Merge branch 'dccp' of git://eden-feed.erg.abdn.ac.uk/dccp_exp
[linux-2.6] / Documentation / cpusets.txt
1                                 CPUSETS
2                                 -------
3
4 Copyright (C) 2004 BULL SA.
5 Written by Simon.Derr@bull.net
6
7 Portions Copyright (c) 2004-2006 Silicon Graphics, Inc.
8 Modified by Paul Jackson <pj@sgi.com>
9 Modified by Christoph Lameter <clameter@sgi.com>
10 Modified by Paul Menage <menage@google.com>
11 Modified by Hidetoshi Seto <seto.hidetoshi@jp.fujitsu.com>
12
13 CONTENTS:
14 =========
15
16 1. Cpusets
17   1.1 What are cpusets ?
18   1.2 Why are cpusets needed ?
19   1.3 How are cpusets implemented ?
20   1.4 What are exclusive cpusets ?
21   1.5 What is memory_pressure ?
22   1.6 What is memory spread ?
23   1.7 What is sched_load_balance ?
24   1.8 What is sched_relax_domain_level ?
25   1.9 How do I use cpusets ?
26 2. Usage Examples and Syntax
27   2.1 Basic Usage
28   2.2 Adding/removing cpus
29   2.3 Setting flags
30   2.4 Attaching processes
31 3. Questions
32 4. Contact
33
34 1. Cpusets
35 ==========
36
37 1.1 What are cpusets ?
38 ----------------------
39
40 Cpusets provide a mechanism for assigning a set of CPUs and Memory
41 Nodes to a set of tasks.   In this document "Memory Node" refers to
42 an on-line node that contains memory.
43
44 Cpusets constrain the CPU and Memory placement of tasks to only
45 the resources within a tasks current cpuset.  They form a nested
46 hierarchy visible in a virtual file system.  These are the essential
47 hooks, beyond what is already present, required to manage dynamic
48 job placement on large systems.
49
50 Cpusets use the generic cgroup subsystem described in
51 Documentation/cgroup.txt.
52
53 Requests by a task, using the sched_setaffinity(2) system call to
54 include CPUs in its CPU affinity mask, and using the mbind(2) and
55 set_mempolicy(2) system calls to include Memory Nodes in its memory
56 policy, are both filtered through that tasks cpuset, filtering out any
57 CPUs or Memory Nodes not in that cpuset.  The scheduler will not
58 schedule a task on a CPU that is not allowed in its cpus_allowed
59 vector, and the kernel page allocator will not allocate a page on a
60 node that is not allowed in the requesting tasks mems_allowed vector.
61
62 User level code may create and destroy cpusets by name in the cgroup
63 virtual file system, manage the attributes and permissions of these
64 cpusets and which CPUs and Memory Nodes are assigned to each cpuset,
65 specify and query to which cpuset a task is assigned, and list the
66 task pids assigned to a cpuset.
67
68
69 1.2 Why are cpusets needed ?
70 ----------------------------
71
72 The management of large computer systems, with many processors (CPUs),
73 complex memory cache hierarchies and multiple Memory Nodes having
74 non-uniform access times (NUMA) presents additional challenges for
75 the efficient scheduling and memory placement of processes.
76
77 Frequently more modest sized systems can be operated with adequate
78 efficiency just by letting the operating system automatically share
79 the available CPU and Memory resources amongst the requesting tasks.
80
81 But larger systems, which benefit more from careful processor and
82 memory placement to reduce memory access times and contention,
83 and which typically represent a larger investment for the customer,
84 can benefit from explicitly placing jobs on properly sized subsets of
85 the system.
86
87 This can be especially valuable on:
88
89     * Web Servers running multiple instances of the same web application,
90     * Servers running different applications (for instance, a web server
91       and a database), or
92     * NUMA systems running large HPC applications with demanding
93       performance characteristics.
94
95 These subsets, or "soft partitions" must be able to be dynamically
96 adjusted, as the job mix changes, without impacting other concurrently
97 executing jobs. The location of the running jobs pages may also be moved
98 when the memory locations are changed.
99
100 The kernel cpuset patch provides the minimum essential kernel
101 mechanisms required to efficiently implement such subsets.  It
102 leverages existing CPU and Memory Placement facilities in the Linux
103 kernel to avoid any additional impact on the critical scheduler or
104 memory allocator code.
105
106
107 1.3 How are cpusets implemented ?
108 ---------------------------------
109
110 Cpusets provide a Linux kernel mechanism to constrain which CPUs and
111 Memory Nodes are used by a process or set of processes.
112
113 The Linux kernel already has a pair of mechanisms to specify on which
114 CPUs a task may be scheduled (sched_setaffinity) and on which Memory
115 Nodes it may obtain memory (mbind, set_mempolicy).
116
117 Cpusets extends these two mechanisms as follows:
118
119  - Cpusets are sets of allowed CPUs and Memory Nodes, known to the
120    kernel.
121  - Each task in the system is attached to a cpuset, via a pointer
122    in the task structure to a reference counted cgroup structure.
123  - Calls to sched_setaffinity are filtered to just those CPUs
124    allowed in that tasks cpuset.
125  - Calls to mbind and set_mempolicy are filtered to just
126    those Memory Nodes allowed in that tasks cpuset.
127  - The root cpuset contains all the systems CPUs and Memory
128    Nodes.
129  - For any cpuset, one can define child cpusets containing a subset
130    of the parents CPU and Memory Node resources.
131  - The hierarchy of cpusets can be mounted at /dev/cpuset, for
132    browsing and manipulation from user space.
133  - A cpuset may be marked exclusive, which ensures that no other
134    cpuset (except direct ancestors and descendents) may contain
135    any overlapping CPUs or Memory Nodes.
136  - You can list all the tasks (by pid) attached to any cpuset.
137
138 The implementation of cpusets requires a few, simple hooks
139 into the rest of the kernel, none in performance critical paths:
140
141  - in init/main.c, to initialize the root cpuset at system boot.
142  - in fork and exit, to attach and detach a task from its cpuset.
143  - in sched_setaffinity, to mask the requested CPUs by what's
144    allowed in that tasks cpuset.
145  - in sched.c migrate_all_tasks(), to keep migrating tasks within
146    the CPUs allowed by their cpuset, if possible.
147  - in the mbind and set_mempolicy system calls, to mask the requested
148    Memory Nodes by what's allowed in that tasks cpuset.
149  - in page_alloc.c, to restrict memory to allowed nodes.
150  - in vmscan.c, to restrict page recovery to the current cpuset.
151
152 You should mount the "cgroup" filesystem type in order to enable
153 browsing and modifying the cpusets presently known to the kernel.  No
154 new system calls are added for cpusets - all support for querying and
155 modifying cpusets is via this cpuset file system.
156
157 The /proc/<pid>/status file for each task has four added lines,
158 displaying the tasks cpus_allowed (on which CPUs it may be scheduled)
159 and mems_allowed (on which Memory Nodes it may obtain memory),
160 in the two formats seen in the following example:
161
162   Cpus_allowed:   ffffffff,ffffffff,ffffffff,ffffffff
163   Cpus_allowed_list:      0-127
164   Mems_allowed:   ffffffff,ffffffff
165   Mems_allowed_list:      0-63
166
167 Each cpuset is represented by a directory in the cgroup file system
168 containing (on top of the standard cgroup files) the following
169 files describing that cpuset:
170
171  - cpus: list of CPUs in that cpuset
172  - mems: list of Memory Nodes in that cpuset
173  - memory_migrate flag: if set, move pages to cpusets nodes
174  - cpu_exclusive flag: is cpu placement exclusive?
175  - mem_exclusive flag: is memory placement exclusive?
176  - mem_hardwall flag:  is memory allocation hardwalled
177  - memory_pressure: measure of how much paging pressure in cpuset
178
179 In addition, the root cpuset only has the following file:
180  - memory_pressure_enabled flag: compute memory_pressure?
181
182 New cpusets are created using the mkdir system call or shell
183 command.  The properties of a cpuset, such as its flags, allowed
184 CPUs and Memory Nodes, and attached tasks, are modified by writing
185 to the appropriate file in that cpusets directory, as listed above.
186
187 The named hierarchical structure of nested cpusets allows partitioning
188 a large system into nested, dynamically changeable, "soft-partitions".
189
190 The attachment of each task, automatically inherited at fork by any
191 children of that task, to a cpuset allows organizing the work load
192 on a system into related sets of tasks such that each set is constrained
193 to using the CPUs and Memory Nodes of a particular cpuset.  A task
194 may be re-attached to any other cpuset, if allowed by the permissions
195 on the necessary cpuset file system directories.
196
197 Such management of a system "in the large" integrates smoothly with
198 the detailed placement done on individual tasks and memory regions
199 using the sched_setaffinity, mbind and set_mempolicy system calls.
200
201 The following rules apply to each cpuset:
202
203  - Its CPUs and Memory Nodes must be a subset of its parents.
204  - It can't be marked exclusive unless its parent is.
205  - If its cpu or memory is exclusive, they may not overlap any sibling.
206
207 These rules, and the natural hierarchy of cpusets, enable efficient
208 enforcement of the exclusive guarantee, without having to scan all
209 cpusets every time any of them change to ensure nothing overlaps a
210 exclusive cpuset.  Also, the use of a Linux virtual file system (vfs)
211 to represent the cpuset hierarchy provides for a familiar permission
212 and name space for cpusets, with a minimum of additional kernel code.
213
214 The cpus and mems files in the root (top_cpuset) cpuset are
215 read-only.  The cpus file automatically tracks the value of
216 cpu_online_map using a CPU hotplug notifier, and the mems file
217 automatically tracks the value of node_states[N_HIGH_MEMORY]--i.e.,
218 nodes with memory--using the cpuset_track_online_nodes() hook.
219
220
221 1.4 What are exclusive cpusets ?
222 --------------------------------
223
224 If a cpuset is cpu or mem exclusive, no other cpuset, other than
225 a direct ancestor or descendent, may share any of the same CPUs or
226 Memory Nodes.
227
228 A cpuset that is mem_exclusive *or* mem_hardwall is "hardwalled",
229 i.e. it restricts kernel allocations for page, buffer and other data
230 commonly shared by the kernel across multiple users.  All cpusets,
231 whether hardwalled or not, restrict allocations of memory for user
232 space.  This enables configuring a system so that several independent
233 jobs can share common kernel data, such as file system pages, while
234 isolating each job's user allocation in its own cpuset.  To do this,
235 construct a large mem_exclusive cpuset to hold all the jobs, and
236 construct child, non-mem_exclusive cpusets for each individual job.
237 Only a small amount of typical kernel memory, such as requests from
238 interrupt handlers, is allowed to be taken outside even a
239 mem_exclusive cpuset.
240
241
242 1.5 What is memory_pressure ?
243 -----------------------------
244 The memory_pressure of a cpuset provides a simple per-cpuset metric
245 of the rate that the tasks in a cpuset are attempting to free up in
246 use memory on the nodes of the cpuset to satisfy additional memory
247 requests.
248
249 This enables batch managers monitoring jobs running in dedicated
250 cpusets to efficiently detect what level of memory pressure that job
251 is causing.
252
253 This is useful both on tightly managed systems running a wide mix of
254 submitted jobs, which may choose to terminate or re-prioritize jobs that
255 are trying to use more memory than allowed on the nodes assigned them,
256 and with tightly coupled, long running, massively parallel scientific
257 computing jobs that will dramatically fail to meet required performance
258 goals if they start to use more memory than allowed to them.
259
260 This mechanism provides a very economical way for the batch manager
261 to monitor a cpuset for signs of memory pressure.  It's up to the
262 batch manager or other user code to decide what to do about it and
263 take action.
264
265 ==> Unless this feature is enabled by writing "1" to the special file
266     /dev/cpuset/memory_pressure_enabled, the hook in the rebalance
267     code of __alloc_pages() for this metric reduces to simply noticing
268     that the cpuset_memory_pressure_enabled flag is zero.  So only
269     systems that enable this feature will compute the metric.
270
271 Why a per-cpuset, running average:
272
273     Because this meter is per-cpuset, rather than per-task or mm,
274     the system load imposed by a batch scheduler monitoring this
275     metric is sharply reduced on large systems, because a scan of
276     the tasklist can be avoided on each set of queries.
277
278     Because this meter is a running average, instead of an accumulating
279     counter, a batch scheduler can detect memory pressure with a
280     single read, instead of having to read and accumulate results
281     for a period of time.
282
283     Because this meter is per-cpuset rather than per-task or mm,
284     the batch scheduler can obtain the key information, memory
285     pressure in a cpuset, with a single read, rather than having to
286     query and accumulate results over all the (dynamically changing)
287     set of tasks in the cpuset.
288
289 A per-cpuset simple digital filter (requires a spinlock and 3 words
290 of data per-cpuset) is kept, and updated by any task attached to that
291 cpuset, if it enters the synchronous (direct) page reclaim code.
292
293 A per-cpuset file provides an integer number representing the recent
294 (half-life of 10 seconds) rate of direct page reclaims caused by
295 the tasks in the cpuset, in units of reclaims attempted per second,
296 times 1000.
297
298
299 1.6 What is memory spread ?
300 ---------------------------
301 There are two boolean flag files per cpuset that control where the
302 kernel allocates pages for the file system buffers and related in
303 kernel data structures.  They are called 'memory_spread_page' and
304 'memory_spread_slab'.
305
306 If the per-cpuset boolean flag file 'memory_spread_page' is set, then
307 the kernel will spread the file system buffers (page cache) evenly
308 over all the nodes that the faulting task is allowed to use, instead
309 of preferring to put those pages on the node where the task is running.
310
311 If the per-cpuset boolean flag file 'memory_spread_slab' is set,
312 then the kernel will spread some file system related slab caches,
313 such as for inodes and dentries evenly over all the nodes that the
314 faulting task is allowed to use, instead of preferring to put those
315 pages on the node where the task is running.
316
317 The setting of these flags does not affect anonymous data segment or
318 stack segment pages of a task.
319
320 By default, both kinds of memory spreading are off, and memory
321 pages are allocated on the node local to where the task is running,
322 except perhaps as modified by the tasks NUMA mempolicy or cpuset
323 configuration, so long as sufficient free memory pages are available.
324
325 When new cpusets are created, they inherit the memory spread settings
326 of their parent.
327
328 Setting memory spreading causes allocations for the affected page
329 or slab caches to ignore the tasks NUMA mempolicy and be spread
330 instead.    Tasks using mbind() or set_mempolicy() calls to set NUMA
331 mempolicies will not notice any change in these calls as a result of
332 their containing tasks memory spread settings.  If memory spreading
333 is turned off, then the currently specified NUMA mempolicy once again
334 applies to memory page allocations.
335
336 Both 'memory_spread_page' and 'memory_spread_slab' are boolean flag
337 files.  By default they contain "0", meaning that the feature is off
338 for that cpuset.  If a "1" is written to that file, then that turns
339 the named feature on.
340
341 The implementation is simple.
342
343 Setting the flag 'memory_spread_page' turns on a per-process flag
344 PF_SPREAD_PAGE for each task that is in that cpuset or subsequently
345 joins that cpuset.  The page allocation calls for the page cache
346 is modified to perform an inline check for this PF_SPREAD_PAGE task
347 flag, and if set, a call to a new routine cpuset_mem_spread_node()
348 returns the node to prefer for the allocation.
349
350 Similarly, setting 'memory_spread_slab' turns on the flag
351 PF_SPREAD_SLAB, and appropriately marked slab caches will allocate
352 pages from the node returned by cpuset_mem_spread_node().
353
354 The cpuset_mem_spread_node() routine is also simple.  It uses the
355 value of a per-task rotor cpuset_mem_spread_rotor to select the next
356 node in the current tasks mems_allowed to prefer for the allocation.
357
358 This memory placement policy is also known (in other contexts) as
359 round-robin or interleave.
360
361 This policy can provide substantial improvements for jobs that need
362 to place thread local data on the corresponding node, but that need
363 to access large file system data sets that need to be spread across
364 the several nodes in the jobs cpuset in order to fit.  Without this
365 policy, especially for jobs that might have one thread reading in the
366 data set, the memory allocation across the nodes in the jobs cpuset
367 can become very uneven.
368
369 1.7 What is sched_load_balance ?
370 --------------------------------
371
372 The kernel scheduler (kernel/sched.c) automatically load balances
373 tasks.  If one CPU is underutilized, kernel code running on that
374 CPU will look for tasks on other more overloaded CPUs and move those
375 tasks to itself, within the constraints of such placement mechanisms
376 as cpusets and sched_setaffinity.
377
378 The algorithmic cost of load balancing and its impact on key shared
379 kernel data structures such as the task list increases more than
380 linearly with the number of CPUs being balanced.  So the scheduler
381 has support to  partition the systems CPUs into a number of sched
382 domains such that it only load balances within each sched domain.
383 Each sched domain covers some subset of the CPUs in the system;
384 no two sched domains overlap; some CPUs might not be in any sched
385 domain and hence won't be load balanced.
386
387 Put simply, it costs less to balance between two smaller sched domains
388 than one big one, but doing so means that overloads in one of the
389 two domains won't be load balanced to the other one.
390
391 By default, there is one sched domain covering all CPUs, except those
392 marked isolated using the kernel boot time "isolcpus=" argument.
393
394 This default load balancing across all CPUs is not well suited for
395 the following two situations:
396  1) On large systems, load balancing across many CPUs is expensive.
397     If the system is managed using cpusets to place independent jobs
398     on separate sets of CPUs, full load balancing is unnecessary.
399  2) Systems supporting realtime on some CPUs need to minimize
400     system overhead on those CPUs, including avoiding task load
401     balancing if that is not needed.
402
403 When the per-cpuset flag "sched_load_balance" is enabled (the default
404 setting), it requests that all the CPUs in that cpusets allowed 'cpus'
405 be contained in a single sched domain, ensuring that load balancing
406 can move a task (not otherwised pinned, as by sched_setaffinity)
407 from any CPU in that cpuset to any other.
408
409 When the per-cpuset flag "sched_load_balance" is disabled, then the
410 scheduler will avoid load balancing across the CPUs in that cpuset,
411 --except-- in so far as is necessary because some overlapping cpuset
412 has "sched_load_balance" enabled.
413
414 So, for example, if the top cpuset has the flag "sched_load_balance"
415 enabled, then the scheduler will have one sched domain covering all
416 CPUs, and the setting of the "sched_load_balance" flag in any other
417 cpusets won't matter, as we're already fully load balancing.
418
419 Therefore in the above two situations, the top cpuset flag
420 "sched_load_balance" should be disabled, and only some of the smaller,
421 child cpusets have this flag enabled.
422
423 When doing this, you don't usually want to leave any unpinned tasks in
424 the top cpuset that might use non-trivial amounts of CPU, as such tasks
425 may be artificially constrained to some subset of CPUs, depending on
426 the particulars of this flag setting in descendent cpusets.  Even if
427 such a task could use spare CPU cycles in some other CPUs, the kernel
428 scheduler might not consider the possibility of load balancing that
429 task to that underused CPU.
430
431 Of course, tasks pinned to a particular CPU can be left in a cpuset
432 that disables "sched_load_balance" as those tasks aren't going anywhere
433 else anyway.
434
435 There is an impedance mismatch here, between cpusets and sched domains.
436 Cpusets are hierarchical and nest.  Sched domains are flat; they don't
437 overlap and each CPU is in at most one sched domain.
438
439 It is necessary for sched domains to be flat because load balancing
440 across partially overlapping sets of CPUs would risk unstable dynamics
441 that would be beyond our understanding.  So if each of two partially
442 overlapping cpusets enables the flag 'sched_load_balance', then we
443 form a single sched domain that is a superset of both.  We won't move
444 a task to a CPU outside it cpuset, but the scheduler load balancing
445 code might waste some compute cycles considering that possibility.
446
447 This mismatch is why there is not a simple one-to-one relation
448 between which cpusets have the flag "sched_load_balance" enabled,
449 and the sched domain configuration.  If a cpuset enables the flag, it
450 will get balancing across all its CPUs, but if it disables the flag,
451 it will only be assured of no load balancing if no other overlapping
452 cpuset enables the flag.
453
454 If two cpusets have partially overlapping 'cpus' allowed, and only
455 one of them has this flag enabled, then the other may find its
456 tasks only partially load balanced, just on the overlapping CPUs.
457 This is just the general case of the top_cpuset example given a few
458 paragraphs above.  In the general case, as in the top cpuset case,
459 don't leave tasks that might use non-trivial amounts of CPU in
460 such partially load balanced cpusets, as they may be artificially
461 constrained to some subset of the CPUs allowed to them, for lack of
462 load balancing to the other CPUs.
463
464 1.7.1 sched_load_balance implementation details.
465 ------------------------------------------------
466
467 The per-cpuset flag 'sched_load_balance' defaults to enabled (contrary
468 to most cpuset flags.)  When enabled for a cpuset, the kernel will
469 ensure that it can load balance across all the CPUs in that cpuset
470 (makes sure that all the CPUs in the cpus_allowed of that cpuset are
471 in the same sched domain.)
472
473 If two overlapping cpusets both have 'sched_load_balance' enabled,
474 then they will be (must be) both in the same sched domain.
475
476 If, as is the default, the top cpuset has 'sched_load_balance' enabled,
477 then by the above that means there is a single sched domain covering
478 the whole system, regardless of any other cpuset settings.
479
480 The kernel commits to user space that it will avoid load balancing
481 where it can.  It will pick as fine a granularity partition of sched
482 domains as it can while still providing load balancing for any set
483 of CPUs allowed to a cpuset having 'sched_load_balance' enabled.
484
485 The internal kernel cpuset to scheduler interface passes from the
486 cpuset code to the scheduler code a partition of the load balanced
487 CPUs in the system. This partition is a set of subsets (represented
488 as an array of cpumask_t) of CPUs, pairwise disjoint, that cover all
489 the CPUs that must be load balanced.
490
491 Whenever the 'sched_load_balance' flag changes, or CPUs come or go
492 from a cpuset with this flag enabled, or a cpuset with this flag
493 enabled is removed, the cpuset code builds a new such partition and
494 passes it to the scheduler sched domain setup code, to have the sched
495 domains rebuilt as necessary.
496
497 This partition exactly defines what sched domains the scheduler should
498 setup - one sched domain for each element (cpumask_t) in the partition.
499
500 The scheduler remembers the currently active sched domain partitions.
501 When the scheduler routine partition_sched_domains() is invoked from
502 the cpuset code to update these sched domains, it compares the new
503 partition requested with the current, and updates its sched domains,
504 removing the old and adding the new, for each change.
505
506
507 1.8 What is sched_relax_domain_level ?
508 --------------------------------------
509
510 In sched domain, the scheduler migrates tasks in 2 ways; periodic load
511 balance on tick, and at time of some schedule events.
512
513 When a task is woken up, scheduler try to move the task on idle CPU.
514 For example, if a task A running on CPU X activates another task B
515 on the same CPU X, and if CPU Y is X's sibling and performing idle,
516 then scheduler migrate task B to CPU Y so that task B can start on
517 CPU Y without waiting task A on CPU X.
518
519 And if a CPU run out of tasks in its runqueue, the CPU try to pull
520 extra tasks from other busy CPUs to help them before it is going to
521 be idle.
522
523 Of course it takes some searching cost to find movable tasks and/or
524 idle CPUs, the scheduler might not search all CPUs in the domain
525 everytime.  In fact, in some architectures, the searching ranges on
526 events are limited in the same socket or node where the CPU locates,
527 while the load balance on tick searchs all.
528
529 For example, assume CPU Z is relatively far from CPU X.  Even if CPU Z
530 is idle while CPU X and the siblings are busy, scheduler can't migrate
531 woken task B from X to Z since it is out of its searching range.
532 As the result, task B on CPU X need to wait task A or wait load balance
533 on the next tick.  For some applications in special situation, waiting
534 1 tick may be too long.
535
536 The 'sched_relax_domain_level' file allows you to request changing
537 this searching range as you like.  This file takes int value which
538 indicates size of searching range in levels ideally as follows,
539 otherwise initial value -1 that indicates the cpuset has no request.
540
541   -1  : no request. use system default or follow request of others.
542    0  : no search.
543    1  : search siblings (hyperthreads in a core).
544    2  : search cores in a package.
545    3  : search cpus in a node [= system wide on non-NUMA system]
546  ( 4  : search nodes in a chunk of node [on NUMA system] )
547  ( 5  : search system wide [on NUMA system] )
548
549 The system default is architecture dependent.  The system default
550 can be changed using the relax_domain_level= boot parameter.
551
552 This file is per-cpuset and affect the sched domain where the cpuset
553 belongs to.  Therefore if the flag 'sched_load_balance' of a cpuset
554 is disabled, then 'sched_relax_domain_level' have no effect since
555 there is no sched domain belonging the cpuset.
556
557 If multiple cpusets are overlapping and hence they form a single sched
558 domain, the largest value among those is used.  Be careful, if one
559 requests 0 and others are -1 then 0 is used.
560
561 Note that modifying this file will have both good and bad effects,
562 and whether it is acceptable or not will be depend on your situation.
563 Don't modify this file if you are not sure.
564
565 If your situation is:
566  - The migration costs between each cpu can be assumed considerably
567    small(for you) due to your special application's behavior or
568    special hardware support for CPU cache etc.
569  - The searching cost doesn't have impact(for you) or you can make
570    the searching cost enough small by managing cpuset to compact etc.
571  - The latency is required even it sacrifices cache hit rate etc.
572 then increasing 'sched_relax_domain_level' would benefit you.
573
574
575 1.9 How do I use cpusets ?
576 --------------------------
577
578 In order to minimize the impact of cpusets on critical kernel
579 code, such as the scheduler, and due to the fact that the kernel
580 does not support one task updating the memory placement of another
581 task directly, the impact on a task of changing its cpuset CPU
582 or Memory Node placement, or of changing to which cpuset a task
583 is attached, is subtle.
584
585 If a cpuset has its Memory Nodes modified, then for each task attached
586 to that cpuset, the next time that the kernel attempts to allocate
587 a page of memory for that task, the kernel will notice the change
588 in the tasks cpuset, and update its per-task memory placement to
589 remain within the new cpusets memory placement.  If the task was using
590 mempolicy MPOL_BIND, and the nodes to which it was bound overlap with
591 its new cpuset, then the task will continue to use whatever subset
592 of MPOL_BIND nodes are still allowed in the new cpuset.  If the task
593 was using MPOL_BIND and now none of its MPOL_BIND nodes are allowed
594 in the new cpuset, then the task will be essentially treated as if it
595 was MPOL_BIND bound to the new cpuset (even though its numa placement,
596 as queried by get_mempolicy(), doesn't change).  If a task is moved
597 from one cpuset to another, then the kernel will adjust the tasks
598 memory placement, as above, the next time that the kernel attempts
599 to allocate a page of memory for that task.
600
601 If a cpuset has its 'cpus' modified, then each task in that cpuset
602 will have its allowed CPU placement changed immediately.  Similarly,
603 if a tasks pid is written to a cpusets 'tasks' file, in either its
604 current cpuset or another cpuset, then its allowed CPU placement is
605 changed immediately.  If such a task had been bound to some subset
606 of its cpuset using the sched_setaffinity() call, the task will be
607 allowed to run on any CPU allowed in its new cpuset, negating the
608 affect of the prior sched_setaffinity() call.
609
610 In summary, the memory placement of a task whose cpuset is changed is
611 updated by the kernel, on the next allocation of a page for that task,
612 but the processor placement is not updated, until that tasks pid is
613 rewritten to the 'tasks' file of its cpuset.  This is done to avoid
614 impacting the scheduler code in the kernel with a check for changes
615 in a tasks processor placement.
616
617 Normally, once a page is allocated (given a physical page
618 of main memory) then that page stays on whatever node it
619 was allocated, so long as it remains allocated, even if the
620 cpusets memory placement policy 'mems' subsequently changes.
621 If the cpuset flag file 'memory_migrate' is set true, then when
622 tasks are attached to that cpuset, any pages that task had
623 allocated to it on nodes in its previous cpuset are migrated
624 to the tasks new cpuset. The relative placement of the page within
625 the cpuset is preserved during these migration operations if possible.
626 For example if the page was on the second valid node of the prior cpuset
627 then the page will be placed on the second valid node of the new cpuset.
628
629 Also if 'memory_migrate' is set true, then if that cpusets
630 'mems' file is modified, pages allocated to tasks in that
631 cpuset, that were on nodes in the previous setting of 'mems',
632 will be moved to nodes in the new setting of 'mems.'
633 Pages that were not in the tasks prior cpuset, or in the cpusets
634 prior 'mems' setting, will not be moved.
635
636 There is an exception to the above.  If hotplug functionality is used
637 to remove all the CPUs that are currently assigned to a cpuset,
638 then the kernel will automatically update the cpus_allowed of all
639 tasks attached to CPUs in that cpuset to allow all CPUs.  When memory
640 hotplug functionality for removing Memory Nodes is available, a
641 similar exception is expected to apply there as well.  In general,
642 the kernel prefers to violate cpuset placement, over starving a task
643 that has had all its allowed CPUs or Memory Nodes taken offline.  User
644 code should reconfigure cpusets to only refer to online CPUs and Memory
645 Nodes when using hotplug to add or remove such resources.
646
647 There is a second exception to the above.  GFP_ATOMIC requests are
648 kernel internal allocations that must be satisfied, immediately.
649 The kernel may drop some request, in rare cases even panic, if a
650 GFP_ATOMIC alloc fails.  If the request cannot be satisfied within
651 the current tasks cpuset, then we relax the cpuset, and look for
652 memory anywhere we can find it.  It's better to violate the cpuset
653 than stress the kernel.
654
655 To start a new job that is to be contained within a cpuset, the steps are:
656
657  1) mkdir /dev/cpuset
658  2) mount -t cgroup -ocpuset cpuset /dev/cpuset
659  3) Create the new cpuset by doing mkdir's and write's (or echo's) in
660     the /dev/cpuset virtual file system.
661  4) Start a task that will be the "founding father" of the new job.
662  5) Attach that task to the new cpuset by writing its pid to the
663     /dev/cpuset tasks file for that cpuset.
664  6) fork, exec or clone the job tasks from this founding father task.
665
666 For example, the following sequence of commands will setup a cpuset
667 named "Charlie", containing just CPUs 2 and 3, and Memory Node 1,
668 and then start a subshell 'sh' in that cpuset:
669
670   mount -t cgroup -ocpuset cpuset /dev/cpuset
671   cd /dev/cpuset
672   mkdir Charlie
673   cd Charlie
674   /bin/echo 2-3 > cpus
675   /bin/echo 1 > mems
676   /bin/echo $$ > tasks
677   sh
678   # The subshell 'sh' is now running in cpuset Charlie
679   # The next line should display '/Charlie'
680   cat /proc/self/cpuset
681
682 In the future, a C library interface to cpusets will likely be
683 available.  For now, the only way to query or modify cpusets is
684 via the cpuset file system, using the various cd, mkdir, echo, cat,
685 rmdir commands from the shell, or their equivalent from C.
686
687 The sched_setaffinity calls can also be done at the shell prompt using
688 SGI's runon or Robert Love's taskset.  The mbind and set_mempolicy
689 calls can be done at the shell prompt using the numactl command
690 (part of Andi Kleen's numa package).
691
692 2. Usage Examples and Syntax
693 ============================
694
695 2.1 Basic Usage
696 ---------------
697
698 Creating, modifying, using the cpusets can be done through the cpuset
699 virtual filesystem.
700
701 To mount it, type:
702 # mount -t cgroup -o cpuset cpuset /dev/cpuset
703
704 Then under /dev/cpuset you can find a tree that corresponds to the
705 tree of the cpusets in the system. For instance, /dev/cpuset
706 is the cpuset that holds the whole system.
707
708 If you want to create a new cpuset under /dev/cpuset:
709 # cd /dev/cpuset
710 # mkdir my_cpuset
711
712 Now you want to do something with this cpuset.
713 # cd my_cpuset
714
715 In this directory you can find several files:
716 # ls
717 cpu_exclusive  memory_migrate      mems                      tasks
718 cpus           memory_pressure     notify_on_release
719 mem_exclusive  memory_spread_page  sched_load_balance
720 mem_hardwall   memory_spread_slab  sched_relax_domain_level
721
722 Reading them will give you information about the state of this cpuset:
723 the CPUs and Memory Nodes it can use, the processes that are using
724 it, its properties.  By writing to these files you can manipulate
725 the cpuset.
726
727 Set some flags:
728 # /bin/echo 1 > cpu_exclusive
729
730 Add some cpus:
731 # /bin/echo 0-7 > cpus
732
733 Add some mems:
734 # /bin/echo 0-7 > mems
735
736 Now attach your shell to this cpuset:
737 # /bin/echo $$ > tasks
738
739 You can also create cpusets inside your cpuset by using mkdir in this
740 directory.
741 # mkdir my_sub_cs
742
743 To remove a cpuset, just use rmdir:
744 # rmdir my_sub_cs
745 This will fail if the cpuset is in use (has cpusets inside, or has
746 processes attached).
747
748 Note that for legacy reasons, the "cpuset" filesystem exists as a
749 wrapper around the cgroup filesystem.
750
751 The command
752
753 mount -t cpuset X /dev/cpuset
754
755 is equivalent to
756
757 mount -t cgroup -ocpuset X /dev/cpuset
758 echo "/sbin/cpuset_release_agent" > /dev/cpuset/release_agent
759
760 2.2 Adding/removing cpus
761 ------------------------
762
763 This is the syntax to use when writing in the cpus or mems files
764 in cpuset directories:
765
766 # /bin/echo 1-4 > cpus          -> set cpus list to cpus 1,2,3,4
767 # /bin/echo 1,2,3,4 > cpus      -> set cpus list to cpus 1,2,3,4
768
769 2.3 Setting flags
770 -----------------
771
772 The syntax is very simple:
773
774 # /bin/echo 1 > cpu_exclusive   -> set flag 'cpu_exclusive'
775 # /bin/echo 0 > cpu_exclusive   -> unset flag 'cpu_exclusive'
776
777 2.4 Attaching processes
778 -----------------------
779
780 # /bin/echo PID > tasks
781
782 Note that it is PID, not PIDs. You can only attach ONE task at a time.
783 If you have several tasks to attach, you have to do it one after another:
784
785 # /bin/echo PID1 > tasks
786 # /bin/echo PID2 > tasks
787         ...
788 # /bin/echo PIDn > tasks
789
790
791 3. Questions
792 ============
793
794 Q: what's up with this '/bin/echo' ?
795 A: bash's builtin 'echo' command does not check calls to write() against
796    errors. If you use it in the cpuset file system, you won't be
797    able to tell whether a command succeeded or failed.
798
799 Q: When I attach processes, only the first of the line gets really attached !
800 A: We can only return one error code per call to write(). So you should also
801    put only ONE pid.
802
803 4. Contact
804 ==========
805
806 Web: http://www.bullopensource.org/cpuset