CPU (if there is one) otherwise fallback to any idle
7611  * CPU (if there is one).
7612  */
7613 static void nohz_balancer_kick(void)
7614 {
7615         int ilb_cpu;
7616
7617         nohz.next_balance++;
7618
7619         ilb_cpu = find_new_ilb();
7620
7621         if (ilb_cpu >= nr_cpu_ids)
7622                 return;
7623
7624         if (test_and_set_bit(NOHZ_BALANCE_KICK, nohz_flags(ilb_cpu)))
7625                 return;
7626         /*
7627          * Use smp_send_reschedule() instead of resched_cpu().
7628          * This way we generate a sched IPI on the target cpu which
7629          * is idle. And the softirq performing nohz idle load balance
7630          * will be run before returning from the IPI.
7631          */
7632         smp_send_reschedule(ilb_cpu);
7633         return;
7634 }
7635
7636 static inline void nohz_balance_exit_idle(int cpu)
7637 {
7638         if (unlikely(test_bit(NOHZ_TICK_STOPPED, nohz_flags(cpu)))) {
7639                 /*
7640                  * Completely isolated CPUs don't ever set, so we must test.
7641                  */
7642                 if (likely(cpumask_test_cpu(cpu, nohz.idle_cpus_mask))) {
7643                         cpumask_clear_cpu(cpu, nohz.idle_cpus_mask);
7644                         atomic_dec(&nohz.nr_cpus);
7645                 }
7646                 clear_bit(NOHZ_TICK_STOPPED, nohz_flags(cpu));
7647         }
7648 }
7649
7650 static inline void set_cpu_sd_state_busy(void)
7651 {
7652         struct sched_domain *sd;
7653         int cpu = smp_processor_id();
7654
7655         rcu_read_lock();
7656         sd = rcu_dereference(per_cpu(sd_busy, cpu));
7657
7658         if (!sd || !sd->nohz_idle)
7659                 goto unlock;
7660         sd->nohz_idle = 0;
7661
7662         atomic_inc(&sd->groups->sgc->nr_busy_cpus);
7663 unlock:
7664         rcu_read_unlock();
7665 }
7666
7667 void set_cpu_sd_state_idle(void)
7668 {
7669         struct sched_domain *sd;
7670         int cpu = smp_processor_id();
7671
7672         rcu_read_lock();
7673         sd = rcu_dereference(per_cpu(sd_busy, cpu));
7674
7675         if (!sd || sd->nohz_idle)
7676                 goto unlock;
7677         sd->nohz_idle = 1;
7678
7679         atomic_dec(&sd->groups->sgc->nr_busy_cpus);
7680 unlock:
7681         rcu_read_unlock();
7682 }
7683
7684 /*
7685  * This routine will record that the cpu is going idle with tick stopped.
7686  * This info will be used in performing idle load balancing in the future.
7687  */
7688 void nohz_balance_enter_idle(int cpu)
7689 {
7690         /*
7691          * If this cpu is going down, then nothing needs to be done.
7692          */
7693         if (!cpu_active(cpu))
7694                 return;
7695
7696         if (test_bit(NOHZ_TICK_STOPPED, nohz_flags(cpu)))
7697                 return;
7698
7699         /*
7700          * If we're a completely isolated CPU, we don't play.
7701          */
7702         if (on_null_domain(cpu_rq(cpu)))
7703                 return;
7704
7705         cpumask_set_cpu(cpu, nohz.idle_cpus_mask);
7706         atomic_inc(&nohz.nr_cpus);
7707         set_bit(NOHZ_TICK_STOPPED, nohz_flags(cpu));
7708 }
7709
7710 static int sched_ilb_notifier(struct notifier_block *nfb,
7711                                         unsigned long action, void *hcpu)
7712 {
7713         switch (action & ~CPU_TASKS_FROZEN) {
7714         case CPU_DYING:
7715                 nohz_balance_exit_idle(smp_processor_id());
7716                 return NOTIFY_OK;
7717         default:
7718                 return NOTIFY_DONE;
7719         }
7720 }
7721 #endif
7722
7723 static DEFINE_SPINLOCK(balancing);
7724
7725 /*
7726  * Scale the max load_balance interval with the number of CPUs in the system.
7727  * This trades load-balance latency on larger machines for less cross talk.
7728  */
7729 void update_max_interval(void)
7730 {
7731         max_load_balance_interval = HZ*num_online_cpus()/10;
7732 }
7733
7734 /*
7735  * It checks each scheduling domain to see if it is due to be balanced,
7736  * and initiates a balancing operation if so.
7737  *
7738  * Balancing parameters are set up in init_sched_domains.
7739  */
7740 static void rebalance_domains(struct rq *rq, enum cpu_idle_type idle)
7741 {
7742         int continue_balancing = 1;
7743         int cpu = rq->cpu;
7744         unsigned long interval;
7745         struct sched_domain *sd;
7746         /* Earliest time when we have to do rebalance again */
7747         unsigned long next_balance = jiffies + 60*HZ;
7748         int update_next_balance = 0;
7749         int need_serialize, need_decay = 0;
7750         u64 max_cost = 0;
7751
7752         update_blocked_averages(cpu);
7753
7754         rcu_read_lock();
7755         for_each_domain(cpu, sd) {
7756                 /*
7757                  * Decay the newidle max times here because this is a regular
7758                  * visit to all the domains. Decay ~1% per second.
7759                  */
7760                 if (time_after(jiffies, sd->next_decay_max_lb_cost)) {
7761                         sd->max_newidle_lb_cost =
7762                                 (sd->max_newidle_lb_cost * 253) / 256;
7763                         sd->next_decay_max_lb_cost = jiffies + HZ;
7764                         need_decay = 1;
7765                 }
7766                 max_cost += sd->max_newidle_lb_cost;
7767
7768                 if (!(sd->flags & SD_LOAD_BALANCE))
7769                         continue;
7770
7771                 /*
7772                  * Stop the load balance at this level. There is another
7773                  * CPU in our sched group which is doing load balancing more
7774                  * actively.
7775                  */
7776                 if (!continue_balancing) {
7777                         if (need_decay)
7778                                 continue;
7779                         break;
7780                 }
7781
7782                 interval = get_sd_balance_interval(sd, idle != CPU_IDLE);
7783
7784                 need_serialize = sd->flags & SD_SERIALIZE;
7785                 if (need_serialize) {
7786                         if (!spin_trylock(&balancing))
7787                                 goto out;
7788                 }
7789
7790                 if (time_after_eq(jiffies, sd->last_balance + interval)) {
7791                         if (load_balance(cpu, rq, sd, idle, &continue_balancing)) {
7792                                 /*
7793                                  * The LBF_DST_PINNED logic could have changed
7794                                  * env->dst_cpu, so we can't know our idle
7795                                  * state even if we migrated tasks. Update it.
7796                                  */
7797                                 idle = idle_cpu(cpu) ? CPU_IDLE : CPU_NOT_IDLE;
7798                         }
7799                         sd->last_balance = jiffies;
7800                         interval = get_sd_balance_interval(sd, idle != CPU_IDLE);
7801                 }
7802                 if (need_serialize)
7803                         spin_unlock(&balancing);
7804 out:
7805                 if (time_after(next_balance, sd->last_balance + interval)) {
7806                         next_balance = sd->last_balance + interval;
7807                         update_next_balance = 1;
7808                 }
7809         }
7810         if (need_decay) {
7811                 /*
7812                  * Ensure the rq-wide value also decays but keep it at a
7813                  * reasonable floor to avoid funnies with rq->avg_idle.
7814                  */
7815                 rq->max_idle_balance_cost =
7816                         max((u64)sysctl_sched_migration_cost, max_cost);
7817         }
7818         rcu_read_unlock();
7819
7820         /*
7821          * next_balance will be updated only when there is a need.
7822          * When the cpu is attached to null domain for ex, it will not be
7823          * updated.
7824          */
7825         if (likely(update_next_balance))
7826                 rq->next_balance = next_balance;
7827 }
7828
7829 #ifdef CONFIG_NO_HZ_COMMON
7830 /*
7831  * In CONFIG_NO_HZ_COMMON case, the idle balance kickee will do the
7832  * rebalancing for all the cpus for whom scheduler ticks are stopped.
7833  */
7834 static void nohz_idle_balance(struct rq *this_rq, enum cpu_idle_type idle)
7835 {
7836         int this_cpu = this_rq->cpu;
7837         struct rq *rq;
7838         int balance_cpu;
7839
7840         if (idle != CPU_IDLE ||
7841             !test_bit(NOHZ_BALANCE_KICK, nohz_flags(this_cpu)))
7842                 goto end;
7843
7844         for_each_cpu(balance_cpu, nohz.idle_cpus_mask) {
7845                 if (balance_cpu == this_cpu || !idle_cpu(balance_cpu))
7846                         continue;
7847
7848                 /*
7849                  * If this cpu gets work to do, stop the load balancing
7850                  * work being done for other cpus. Next load
7851                  * balancing owner will pick it up.
7852                  */
7853                 if (need_resched())
7854                         break;
7855
7856                 rq = cpu_rq(balance_cpu);
7857
7858                 /*
7859                  * If time for next balance is due,
7860                  * do the balance.
7861                  */
7862                 if (time_after_eq(jiffies, rq->next_balance)) {
7863                         raw_spin_lock_irq(&rq->lock);
7864                         update_rq_clock(rq);
7865                         update_idle_cpu_load(rq);
7866                         raw_spin_unlock_irq(&rq->lock);
7867                         rebalance_domains(rq, CPU_IDLE);
7868                 }
7869
7870                 if (time_after(this_rq->next_balance, rq->next_balance))
7871                         this_rq->next_balance = rq->next_balance;
7872         }
7873         nohz.next_balance = this_rq->next_balance;
7874 end:
7875         clear_bit(NOHZ_BALANCE_KICK, nohz_flags(this_cpu));
7876 }
7877
7878 /*
7879  * Current heuristic for kicking the idle load balancer in the presence
7880  * of an idle cpu in the system.
7881  *   - This rq has more than one task.
7882  *   - This rq has at least one CFS task and the capacity of the CPU is
7883  *     significantly reduced because of RT tasks or IRQs.
7884  *   - At parent of LLC scheduler domain level, this cpu's scheduler group has
7885  *     multiple busy cpu.
7886  *   - For SD_ASYM_PACKING, if the lower numbered cpu's in the scheduler
7887  *     domain span are idle.
7888  */
7889 static inline bool nohz_kick_needed(struct rq *rq)
7890 {
7891         unsigned long now = jiffies;
7892         struct sched_domain *sd;
7893         struct sched_group_capacity *sgc;
7894         int nr_busy, cpu = rq->cpu;
7895         bool kick = false;
7896
7897         if (unlikely(rq->idle_balance))
7898                 return false;
7899
7900        /*
7901         * We may be recently in ticked or tickless idle mode. At the first
7902         * busy tick after returning from idle, we will update the busy stats.
7903         */
7904         set_cpu_sd_state_busy();
7905         nohz_balance_exit_idle(cpu);
7906
7907         /*
7908          * None are in tickless mode and hence no need for NOHZ idle load
7909          * balancing.
7910          */
7911         if (likely(!atomic_read(&nohz.nr_cpus)))
7912                 return false;
7913
7914         if (time_before(now, nohz.next_balance))
7915                 return false;
7916
7917         if (rq->nr_running >= 2)
7918                 return true;
7919
7920         rcu_read_lock();
7921         sd = rcu_dereference(per_cpu(sd_busy, cpu));
7922         if (sd) {
7923                 sgc = sd->groups->sgc;
7924                 nr_busy = atomic_read(&sgc->nr_busy_cpus);
7925
7926                 if (nr_busy > 1) {
7927                         kick = true;
7928                         goto unlock;
7929                 }
7930
7931         }
7932
7933         sd = rcu_dereference(rq->sd);
7934         if (sd) {
7935                 if ((rq->cfs.h_nr_running >= 1) &&
7936                                 check_cpu_capacity(rq, sd)) {
7937                         kick = true;
7938                         goto unlock;
7939                 }
7940         }
7941
7942         sd = rcu_dereference(per_cpu(sd_asym, cpu));
7943         if (sd && (cpumask_first_and(nohz.idle_cpus_mask,
7944                                   sched_domain_span(sd)) < cpu)) {
7945                 kick = true;
7946                 goto unlock;
7947         }
7948
7949 unlock:
7950         rcu_read_unlock();
7951         return kick;
7952 }
7953 #else
7954 static void nohz_idle_balance(struct rq *this_rq, enum cpu_idle_type idle) { }
7955 #endif
7956
7957 /*
7958  * run_rebalance_domains is triggered when needed from the scheduler tick.
7959  * Also triggered for nohz idle balancing (with nohz_balancing_kick set).
7960  */
7961 static void run_rebalance_domains(struct softirq_action *h)
7962 {
7963         struct rq *this_rq = this_rq();
7964         enum cpu_idle_type idle = this_rq->idle_balance ?
7965                                                 CPU_IDLE : CPU_NOT_IDLE;
7966
7967         /*
7968          * If this cpu has a pending nohz_balance_kick, then do the
7969          * balancing on behalf of the other idle cpus whose ticks are
7970          * stopped. Do nohz_idle_balance *before* rebalance_domains to
7971          * give the idle cpus a chance to load balance. Else we may
7972          * load balance only within the local sched_domain hierarchy
7973          * and abort nohz_idle_balance altogether if we pull some load.
7974          */
7975         nohz_idle_balance(this_rq, idle);
7976         rebalance_domains(this_rq, idle);
7977 }
7978
7979 /*
7980  * Trigger the SCHED_SOFTIRQ if it is time to do periodic load balancing.
7981  */
7982 void trigger_load_balance(struct rq *rq)
7983 {
7984         /* Don't need to rebalance while attached to NULL domain */
7985         if (unlikely(on_null_domain(rq)))
7986                 return;
7987
7988         if (time_after_eq(jiffies, rq->next_balance))
7989                 raise_softirq(SCHED_SOFTIRQ);
7990 #ifdef CONFIG_NO_HZ_COMMON
7991         if (nohz_kick_needed(rq))
7992                 nohz_balancer_kick();
7993 #endif
7994 }
7995
7996 static void rq_online_fair(struct rq *rq)
7997 {
7998         update_sysctl();
7999
8000         update_runtime_enabled(rq);
8001 }
8002
8003 static void rq_offline_fair(struct rq *rq)
8004 {
8005         update_sysctl();
8006
8007         /* Ensure any throttled groups are reachable by pick_next_task */
8008         unthrottle_offline_cfs_rqs(rq);
8009 }
8010
8011 #endif /* CONFIG_SMP */
8012
8013 /*
8014  * scheduler tick hitting a task of our scheduling class:
8015  */
8016 static void task_tick_fair(struct rq *rq, struct task_struct *curr, int queued)
8017 {
8018         struct cfs_rq *cfs_rq;
8019         struct sched_entity *se = &curr->se;
8020
8021         for_each_sched_entity(se) {
8022                 cfs_rq = cfs_rq_of(se);
8023                 entity_tick(cfs_rq, se, queued);
8024         }
8025
8026         if (numabalancing_enabled)
8027                 task_tick_numa(rq, curr);
8028
8029         update_rq_runnable_avg(rq, 1);
8030 }
8031
8032 /*
8033  * called on fork with the child task as argument from the parent's context
8034  *  - child not yet on the tasklist
8035  *  - preemption disabled
8036  */
8037 static void task_fork_fair(struct task_struct *p)
8038 {
8039         struct cfs_rq *cfs_rq;
8040         struct sched_entity *se = &p->se, *curr;
8041         int this_cpu = smp_processor_id();
8042         struct rq *rq = this_rq();
8043         unsigned long flags;
8044
8045         raw_spin_lock_irqsave(&rq->lock, flags);
8046
8047         update_rq_clock(rq);
8048
8049         cfs_rq = task_cfs_rq(current);
8050         curr = cfs_rq->curr;
8051
8052         /*
8053          * Not only the cpu but also the task_group of the parent might have
8054          * been changed after parent->se.parent,cfs_rq were copied to
8055          * child->se.parent,cfs_rq. So call __set_task_cpu() to make those
8056          * of child point to valid ones.
8057          */
8058         rcu_read_lock();
8059         __set_task_cpu(p, this_cpu);
8060         rcu_read_unlock();
8061
8062         update_curr(cfs_rq);
8063
8064         if (curr)
8065                 se->vruntime = curr->vruntime;
8066         place_entity(cfs_rq, se, 1);
8067
8068         if (sysctl_sched_child_runs_first && curr && entity_before(curr, se)) {
8069                 /*
8070                  * Upon rescheduling, sched_class::put_prev_task() will place
8071                  * 'current' within the tree based on its new key value.
8072                  */
8073                 swap(curr->vruntime, se->vruntime);
8074                 resched_curr(rq);
8075         }
8076
8077         se->vruntime -= cfs_rq->min_vruntime;
8078
8079         raw_spin_unlock_irqrestore(&rq->lock, flags);
8080 }
8081
8082 /*
8083  * Priority of the task has changed. Check to see if we preempt
8084  * the current task.
8085  */
8086 static void
8087 prio_changed_fair(struct rq *rq, struct task_struct *p, int oldprio)
8088 {
8089         if (!task_on_rq_queued(p))
8090                 return;
8091
8092         /*
8093          * Reschedule if we are currently running on this runqueue and
8094          * our priority decreased, or if we are not currently running on
8095          * this runqueue and our priority is higher than the current's
8096          */
8097         if (rq->curr == p) {
8098                 if (p->prio > oldprio)
8099                         resched_curr(rq);
8100         } else
8101                 check_preempt_curr(rq, p, 0);
8102 }
8103
8104 static void switched_from_fair(struct rq *rq, struct task_struct *p)
8105 {
8106         struct sched_entity *se = &p->se;
8107         struct cfs_rq *cfs_rq = cfs_rq_of(se);
8108
8109         /*
8110          * Ensure the task's vruntime is normalized, so that when it's
8111          * switched back to the fair class the enqueue_entity(.flags=0) will
8112          * do the right thing.
8113          *
8114          * If it's queued, then the dequeue_entity(.flags=0) will already
8115          * have normalized the vruntime, if it's !queued, then only when
8116          * the task is sleeping will it still have non-normalized vruntime.
8117          */
8118         if (!task_on_rq_queued(p) && p->state != TASK_RUNNING) {
8119                 /*
8120                  * Fix up our vruntime so that the current sleep doesn't
8121                  * cause 'unlimited' sleep bonus.
8122                  */
8123                 place_entity(cfs_rq, se, 0);
8124                 se->vruntime -= cfs_rq->min_vruntime;
8125         }
8126
8127 #ifdef CONFIG_SMP
8128         /*
8129         * Remove our load from contribution when we leave sched_fair
8130         * and ensure we don't carry in an old decay_count if we
8131         * switch back.
8132         */
8133         if (se->avg.decay_count) {
8134                 __synchronize_entity_decay(se);
8135                 subtract_blocked_load_contrib(cfs_rq, se->avg.load_avg_contrib);
8136         }
8137 #endif
8138 }
8139
8140 /*
8141  * We switched to the sched_fair class.
8142  */
8143 static void switched_to_fair(struct rq *rq, struct task_struct *p)
8144 {
8145 #ifdef CONFIG_FAIR_GROUP_SCHED
8146         struct sched_entity *se = &p->se;
8147         /*
8148          * Since the real-depth could have been changed (only FAIR
8149          * class maintain depth value), reset depth properly.
8150          */
8151         se->depth = se->parent ? se->parent->depth + 1 : 0;
8152 #endif
8153         if (!task_on_rq_queued(p))
8154                 return;
8155
8156         /*
8157          * We were most likely switched from sched_rt, so
8158          * kick off the schedule if running, otherwise just see
8159          * if we can still preempt the current task.
8160          */
8161         if (rq->curr == p)
8162                 resched_curr(rq);
8163         else
8164                 check_preempt_curr(rq, p, 0);
8165 }
8166
8167 /* Account for a task changing its policy or group.
8168  *
8169  * This routine is mostly called to set cfs_rq->curr field when a task
8170  * migrates between groups/classes.
8171  */
8172 static void set_curr_task_fair(struct rq *rq)
8173 {
8174         struct sched_entity *se = &rq->curr->se;
8175
8176         for_each_sched_entity(se) {
8177                 struct cfs_rq *cfs_rq = cfs_rq_of(se);
8178
8179                 set_next_entity(cfs_rq, se);
8180                 /* ensure bandwidth has been allocated on our new cfs_rq */
8181                 account_cfs_rq_runtime(cfs_rq, 0);
8182         }
8183 }
8184
8185 void init_cfs_rq(struct cfs_rq *cfs_rq)
8186 {
8187         cfs_rq->tasks_timeline = RB_ROOT;
8188         cfs_rq->min_vruntime = (u64)(-(1LL << 20));
8189 #ifndef CONFIG_64BIT
8190         cfs_rq->min_vruntime_copy = cfs_rq->min_vruntime;
8191 #endif
8192 #ifdef CONFIG_SMP
8193         atomic64_set(&cfs_rq->decay_counter, 1);
8194         atomic_long_set(&cfs_rq->removed_load, 0);
8195 #endif
8196 }
8197
8198 #ifdef CONFIG_FAIR_GROUP_SCHED
8199 static void task_move_group_fair(struct task_struct *p, int queued)
8200 {
8201         struct sched_entity *se = &p->se;
8202         struct cfs_rq *cfs_rq;
8203
8204         /*
8205          * If the task was not on the rq at the time of this cgroup movement
8206          * it must have been asleep, sleeping tasks keep their ->vruntime
8207          * absolute on their old rq until wakeup (needed for the fair sleeper
8208          * bonus in place_entity()).
8209          *
8210          * If it was on the rq, we've just 'preempted' it, which does convert
8211          * ->vruntime to a relative base.
8212          *
8213          * Make sure both cases convert their relative position when migrating
8214          * to another cgroup's rq. This does somewhat interfere with the
8215          * fair sleeper stuff for the first placement, but who cares.
8216          */
8217         /*
8218          * When !queued, vruntime of the task has usually NOT been normalized.
8219          * But there are some cases where it has already been normalized:
8220          *
8221          * - Moving a forked child which is waiting for being woken up by
8222          *   wake_up_new_task().
8223          * - Moving a task which has been woken up by try_to_wake_up() and
8224          *   waiting for actually being woken up by sched_ttwu_pending().
8225          *
8226          * To prevent boost or penalty in the new cfs_rq caused by delta
8227          * min_vruntime between the two cfs_rqs, we skip vruntime adjustment.
8228          */
8229         if (!queued && (!se->sum_exec_runtime || p->state == TASK_WAKING))
8230                 queued = 1;
8231
8232         if (!queued)
8233                 se->vruntime -= cfs_rq_of(se)->min_vruntime;
8234         set_task_rq(p, task_cpu(p));
8235         se->depth = se->parent ? se->parent->depth + 1 : 0;
8236         if (!queued) {
8237                 cfs_rq = cfs_rq_of(se);
8238                 se->vruntime += cfs_rq->min_vruntime;
8239 #ifdef CONFIG_SMP
8240                 /*
8241                  * migrate_task_rq_fair() will have removed our previous
8242                  * contribution, but we must synchronize for ongoing future
8243                  * decay.
8244                  */
8245                 se->avg.decay_count = atomic64_read(&cfs_rq->decay_counter);
8246                 cfs_rq->blocked_load_avg += se->avg.load_avg_contrib;
8247 #endif
8248         }
8249 }
8250
8251 void free_fair_sched_group(struct task_group *tg)
8252 {
8253         int i;
8254
8255         destroy_cfs_bandwidth(tg_cfs_bandwidth(tg));
8256
8257         for_each_possible_cpu(i) {
8258                 if (tg->cfs_rq)
8259                         kfree(tg->cfs_rq[i]);
8260                 if (tg->se)
8261                         kfree(tg->se[i]);
8262         }
8263
8264         kfree(tg->cfs_rq);
8265         kfree(tg->se);
8266 }
8267
8268 int alloc_fair_sched_group(struct task_group *tg, struct task_group *parent)
8269 {
8270         struct cfs_rq *cfs_rq;
8271         struct sched_entity *se;
8272         int i;
8273
8274         tg->cfs_rq = kzalloc(sizeof(cfs_rq) * nr_cpu_ids, GFP_KERNEL);
8275         if (!tg->cfs_rq)
8276                 goto err;
8277         tg->se = kzalloc(sizeof(se) * nr_cpu_ids, GFP_KERNEL);
8278         if (!tg->se)
8279                 goto err;
8280
8281         tg->shares = NICE_0_LOAD;
8282
8283         init_cfs_bandwidth(tg_cfs_bandwidth(tg));
8284
8285         for_each_possible_cpu(i) {
8286                 cfs_rq = kzalloc_node(sizeof(struct cfs_rq),
8287                                       GFP_KERNEL, cpu_to_node(i));
8288                 if (!cfs_rq)
8289                         goto err;
8290
8291                 se = kzalloc_node(sizeof(struct sched_entity),
8292                                   GFP_KERNEL, cpu_to_node(i));
8293                 if (!se)
8294                         goto err_free_rq;
8295
8296                 init_cfs_rq(cfs_rq);
8297                 init_tg_cfs_entry(tg, cfs_rq, se, i, parent->se[i]);
8298         }
8299
8300         return 1;
8301
8302 err_free_rq:
8303         kfree(cfs_rq);
8304 err:
8305         return 0;
8306 }
8307
8308 void unregister_fair_sched_group(struct task_group *tg, int cpu)
8309 {
8310         struct rq *rq = cpu_rq(cpu);
8311         unsigned long flags;
8312
8313         /*
8314         * Only empty task groups can be destroyed; so we can speculatively
8315         * check on_list without danger of it being re-added.
8316         */
8317         if (!tg->cfs_rq[cpu]->on_list)
8318                 return;
8319
8320         raw_spin_lock_irqsave(&rq->lock, flags);
8321         list_del_leaf_cfs_rq(tg->cfs_rq[cpu]);
8322         raw_spin_unlock_irqrestore(&rq->lock, flags);
8323 }
8324
8325 void init_tg_cfs_entry(struct task_group *tg, struct cfs_rq *cfs_rq,
8326                         struct sched_entity *se, int cpu,
8327                         struct sched_entity *parent)
8328 {
8329         struct rq *rq = cpu_rq(cpu);
8330
8331         cfs_rq->tg = tg;
8332         cfs_rq->rq = rq;
8333         init_cfs_rq_runtime(cfs_rq);
8334
8335         tg->cfs_rq[cpu] = cfs_rq;
8336         tg->se[cpu] = se;
8337
8338         /* se could be NULL for root_task_group */
8339         if (!se)
8340                 return;
8341
8342         if (!parent) {
8343                 se->cfs_rq = &rq->cfs;
8344                 se->depth = 0;
8345         } else {
8346                 se->cfs_rq = parent->my_q;
8347                 se->depth = parent->depth + 1;
8348         }
8349
8350         se->my_q = cfs_rq;
8351         /* guarantee group entities always have weight */
8352         update_load_set(&se->load, NICE_0_LOAD);
8353         se->parent = parent;
8354 }
8355
8356 static DEFINE_MUTEX(shares_mutex);
8357
8358 int sched_group_set_shares(struct task_group *tg, unsigned long shares)
8359 {
8360         int i;
8361         unsigned long flags;
8362
8363         /*
8364          * We can't change the weight of the root cgroup.
8365          */
8366         if (!tg->se[0])
8367                 return -EINVAL;
8368
8369         shares = clamp(shares, scale_load(MIN_SHARES), scale_load(MAX_SHARES));
8370
8371         mutex_lock(&shares_mutex);
8372         if (tg->shares == shares)
8373                 goto done;
8374
8375         tg->shares = shares;
8376         for_each_possible_cpu(i) {
8377                 struct rq *rq = cpu_rq(i);
8378                 struct sched_entity *se;
8379
8380                 se = tg->se[i];
8381                 /* Propagate contribution to hierarchy */
8382                 raw_spin_lock_irqsave(&rq->lock, flags);
8383
8384                 /* Possible calls to update_curr() need rq clock */
8385                 update_rq_clock(rq);
8386                 for_each_sched_entity(se)
8387                         update_cfs_shares(group_cfs_rq(se));
8388                 raw_spin_unlock_irqrestore(&rq->lock, flags);
8389         }
8390
8391 done:
8392         mutex_unlock(&shares_mutex);
8393         return 0;
8394 }
8395 #else /* CONFIG_FAIR_GROUP_SCHED */
8396
8397 void free_fair_sched_group(struct task_group *tg) { }
8398
8399 int alloc_fair_sched_group(struct task_group *tg, struct task_group *parent)
8400 {
8401         return 1;
8402 }
8403
8404 void unregister_fair_sched_group(struct task_group *tg, int cpu) { }
8405
8406 #endif /* CONFIG_FAIR_GROUP_SCHED */
8407
8408
8409 static unsigned int get_rr_interval_fair(struct rq *rq, struct task_struct *task)
8410 {
8411         struct sched_entity *se = &task->se;
8412         unsigned int rr_interval = 0;
8413
8414         /*
8415          * Time slice is 0 for SCHED_OTHER tasks that are on an otherwise
8416          * idle runqueue:
8417          */
8418         if (rq->cfs.load.weight)
8419                 rr_interval = NS_TO_JIFFIES(sched_slice(cfs_rq_of(se), se));
8420
8421         return rr_interval;
8422 }
8423
8424 /*
8425  * All the scheduling class methods:
8426  */
8427 const struct sched_class fair_sched_class = {
8428         .next                   = &idle_sched_class,
8429         .enqueue_task           = enqueue_task_fair,
8430         .dequeue_task           = dequeue_task_fair,
8431         .yield_task             = yield_task_fair,
8432         .yield_to_task          = yield_to_task_fair,
8433
8434         .check_preempt_curr     = check_preempt_wakeup,
8435
8436         .pick_next_task         = pick_next_task_fair,
8437         .put_prev_task          = put_prev_task_fair,
8438
8439 #ifdef CONFIG_SMP
8440         .select_task_rq         = select_task_rq_fair,
8441         .migrate_task_rq        = migrate_task_rq_fair,
8442
8443         .rq_online              = rq_online_fair,
8444         .rq_offline             = rq_offline_fair,
8445
8446         .task_waking            = task_waking_fair,
8447 #endif
8448
8449         .set_curr_task          = set_curr_task_fair,
8450         .task_tick              = task_tick_fair,
8451         .task_fork              = task_fork_fair,
8452
8453         .prio_changed           = prio_changed_fair,
8454         .switched_from          = switched_from_fair,
8455         .switched_to            = switched_to_fair,
8456
8457         .get_rr_interval        = get_rr_interval_fair,
8458
8459         .update_curr            = update_curr_fair,
8460
8461 #ifdef CONFIG_FAIR_GROUP_SCHED
8462         .task_move_group        = task_move_group_fair,
8463 #endif
8464 };
8465
8466 #ifdef CONFIG_SCHED_DEBUG
8467 void print_cfs_stats(struct seq_file *m, int cpu)
8468 {
8469         struct cfs_rq *cfs_rq;
8470
8471         rcu_read_lock();
8472         for_each_leaf_cfs_rq(cpu_rq(cpu), cfs_rq)
8473                 print_cfs_rq(m, cpu, cfs_rq);
8474         rcu_read_unlock();
8475 }
8476
8477 #ifdef CONFIG_NUMA_BALANCING
8478 void show_numa_stats(struct task_struct *p, struct seq_file *m)
8479 {
8480         int node;
8481         unsigned long tsf = 0, tpf = 0, gsf = 0, gpf = 0;
8482
8483         for_each_online_node(node) {
8484                 if (p->numa_faults) {
8485                         tsf = p->numa_faults[task_faults_idx(NUMA_MEM, node, 0)];
8486                         tpf = p->numa_faults[task_faults_idx(NUMA_MEM, node, 1)];
8487                 }
8488                 if (p->numa_group) {
8489                         gsf = p->numa_group->faults[task_faults_idx(NUMA_MEM, node, 0)],
8490                         gpf = p->numa_group->faults[task_faults_idx(NUMA_MEM, node, 1)];
8491                 }
8492                 print_numa_stats(m, node, tsf, tpf, gsf, gpf);
8493         }
8494 }
8495 #endif /* CONFIG_NUMA_BALANCING */
8496 #endif /* CONFIG_SCHED_DEBUG */
8497
8498 __init void init_sched_fair_class(void)
8499 {
8500 #ifdef CONFIG_SMP
8501         open_softirq(SCHED_SOFTIRQ, run_rebalance_domains);
8502
8503 #ifdef CONFIG_NO_HZ_COMMON
8504         nohz.next_balance = jiffies;
8505         zalloc_cpumask_var(&nohz.idle_cpus_mask, GFP_NOWAIT);
8506         cpu_notifier(sched_ilb_notifier, 0);
8507 #endif
8508 #endif /* SMP */
8509
8510 }