Merge tag 'acpi-3.13-fixup' of git://git.kernel.org/pub/scm/linux/kernel/git/rafael...
[firefly-linux-kernel-4.4.55.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/slab.h>
27 #include <linux/profile.h>
28 #include <linux/interrupt.h>
29 #include <linux/mempolicy.h>
30 #include <linux/migrate.h>
31 #include <linux/task_work.h>
32
33 #include <trace/events/sched.h>
34
35 #include "sched.h"
36
37 /*
38  * Targeted preemption latency for CPU-bound tasks:
39  * (default: 6ms * (1 + ilog(ncpus)), units: nanoseconds)
40  *
41  * NOTE: this latency value is not the same as the concept of
42  * 'timeslice length' - timeslices in CFS are of variable length
43  * and have no persistent notion like in traditional, time-slice
44  * based scheduling concepts.
45  *
46  * (to see the precise effective timeslice length of your workload,
47  *  run vmstat and monitor the context-switches (cs) field)
48  */
49 unsigned int sysctl_sched_latency = 6000000ULL;
50 unsigned int normalized_sysctl_sched_latency = 6000000ULL;
51
52 /*
53  * The initial- and re-scaling of tunables is configurable
54  * (default SCHED_TUNABLESCALING_LOG = *(1+ilog(ncpus))
55  *
56  * Options are:
57  * SCHED_TUNABLESCALING_NONE - unscaled, always *1
58  * SCHED_TUNABLESCALING_LOG - scaled logarithmical, *1+ilog(ncpus)
59  * SCHED_TUNABLESCALING_LINEAR - scaled linear, *ncpus
60  */
61 enum sched_tunable_scaling sysctl_sched_tunable_scaling
62         = SCHED_TUNABLESCALING_LOG;
63
64 /*
65  * Minimal preemption granularity for CPU-bound tasks:
66  * (default: 0.75 msec * (1 + ilog(ncpus)), units: nanoseconds)
67  */
68 unsigned int sysctl_sched_min_granularity = 750000ULL;
69 unsigned int normalized_sysctl_sched_min_granularity = 750000ULL;
70
71 /*
72  * is kept at sysctl_sched_latency / sysctl_sched_min_granularity
73  */
74 static unsigned int sched_nr_latency = 8;
75
76 /*
77  * After fork, child runs first. If set to 0 (default) then
78  * parent will (try to) run first.
79  */
80 unsigned int sysctl_sched_child_runs_first __read_mostly;
81
82 /*
83  * SCHED_OTHER wake-up granularity.
84  * (default: 1 msec * (1 + ilog(ncpus)), units: nanoseconds)
85  *
86  * This option delays the preemption effects of decoupled workloads
87  * and reduces their over-scheduling. Synchronous workloads will still
88  * have immediate wakeup/sleep latencies.
89  */
90 unsigned int sysctl_sched_wakeup_granularity = 1000000UL;
91 unsigned int normalized_sysctl_sched_wakeup_granularity = 1000000UL;
92
93 const_debug unsigned int sysctl_sched_migration_cost = 500000UL;
94
95 /*
96  * The exponential sliding  window over which load is averaged for shares
97  * distribution.
98  * (default: 10msec)
99  */
100 unsigned int __read_mostly sysctl_sched_shares_window = 10000000UL;
101
102 #ifdef CONFIG_CFS_BANDWIDTH
103 /*
104  * Amount of runtime to allocate from global (tg) to local (per-cfs_rq) pool
105  * each time a cfs_rq requests quota.
106  *
107  * Note: in the case that the slice exceeds the runtime remaining (either due
108  * to consumption or the quota being specified to be smaller than the slice)
109  * we will always only issue the remaining available time.
110  *
111  * default: 5 msec, units: microseconds
112   */
113 unsigned int sysctl_sched_cfs_bandwidth_slice = 5000UL;
114 #endif
115
116 static inline void update_load_add(struct load_weight *lw, unsigned long inc)
117 {
118         lw->weight += inc;
119         lw->inv_weight = 0;
120 }
121
122 static inline void update_load_sub(struct load_weight *lw, unsigned long dec)
123 {
124         lw->weight -= dec;
125         lw->inv_weight = 0;
126 }
127
128 static inline void update_load_set(struct load_weight *lw, unsigned long w)
129 {
130         lw->weight = w;
131         lw->inv_weight = 0;
132 }
133
134 /*
135  * Increase the granularity value when there are more CPUs,
136  * because with more CPUs the 'effective latency' as visible
137  * to users decreases. But the relationship is not linear,
138  * so pick a second-best guess by going with the log2 of the
139  * number of CPUs.
140  *
141  * This idea comes from the SD scheduler of Con Kolivas:
142  */
143 static int get_update_sysctl_factor(void)
144 {
145         unsigned int cpus = min_t(int, num_online_cpus(), 8);
146         unsigned int factor;
147
148         switch (sysctl_sched_tunable_scaling) {
149         case SCHED_TUNABLESCALING_NONE:
150                 factor = 1;
151                 break;
152         case SCHED_TUNABLESCALING_LINEAR:
153                 factor = cpus;
154                 break;
155         case SCHED_TUNABLESCALING_LOG:
156         default:
157                 factor = 1 + ilog2(cpus);
158                 break;
159         }
160
161         return factor;
162 }
163
164 static void update_sysctl(void)
165 {
166         unsigned int factor = get_update_sysctl_factor();
167
168 #define SET_SYSCTL(name) \
169         (sysctl_##name = (factor) * normalized_sysctl_##name)
170         SET_SYSCTL(sched_min_granularity);
171         SET_SYSCTL(sched_latency);
172         SET_SYSCTL(sched_wakeup_granularity);
173 #undef SET_SYSCTL
174 }
175
176 void sched_init_granularity(void)
177 {
178         update_sysctl();
179 }
180
181 #define WMULT_CONST     (~0U)
182 #define WMULT_SHIFT     32
183
184 static void __update_inv_weight(struct load_weight *lw)
185 {
186         unsigned long w;
187
188         if (likely(lw->inv_weight))
189                 return;
190
191         w = scale_load_down(lw->weight);
192
193         if (BITS_PER_LONG > 32 && unlikely(w >= WMULT_CONST))
194                 lw->inv_weight = 1;
195         else if (unlikely(!w))
196                 lw->inv_weight = WMULT_CONST;
197         else
198                 lw->inv_weight = WMULT_CONST / w;
199 }
200
201 /*
202  * delta_exec * weight / lw.weight
203  *   OR
204  * (delta_exec * (weight * lw->inv_weight)) >> WMULT_SHIFT
205  *
206  * Either weight := NICE_0_LOAD and lw \e prio_to_wmult[], in which case
207  * we're guaranteed shift stays positive because inv_weight is guaranteed to
208  * fit 32 bits, and NICE_0_LOAD gives another 10 bits; therefore shift >= 22.
209  *
210  * Or, weight =< lw.weight (because lw.weight is the runqueue weight), thus
211  * weight/lw.weight <= 1, and therefore our shift will also be positive.
212  */
213 static u64 __calc_delta(u64 delta_exec, unsigned long weight, struct load_weight *lw)
214 {
215         u64 fact = scale_load_down(weight);
216         int shift = WMULT_SHIFT;
217
218         __update_inv_weight(lw);
219
220         if (unlikely(fact >> 32)) {
221                 while (fact >> 32) {
222                         fact >>= 1;
223                         shift--;
224                 }
225         }
226
227         /* hint to use a 32x32->64 mul */
228         fact = (u64)(u32)fact * lw->inv_weight;
229
230         while (fact >> 32) {
231                 fact >>= 1;
232                 shift--;
233         }
234
235         return mul_u64_u32_shr(delta_exec, fact, shift);
236 }
237
238
239 const struct sched_class fair_sched_class;
240
241 /**************************************************************
242  * CFS operations on generic schedulable entities:
243  */
244
245 #ifdef CONFIG_FAIR_GROUP_SCHED
246
247 /* cpu runqueue to which this cfs_rq is attached */
248 static inline struct rq *rq_of(struct cfs_rq *cfs_rq)
249 {
250         return cfs_rq->rq;
251 }
252
253 /* An entity is a task if it doesn't "own" a runqueue */
254 #define entity_is_task(se)      (!se->my_q)
255
256 static inline struct task_struct *task_of(struct sched_entity *se)
257 {
258 #ifdef CONFIG_SCHED_DEBUG
259         WARN_ON_ONCE(!entity_is_task(se));
260 #endif
261         return container_of(se, struct task_struct, se);
262 }
263
264 /* Walk up scheduling entities hierarchy */
265 #define for_each_sched_entity(se) \
266                 for (; se; se = se->parent)
267
268 static inline struct cfs_rq *task_cfs_rq(struct task_struct *p)
269 {
270         return p->se.cfs_rq;
271 }
272
273 /* runqueue on which this entity is (to be) queued */
274 static inline struct cfs_rq *cfs_rq_of(struct sched_entity *se)
275 {
276         return se->cfs_rq;
277 }
278
279 /* runqueue "owned" by this group */
280 static inline struct cfs_rq *group_cfs_rq(struct sched_entity *grp)
281 {
282         return grp->my_q;
283 }
284
285 static void update_cfs_rq_blocked_load(struct cfs_rq *cfs_rq,
286                                        int force_update);
287
288 static inline void list_add_leaf_cfs_rq(struct cfs_rq *cfs_rq)
289 {
290         if (!cfs_rq->on_list) {
291                 /*
292                  * Ensure we either appear before our parent (if already
293                  * enqueued) or force our parent to appear after us when it is
294                  * enqueued.  The fact that we always enqueue bottom-up
295                  * reduces this to two cases.
296                  */
297                 if (cfs_rq->tg->parent &&
298                     cfs_rq->tg->parent->cfs_rq[cpu_of(rq_of(cfs_rq))]->on_list) {
299                         list_add_rcu(&cfs_rq->leaf_cfs_rq_list,
300                                 &rq_of(cfs_rq)->leaf_cfs_rq_list);
301                 } else {
302                         list_add_tail_rcu(&cfs_rq->leaf_cfs_rq_list,
303                                 &rq_of(cfs_rq)->leaf_cfs_rq_list);
304                 }
305
306                 cfs_rq->on_list = 1;
307                 /* We should have no load, but we need to update last_decay. */
308                 update_cfs_rq_blocked_load(cfs_rq, 0);
309         }
310 }
311
312 static inline void list_del_leaf_cfs_rq(struct cfs_rq *cfs_rq)
313 {
314         if (cfs_rq->on_list) {
315                 list_del_rcu(&cfs_rq->leaf_cfs_rq_list);
316                 cfs_rq->on_list = 0;
317         }
318 }
319
320 /* Iterate thr' all leaf cfs_rq's on a runqueue */
321 #define for_each_leaf_cfs_rq(rq, cfs_rq) \
322         list_for_each_entry_rcu(cfs_rq, &rq->leaf_cfs_rq_list, leaf_cfs_rq_list)
323
324 /* Do the two (enqueued) entities belong to the same group ? */
325 static inline int
326 is_same_group(struct sched_entity *se, struct sched_entity *pse)
327 {
328         if (se->cfs_rq == pse->cfs_rq)
329                 return 1;
330
331         return 0;
332 }
333
334 static inline struct sched_entity *parent_entity(struct sched_entity *se)
335 {
336         return se->parent;
337 }
338
339 /* return depth at which a sched entity is present in the hierarchy */
340 static inline int depth_se(struct sched_entity *se)
341 {
342         int depth = 0;
343
344         for_each_sched_entity(se)
345                 depth++;
346
347         return depth;
348 }
349
350 static void
351 find_matching_se(struct sched_entity **se, struct sched_entity **pse)
352 {
353         int se_depth, pse_depth;
354
355         /*
356          * preemption test can be made between sibling entities who are in the
357          * same cfs_rq i.e who have a common parent. Walk up the hierarchy of
358          * both tasks until we find their ancestors who are siblings of common
359          * parent.
360          */
361
362         /* First walk up until both entities are at same depth */
363         se_depth = depth_se(*se);
364         pse_depth = depth_se(*pse);
365
366         while (se_depth > pse_depth) {
367                 se_depth--;
368                 *se = parent_entity(*se);
369         }
370
371         while (pse_depth > se_depth) {
372                 pse_depth--;
373                 *pse = parent_entity(*pse);
374         }
375
376         while (!is_same_group(*se, *pse)) {
377                 *se = parent_entity(*se);
378                 *pse = parent_entity(*pse);
379         }
380 }
381
382 #else   /* !CONFIG_FAIR_GROUP_SCHED */
383
384 static inline struct task_struct *task_of(struct sched_entity *se)
385 {
386         return container_of(se, struct task_struct, se);
387 }
388
389 static inline struct rq *rq_of(struct cfs_rq *cfs_rq)
390 {
391         return container_of(cfs_rq, struct rq, cfs);
392 }
393
394 #define entity_is_task(se)      1
395
396 #define for_each_sched_entity(se) \
397                 for (; se; se = NULL)
398
399 static inline struct cfs_rq *task_cfs_rq(struct task_struct *p)
400 {
401         return &task_rq(p)->cfs;
402 }
403
404 static inline struct cfs_rq *cfs_rq_of(struct sched_entity *se)
405 {
406         struct task_struct *p = task_of(se);
407         struct rq *rq = task_rq(p);
408
409         return &rq->cfs;
410 }
411
412 /* runqueue "owned" by this group */
413 static inline struct cfs_rq *group_cfs_rq(struct sched_entity *grp)
414 {
415         return NULL;
416 }
417
418 static inline void list_add_leaf_cfs_rq(struct cfs_rq *cfs_rq)
419 {
420 }
421
422 static inline void list_del_leaf_cfs_rq(struct cfs_rq *cfs_rq)
423 {
424 }
425
426 #define for_each_leaf_cfs_rq(rq, cfs_rq) \
427                 for (cfs_rq = &rq->cfs; cfs_rq; cfs_rq = NULL)
428
429 static inline int
430 is_same_group(struct sched_entity *se, struct sched_entity *pse)
431 {
432         return 1;
433 }
434
435 static inline struct sched_entity *parent_entity(struct sched_entity *se)
436 {
437         return NULL;
438 }
439
440 static inline void
441 find_matching_se(struct sched_entity **se, struct sched_entity **pse)
442 {
443 }
444
445 #endif  /* CONFIG_FAIR_GROUP_SCHED */
446
447 static __always_inline
448 void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec);
449
450 /**************************************************************
451  * Scheduling class tree data structure manipulation methods:
452  */
453
454 static inline u64 max_vruntime(u64 max_vruntime, u64 vruntime)
455 {
456         s64 delta = (s64)(vruntime - max_vruntime);
457         if (delta > 0)
458                 max_vruntime = vruntime;
459
460         return max_vruntime;
461 }
462
463 static inline u64 min_vruntime(u64 min_vruntime, u64 vruntime)
464 {
465         s64 delta = (s64)(vruntime - min_vruntime);
466         if (delta < 0)
467                 min_vruntime = vruntime;
468
469         return min_vruntime;
470 }
471
472 static inline int entity_before(struct sched_entity *a,
473                                 struct sched_entity *b)
474 {
475         return (s64)(a->vruntime - b->vruntime) < 0;
476 }
477
478 static void update_min_vruntime(struct cfs_rq *cfs_rq)
479 {
480         u64 vruntime = cfs_rq->min_vruntime;
481
482         if (cfs_rq->curr)
483                 vruntime = cfs_rq->curr->vruntime;
484
485         if (cfs_rq->rb_leftmost) {
486                 struct sched_entity *se = rb_entry(cfs_rq->rb_leftmost,
487                                                    struct sched_entity,
488                                                    run_node);
489
490                 if (!cfs_rq->curr)
491                         vruntime = se->vruntime;
492                 else
493                         vruntime = min_vruntime(vruntime, se->vruntime);
494         }
495
496         /* ensure we never gain time by being placed backwards. */
497         cfs_rq->min_vruntime = max_vruntime(cfs_rq->min_vruntime, vruntime);
498 #ifndef CONFIG_64BIT
499         smp_wmb();
500         cfs_rq->min_vruntime_copy = cfs_rq->min_vruntime;
501 #endif
502 }
503
504 /*
505  * Enqueue an entity into the rb-tree:
506  */
507 static void __enqueue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
508 {
509         struct rb_node **link = &cfs_rq->tasks_timeline.rb_node;
510         struct rb_node *parent = NULL;
511         struct sched_entity *entry;
512         int leftmost = 1;
513
514         /*
515          * Find the right place in the rbtree:
516          */
517         while (*link) {
518                 parent = *link;
519                 entry = rb_entry(parent, struct sched_entity, run_node);
520                 /*
521                  * We dont care about collisions. Nodes with
522                  * the same key stay together.
523                  */
524                 if (entity_before(se, entry)) {
525                         link = &parent->rb_left;
526                 } else {
527                         link = &parent->rb_right;
528                         leftmost = 0;
529                 }
530         }
531
532         /*
533          * Maintain a cache of leftmost tree entries (it is frequently
534          * used):
535          */
536         if (leftmost)
537                 cfs_rq->rb_leftmost = &se->run_node;
538
539         rb_link_node(&se->run_node, parent, link);
540         rb_insert_color(&se->run_node, &cfs_rq->tasks_timeline);
541 }
542
543 static void __dequeue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
544 {
545         if (cfs_rq->rb_leftmost == &se->run_node) {
546                 struct rb_node *next_node;
547
548                 next_node = rb_next(&se->run_node);
549                 cfs_rq->rb_leftmost = next_node;
550         }
551
552         rb_erase(&se->run_node, &cfs_rq->tasks_timeline);
553 }
554
555 struct sched_entity *__pick_first_entity(struct cfs_rq *cfs_rq)
556 {
557         struct rb_node *left = cfs_rq->rb_leftmost;
558
559         if (!left)
560                 return NULL;
561
562         return rb_entry(left, struct sched_entity, run_node);
563 }
564
565 static struct sched_entity *__pick_next_entity(struct sched_entity *se)
566 {
567         struct rb_node *next = rb_next(&se->run_node);
568
569         if (!next)
570                 return NULL;
571
572         return rb_entry(next, struct sched_entity, run_node);
573 }
574
575 #ifdef CONFIG_SCHED_DEBUG
576 struct sched_entity *__pick_last_entity(struct cfs_rq *cfs_rq)
577 {
578         struct rb_node *last = rb_last(&cfs_rq->tasks_timeline);
579
580         if (!last)
581                 return NULL;
582
583         return rb_entry(last, struct sched_entity, run_node);
584 }
585
586 /**************************************************************
587  * Scheduling class statistics methods:
588  */
589
590 int sched_proc_update_handler(struct ctl_table *table, int write,
591                 void __user *buffer, size_t *lenp,
592                 loff_t *ppos)
593 {
594         int ret = proc_dointvec_minmax(table, write, buffer, lenp, ppos);
595         int factor = get_update_sysctl_factor();
596
597         if (ret || !write)
598                 return ret;
599
600         sched_nr_latency = DIV_ROUND_UP(sysctl_sched_latency,
601                                         sysctl_sched_min_granularity);
602
603 #define WRT_SYSCTL(name) \
604         (normalized_sysctl_##name = sysctl_##name / (factor))
605         WRT_SYSCTL(sched_min_granularity);
606         WRT_SYSCTL(sched_latency);
607         WRT_SYSCTL(sched_wakeup_granularity);
608 #undef WRT_SYSCTL
609
610         return 0;
611 }
612 #endif
613
614 /*
615  * delta /= w
616  */
617 static inline u64 calc_delta_fair(u64 delta, struct sched_entity *se)
618 {
619         if (unlikely(se->load.weight != NICE_0_LOAD))
620                 delta = __calc_delta(delta, NICE_0_LOAD, &se->load);
621
622         return delta;
623 }
624
625 /*
626  * The idea is to set a period in which each task runs once.
627  *
628  * When there are too many tasks (sched_nr_latency) we have to stretch
629  * this period because otherwise the slices get too small.
630  *
631  * p = (nr <= nl) ? l : l*nr/nl
632  */
633 static u64 __sched_period(unsigned long nr_running)
634 {
635         u64 period = sysctl_sched_latency;
636         unsigned long nr_latency = sched_nr_latency;
637
638         if (unlikely(nr_running > nr_latency)) {
639                 period = sysctl_sched_min_granularity;
640                 period *= nr_running;
641         }
642
643         return period;
644 }
645
646 /*
647  * We calculate the wall-time slice from the period by taking a part
648  * proportional to the weight.
649  *
650  * s = p*P[w/rw]
651  */
652 static u64 sched_slice(struct cfs_rq *cfs_rq, struct sched_entity *se)
653 {
654         u64 slice = __sched_period(cfs_rq->nr_running + !se->on_rq);
655
656         for_each_sched_entity(se) {
657                 struct load_weight *load;
658                 struct load_weight lw;
659
660                 cfs_rq = cfs_rq_of(se);
661                 load = &cfs_rq->load;
662
663                 if (unlikely(!se->on_rq)) {
664                         lw = cfs_rq->load;
665
666                         update_load_add(&lw, se->load.weight);
667                         load = &lw;
668                 }
669                 slice = __calc_delta(slice, se->load.weight, load);
670         }
671         return slice;
672 }
673
674 /*
675  * We calculate the vruntime slice of a to-be-inserted task.
676  *
677  * vs = s/w
678  */
679 static u64 sched_vslice(struct cfs_rq *cfs_rq, struct sched_entity *se)
680 {
681         return calc_delta_fair(sched_slice(cfs_rq, se), se);
682 }
683
684 #ifdef CONFIG_SMP
685 static unsigned long task_h_load(struct task_struct *p);
686
687 static inline void __update_task_entity_contrib(struct sched_entity *se);
688
689 /* Give new task start runnable values to heavy its load in infant time */
690 void init_task_runnable_average(struct task_struct *p)
691 {
692         u32 slice;
693
694         p->se.avg.decay_count = 0;
695         slice = sched_slice(task_cfs_rq(p), &p->se) >> 10;
696         p->se.avg.runnable_avg_sum = slice;
697         p->se.avg.runnable_avg_period = slice;
698         __update_task_entity_contrib(&p->se);
699 }
700 #else
701 void init_task_runnable_average(struct task_struct *p)
702 {
703 }
704 #endif
705
706 /*
707  * Update the current task's runtime statistics.
708  */
709 static void update_curr(struct cfs_rq *cfs_rq)
710 {
711         struct sched_entity *curr = cfs_rq->curr;
712         u64 now = rq_clock_task(rq_of(cfs_rq));
713         u64 delta_exec;
714
715         if (unlikely(!curr))
716                 return;
717
718         delta_exec = now - curr->exec_start;
719         if (unlikely((s64)delta_exec <= 0))
720                 return;
721
722         curr->exec_start = now;
723
724         schedstat_set(curr->statistics.exec_max,
725                       max(delta_exec, curr->statistics.exec_max));
726
727         curr->sum_exec_runtime += delta_exec;
728         schedstat_add(cfs_rq, exec_clock, delta_exec);
729
730         curr->vruntime += calc_delta_fair(delta_exec, curr);
731         update_min_vruntime(cfs_rq);
732
733         if (entity_is_task(curr)) {
734                 struct task_struct *curtask = task_of(curr);
735
736                 trace_sched_stat_runtime(curtask, delta_exec, curr->vruntime);
737                 cpuacct_charge(curtask, delta_exec);
738                 account_group_exec_runtime(curtask, delta_exec);
739         }
740
741         account_cfs_rq_runtime(cfs_rq, delta_exec);
742 }
743
744 static inline void
745 update_stats_wait_start(struct cfs_rq *cfs_rq, struct sched_entity *se)
746 {
747         schedstat_set(se->statistics.wait_start, rq_clock(rq_of(cfs_rq)));
748 }
749
750 /*
751  * Task is being enqueued - update stats:
752  */
753 static void update_stats_enqueue(struct cfs_rq *cfs_rq, struct sched_entity *se)
754 {
755         /*
756          * Are we enqueueing a waiting task? (for current tasks
757          * a dequeue/enqueue event is a NOP)
758          */
759         if (se != cfs_rq->curr)
760                 update_stats_wait_start(cfs_rq, se);
761 }
762
763 static void
764 update_stats_wait_end(struct cfs_rq *cfs_rq, struct sched_entity *se)
765 {
766         schedstat_set(se->statistics.wait_max, max(se->statistics.wait_max,
767                         rq_clock(rq_of(cfs_rq)) - se->statistics.wait_start));
768         schedstat_set(se->statistics.wait_count, se->statistics.wait_count + 1);
769         schedstat_set(se->statistics.wait_sum, se->statistics.wait_sum +
770                         rq_clock(rq_of(cfs_rq)) - se->statistics.wait_start);
771 #ifdef CONFIG_SCHEDSTATS
772         if (entity_is_task(se)) {
773                 trace_sched_stat_wait(task_of(se),
774                         rq_clock(rq_of(cfs_rq)) - se->statistics.wait_start);
775         }
776 #endif
777         schedstat_set(se->statistics.wait_start, 0);
778 }
779
780 static inline void
781 update_stats_dequeue(struct cfs_rq *cfs_rq, struct sched_entity *se)
782 {
783         /*
784          * Mark the end of the wait period if dequeueing a
785          * waiting task:
786          */
787         if (se != cfs_rq->curr)
788                 update_stats_wait_end(cfs_rq, se);
789 }
790
791 /*
792  * We are picking a new current task - update its stats:
793  */
794 static inline void
795 update_stats_curr_start(struct cfs_rq *cfs_rq, struct sched_entity *se)
796 {
797         /*
798          * We are starting a new run period:
799          */
800         se->exec_start = rq_clock_task(rq_of(cfs_rq));
801 }
802
803 /**************************************************
804  * Scheduling class queueing methods:
805  */
806
807 #ifdef CONFIG_NUMA_BALANCING
808 /*
809  * Approximate time to scan a full NUMA task in ms. The task scan period is
810  * calculated based on the tasks virtual memory size and
811  * numa_balancing_scan_size.
812  */
813 unsigned int sysctl_numa_balancing_scan_period_min = 1000;
814 unsigned int sysctl_numa_balancing_scan_period_max = 60000;
815
816 /* Portion of address space to scan in MB */
817 unsigned int sysctl_numa_balancing_scan_size = 256;
818
819 /* Scan @scan_size MB every @scan_period after an initial @scan_delay in ms */
820 unsigned int sysctl_numa_balancing_scan_delay = 1000;
821
822 /*
823  * After skipping a page migration on a shared page, skip N more numa page
824  * migrations unconditionally. This reduces the number of NUMA migrations
825  * in shared memory workloads, and has the effect of pulling tasks towards
826  * where their memory lives, over pulling the memory towards the task.
827  */
828 unsigned int sysctl_numa_balancing_migrate_deferred = 16;
829
830 static unsigned int task_nr_scan_windows(struct task_struct *p)
831 {
832         unsigned long rss = 0;
833         unsigned long nr_scan_pages;
834
835         /*
836          * Calculations based on RSS as non-present and empty pages are skipped
837          * by the PTE scanner and NUMA hinting faults should be trapped based
838          * on resident pages
839          */
840         nr_scan_pages = sysctl_numa_balancing_scan_size << (20 - PAGE_SHIFT);
841         rss = get_mm_rss(p->mm);
842         if (!rss)
843                 rss = nr_scan_pages;
844
845         rss = round_up(rss, nr_scan_pages);
846         return rss / nr_scan_pages;
847 }
848
849 /* For sanitys sake, never scan more PTEs than MAX_SCAN_WINDOW MB/sec. */
850 #define MAX_SCAN_WINDOW 2560
851
852 static unsigned int task_scan_min(struct task_struct *p)
853 {
854         unsigned int scan, floor;
855         unsigned int windows = 1;
856
857         if (sysctl_numa_balancing_scan_size < MAX_SCAN_WINDOW)
858                 windows = MAX_SCAN_WINDOW / sysctl_numa_balancing_scan_size;
859         floor = 1000 / windows;
860
861         scan = sysctl_numa_balancing_scan_period_min / task_nr_scan_windows(p);
862         return max_t(unsigned int, floor, scan);
863 }
864
865 static unsigned int task_scan_max(struct task_struct *p)
866 {
867         unsigned int smin = task_scan_min(p);
868         unsigned int smax;
869
870         /* Watch for min being lower than max due to floor calculations */
871         smax = sysctl_numa_balancing_scan_period_max / task_nr_scan_windows(p);
872         return max(smin, smax);
873 }
874
875 /*
876  * Once a preferred node is selected the scheduler balancer will prefer moving
877  * a task to that node for sysctl_numa_balancing_settle_count number of PTE
878  * scans. This will give the process the chance to accumulate more faults on
879  * the preferred node but still allow the scheduler to move the task again if
880  * the nodes CPUs are overloaded.
881  */
882 unsigned int sysctl_numa_balancing_settle_count __read_mostly = 4;
883
884 static void account_numa_enqueue(struct rq *rq, struct task_struct *p)
885 {
886         rq->nr_numa_running += (p->numa_preferred_nid != -1);
887         rq->nr_preferred_running += (p->numa_preferred_nid == task_node(p));
888 }
889
890 static void account_numa_dequeue(struct rq *rq, struct task_struct *p)
891 {
892         rq->nr_numa_running -= (p->numa_preferred_nid != -1);
893         rq->nr_preferred_running -= (p->numa_preferred_nid == task_node(p));
894 }
895
896 struct numa_group {
897         atomic_t refcount;
898
899         spinlock_t lock; /* nr_tasks, tasks */
900         int nr_tasks;
901         pid_t gid;
902         struct list_head task_list;
903
904         struct rcu_head rcu;
905         unsigned long total_faults;
906         unsigned long faults[0];
907 };
908
909 pid_t task_numa_group_id(struct task_struct *p)
910 {
911         return p->numa_group ? p->numa_group->gid : 0;
912 }
913
914 static inline int task_faults_idx(int nid, int priv)
915 {
916         return 2 * nid + priv;
917 }
918
919 static inline unsigned long task_faults(struct task_struct *p, int nid)
920 {
921         if (!p->numa_faults)
922                 return 0;
923
924         return p->numa_faults[task_faults_idx(nid, 0)] +
925                 p->numa_faults[task_faults_idx(nid, 1)];
926 }
927
928 static inline unsigned long group_faults(struct task_struct *p, int nid)
929 {
930         if (!p->numa_group)
931                 return 0;
932
933         return p->numa_group->faults[2*nid] + p->numa_group->faults[2*nid+1];
934 }
935
936 /*
937  * These return the fraction of accesses done by a particular task, or
938  * task group, on a particular numa node.  The group weight is given a
939  * larger multiplier, in order to group tasks together that are almost
940  * evenly spread out between numa nodes.
941  */
942 static inline unsigned long task_weight(struct task_struct *p, int nid)
943 {
944         unsigned long total_faults;
945
946         if (!p->numa_faults)
947                 return 0;
948
949         total_faults = p->total_numa_faults;
950
951         if (!total_faults)
952                 return 0;
953
954         return 1000 * task_faults(p, nid) / total_faults;
955 }
956
957 static inline unsigned long group_weight(struct task_struct *p, int nid)
958 {
959         if (!p->numa_group || !p->numa_group->total_faults)
960                 return 0;
961
962         return 1000 * group_faults(p, nid) / p->numa_group->total_faults;
963 }
964
965 static unsigned long weighted_cpuload(const int cpu);
966 static unsigned long source_load(int cpu, int type);
967 static unsigned long target_load(int cpu, int type);
968 static unsigned long power_of(int cpu);
969 static long effective_load(struct task_group *tg, int cpu, long wl, long wg);
970
971 /* Cached statistics for all CPUs within a node */
972 struct numa_stats {
973         unsigned long nr_running;
974         unsigned long load;
975
976         /* Total compute capacity of CPUs on a node */
977         unsigned long power;
978
979         /* Approximate capacity in terms of runnable tasks on a node */
980         unsigned long capacity;
981         int has_capacity;
982 };
983
984 /*
985  * XXX borrowed from update_sg_lb_stats
986  */
987 static void update_numa_stats(struct numa_stats *ns, int nid)
988 {
989         int cpu, cpus = 0;
990
991         memset(ns, 0, sizeof(*ns));
992         for_each_cpu(cpu, cpumask_of_node(nid)) {
993                 struct rq *rq = cpu_rq(cpu);
994
995                 ns->nr_running += rq->nr_running;
996                 ns->load += weighted_cpuload(cpu);
997                 ns->power += power_of(cpu);
998
999                 cpus++;
1000         }
1001
1002         /*
1003          * If we raced with hotplug and there are no CPUs left in our mask
1004          * the @ns structure is NULL'ed and task_numa_compare() will
1005          * not find this node attractive.
1006          *
1007          * We'll either bail at !has_capacity, or we'll detect a huge imbalance
1008          * and bail there.
1009          */
1010         if (!cpus)
1011                 return;
1012
1013         ns->load = (ns->load * SCHED_POWER_SCALE) / ns->power;
1014         ns->capacity = DIV_ROUND_CLOSEST(ns->power, SCHED_POWER_SCALE);
1015         ns->has_capacity = (ns->nr_running < ns->capacity);
1016 }
1017
1018 struct task_numa_env {
1019         struct task_struct *p;
1020
1021         int src_cpu, src_nid;
1022         int dst_cpu, dst_nid;
1023
1024         struct numa_stats src_stats, dst_stats;
1025
1026         int imbalance_pct, idx;
1027
1028         struct task_struct *best_task;
1029         long best_imp;
1030         int best_cpu;
1031 };
1032
1033 static void task_numa_assign(struct task_numa_env *env,
1034                              struct task_struct *p, long imp)
1035 {
1036         if (env->best_task)
1037                 put_task_struct(env->best_task);
1038         if (p)
1039                 get_task_struct(p);
1040
1041         env->best_task = p;
1042         env->best_imp = imp;
1043         env->best_cpu = env->dst_cpu;
1044 }
1045
1046 /*
1047  * This checks if the overall compute and NUMA accesses of the system would
1048  * be improved if the source tasks was migrated to the target dst_cpu taking
1049  * into account that it might be best if task running on the dst_cpu should
1050  * be exchanged with the source task
1051  */
1052 static void task_numa_compare(struct task_numa_env *env,
1053                               long taskimp, long groupimp)
1054 {
1055         struct rq *src_rq = cpu_rq(env->src_cpu);
1056         struct rq *dst_rq = cpu_rq(env->dst_cpu);
1057         struct task_struct *cur;
1058         long dst_load, src_load;
1059         long load;
1060         long imp = (groupimp > 0) ? groupimp : taskimp;
1061
1062         rcu_read_lock();
1063         cur = ACCESS_ONCE(dst_rq->curr);
1064         if (cur->pid == 0) /* idle */
1065                 cur = NULL;
1066
1067         /*
1068          * "imp" is the fault differential for the source task between the
1069          * source and destination node. Calculate the total differential for
1070          * the source task and potential destination task. The more negative
1071          * the value is, the more rmeote accesses that would be expected to
1072          * be incurred if the tasks were swapped.
1073          */
1074         if (cur) {
1075                 /* Skip this swap candidate if cannot move to the source cpu */
1076                 if (!cpumask_test_cpu(env->src_cpu, tsk_cpus_allowed(cur)))
1077                         goto unlock;
1078
1079                 /*
1080                  * If dst and source tasks are in the same NUMA group, or not
1081                  * in any group then look only at task weights.
1082                  */
1083                 if (cur->numa_group == env->p->numa_group) {
1084                         imp = taskimp + task_weight(cur, env->src_nid) -
1085                               task_weight(cur, env->dst_nid);
1086                         /*
1087                          * Add some hysteresis to prevent swapping the
1088                          * tasks within a group over tiny differences.
1089                          */
1090                         if (cur->numa_group)
1091                                 imp -= imp/16;
1092                 } else {
1093                         /*
1094                          * Compare the group weights. If a task is all by
1095                          * itself (not part of a group), use the task weight
1096                          * instead.
1097                          */
1098                         if (env->p->numa_group)
1099                                 imp = groupimp;
1100                         else
1101                                 imp = taskimp;
1102
1103                         if (cur->numa_group)
1104                                 imp += group_weight(cur, env->src_nid) -
1105                                        group_weight(cur, env->dst_nid);
1106                         else
1107                                 imp += task_weight(cur, env->src_nid) -
1108                                        task_weight(cur, env->dst_nid);
1109                 }
1110         }
1111
1112         if (imp < env->best_imp)
1113                 goto unlock;
1114
1115         if (!cur) {
1116                 /* Is there capacity at our destination? */
1117                 if (env->src_stats.has_capacity &&
1118                     !env->dst_stats.has_capacity)
1119                         goto unlock;
1120
1121                 goto balance;
1122         }
1123
1124         /* Balance doesn't matter much if we're running a task per cpu */
1125         if (src_rq->nr_running == 1 && dst_rq->nr_running == 1)
1126                 goto assign;
1127
1128         /*
1129          * In the overloaded case, try and keep the load balanced.
1130          */
1131 balance:
1132         dst_load = env->dst_stats.load;
1133         src_load = env->src_stats.load;
1134
1135         /* XXX missing power terms */
1136         load = task_h_load(env->p);
1137         dst_load += load;
1138         src_load -= load;
1139
1140         if (cur) {
1141                 load = task_h_load(cur);
1142                 dst_load -= load;
1143                 src_load += load;
1144         }
1145
1146         /* make src_load the smaller */
1147         if (dst_load < src_load)
1148                 swap(dst_load, src_load);
1149
1150         if (src_load * env->imbalance_pct < dst_load * 100)
1151                 goto unlock;
1152
1153 assign:
1154         task_numa_assign(env, cur, imp);
1155 unlock:
1156         rcu_read_unlock();
1157 }
1158
1159 static void task_numa_find_cpu(struct task_numa_env *env,
1160                                 long taskimp, long groupimp)
1161 {
1162         int cpu;
1163
1164         for_each_cpu(cpu, cpumask_of_node(env->dst_nid)) {
1165                 /* Skip this CPU if the source task cannot migrate */
1166                 if (!cpumask_test_cpu(cpu, tsk_cpus_allowed(env->p)))
1167                         continue;
1168
1169                 env->dst_cpu = cpu;
1170                 task_numa_compare(env, taskimp, groupimp);
1171         }
1172 }
1173
1174 static int task_numa_migrate(struct task_struct *p)
1175 {
1176         struct task_numa_env env = {
1177                 .p = p,
1178
1179                 .src_cpu = task_cpu(p),
1180                 .src_nid = task_node(p),
1181
1182                 .imbalance_pct = 112,
1183
1184                 .best_task = NULL,
1185                 .best_imp = 0,
1186                 .best_cpu = -1
1187         };
1188         struct sched_domain *sd;
1189         unsigned long taskweight, groupweight;
1190         int nid, ret;
1191         long taskimp, groupimp;
1192
1193         /*
1194          * Pick the lowest SD_NUMA domain, as that would have the smallest
1195          * imbalance and would be the first to start moving tasks about.
1196          *
1197          * And we want to avoid any moving of tasks about, as that would create
1198          * random movement of tasks -- counter the numa conditions we're trying
1199          * to satisfy here.
1200          */
1201         rcu_read_lock();
1202         sd = rcu_dereference(per_cpu(sd_numa, env.src_cpu));
1203         if (sd)
1204                 env.imbalance_pct = 100 + (sd->imbalance_pct - 100) / 2;
1205         rcu_read_unlock();
1206
1207         /*
1208          * Cpusets can break the scheduler domain tree into smaller
1209          * balance domains, some of which do not cross NUMA boundaries.
1210          * Tasks that are "trapped" in such domains cannot be migrated
1211          * elsewhere, so there is no point in (re)trying.
1212          */
1213         if (unlikely(!sd)) {
1214                 p->numa_preferred_nid = cpu_to_node(task_cpu(p));
1215                 return -EINVAL;
1216         }
1217
1218         taskweight = task_weight(p, env.src_nid);
1219         groupweight = group_weight(p, env.src_nid);
1220         update_numa_stats(&env.src_stats, env.src_nid);
1221         env.dst_nid = p->numa_preferred_nid;
1222         taskimp = task_weight(p, env.dst_nid) - taskweight;
1223         groupimp = group_weight(p, env.dst_nid) - groupweight;
1224         update_numa_stats(&env.dst_stats, env.dst_nid);
1225
1226         /* If the preferred nid has capacity, try to use it. */
1227         if (env.dst_stats.has_capacity)
1228                 task_numa_find_cpu(&env, taskimp, groupimp);
1229
1230         /* No space available on the preferred nid. Look elsewhere. */
1231         if (env.best_cpu == -1) {
1232                 for_each_online_node(nid) {
1233                         if (nid == env.src_nid || nid == p->numa_preferred_nid)
1234                                 continue;
1235
1236                         /* Only consider nodes where both task and groups benefit */
1237                         taskimp = task_weight(p, nid) - taskweight;
1238                         groupimp = group_weight(p, nid) - groupweight;
1239                         if (taskimp < 0 && groupimp < 0)
1240                                 continue;
1241
1242                         env.dst_nid = nid;
1243                         update_numa_stats(&env.dst_stats, env.dst_nid);
1244                         task_numa_find_cpu(&env, taskimp, groupimp);
1245                 }
1246         }
1247
1248         /* No better CPU than the current one was found. */
1249         if (env.best_cpu == -1)
1250                 return -EAGAIN;
1251
1252         sched_setnuma(p, env.dst_nid);
1253
1254         /*
1255          * Reset the scan period if the task is being rescheduled on an
1256          * alternative node to recheck if the tasks is now properly placed.
1257          */
1258         p->numa_scan_period = task_scan_min(p);
1259
1260         if (env.best_task == NULL) {
1261                 int ret = migrate_task_to(p, env.best_cpu);
1262                 return ret;
1263         }
1264
1265         ret = migrate_swap(p, env.best_task);
1266         put_task_struct(env.best_task);
1267         return ret;
1268 }
1269
1270 /* Attempt to migrate a task to a CPU on the preferred node. */
1271 static void numa_migrate_preferred(struct task_struct *p)
1272 {
1273         /* This task has no NUMA fault statistics yet */
1274         if (unlikely(p->numa_preferred_nid == -1 || !p->numa_faults))
1275                 return;
1276
1277         /* Periodically retry migrating the task to the preferred node */
1278         p->numa_migrate_retry = jiffies + HZ;
1279
1280         /* Success if task is already running on preferred CPU */
1281         if (cpu_to_node(task_cpu(p)) == p->numa_preferred_nid)
1282                 return;
1283
1284         /* Otherwise, try migrate to a CPU on the preferred node */
1285         task_numa_migrate(p);
1286 }
1287
1288 /*
1289  * When adapting the scan rate, the period is divided into NUMA_PERIOD_SLOTS
1290  * increments. The more local the fault statistics are, the higher the scan
1291  * period will be for the next scan window. If local/remote ratio is below
1292  * NUMA_PERIOD_THRESHOLD (where range of ratio is 1..NUMA_PERIOD_SLOTS) the
1293  * scan period will decrease
1294  */
1295 #define NUMA_PERIOD_SLOTS 10
1296 #define NUMA_PERIOD_THRESHOLD 3
1297
1298 /*
1299  * Increase the scan period (slow down scanning) if the majority of
1300  * our memory is already on our local node, or if the majority of
1301  * the page accesses are shared with other processes.
1302  * Otherwise, decrease the scan period.
1303  */
1304 static void update_task_scan_period(struct task_struct *p,
1305                         unsigned long shared, unsigned long private)
1306 {
1307         unsigned int period_slot;
1308         int ratio;
1309         int diff;
1310
1311         unsigned long remote = p->numa_faults_locality[0];
1312         unsigned long local = p->numa_faults_locality[1];
1313
1314         /*
1315          * If there were no record hinting faults then either the task is
1316          * completely idle or all activity is areas that are not of interest
1317          * to automatic numa balancing. Scan slower
1318          */
1319         if (local + shared == 0) {
1320                 p->numa_scan_period = min(p->numa_scan_period_max,
1321                         p->numa_scan_period << 1);
1322
1323                 p->mm->numa_next_scan = jiffies +
1324                         msecs_to_jiffies(p->numa_scan_period);
1325
1326                 return;
1327         }
1328
1329         /*
1330          * Prepare to scale scan period relative to the current period.
1331          *       == NUMA_PERIOD_THRESHOLD scan period stays the same
1332          *       <  NUMA_PERIOD_THRESHOLD scan period decreases (scan faster)
1333          *       >= NUMA_PERIOD_THRESHOLD scan period increases (scan slower)
1334          */
1335         period_slot = DIV_ROUND_UP(p->numa_scan_period, NUMA_PERIOD_SLOTS);
1336         ratio = (local * NUMA_PERIOD_SLOTS) / (local + remote);
1337         if (ratio >= NUMA_PERIOD_THRESHOLD) {
1338                 int slot = ratio - NUMA_PERIOD_THRESHOLD;
1339                 if (!slot)
1340                         slot = 1;
1341                 diff = slot * period_slot;
1342         } else {
1343                 diff = -(NUMA_PERIOD_THRESHOLD - ratio) * period_slot;
1344
1345                 /*
1346                  * Scale scan rate increases based on sharing. There is an
1347                  * inverse relationship between the degree of sharing and
1348                  * the adjustment made to the scanning period. Broadly
1349                  * speaking the intent is that there is little point
1350                  * scanning faster if shared accesses dominate as it may
1351                  * simply bounce migrations uselessly
1352                  */
1353                 period_slot = DIV_ROUND_UP(diff, NUMA_PERIOD_SLOTS);
1354                 ratio = DIV_ROUND_UP(private * NUMA_PERIOD_SLOTS, (private + shared));
1355                 diff = (diff * ratio) / NUMA_PERIOD_SLOTS;
1356         }
1357
1358         p->numa_scan_period = clamp(p->numa_scan_period + diff,
1359                         task_scan_min(p), task_scan_max(p));
1360         memset(p->numa_faults_locality, 0, sizeof(p->numa_faults_locality));
1361 }
1362
1363 static void task_numa_placement(struct task_struct *p)
1364 {
1365         int seq, nid, max_nid = -1, max_group_nid = -1;
1366         unsigned long max_faults = 0, max_group_faults = 0;
1367         unsigned long fault_types[2] = { 0, 0 };
1368         spinlock_t *group_lock = NULL;
1369
1370         seq = ACCESS_ONCE(p->mm->numa_scan_seq);
1371         if (p->numa_scan_seq == seq)
1372                 return;
1373         p->numa_scan_seq = seq;
1374         p->numa_scan_period_max = task_scan_max(p);
1375
1376         /* If the task is part of a group prevent parallel updates to group stats */
1377         if (p->numa_group) {
1378                 group_lock = &p->numa_group->lock;
1379                 spin_lock(group_lock);
1380         }
1381
1382         /* Find the node with the highest number of faults */
1383         for_each_online_node(nid) {
1384                 unsigned long faults = 0, group_faults = 0;
1385                 int priv, i;
1386
1387                 for (priv = 0; priv < 2; priv++) {
1388                         long diff;
1389
1390                         i = task_faults_idx(nid, priv);
1391                         diff = -p->numa_faults[i];
1392
1393                         /* Decay existing window, copy faults since last scan */
1394                         p->numa_faults[i] >>= 1;
1395                         p->numa_faults[i] += p->numa_faults_buffer[i];
1396                         fault_types[priv] += p->numa_faults_buffer[i];
1397                         p->numa_faults_buffer[i] = 0;
1398
1399                         faults += p->numa_faults[i];
1400                         diff += p->numa_faults[i];
1401                         p->total_numa_faults += diff;
1402                         if (p->numa_group) {
1403                                 /* safe because we can only change our own group */
1404                                 p->numa_group->faults[i] += diff;
1405                                 p->numa_group->total_faults += diff;
1406                                 group_faults += p->numa_group->faults[i];
1407                         }
1408                 }
1409
1410                 if (faults > max_faults) {
1411                         max_faults = faults;
1412                         max_nid = nid;
1413                 }
1414
1415                 if (group_faults > max_group_faults) {
1416                         max_group_faults = group_faults;
1417                         max_group_nid = nid;
1418                 }
1419         }
1420
1421         update_task_scan_period(p, fault_types[0], fault_types[1]);
1422
1423         if (p->numa_group) {
1424                 /*
1425                  * If the preferred task and group nids are different,
1426                  * iterate over the nodes again to find the best place.
1427                  */
1428                 if (max_nid != max_group_nid) {
1429                         unsigned long weight, max_weight = 0;
1430
1431                         for_each_online_node(nid) {
1432                                 weight = task_weight(p, nid) + group_weight(p, nid);
1433                                 if (weight > max_weight) {
1434                                         max_weight = weight;
1435                                         max_nid = nid;
1436                                 }
1437                         }
1438                 }
1439
1440                 spin_unlock(group_lock);
1441         }
1442
1443         /* Preferred node as the node with the most faults */
1444         if (max_faults && max_nid != p->numa_preferred_nid) {
1445                 /* Update the preferred nid and migrate task if possible */
1446                 sched_setnuma(p, max_nid);
1447                 numa_migrate_preferred(p);
1448         }
1449 }
1450
1451 static inline int get_numa_group(struct numa_group *grp)
1452 {
1453         return atomic_inc_not_zero(&grp->refcount);
1454 }
1455
1456 static inline void put_numa_group(struct numa_group *grp)
1457 {
1458         if (atomic_dec_and_test(&grp->refcount))
1459                 kfree_rcu(grp, rcu);
1460 }
1461
1462 static void task_numa_group(struct task_struct *p, int cpupid, int flags,
1463                         int *priv)
1464 {
1465         struct numa_group *grp, *my_grp;
1466         struct task_struct *tsk;
1467         bool join = false;
1468         int cpu = cpupid_to_cpu(cpupid);
1469         int i;
1470
1471         if (unlikely(!p->numa_group)) {
1472                 unsigned int size = sizeof(struct numa_group) +
1473                                     2*nr_node_ids*sizeof(unsigned long);
1474
1475                 grp = kzalloc(size, GFP_KERNEL | __GFP_NOWARN);
1476                 if (!grp)
1477                         return;
1478
1479                 atomic_set(&grp->refcount, 1);
1480                 spin_lock_init(&grp->lock);
1481                 INIT_LIST_HEAD(&grp->task_list);
1482                 grp->gid = p->pid;
1483
1484                 for (i = 0; i < 2*nr_node_ids; i++)
1485                         grp->faults[i] = p->numa_faults[i];
1486
1487                 grp->total_faults = p->total_numa_faults;
1488
1489                 list_add(&p->numa_entry, &grp->task_list);
1490                 grp->nr_tasks++;
1491                 rcu_assign_pointer(p->numa_group, grp);
1492         }
1493
1494         rcu_read_lock();
1495         tsk = ACCESS_ONCE(cpu_rq(cpu)->curr);
1496
1497         if (!cpupid_match_pid(tsk, cpupid))
1498                 goto no_join;
1499
1500         grp = rcu_dereference(tsk->numa_group);
1501         if (!grp)
1502                 goto no_join;
1503
1504         my_grp = p->numa_group;
1505         if (grp == my_grp)
1506                 goto no_join;
1507
1508         /*
1509          * Only join the other group if its bigger; if we're the bigger group,
1510          * the other task will join us.
1511          */
1512         if (my_grp->nr_tasks > grp->nr_tasks)
1513                 goto no_join;
1514
1515         /*
1516          * Tie-break on the grp address.
1517          */
1518         if (my_grp->nr_tasks == grp->nr_tasks && my_grp > grp)
1519                 goto no_join;
1520
1521         /* Always join threads in the same process. */
1522         if (tsk->mm == current->mm)
1523                 join = true;
1524
1525         /* Simple filter to avoid false positives due to PID collisions */
1526         if (flags & TNF_SHARED)
1527                 join = true;
1528
1529         /* Update priv based on whether false sharing was detected */
1530         *priv = !join;
1531
1532         if (join && !get_numa_group(grp))
1533                 goto no_join;
1534
1535         rcu_read_unlock();
1536
1537         if (!join)
1538                 return;
1539
1540         double_lock(&my_grp->lock, &grp->lock);
1541
1542         for (i = 0; i < 2*nr_node_ids; i++) {
1543                 my_grp->faults[i] -= p->numa_faults[i];
1544                 grp->faults[i] += p->numa_faults[i];
1545         }
1546         my_grp->total_faults -= p->total_numa_faults;
1547         grp->total_faults += p->total_numa_faults;
1548
1549         list_move(&p->numa_entry, &grp->task_list);
1550         my_grp->nr_tasks--;
1551         grp->nr_tasks++;
1552
1553         spin_unlock(&my_grp->lock);
1554         spin_unlock(&grp->lock);
1555
1556         rcu_assign_pointer(p->numa_group, grp);
1557
1558         put_numa_group(my_grp);
1559         return;
1560
1561 no_join:
1562         rcu_read_unlock();
1563         return;
1564 }
1565
1566 void task_numa_free(struct task_struct *p)
1567 {
1568         struct numa_group *grp = p->numa_group;
1569         int i;
1570         void *numa_faults = p->numa_faults;
1571
1572         if (grp) {
1573                 spin_lock(&grp->lock);
1574                 for (i = 0; i < 2*nr_node_ids; i++)
1575                         grp->faults[i] -= p->numa_faults[i];
1576                 grp->total_faults -= p->total_numa_faults;
1577
1578                 list_del(&p->numa_entry);
1579                 grp->nr_tasks--;
1580                 spin_unlock(&grp->lock);
1581                 rcu_assign_pointer(p->numa_group, NULL);
1582                 put_numa_group(grp);
1583         }
1584
1585         p->numa_faults = NULL;
1586         p->numa_faults_buffer = NULL;
1587         kfree(numa_faults);
1588 }
1589
1590 /*
1591  * Got a PROT_NONE fault for a page on @node.
1592  */
1593 void task_numa_fault(int last_cpupid, int node, int pages, int flags)
1594 {
1595         struct task_struct *p = current;
1596         bool migrated = flags & TNF_MIGRATED;
1597         int priv;
1598
1599         if (!numabalancing_enabled)
1600                 return;
1601
1602         /* for example, ksmd faulting in a user's mm */
1603         if (!p->mm)
1604                 return;
1605
1606         /* Do not worry about placement if exiting */
1607         if (p->state == TASK_DEAD)
1608                 return;
1609
1610         /* Allocate buffer to track faults on a per-node basis */
1611         if (unlikely(!p->numa_faults)) {
1612                 int size = sizeof(*p->numa_faults) * 2 * nr_node_ids;
1613
1614                 /* numa_faults and numa_faults_buffer share the allocation */
1615                 p->numa_faults = kzalloc(size * 2, GFP_KERNEL|__GFP_NOWARN);
1616                 if (!p->numa_faults)
1617                         return;
1618
1619                 BUG_ON(p->numa_faults_buffer);
1620                 p->numa_faults_buffer = p->numa_faults + (2 * nr_node_ids);
1621                 p->total_numa_faults = 0;
1622                 memset(p->numa_faults_locality, 0, sizeof(p->numa_faults_locality));
1623         }
1624
1625         /*
1626          * First accesses are treated as private, otherwise consider accesses
1627          * to be private if the accessing pid has not changed
1628          */
1629         if (unlikely(last_cpupid == (-1 & LAST_CPUPID_MASK))) {
1630                 priv = 1;
1631         } else {
1632                 priv = cpupid_match_pid(p, last_cpupid);
1633                 if (!priv && !(flags & TNF_NO_GROUP))
1634                         task_numa_group(p, last_cpupid, flags, &priv);
1635         }
1636
1637         task_numa_placement(p);
1638
1639         /*
1640          * Retry task to preferred node migration periodically, in case it
1641          * case it previously failed, or the scheduler moved us.
1642          */
1643         if (time_after(jiffies, p->numa_migrate_retry))
1644                 numa_migrate_preferred(p);
1645
1646         if (migrated)
1647                 p->numa_pages_migrated += pages;
1648
1649         p->numa_faults_buffer[task_faults_idx(node, priv)] += pages;
1650         p->numa_faults_locality[!!(flags & TNF_FAULT_LOCAL)] += pages;
1651 }
1652
1653 static void reset_ptenuma_scan(struct task_struct *p)
1654 {
1655         ACCESS_ONCE(p->mm->numa_scan_seq)++;
1656         p->mm->numa_scan_offset = 0;
1657 }
1658
1659 /*
1660  * The expensive part of numa migration is done from task_work context.
1661  * Triggered from task_tick_numa().
1662  */
1663 void task_numa_work(struct callback_head *work)
1664 {
1665         unsigned long migrate, next_scan, now = jiffies;
1666         struct task_struct *p = current;
1667         struct mm_struct *mm = p->mm;
1668         struct vm_area_struct *vma;
1669         unsigned long start, end;
1670         unsigned long nr_pte_updates = 0;
1671         long pages;
1672
1673         WARN_ON_ONCE(p != container_of(work, struct task_struct, numa_work));
1674
1675         work->next = work; /* protect against double add */
1676         /*
1677          * Who cares about NUMA placement when they're dying.
1678          *
1679          * NOTE: make sure not to dereference p->mm before this check,
1680          * exit_task_work() happens _after_ exit_mm() so we could be called
1681          * without p->mm even though we still had it when we enqueued this
1682          * work.
1683          */
1684         if (p->flags & PF_EXITING)
1685                 return;
1686
1687         if (!mm->numa_next_scan) {
1688                 mm->numa_next_scan = now +
1689                         msecs_to_jiffies(sysctl_numa_balancing_scan_delay);
1690         }
1691
1692         /*
1693          * Enforce maximal scan/migration frequency..
1694          */
1695         migrate = mm->numa_next_scan;
1696         if (time_before(now, migrate))
1697                 return;
1698
1699         if (p->numa_scan_period == 0) {
1700                 p->numa_scan_period_max = task_scan_max(p);
1701                 p->numa_scan_period = task_scan_min(p);
1702         }
1703
1704         next_scan = now + msecs_to_jiffies(p->numa_scan_period);
1705         if (cmpxchg(&mm->numa_next_scan, migrate, next_scan) != migrate)
1706                 return;
1707
1708         /*
1709          * Delay this task enough that another task of this mm will likely win
1710          * the next time around.
1711          */
1712         p->node_stamp += 2 * TICK_NSEC;
1713
1714         start = mm->numa_scan_offset;
1715         pages = sysctl_numa_balancing_scan_size;
1716         pages <<= 20 - PAGE_SHIFT; /* MB in pages */
1717         if (!pages)
1718                 return;
1719
1720         down_read(&mm->mmap_sem);
1721         vma = find_vma(mm, start);
1722         if (!vma) {
1723                 reset_ptenuma_scan(p);
1724                 start = 0;
1725                 vma = mm->mmap;
1726         }
1727         for (; vma; vma = vma->vm_next) {
1728                 if (!vma_migratable(vma) || !vma_policy_mof(p, vma))
1729                         continue;
1730
1731                 /*
1732                  * Shared library pages mapped by multiple processes are not
1733                  * migrated as it is expected they are cache replicated. Avoid
1734                  * hinting faults in read-only file-backed mappings or the vdso
1735                  * as migrating the pages will be of marginal benefit.
1736                  */
1737                 if (!vma->vm_mm ||
1738                     (vma->vm_file && (vma->vm_flags & (VM_READ|VM_WRITE)) == (VM_READ)))
1739                         continue;
1740
1741                 /*
1742                  * Skip inaccessible VMAs to avoid any confusion between
1743                  * PROT_NONE and NUMA hinting ptes
1744                  */
1745                 if (!(vma->vm_flags & (VM_READ | VM_EXEC | VM_WRITE)))
1746                         continue;
1747
1748                 do {
1749                         start = max(start, vma->vm_start);
1750                         end = ALIGN(start + (pages << PAGE_SHIFT), HPAGE_SIZE);
1751                         end = min(end, vma->vm_end);
1752                         nr_pte_updates += change_prot_numa(vma, start, end);
1753
1754                         /*
1755                          * Scan sysctl_numa_balancing_scan_size but ensure that
1756                          * at least one PTE is updated so that unused virtual
1757                          * address space is quickly skipped.
1758                          */
1759                         if (nr_pte_updates)
1760                                 pages -= (end - start) >> PAGE_SHIFT;
1761
1762                         start = end;
1763                         if (pages <= 0)
1764                                 goto out;
1765                 } while (end != vma->vm_end);
1766         }
1767
1768 out:
1769         /*
1770          * It is possible to reach the end of the VMA list but the last few
1771          * VMAs are not guaranteed to the vma_migratable. If they are not, we
1772          * would find the !migratable VMA on the next scan but not reset the
1773          * scanner to the start so check it now.
1774          */
1775         if (vma)
1776                 mm->numa_scan_offset = start;
1777         else
1778                 reset_ptenuma_scan(p);
1779         up_read(&mm->mmap_sem);
1780 }
1781
1782 /*
1783  * Drive the periodic memory faults..
1784  */
1785 void task_tick_numa(struct rq *rq, struct task_struct *curr)
1786 {
1787         struct callback_head *work = &curr->numa_work;
1788         u64 period, now;
1789
1790         /*
1791          * We don't care about NUMA placement if we don't have memory.
1792          */
1793         if (!curr->mm || (curr->flags & PF_EXITING) || work->next != work)
1794                 return;
1795
1796         /*
1797          * Using runtime rather than walltime has the dual advantage that
1798          * we (mostly) drive the selection from busy threads and that the
1799          * task needs to have done some actual work before we bother with
1800          * NUMA placement.
1801          */
1802         now = curr->se.sum_exec_runtime;
1803         period = (u64)curr->numa_scan_period * NSEC_PER_MSEC;
1804
1805         if (now - curr->node_stamp > period) {
1806                 if (!curr->node_stamp)
1807                         curr->numa_scan_period = task_scan_min(curr);
1808                 curr->node_stamp += period;
1809
1810                 if (!time_before(jiffies, curr->mm->numa_next_scan)) {
1811                         init_task_work(work, task_numa_work); /* TODO: move this into sched_fork() */
1812                         task_work_add(curr, work, true);
1813                 }
1814         }
1815 }
1816 #else
1817 static void task_tick_numa(struct rq *rq, struct task_struct *curr)
1818 {
1819 }
1820
1821 static inline void account_numa_enqueue(struct rq *rq, struct task_struct *p)
1822 {
1823 }
1824
1825 static inline void account_numa_dequeue(struct rq *rq, struct task_struct *p)
1826 {
1827 }
1828 #endif /* CONFIG_NUMA_BALANCING */
1829
1830 static void
1831 account_entity_enqueue(struct cfs_rq *cfs_rq, struct sched_entity *se)
1832 {
1833         update_load_add(&cfs_rq->load, se->load.weight);
1834         if (!parent_entity(se))
1835                 update_load_add(&rq_of(cfs_rq)->load, se->load.weight);
1836 #ifdef CONFIG_SMP
1837         if (entity_is_task(se)) {
1838                 struct rq *rq = rq_of(cfs_rq);
1839
1840                 account_numa_enqueue(rq, task_of(se));
1841                 list_add(&se->group_node, &rq->cfs_tasks);
1842         }
1843 #endif
1844         cfs_rq->nr_running++;
1845 }
1846
1847 static void
1848 account_entity_dequeue(struct cfs_rq *cfs_rq, struct sched_entity *se)
1849 {
1850         update_load_sub(&cfs_rq->load, se->load.weight);
1851         if (!parent_entity(se))
1852                 update_load_sub(&rq_of(cfs_rq)->load, se->load.weight);
1853         if (entity_is_task(se)) {
1854                 account_numa_dequeue(rq_of(cfs_rq), task_of(se));
1855                 list_del_init(&se->group_node);
1856         }
1857         cfs_rq->nr_running--;
1858 }
1859
1860 #ifdef CONFIG_FAIR_GROUP_SCHED
1861 # ifdef CONFIG_SMP
1862 static inline long calc_tg_weight(struct task_group *tg, struct cfs_rq *cfs_rq)
1863 {
1864         long tg_weight;
1865
1866         /*
1867          * Use this CPU's actual weight instead of the last load_contribution
1868          * to gain a more accurate current total weight. See
1869          * update_cfs_rq_load_contribution().
1870          */
1871         tg_weight = atomic_long_read(&tg->load_avg);
1872         tg_weight -= cfs_rq->tg_load_contrib;
1873         tg_weight += cfs_rq->load.weight;
1874
1875         return tg_weight;
1876 }
1877
1878 static long calc_cfs_shares(struct cfs_rq *cfs_rq, struct task_group *tg)
1879 {
1880         long tg_weight, load, shares;
1881
1882         tg_weight = calc_tg_weight(tg, cfs_rq);
1883         load = cfs_rq->load.weight;
1884
1885         shares = (tg->shares * load);
1886         if (tg_weight)
1887                 shares /= tg_weight;
1888
1889         if (shares < MIN_SHARES)
1890                 shares = MIN_SHARES;
1891         if (shares > tg->shares)
1892                 shares = tg->shares;
1893
1894         return shares;
1895 }
1896 # else /* CONFIG_SMP */
1897 static inline long calc_cfs_shares(struct cfs_rq *cfs_rq, struct task_group *tg)
1898 {
1899         return tg->shares;
1900 }
1901 # endif /* CONFIG_SMP */
1902 static void reweight_entity(struct cfs_rq *cfs_rq, struct sched_entity *se,
1903                             unsigned long weight)
1904 {
1905         if (se->on_rq) {
1906                 /* commit outstanding execution time */
1907                 if (cfs_rq->curr == se)
1908                         update_curr(cfs_rq);
1909                 account_entity_dequeue(cfs_rq, se);
1910         }
1911
1912         update_load_set(&se->load, weight);
1913
1914         if (se->on_rq)
1915                 account_entity_enqueue(cfs_rq, se);
1916 }
1917
1918 static inline int throttled_hierarchy(struct cfs_rq *cfs_rq);
1919
1920 static void update_cfs_shares(struct cfs_rq *cfs_rq)
1921 {
1922         struct task_group *tg;
1923         struct sched_entity *se;
1924         long shares;
1925
1926         tg = cfs_rq->tg;
1927         se = tg->se[cpu_of(rq_of(cfs_rq))];
1928         if (!se || throttled_hierarchy(cfs_rq))
1929                 return;
1930 #ifndef CONFIG_SMP
1931         if (likely(se->load.weight == tg->shares))
1932                 return;
1933 #endif
1934         shares = calc_cfs_shares(cfs_rq, tg);
1935
1936         reweight_entity(cfs_rq_of(se), se, shares);
1937 }
1938 #else /* CONFIG_FAIR_GROUP_SCHED */
1939 static inline void update_cfs_shares(struct cfs_rq *cfs_rq)
1940 {
1941 }
1942 #endif /* CONFIG_FAIR_GROUP_SCHED */
1943
1944 #ifdef CONFIG_SMP
1945 /*
1946  * We choose a half-life close to 1 scheduling period.
1947  * Note: The tables below are dependent on this value.
1948  */
1949 #define LOAD_AVG_PERIOD 32
1950 #define LOAD_AVG_MAX 47742 /* maximum possible load avg */
1951 #define LOAD_AVG_MAX_N 345 /* number of full periods to produce LOAD_MAX_AVG */
1952
1953 /* Precomputed fixed inverse multiplies for multiplication by y^n */
1954 static const u32 runnable_avg_yN_inv[] = {
1955         0xffffffff, 0xfa83b2da, 0xf5257d14, 0xefe4b99a, 0xeac0c6e6, 0xe5b906e6,
1956         0xe0ccdeeb, 0xdbfbb796, 0xd744fcc9, 0xd2a81d91, 0xce248c14, 0xc9b9bd85,
1957         0xc5672a10, 0xc12c4cc9, 0xbd08a39e, 0xb8fbaf46, 0xb504f333, 0xb123f581,
1958         0xad583ee9, 0xa9a15ab4, 0xa5fed6a9, 0xa2704302, 0x9ef5325f, 0x9b8d39b9,
1959         0x9837f050, 0x94f4efa8, 0x91c3d373, 0x8ea4398a, 0x8b95c1e3, 0x88980e80,
1960         0x85aac367, 0x82cd8698,
1961 };
1962
1963 /*
1964  * Precomputed \Sum y^k { 1<=k<=n }.  These are floor(true_value) to prevent
1965  * over-estimates when re-combining.
1966  */
1967 static const u32 runnable_avg_yN_sum[] = {
1968             0, 1002, 1982, 2941, 3880, 4798, 5697, 6576, 7437, 8279, 9103,
1969          9909,10698,11470,12226,12966,13690,14398,15091,15769,16433,17082,
1970         17718,18340,18949,19545,20128,20698,21256,21802,22336,22859,23371,
1971 };
1972
1973 /*
1974  * Approximate:
1975  *   val * y^n,    where y^32 ~= 0.5 (~1 scheduling period)
1976  */
1977 static __always_inline u64 decay_load(u64 val, u64 n)
1978 {
1979         unsigned int local_n;
1980
1981         if (!n)
1982                 return val;
1983         else if (unlikely(n > LOAD_AVG_PERIOD * 63))
1984                 return 0;
1985
1986         /* after bounds checking we can collapse to 32-bit */
1987         local_n = n;
1988
1989         /*
1990          * As y^PERIOD = 1/2, we can combine
1991          *    y^n = 1/2^(n/PERIOD) * k^(n%PERIOD)
1992          * With a look-up table which covers k^n (n<PERIOD)
1993          *
1994          * To achieve constant time decay_load.
1995          */
1996         if (unlikely(local_n >= LOAD_AVG_PERIOD)) {
1997                 val >>= local_n / LOAD_AVG_PERIOD;
1998                 local_n %= LOAD_AVG_PERIOD;
1999         }
2000
2001         val *= runnable_avg_yN_inv[local_n];
2002         /* We don't use SRR here since we always want to round down. */
2003         return val >> 32;
2004 }
2005
2006 /*
2007  * For updates fully spanning n periods, the contribution to runnable
2008  * average will be: \Sum 1024*y^n
2009  *
2010  * We can compute this reasonably efficiently by combining:
2011  *   y^PERIOD = 1/2 with precomputed \Sum 1024*y^n {for  n <PERIOD}
2012  */
2013 static u32 __compute_runnable_contrib(u64 n)
2014 {
2015         u32 contrib = 0;
2016
2017         if (likely(n <= LOAD_AVG_PERIOD))
2018                 return runnable_avg_yN_sum[n];
2019         else if (unlikely(n >= LOAD_AVG_MAX_N))
2020                 return LOAD_AVG_MAX;
2021
2022         /* Compute \Sum k^n combining precomputed values for k^i, \Sum k^j */
2023         do {
2024                 contrib /= 2; /* y^LOAD_AVG_PERIOD = 1/2 */
2025                 contrib += runnable_avg_yN_sum[LOAD_AVG_PERIOD];
2026
2027                 n -= LOAD_AVG_PERIOD;
2028         } while (n > LOAD_AVG_PERIOD);
2029
2030         contrib = decay_load(contrib, n);
2031         return contrib + runnable_avg_yN_sum[n];
2032 }
2033
2034 /*
2035  * We can represent the historical contribution to runnable average as the
2036  * coefficients of a geometric series.  To do this we sub-divide our runnable
2037  * history into segments of approximately 1ms (1024us); label the segment that
2038  * occurred N-ms ago p_N, with p_0 corresponding to the current period, e.g.
2039  *
2040  * [<- 1024us ->|<- 1024us ->|<- 1024us ->| ...
2041  *      p0            p1           p2
2042  *     (now)       (~1ms ago)  (~2ms ago)
2043  *
2044  * Let u_i denote the fraction of p_i that the entity was runnable.
2045  *
2046  * We then designate the fractions u_i as our co-efficients, yielding the
2047  * following representation of historical load:
2048  *   u_0 + u_1*y + u_2*y^2 + u_3*y^3 + ...
2049  *
2050  * We choose y based on the with of a reasonably scheduling period, fixing:
2051  *   y^32 = 0.5
2052  *
2053  * This means that the contribution to load ~32ms ago (u_32) will be weighted
2054  * approximately half as much as the contribution to load within the last ms
2055  * (u_0).
2056  *
2057  * When a period "rolls over" and we have new u_0`, multiplying the previous
2058  * sum again by y is sufficient to update:
2059  *   load_avg = u_0` + y*(u_0 + u_1*y + u_2*y^2 + ... )
2060  *            = u_0 + u_1*y + u_2*y^2 + ... [re-labeling u_i --> u_{i+1}]
2061  */
2062 static __always_inline int __update_entity_runnable_avg(u64 now,
2063                                                         struct sched_avg *sa,
2064                                                         int runnable)
2065 {
2066         u64 delta, periods;
2067         u32 runnable_contrib;
2068         int delta_w, decayed = 0;
2069
2070         delta = now - sa->last_runnable_update;
2071         /*
2072          * This should only happen when time goes backwards, which it
2073          * unfortunately does during sched clock init when we swap over to TSC.
2074          */
2075         if ((s64)delta < 0) {
2076                 sa->last_runnable_update = now;
2077                 return 0;
2078         }
2079
2080         /*
2081          * Use 1024ns as the unit of measurement since it's a reasonable
2082          * approximation of 1us and fast to compute.
2083          */
2084         delta >>= 10;
2085         if (!delta)
2086                 return 0;
2087         sa->last_runnable_update = now;
2088
2089         /* delta_w is the amount already accumulated against our next period */
2090         delta_w = sa->runnable_avg_period % 1024;
2091         if (delta + delta_w >= 1024) {
2092                 /* period roll-over */
2093                 decayed = 1;
2094
2095                 /*
2096                  * Now that we know we're crossing a period boundary, figure
2097                  * out how much from delta we need to complete the current
2098                  * period and accrue it.
2099                  */
2100                 delta_w = 1024 - delta_w;
2101                 if (runnable)
2102                         sa->runnable_avg_sum += delta_w;
2103                 sa->runnable_avg_period += delta_w;
2104
2105                 delta -= delta_w;
2106
2107                 /* Figure out how many additional periods this update spans */
2108                 periods = delta / 1024;
2109                 delta %= 1024;
2110
2111                 sa->runnable_avg_sum = decay_load(sa->runnable_avg_sum,
2112                                                   periods + 1);
2113                 sa->runnable_avg_period = decay_load(sa->runnable_avg_period,
2114                                                      periods + 1);
2115
2116                 /* Efficiently calculate \sum (1..n_period) 1024*y^i */
2117                 runnable_contrib = __compute_runnable_contrib(periods);
2118                 if (runnable)
2119                         sa->runnable_avg_sum += runnable_contrib;
2120                 sa->runnable_avg_period += runnable_contrib;
2121         }
2122
2123         /* Remainder of delta accrued against u_0` */
2124         if (runnable)
2125                 sa->runnable_avg_sum += delta;
2126         sa->runnable_avg_period += delta;
2127
2128         return decayed;
2129 }
2130
2131 /* Synchronize an entity's decay with its parenting cfs_rq.*/
2132 static inline u64 __synchronize_entity_decay(struct sched_entity *se)
2133 {
2134         struct cfs_rq *cfs_rq = cfs_rq_of(se);
2135         u64 decays = atomic64_read(&cfs_rq->decay_counter);
2136
2137         decays -= se->avg.decay_count;
2138         if (!decays)
2139                 return 0;
2140
2141         se->avg.load_avg_contrib = decay_load(se->avg.load_avg_contrib, decays);
2142         se->avg.decay_count = 0;
2143
2144         return decays;
2145 }
2146
2147 #ifdef CONFIG_FAIR_GROUP_SCHED
2148 static inline void __update_cfs_rq_tg_load_contrib(struct cfs_rq *cfs_rq,
2149                                                  int force_update)
2150 {
2151         struct task_group *tg = cfs_rq->tg;
2152         long tg_contrib;
2153
2154         tg_contrib = cfs_rq->runnable_load_avg + cfs_rq->blocked_load_avg;
2155         tg_contrib -= cfs_rq->tg_load_contrib;
2156
2157         if (force_update || abs(tg_contrib) > cfs_rq->tg_load_contrib / 8) {
2158                 atomic_long_add(tg_contrib, &tg->load_avg);
2159                 cfs_rq->tg_load_contrib += tg_contrib;
2160         }
2161 }
2162
2163 /*
2164  * Aggregate cfs_rq runnable averages into an equivalent task_group
2165  * representation for computing load contributions.
2166  */
2167 static inline void __update_tg_runnable_avg(struct sched_avg *sa,
2168                                                   struct cfs_rq *cfs_rq)
2169 {
2170         struct task_group *tg = cfs_rq->tg;
2171         long contrib;
2172
2173         /* The fraction of a cpu used by this cfs_rq */
2174         contrib = div_u64((u64)sa->runnable_avg_sum << NICE_0_SHIFT,
2175                           sa->runnable_avg_period + 1);
2176         contrib -= cfs_rq->tg_runnable_contrib;
2177
2178         if (abs(contrib) > cfs_rq->tg_runnable_contrib / 64) {
2179                 atomic_add(contrib, &tg->runnable_avg);
2180                 cfs_rq->tg_runnable_contrib += contrib;
2181         }
2182 }
2183
2184 static inline void __update_group_entity_contrib(struct sched_entity *se)
2185 {
2186         struct cfs_rq *cfs_rq = group_cfs_rq(se);
2187         struct task_group *tg = cfs_rq->tg;
2188         int runnable_avg;
2189
2190         u64 contrib;
2191
2192         contrib = cfs_rq->tg_load_contrib * tg->shares;
2193         se->avg.load_avg_contrib = div_u64(contrib,
2194                                      atomic_long_read(&tg->load_avg) + 1);
2195
2196         /*
2197          * For group entities we need to compute a correction term in the case
2198          * that they are consuming <1 cpu so that we would contribute the same
2199          * load as a task of equal weight.
2200          *
2201          * Explicitly co-ordinating this measurement would be expensive, but
2202          * fortunately the sum of each cpus contribution forms a usable
2203          * lower-bound on the true value.
2204          *
2205          * Consider the aggregate of 2 contributions.  Either they are disjoint
2206          * (and the sum represents true value) or they are disjoint and we are
2207          * understating by the aggregate of their overlap.
2208          *
2209          * Extending this to N cpus, for a given overlap, the maximum amount we
2210          * understand is then n_i(n_i+1)/2 * w_i where n_i is the number of
2211          * cpus that overlap for this interval and w_i is the interval width.
2212          *
2213          * On a small machine; the first term is well-bounded which bounds the
2214          * total error since w_i is a subset of the period.  Whereas on a
2215          * larger machine, while this first term can be larger, if w_i is the
2216          * of consequential size guaranteed to see n_i*w_i quickly converge to
2217          * our upper bound of 1-cpu.
2218          */
2219         runnable_avg = atomic_read(&tg->runnable_avg);
2220         if (runnable_avg < NICE_0_LOAD) {
2221                 se->avg.load_avg_contrib *= runnable_avg;
2222                 se->avg.load_avg_contrib >>= NICE_0_SHIFT;
2223         }
2224 }
2225 #else
2226 static inline void __update_cfs_rq_tg_load_contrib(struct cfs_rq *cfs_rq,
2227                                                  int force_update) {}
2228 static inline void __update_tg_runnable_avg(struct sched_avg *sa,
2229                                                   struct cfs_rq *cfs_rq) {}
2230 static inline void __update_group_entity_contrib(struct sched_entity *se) {}
2231 #endif
2232
2233 static inline void __update_task_entity_contrib(struct sched_entity *se)
2234 {
2235         u32 contrib;
2236
2237         /* avoid overflowing a 32-bit type w/ SCHED_LOAD_SCALE */
2238         contrib = se->avg.runnable_avg_sum * scale_load_down(se->load.weight);
2239         contrib /= (se->avg.runnable_avg_period + 1);
2240         se->avg.load_avg_contrib = scale_load(contrib);
2241 }
2242
2243 /* Compute the current contribution to load_avg by se, return any delta */
2244 static long __update_entity_load_avg_contrib(struct sched_entity *se)
2245 {
2246         long old_contrib = se->avg.load_avg_contrib;
2247
2248         if (entity_is_task(se)) {
2249                 __update_task_entity_contrib(se);
2250         } else {
2251                 __update_tg_runnable_avg(&se->avg, group_cfs_rq(se));
2252                 __update_group_entity_contrib(se);
2253         }
2254
2255         return se->avg.load_avg_contrib - old_contrib;
2256 }
2257
2258 static inline void subtract_blocked_load_contrib(struct cfs_rq *cfs_rq,
2259                                                  long load_contrib)
2260 {
2261         if (likely(load_contrib < cfs_rq->blocked_load_avg))
2262                 cfs_rq->blocked_load_avg -= load_contrib;
2263         else
2264                 cfs_rq->blocked_load_avg = 0;
2265 }
2266
2267 static inline u64 cfs_rq_clock_task(struct cfs_rq *cfs_rq);
2268
2269 /* Update a sched_entity's runnable average */
2270 static inline void update_entity_load_avg(struct sched_entity *se,
2271                                           int update_cfs_rq)
2272 {
2273         struct cfs_rq *cfs_rq = cfs_rq_of(se);
2274         long contrib_delta;
2275         u64 now;
2276
2277         /*
2278          * For a group entity we need to use their owned cfs_rq_clock_task() in
2279          * case they are the parent of a throttled hierarchy.
2280          */
2281         if (entity_is_task(se))
2282                 now = cfs_rq_clock_task(cfs_rq);
2283         else
2284                 now = cfs_rq_clock_task(group_cfs_rq(se));
2285
2286         if (!__update_entity_runnable_avg(now, &se->avg, se->on_rq))
2287                 return;
2288
2289         contrib_delta = __update_entity_load_avg_contrib(se);
2290
2291         if (!update_cfs_rq)
2292                 return;
2293
2294         if (se->on_rq)
2295                 cfs_rq->runnable_load_avg += contrib_delta;
2296         else
2297                 subtract_blocked_load_contrib(cfs_rq, -contrib_delta);
2298 }
2299
2300 /*
2301  * Decay the load contributed by all blocked children and account this so that
2302  * their contribution may appropriately discounted when they wake up.
2303  */
2304 static void update_cfs_rq_blocked_load(struct cfs_rq *cfs_rq, int force_update)
2305 {
2306         u64 now = cfs_rq_clock_task(cfs_rq) >> 20;
2307         u64 decays;
2308
2309         decays = now - cfs_rq->last_decay;
2310         if (!decays && !force_update)
2311                 return;
2312
2313         if (atomic_long_read(&cfs_rq->removed_load)) {
2314                 unsigned long removed_load;
2315                 removed_load = atomic_long_xchg(&cfs_rq->removed_load, 0);
2316                 subtract_blocked_load_contrib(cfs_rq, removed_load);
2317         }
2318
2319         if (decays) {
2320                 cfs_rq->blocked_load_avg = decay_load(cfs_rq->blocked_load_avg,
2321                                                       decays);
2322                 atomic64_add(decays, &cfs_rq->decay_counter);
2323                 cfs_rq->last_decay = now;
2324         }
2325
2326         __update_cfs_rq_tg_load_contrib(cfs_rq, force_update);
2327 }
2328
2329 static inline void update_rq_runnable_avg(struct rq *rq, int runnable)
2330 {
2331         __update_entity_runnable_avg(rq_clock_task(rq), &rq->avg, runnable);
2332         __update_tg_runnable_avg(&rq->avg, &rq->cfs);
2333 }
2334
2335 /* Add the load generated by se into cfs_rq's child load-average */
2336 static inline void enqueue_entity_load_avg(struct cfs_rq *cfs_rq,
2337                                                   struct sched_entity *se,
2338                                                   int wakeup)
2339 {
2340         /*
2341          * We track migrations using entity decay_count <= 0, on a wake-up
2342          * migration we use a negative decay count to track the remote decays
2343          * accumulated while sleeping.
2344          *
2345          * Newly forked tasks are enqueued with se->avg.decay_count == 0, they
2346          * are seen by enqueue_entity_load_avg() as a migration with an already
2347          * constructed load_avg_contrib.
2348          */
2349         if (unlikely(se->avg.decay_count <= 0)) {
2350                 se->avg.last_runnable_update = rq_clock_task(rq_of(cfs_rq));
2351                 if (se->avg.decay_count) {
2352                         /*
2353                          * In a wake-up migration we have to approximate the
2354                          * time sleeping.  This is because we can't synchronize
2355                          * clock_task between the two cpus, and it is not
2356                          * guaranteed to be read-safe.  Instead, we can
2357                          * approximate this using our carried decays, which are
2358                          * explicitly atomically readable.
2359                          */
2360                         se->avg.last_runnable_update -= (-se->avg.decay_count)
2361                                                         << 20;
2362                         update_entity_load_avg(se, 0);
2363                         /* Indicate that we're now synchronized and on-rq */
2364                         se->avg.decay_count = 0;
2365                 }
2366                 wakeup = 0;
2367         } else {
2368                 /*
2369                  * Task re-woke on same cpu (or else migrate_task_rq_fair()
2370                  * would have made count negative); we must be careful to avoid
2371                  * double-accounting blocked time after synchronizing decays.
2372                  */
2373                 se->avg.last_runnable_update += __synchronize_entity_decay(se)
2374                                                         << 20;
2375         }
2376
2377         /* migrated tasks did not contribute to our blocked load */
2378         if (wakeup) {
2379                 subtract_blocked_load_contrib(cfs_rq, se->avg.load_avg_contrib);
2380                 update_entity_load_avg(se, 0);
2381         }
2382
2383         cfs_rq->runnable_load_avg += se->avg.load_avg_contrib;
2384         /* we force update consideration on load-balancer moves */
2385         update_cfs_rq_blocked_load(cfs_rq, !wakeup);
2386 }
2387
2388 /*
2389  * Remove se's load from this cfs_rq child load-average, if the entity is
2390  * transitioning to a blocked state we track its projected decay using
2391  * blocked_load_avg.
2392  */
2393 static inline void dequeue_entity_load_avg(struct cfs_rq *cfs_rq,
2394                                                   struct sched_entity *se,
2395                                                   int sleep)
2396 {
2397         update_entity_load_avg(se, 1);
2398         /* we force update consideration on load-balancer moves */
2399         update_cfs_rq_blocked_load(cfs_rq, !sleep);
2400
2401         cfs_rq->runnable_load_avg -= se->avg.load_avg_contrib;
2402         if (sleep) {
2403                 cfs_rq->blocked_load_avg += se->avg.load_avg_contrib;
2404                 se->avg.decay_count = atomic64_read(&cfs_rq->decay_counter);
2405         } /* migrations, e.g. sleep=0 leave decay_count == 0 */
2406 }
2407
2408 /*
2409  * Update the rq's load with the elapsed running time before entering
2410  * idle. if the last scheduled task is not a CFS task, idle_enter will
2411  * be the only way to update the runnable statistic.
2412  */
2413 void idle_enter_fair(struct rq *this_rq)
2414 {
2415         update_rq_runnable_avg(this_rq, 1);
2416 }
2417
2418 /*
2419  * Update the rq's load with the elapsed idle time before a task is
2420  * scheduled. if the newly scheduled task is not a CFS task, idle_exit will
2421  * be the only way to update the runnable statistic.
2422  */
2423 void idle_exit_fair(struct rq *this_rq)
2424 {
2425         update_rq_runnable_avg(this_rq, 0);
2426 }
2427
2428 #else
2429 static inline void update_entity_load_avg(struct sched_entity *se,
2430                                           int update_cfs_rq) {}
2431 static inline void update_rq_runnable_avg(struct rq *rq, int runnable) {}
2432 static inline void enqueue_entity_load_avg(struct cfs_rq *cfs_rq,
2433                                            struct sched_entity *se,
2434                                            int wakeup) {}
2435 static inline void dequeue_entity_load_avg(struct cfs_rq *cfs_rq,
2436                                            struct sched_entity *se,
2437                                            int sleep) {}
2438 static inline void update_cfs_rq_blocked_load(struct cfs_rq *cfs_rq,
2439                                               int force_update) {}
2440 #endif
2441
2442 static void enqueue_sleeper(struct cfs_rq *cfs_rq, struct sched_entity *se)
2443 {
2444 #ifdef CONFIG_SCHEDSTATS
2445         struct task_struct *tsk = NULL;
2446
2447         if (entity_is_task(se))
2448                 tsk = task_of(se);
2449
2450         if (se->statistics.sleep_start) {
2451                 u64 delta = rq_clock(rq_of(cfs_rq)) - se->statistics.sleep_start;
2452
2453                 if ((s64)delta < 0)
2454                         delta = 0;
2455
2456                 if (unlikely(delta > se->statistics.sleep_max))
2457                         se->statistics.sleep_max = delta;
2458
2459                 se->statistics.sleep_start = 0;
2460                 se->statistics.sum_sleep_runtime += delta;
2461
2462                 if (tsk) {
2463                         account_scheduler_latency(tsk, delta >> 10, 1);
2464                         trace_sched_stat_sleep(tsk, delta);
2465                 }
2466         }
2467         if (se->statistics.block_start) {
2468                 u64 delta = rq_clock(rq_of(cfs_rq)) - se->statistics.block_start;
2469
2470                 if ((s64)delta < 0)
2471                         delta = 0;
2472
2473                 if (unlikely(delta > se->statistics.block_max))
2474                         se->statistics.block_max = delta;
2475
2476                 se->statistics.block_start = 0;
2477                 se->statistics.sum_sleep_runtime += delta;
2478
2479                 if (tsk) {
2480                         if (tsk->in_iowait) {
2481                                 se->statistics.iowait_sum += delta;
2482                                 se->statistics.iowait_count++;
2483                                 trace_sched_stat_iowait(tsk, delta);
2484                         }
2485
2486                         trace_sched_stat_blocked(tsk, delta);
2487
2488                         /*
2489                          * Blocking time is in units of nanosecs, so shift by
2490                          * 20 to get a milliseconds-range estimation of the
2491                          * amount of time that the task spent sleeping:
2492                          */
2493                         if (unlikely(prof_on == SLEEP_PROFILING)) {
2494                                 profile_hits(SLEEP_PROFILING,
2495                                                 (void *)get_wchan(tsk),
2496                                                 delta >> 20);
2497                         }
2498                         account_scheduler_latency(tsk, delta >> 10, 0);
2499                 }
2500         }
2501 #endif
2502 }
2503
2504 static void check_spread(struct cfs_rq *cfs_rq, struct sched_entity *se)
2505 {
2506 #ifdef CONFIG_SCHED_DEBUG
2507         s64 d = se->vruntime - cfs_rq->min_vruntime;
2508
2509         if (d < 0)
2510                 d = -d;
2511
2512         if (d > 3*sysctl_sched_latency)
2513                 schedstat_inc(cfs_rq, nr_spread_over);
2514 #endif
2515 }
2516
2517 static void
2518 place_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int initial)
2519 {
2520         u64 vruntime = cfs_rq->min_vruntime;
2521
2522         /*
2523          * The 'current' period is already promised to the current tasks,
2524          * however the extra weight of the new task will slow them down a
2525          * little, place the new task so that it fits in the slot that
2526          * stays open at the end.
2527          */
2528         if (initial && sched_feat(START_DEBIT))
2529                 vruntime += sched_vslice(cfs_rq, se);
2530
2531         /* sleeps up to a single latency don't count. */
2532         if (!initial) {
2533                 unsigned long thresh = sysctl_sched_latency;
2534
2535                 /*
2536                  * Halve their sleep time's effect, to allow
2537                  * for a gentler effect of sleepers:
2538                  */
2539                 if (sched_feat(GENTLE_FAIR_SLEEPERS))
2540                         thresh >>= 1;
2541
2542                 vruntime -= thresh;
2543         }
2544
2545         /* ensure we never gain time by being placed backwards. */
2546         se->vruntime = max_vruntime(se->vruntime, vruntime);
2547 }
2548
2549 static void check_enqueue_throttle(struct cfs_rq *cfs_rq);
2550
2551 static void
2552 enqueue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
2553 {
2554         /*
2555          * Update the normalized vruntime before updating min_vruntime
2556          * through calling update_curr().
2557          */
2558         if (!(flags & ENQUEUE_WAKEUP) || (flags & ENQUEUE_WAKING))
2559                 se->vruntime += cfs_rq->min_vruntime;
2560
2561         /*
2562          * Update run-time statistics of the 'current'.
2563          */
2564         update_curr(cfs_rq);
2565         enqueue_entity_load_avg(cfs_rq, se, flags & ENQUEUE_WAKEUP);
2566         account_entity_enqueue(cfs_rq, se);
2567         update_cfs_shares(cfs_rq);
2568
2569         if (flags & ENQUEUE_WAKEUP) {
2570                 place_entity(cfs_rq, se, 0);
2571                 enqueue_sleeper(cfs_rq, se);
2572         }
2573
2574         update_stats_enqueue(cfs_rq, se);
2575         check_spread(cfs_rq, se);
2576         if (se != cfs_rq->curr)
2577                 __enqueue_entity(cfs_rq, se);
2578         se->on_rq = 1;
2579
2580         if (cfs_rq->nr_running == 1) {
2581                 list_add_leaf_cfs_rq(cfs_rq);
2582                 check_enqueue_throttle(cfs_rq);
2583         }
2584 }
2585
2586 static void __clear_buddies_last(struct sched_entity *se)
2587 {
2588         for_each_sched_entity(se) {
2589                 struct cfs_rq *cfs_rq = cfs_rq_of(se);
2590                 if (cfs_rq->last == se)
2591                         cfs_rq->last = NULL;
2592                 else
2593                         break;
2594         }
2595 }
2596
2597 static void __clear_buddies_next(struct sched_entity *se)
2598 {
2599         for_each_sched_entity(se) {
2600                 struct cfs_rq *cfs_rq = cfs_rq_of(se);
2601                 if (cfs_rq->next == se)
2602                         cfs_rq->next = NULL;
2603                 else
2604                         break;
2605         }
2606 }
2607
2608 static void __clear_buddies_skip(struct sched_entity *se)
2609 {
2610         for_each_sched_entity(se) {
2611                 struct cfs_rq *cfs_rq = cfs_rq_of(se);
2612                 if (cfs_rq->skip == se)
2613                         cfs_rq->skip = NULL;
2614                 else
2615                         break;
2616         }
2617 }
2618
2619 static void clear_buddies(struct cfs_rq *cfs_rq, struct sched_entity *se)
2620 {
2621         if (cfs_rq->last == se)
2622                 __clear_buddies_last(se);
2623
2624         if (cfs_rq->next == se)
2625                 __clear_buddies_next(se);
2626
2627         if (cfs_rq->skip == se)
2628                 __clear_buddies_skip(se);
2629 }
2630
2631 static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq);
2632
2633 static void
2634 dequeue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
2635 {
2636         /*
2637          * Update run-time statistics of the 'current'.
2638          */
2639         update_curr(cfs_rq);
2640         dequeue_entity_load_avg(cfs_rq, se, flags & DEQUEUE_SLEEP);
2641
2642         update_stats_dequeue(cfs_rq, se);
2643         if (flags & DEQUEUE_SLEEP) {
2644 #ifdef CONFIG_SCHEDSTATS
2645                 if (entity_is_task(se)) {
2646                         struct task_struct *tsk = task_of(se);
2647
2648                         if (tsk->state & TASK_INTERRUPTIBLE)
2649                                 se->statistics.sleep_start = rq_clock(rq_of(cfs_rq));
2650                         if (tsk->state & TASK_UNINTERRUPTIBLE)
2651                                 se->statistics.block_start = rq_clock(rq_of(cfs_rq));
2652                 }
2653 #endif
2654         }
2655
2656         clear_buddies(cfs_rq, se);
2657
2658         if (se != cfs_rq->curr)
2659                 __dequeue_entity(cfs_rq, se);
2660         se->on_rq = 0;
2661         account_entity_dequeue(cfs_rq, se);
2662
2663         /*
2664          * Normalize the entity after updating the min_vruntime because the
2665          * update can refer to the ->curr item and we need to reflect this
2666          * movement in our normalized position.
2667          */
2668         if (!(flags & DEQUEUE_SLEEP))
2669                 se->vruntime -= cfs_rq->min_vruntime;
2670
2671         /* return excess runtime on last dequeue */
2672         return_cfs_rq_runtime(cfs_rq);
2673
2674         update_min_vruntime(cfs_rq);
2675         update_cfs_shares(cfs_rq);
2676 }
2677
2678 /*
2679  * Preempt the current task with a newly woken task if needed:
2680  */
2681 static void
2682 check_preempt_tick(struct cfs_rq *cfs_rq, struct sched_entity *curr)
2683 {
2684         unsigned long ideal_runtime, delta_exec;
2685         struct sched_entity *se;
2686         s64 delta;
2687
2688         ideal_runtime = sched_slice(cfs_rq, curr);
2689         delta_exec = curr->sum_exec_runtime - curr->prev_sum_exec_runtime;
2690         if (delta_exec > ideal_runtime) {
2691                 resched_task(rq_of(cfs_rq)->curr);
2692                 /*
2693                  * The current task ran long enough, ensure it doesn't get
2694                  * re-elected due to buddy favours.
2695                  */
2696                 clear_buddies(cfs_rq, curr);
2697                 return;
2698         }
2699
2700         /*
2701          * Ensure that a task that missed wakeup preemption by a
2702          * narrow margin doesn't have to wait for a full slice.
2703          * This also mitigates buddy induced latencies under load.
2704          */
2705         if (delta_exec < sysctl_sched_min_granularity)
2706                 return;
2707
2708         se = __pick_first_entity(cfs_rq);
2709         delta = curr->vruntime - se->vruntime;
2710
2711         if (delta < 0)
2712                 return;
2713
2714         if (delta > ideal_runtime)
2715                 resched_task(rq_of(cfs_rq)->curr);
2716 }
2717
2718 static void
2719 set_next_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
2720 {
2721         /* 'current' is not kept within the tree. */
2722         if (se->on_rq) {
2723                 /*
2724                  * Any task has to be enqueued before it get to execute on
2725                  * a CPU. So account for the time it spent waiting on the
2726                  * runqueue.
2727                  */
2728                 update_stats_wait_end(cfs_rq, se);
2729                 __dequeue_entity(cfs_rq, se);
2730         }
2731
2732         update_stats_curr_start(cfs_rq, se);
2733         cfs_rq->curr = se;
2734 #ifdef CONFIG_SCHEDSTATS
2735         /*
2736          * Track our maximum slice length, if the CPU's load is at
2737          * least twice that of our own weight (i.e. dont track it
2738          * when there are only lesser-weight tasks around):
2739          */
2740         if (rq_of(cfs_rq)->load.weight >= 2*se->load.weight) {
2741                 se->statistics.slice_max = max(se->statistics.slice_max,
2742                         se->sum_exec_runtime - se->prev_sum_exec_runtime);
2743         }
2744 #endif
2745         se->prev_sum_exec_runtime = se->sum_exec_runtime;
2746 }
2747
2748 static int
2749 wakeup_preempt_entity(struct sched_entity *curr, struct sched_entity *se);
2750
2751 /*
2752  * Pick the next process, keeping these things in mind, in this order:
2753  * 1) keep things fair between processes/task groups
2754  * 2) pick the "next" process, since someone really wants that to run
2755  * 3) pick the "last" process, for cache locality
2756  * 4) do not run the "skip" process, if something else is available
2757  */
2758 static struct sched_entity *pick_next_entity(struct cfs_rq *cfs_rq)
2759 {
2760         struct sched_entity *se = __pick_first_entity(cfs_rq);
2761         struct sched_entity *left = se;
2762
2763         /*
2764          * Avoid running the skip buddy, if running something else can
2765          * be done without getting too unfair.
2766          */
2767         if (cfs_rq->skip == se) {
2768                 struct sched_entity *second = __pick_next_entity(se);
2769                 if (second && wakeup_preempt_entity(second, left) < 1)
2770                         se = second;
2771         }
2772
2773         /*
2774          * Prefer last buddy, try to return the CPU to a preempted task.
2775          */
2776         if (cfs_rq->last && wakeup_preempt_entity(cfs_rq->last, left) < 1)
2777                 se = cfs_rq->last;
2778
2779         /*
2780          * Someone really wants this to run. If it's not unfair, run it.
2781          */
2782         if (cfs_rq->next && wakeup_preempt_entity(cfs_rq->next, left) < 1)
2783                 se = cfs_rq->next;
2784
2785         clear_buddies(cfs_rq, se);
2786
2787         return se;
2788 }
2789
2790 static void check_cfs_rq_runtime(struct cfs_rq *cfs_rq);
2791
2792 static void put_prev_entity(struct cfs_rq *cfs_rq, struct sched_entity *prev)
2793 {
2794         /*
2795          * If still on the runqueue then deactivate_task()
2796          * was not called and update_curr() has to be done:
2797          */
2798         if (prev->on_rq)
2799                 update_curr(cfs_rq);
2800
2801         /* throttle cfs_rqs exceeding runtime */
2802         check_cfs_rq_runtime(cfs_rq);
2803
2804         check_spread(cfs_rq, prev);
2805         if (prev->on_rq) {
2806                 update_stats_wait_start(cfs_rq, prev);
2807                 /* Put 'current' back into the tree. */
2808                 __enqueue_entity(cfs_rq, prev);
2809                 /* in !on_rq case, update occurred at dequeue */
2810                 update_entity_load_avg(prev, 1);
2811         }
2812         cfs_rq->curr = NULL;
2813 }
2814
2815 static void
2816 entity_tick(struct cfs_rq *cfs_rq, struct sched_entity *curr, int queued)
2817 {
2818         /*
2819          * Update run-time statistics of the 'current'.
2820          */
2821         update_curr(cfs_rq);
2822
2823         /*
2824          * Ensure that runnable average is periodically updated.
2825          */
2826         update_entity_load_avg(curr, 1);
2827         update_cfs_rq_blocked_load(cfs_rq, 1);
2828         update_cfs_shares(cfs_rq);
2829
2830 #ifdef CONFIG_SCHED_HRTICK
2831         /*
2832          * queued ticks are scheduled to match the slice, so don't bother
2833          * validating it and just reschedule.
2834          */
2835         if (queued) {
2836                 resched_task(rq_of(cfs_rq)->curr);
2837                 return;
2838         }
2839         /*
2840          * don't let the period tick interfere with the hrtick preemption
2841          */
2842         if (!sched_feat(DOUBLE_TICK) &&
2843                         hrtimer_active(&rq_of(cfs_rq)->hrtick_timer))
2844                 return;
2845 #endif
2846
2847         if (cfs_rq->nr_running > 1)
2848                 check_preempt_tick(cfs_rq, curr);
2849 }
2850
2851
2852 /**************************************************
2853  * CFS bandwidth control machinery
2854  */
2855
2856 #ifdef CONFIG_CFS_BANDWIDTH
2857
2858 #ifdef HAVE_JUMP_LABEL
2859 static struct static_key __cfs_bandwidth_used;
2860
2861 static inline bool cfs_bandwidth_used(void)
2862 {
2863         return static_key_false(&__cfs_bandwidth_used);
2864 }
2865
2866 void cfs_bandwidth_usage_inc(void)
2867 {
2868         static_key_slow_inc(&__cfs_bandwidth_used);
2869 }
2870
2871 void cfs_bandwidth_usage_dec(void)
2872 {
2873         static_key_slow_dec(&__cfs_bandwidth_used);
2874 }
2875 #else /* HAVE_JUMP_LABEL */
2876 static bool cfs_bandwidth_used(void)
2877 {
2878         return true;
2879 }
2880
2881 void cfs_bandwidth_usage_inc(void) {}
2882 void cfs_bandwidth_usage_dec(void) {}
2883 #endif /* HAVE_JUMP_LABEL */
2884
2885 /*
2886  * default period for cfs group bandwidth.
2887  * default: 0.1s, units: nanoseconds
2888  */
2889 static inline u64 default_cfs_period(void)
2890 {
2891         return 100000000ULL;
2892 }
2893
2894 static inline u64 sched_cfs_bandwidth_slice(void)
2895 {
2896         return (u64)sysctl_sched_cfs_bandwidth_slice * NSEC_PER_USEC;
2897 }
2898
2899 /*
2900  * Replenish runtime according to assigned quota and update expiration time.
2901  * We use sched_clock_cpu directly instead of rq->clock to avoid adding
2902  * additional synchronization around rq->lock.
2903  *
2904  * requires cfs_b->lock
2905  */
2906 void __refill_cfs_bandwidth_runtime(struct cfs_bandwidth *cfs_b)
2907 {
2908         u64 now;
2909
2910         if (cfs_b->quota == RUNTIME_INF)
2911                 return;
2912
2913         now = sched_clock_cpu(smp_processor_id());
2914         cfs_b->runtime = cfs_b->quota;
2915         cfs_b->runtime_expires = now + ktime_to_ns(cfs_b->period);
2916 }
2917
2918 static inline struct cfs_bandwidth *tg_cfs_bandwidth(struct task_group *tg)
2919 {
2920         return &tg->cfs_bandwidth;
2921 }
2922
2923 /* rq->task_clock normalized against any time this cfs_rq has spent throttled */
2924 static inline u64 cfs_rq_clock_task(struct cfs_rq *cfs_rq)
2925 {
2926         if (unlikely(cfs_rq->throttle_count))
2927                 return cfs_rq->throttled_clock_task;
2928
2929         return rq_clock_task(rq_of(cfs_rq)) - cfs_rq->throttled_clock_task_time;
2930 }
2931
2932 /* returns 0 on failure to allocate runtime */
2933 static int assign_cfs_rq_runtime(struct cfs_rq *cfs_rq)
2934 {
2935         struct task_group *tg = cfs_rq->tg;
2936         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(tg);
2937         u64 amount = 0, min_amount, expires;
2938
2939         /* note: this is a positive sum as runtime_remaining <= 0 */
2940         min_amount = sched_cfs_bandwidth_slice() - cfs_rq->runtime_remaining;
2941
2942         raw_spin_lock(&cfs_b->lock);
2943         if (cfs_b->quota == RUNTIME_INF)
2944                 amount = min_amount;
2945         else {
2946                 /*
2947                  * If the bandwidth pool has become inactive, then at least one
2948                  * period must have elapsed since the last consumption.
2949                  * Refresh the global state and ensure bandwidth timer becomes
2950                  * active.
2951                  */
2952                 if (!cfs_b->timer_active) {
2953                         __refill_cfs_bandwidth_runtime(cfs_b);
2954                         __start_cfs_bandwidth(cfs_b);
2955                 }
2956
2957                 if (cfs_b->runtime > 0) {
2958                         amount = min(cfs_b->runtime, min_amount);
2959                         cfs_b->runtime -= amount;
2960                         cfs_b->idle = 0;
2961                 }
2962         }
2963         expires = cfs_b->runtime_expires;
2964         raw_spin_unlock(&cfs_b->lock);
2965
2966         cfs_rq->runtime_remaining += amount;
2967         /*
2968          * we may have advanced our local expiration to account for allowed
2969          * spread between our sched_clock and the one on which runtime was
2970          * issued.
2971          */
2972         if ((s64)(expires - cfs_rq->runtime_expires) > 0)
2973                 cfs_rq->runtime_expires = expires;
2974
2975         return cfs_rq->runtime_remaining > 0;
2976 }
2977
2978 /*
2979  * Note: This depends on the synchronization provided by sched_clock and the
2980  * fact that rq->clock snapshots this value.
2981  */
2982 static void expire_cfs_rq_runtime(struct cfs_rq *cfs_rq)
2983 {
2984         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
2985
2986         /* if the deadline is ahead of our clock, nothing to do */
2987         if (likely((s64)(rq_clock(rq_of(cfs_rq)) - cfs_rq->runtime_expires) < 0))
2988                 return;
2989
2990         if (cfs_rq->runtime_remaining < 0)
2991                 return;
2992
2993         /*
2994          * If the local deadline has passed we have to consider the
2995          * possibility that our sched_clock is 'fast' and the global deadline
2996          * has not truly expired.
2997          *
2998          * Fortunately we can check determine whether this the case by checking
2999          * whether the global deadline has advanced.
3000          */
3001
3002         if ((s64)(cfs_rq->runtime_expires - cfs_b->runtime_expires) >= 0) {
3003                 /* extend local deadline, drift is bounded above by 2 ticks */
3004                 cfs_rq->runtime_expires += TICK_NSEC;
3005         } else {
3006                 /* global deadline is ahead, expiration has passed */
3007                 cfs_rq->runtime_remaining = 0;
3008         }
3009 }
3010
3011 static void __account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec)
3012 {
3013         /* dock delta_exec before expiring quota (as it could span periods) */
3014         cfs_rq->runtime_remaining -= delta_exec;
3015         expire_cfs_rq_runtime(cfs_rq);
3016
3017         if (likely(cfs_rq->runtime_remaining > 0))
3018                 return;
3019
3020         /*
3021          * if we're unable to extend our runtime we resched so that the active
3022          * hierarchy can be throttled
3023          */
3024         if (!assign_cfs_rq_runtime(cfs_rq) && likely(cfs_rq->curr))
3025                 resched_task(rq_of(cfs_rq)->curr);
3026 }
3027
3028 static __always_inline
3029 void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec)
3030 {
3031         if (!cfs_bandwidth_used() || !cfs_rq->runtime_enabled)
3032                 return;
3033
3034         __account_cfs_rq_runtime(cfs_rq, delta_exec);
3035 }
3036
3037 static inline int cfs_rq_throttled(struct cfs_rq *cfs_rq)
3038 {
3039         return cfs_bandwidth_used() && cfs_rq->throttled;
3040 }
3041
3042 /* check whether cfs_rq, or any parent, is throttled */
3043 static inline int throttled_hierarchy(struct cfs_rq *cfs_rq)
3044 {
3045         return cfs_bandwidth_used() && cfs_rq->throttle_count;
3046 }
3047
3048 /*
3049  * Ensure that neither of the group entities corresponding to src_cpu or
3050  * dest_cpu are members of a throttled hierarchy when performing group
3051  * load-balance operations.
3052  */
3053 static inline int throttled_lb_pair(struct task_group *tg,
3054                                     int src_cpu, int dest_cpu)
3055 {
3056         struct cfs_rq *src_cfs_rq, *dest_cfs_rq;
3057
3058         src_cfs_rq = tg->cfs_rq[src_cpu];
3059         dest_cfs_rq = tg->cfs_rq[dest_cpu];
3060
3061         return throttled_hierarchy(src_cfs_rq) ||
3062                throttled_hierarchy(dest_cfs_rq);
3063 }
3064
3065 /* updated child weight may affect parent so we have to do this bottom up */
3066 static int tg_unthrottle_up(struct task_group *tg, void *data)
3067 {
3068         struct rq *rq = data;
3069         struct cfs_rq *cfs_rq = tg->cfs_rq[cpu_of(rq)];
3070
3071         cfs_rq->throttle_count--;
3072 #ifdef CONFIG_SMP
3073         if (!cfs_rq->throttle_count) {
3074                 /* adjust cfs_rq_clock_task() */
3075                 cfs_rq->throttled_clock_task_time += rq_clock_task(rq) -
3076                                              cfs_rq->throttled_clock_task;
3077         }
3078 #endif
3079
3080         return 0;
3081 }
3082
3083 static int tg_throttle_down(struct task_group *tg, void *data)
3084 {
3085         struct rq *rq = data;
3086         struct cfs_rq *cfs_rq = tg->cfs_rq[cpu_of(rq)];
3087
3088         /* group is entering throttled state, stop time */
3089         if (!cfs_rq->throttle_count)
3090                 cfs_rq->throttled_clock_task = rq_clock_task(rq);
3091         cfs_rq->throttle_count++;
3092
3093         return 0;
3094 }
3095
3096 static void throttle_cfs_rq(struct cfs_rq *cfs_rq)
3097 {
3098         struct rq *rq = rq_of(cfs_rq);
3099         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
3100         struct sched_entity *se;
3101         long task_delta, dequeue = 1;
3102
3103         se = cfs_rq->tg->se[cpu_of(rq_of(cfs_rq))];
3104
3105         /* freeze hierarchy runnable averages while throttled */
3106         rcu_read_lock();
3107         walk_tg_tree_from(cfs_rq->tg, tg_throttle_down, tg_nop, (void *)rq);
3108         rcu_read_unlock();
3109
3110         task_delta = cfs_rq->h_nr_running;
3111         for_each_sched_entity(se) {
3112                 struct cfs_rq *qcfs_rq = cfs_rq_of(se);
3113                 /* throttled entity or throttle-on-deactivate */
3114                 if (!se->on_rq)
3115                         break;
3116
3117                 if (dequeue)
3118                         dequeue_entity(qcfs_rq, se, DEQUEUE_SLEEP);
3119                 qcfs_rq->h_nr_running -= task_delta;
3120
3121                 if (qcfs_rq->load.weight)
3122                         dequeue = 0;
3123         }
3124
3125         if (!se)
3126                 rq->nr_running -= task_delta;
3127
3128         cfs_rq->throttled = 1;
3129         cfs_rq->throttled_clock = rq_clock(rq);
3130         raw_spin_lock(&cfs_b->lock);
3131         list_add_tail_rcu(&cfs_rq->throttled_list, &cfs_b->throttled_cfs_rq);
3132         if (!cfs_b->timer_active)
3133                 __start_cfs_bandwidth(cfs_b);
3134         raw_spin_unlock(&cfs_b->lock);
3135 }
3136
3137 void unthrottle_cfs_rq(struct cfs_rq *cfs_rq)
3138 {
3139         struct rq *rq = rq_of(cfs_rq);
3140         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
3141         struct sched_entity *se;
3142         int enqueue = 1;
3143         long task_delta;
3144
3145         se = cfs_rq->tg->se[cpu_of(rq)];
3146
3147         cfs_rq->throttled = 0;
3148
3149         update_rq_clock(rq);
3150
3151         raw_spin_lock(&cfs_b->lock);
3152         cfs_b->throttled_time += rq_clock(rq) - cfs_rq->throttled_clock;
3153         list_del_rcu(&cfs_rq->throttled_list);
3154         raw_spin_unlock(&cfs_b->lock);
3155
3156         /* update hierarchical throttle state */
3157         walk_tg_tree_from(cfs_rq->tg, tg_nop, tg_unthrottle_up, (void *)rq);
3158
3159         if (!cfs_rq->load.weight)
3160                 return;
3161
3162         task_delta = cfs_rq->h_nr_running;
3163         for_each_sched_entity(se) {
3164                 if (se->on_rq)
3165                         enqueue = 0;
3166
3167                 cfs_rq = cfs_rq_of(se);
3168                 if (enqueue)
3169                         enqueue_entity(cfs_rq, se, ENQUEUE_WAKEUP);
3170                 cfs_rq->h_nr_running += task_delta;
3171
3172                 if (cfs_rq_throttled(cfs_rq))
3173                         break;
3174         }
3175
3176         if (!se)
3177                 rq->nr_running += task_delta;
3178
3179         /* determine whether we need to wake up potentially idle cpu */
3180         if (rq->curr == rq->idle && rq->cfs.nr_running)
3181                 resched_task(rq->curr);
3182 }
3183
3184 static u64 distribute_cfs_runtime(struct cfs_bandwidth *cfs_b,
3185                 u64 remaining, u64 expires)
3186 {
3187         struct cfs_rq *cfs_rq;
3188         u64 runtime = remaining;
3189
3190         rcu_read_lock();
3191         list_for_each_entry_rcu(cfs_rq, &cfs_b->throttled_cfs_rq,
3192                                 throttled_list) {
3193                 struct rq *rq = rq_of(cfs_rq);
3194
3195                 raw_spin_lock(&rq->lock);
3196                 if (!cfs_rq_throttled(cfs_rq))
3197                         goto next;
3198
3199                 runtime = -cfs_rq->runtime_remaining + 1;
3200                 if (runtime > remaining)
3201                         runtime = remaining;
3202                 remaining -= runtime;
3203
3204                 cfs_rq->runtime_remaining += runtime;
3205                 cfs_rq->runtime_expires = expires;
3206
3207                 /* we check whether we're throttled above */
3208                 if (cfs_rq->runtime_remaining > 0)
3209                         unthrottle_cfs_rq(cfs_rq);
3210
3211 next:
3212                 raw_spin_unlock(&rq->lock);
3213
3214                 if (!remaining)
3215                         break;
3216         }
3217         rcu_read_unlock();
3218
3219         return remaining;
3220 }
3221
3222 /*
3223  * Responsible for refilling a task_group's bandwidth and unthrottling its
3224  * cfs_rqs as appropriate. If there has been no activity within the last
3225  * period the timer is deactivated until scheduling resumes; cfs_b->idle is
3226  * used to track this state.
3227  */
3228 static int do_sched_cfs_period_timer(struct cfs_bandwidth *cfs_b, int overrun)
3229 {
3230         u64 runtime, runtime_expires;
3231         int idle = 1, throttled;
3232
3233         raw_spin_lock(&cfs_b->lock);
3234         /* no need to continue the timer with no bandwidth constraint */
3235         if (cfs_b->quota == RUNTIME_INF)
3236                 goto out_unlock;
3237
3238         throttled = !list_empty(&cfs_b->throttled_cfs_rq);
3239         /* idle depends on !throttled (for the case of a large deficit) */
3240         idle = cfs_b->idle && !throttled;
3241         cfs_b->nr_periods += overrun;
3242
3243         /* if we're going inactive then everything else can be deferred */
3244         if (idle)
3245                 goto out_unlock;
3246
3247         /*
3248          * if we have relooped after returning idle once, we need to update our
3249          * status as actually running, so that other cpus doing
3250          * __start_cfs_bandwidth will stop trying to cancel us.
3251          */
3252         cfs_b->timer_active = 1;
3253
3254         __refill_cfs_bandwidth_runtime(cfs_b);
3255
3256         if (!throttled) {
3257                 /* mark as potentially idle for the upcoming period */
3258                 cfs_b->idle = 1;
3259                 goto out_unlock;
3260         }
3261
3262         /* account preceding periods in which throttling occurred */
3263         cfs_b->nr_throttled += overrun;
3264
3265         /*
3266          * There are throttled entities so we must first use the new bandwidth
3267          * to unthrottle them before making it generally available.  This
3268          * ensures that all existing debts will be paid before a new cfs_rq is
3269          * allowed to run.
3270          */
3271         runtime = cfs_b->runtime;
3272         runtime_expires = cfs_b->runtime_expires;
3273         cfs_b->runtime = 0;
3274
3275         /*
3276          * This check is repeated as we are holding onto the new bandwidth
3277          * while we unthrottle.  This can potentially race with an unthrottled
3278          * group trying to acquire new bandwidth from the global pool.
3279          */
3280         while (throttled && runtime > 0) {
3281                 raw_spin_unlock(&cfs_b->lock);
3282                 /* we can't nest cfs_b->lock while distributing bandwidth */
3283                 runtime = distribute_cfs_runtime(cfs_b, runtime,
3284                                                  runtime_expires);
3285                 raw_spin_lock(&cfs_b->lock);
3286
3287                 throttled = !list_empty(&cfs_b->throttled_cfs_rq);
3288         }
3289
3290         /* return (any) remaining runtime */
3291         cfs_b->runtime = runtime;
3292         /*
3293          * While we are ensured activity in the period following an
3294          * unthrottle, this also covers the case in which the new bandwidth is
3295          * insufficient to cover the existing bandwidth deficit.  (Forcing the
3296          * timer to remain active while there are any throttled entities.)
3297          */
3298         cfs_b->idle = 0;
3299 out_unlock:
3300         if (idle)
3301                 cfs_b->timer_active = 0;
3302         raw_spin_unlock(&cfs_b->lock);
3303
3304         return idle;
3305 }
3306
3307 /* a cfs_rq won't donate quota below this amount */
3308 static const u64 min_cfs_rq_runtime = 1 * NSEC_PER_MSEC;
3309 /* minimum remaining period time to redistribute slack quota */
3310 static const u64 min_bandwidth_expiration = 2 * NSEC_PER_MSEC;
3311 /* how long we wait to gather additional slack before distributing */
3312 static const u64 cfs_bandwidth_slack_period = 5 * NSEC_PER_MSEC;
3313
3314 /*
3315  * Are we near the end of the current quota period?
3316  *
3317  * Requires cfs_b->lock for hrtimer_expires_remaining to be safe against the
3318  * hrtimer base being cleared by __hrtimer_start_range_ns. In the case of
3319  * migrate_hrtimers, base is never cleared, so we are fine.
3320  */
3321 static int runtime_refresh_within(struct cfs_bandwidth *cfs_b, u64 min_expire)
3322 {
3323         struct hrtimer *refresh_timer = &cfs_b->period_timer;
3324         u64 remaining;
3325
3326         /* if the call-back is running a quota refresh is already occurring */
3327         if (hrtimer_callback_running(refresh_timer))
3328                 return 1;
3329
3330         /* is a quota refresh about to occur? */
3331         remaining = ktime_to_ns(hrtimer_expires_remaining(refresh_timer));
3332         if (remaining < min_expire)
3333                 return 1;
3334
3335         return 0;
3336 }
3337
3338 static void start_cfs_slack_bandwidth(struct cfs_bandwidth *cfs_b)
3339 {
3340         u64 min_left = cfs_bandwidth_slack_period + min_bandwidth_expiration;
3341
3342         /* if there's a quota refresh soon don't bother with slack */
3343         if (runtime_refresh_within(cfs_b, min_left))
3344                 return;
3345
3346         start_bandwidth_timer(&cfs_b->slack_timer,
3347                                 ns_to_ktime(cfs_bandwidth_slack_period));
3348 }
3349
3350 /* we know any runtime found here is valid as update_curr() precedes return */
3351 static void __return_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3352 {
3353         struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
3354         s64 slack_runtime = cfs_rq->runtime_remaining - min_cfs_rq_runtime;
3355
3356         if (slack_runtime <= 0)
3357                 return;
3358
3359         raw_spin_lock(&cfs_b->lock);
3360         if (cfs_b->quota != RUNTIME_INF &&
3361             cfs_rq->runtime_expires == cfs_b->runtime_expires) {
3362                 cfs_b->runtime += slack_runtime;
3363
3364                 /* we are under rq->lock, defer unthrottling using a timer */
3365                 if (cfs_b->runtime > sched_cfs_bandwidth_slice() &&
3366                     !list_empty(&cfs_b->throttled_cfs_rq))
3367                         start_cfs_slack_bandwidth(cfs_b);
3368         }
3369         raw_spin_unlock(&cfs_b->lock);
3370
3371         /* even if it's not valid for return we don't want to try again */
3372         cfs_rq->runtime_remaining -= slack_runtime;
3373 }
3374
3375 static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3376 {
3377         if (!cfs_bandwidth_used())
3378                 return;
3379
3380         if (!cfs_rq->runtime_enabled || cfs_rq->nr_running)
3381                 return;
3382
3383         __return_cfs_rq_runtime(cfs_rq);
3384 }
3385
3386 /*
3387  * This is done with a timer (instead of inline with bandwidth return) since
3388  * it's necessary to juggle rq->locks to unthrottle their respective cfs_rqs.
3389  */
3390 static void do_sched_cfs_slack_timer(struct cfs_bandwidth *cfs_b)
3391 {
3392         u64 runtime = 0, slice = sched_cfs_bandwidth_slice();
3393         u64 expires;
3394
3395         /* confirm we're still not at a refresh boundary */
3396         raw_spin_lock(&cfs_b->lock);
3397         if (runtime_refresh_within(cfs_b, min_bandwidth_expiration)) {
3398                 raw_spin_unlock(&cfs_b->lock);
3399                 return;
3400         }
3401
3402         if (cfs_b->quota != RUNTIME_INF && cfs_b->runtime > slice) {
3403                 runtime = cfs_b->runtime;
3404                 cfs_b->runtime = 0;
3405         }
3406         expires = cfs_b->runtime_expires;
3407         raw_spin_unlock(&cfs_b->lock);
3408
3409         if (!runtime)
3410                 return;
3411
3412         runtime = distribute_cfs_runtime(cfs_b, runtime, expires);
3413
3414         raw_spin_lock(&cfs_b->lock);
3415         if (expires == cfs_b->runtime_expires)
3416                 cfs_b->runtime = runtime;
3417         raw_spin_unlock(&cfs_b->lock);
3418 }
3419
3420 /*
3421  * When a group wakes up we want to make sure that its quota is not already
3422  * expired/exceeded, otherwise it may be allowed to steal additional ticks of
3423  * runtime as update_curr() throttling can not not trigger until it's on-rq.
3424  */
3425 static void check_enqueue_throttle(struct cfs_rq *cfs_rq)
3426 {
3427         if (!cfs_bandwidth_used())
3428                 return;
3429
3430         /* an active group must be handled by the update_curr()->put() path */
3431         if (!cfs_rq->runtime_enabled || cfs_rq->curr)
3432                 return;
3433
3434         /* ensure the group is not already throttled */
3435         if (cfs_rq_throttled(cfs_rq))
3436                 return;
3437
3438         /* update runtime allocation */
3439         account_cfs_rq_runtime(cfs_rq, 0);
3440         if (cfs_rq->runtime_remaining <= 0)
3441                 throttle_cfs_rq(cfs_rq);
3442 }
3443
3444 /* conditionally throttle active cfs_rq's from put_prev_entity() */
3445 static void check_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3446 {
3447         if (!cfs_bandwidth_used())
3448                 return;
3449
3450         if (likely(!cfs_rq->runtime_enabled || cfs_rq->runtime_remaining > 0))
3451                 return;
3452
3453         /*
3454          * it's possible for a throttled entity to be forced into a running
3455          * state (e.g. set_curr_task), in this case we're finished.
3456          */
3457         if (cfs_rq_throttled(cfs_rq))
3458                 return;
3459
3460         throttle_cfs_rq(cfs_rq);
3461 }
3462
3463 static enum hrtimer_restart sched_cfs_slack_timer(struct hrtimer *timer)
3464 {
3465         struct cfs_bandwidth *cfs_b =
3466                 container_of(timer, struct cfs_bandwidth, slack_timer);
3467         do_sched_cfs_slack_timer(cfs_b);
3468
3469         return HRTIMER_NORESTART;
3470 }
3471
3472 static enum hrtimer_restart sched_cfs_period_timer(struct hrtimer *timer)
3473 {
3474         struct cfs_bandwidth *cfs_b =
3475                 container_of(timer, struct cfs_bandwidth, period_timer);
3476         ktime_t now;
3477         int overrun;
3478         int idle = 0;
3479
3480         for (;;) {
3481                 now = hrtimer_cb_get_time(timer);
3482                 overrun = hrtimer_forward(timer, now, cfs_b->period);
3483
3484                 if (!overrun)
3485                         break;
3486
3487                 idle = do_sched_cfs_period_timer(cfs_b, overrun);
3488         }
3489
3490         return idle ? HRTIMER_NORESTART : HRTIMER_RESTART;
3491 }
3492
3493 void init_cfs_bandwidth(struct cfs_bandwidth *cfs_b)
3494 {
3495         raw_spin_lock_init(&cfs_b->lock);
3496         cfs_b->runtime = 0;
3497         cfs_b->quota = RUNTIME_INF;
3498         cfs_b->period = ns_to_ktime(default_cfs_period());
3499
3500         INIT_LIST_HEAD(&cfs_b->throttled_cfs_rq);
3501         hrtimer_init(&cfs_b->period_timer, CLOCK_MONOTONIC, HRTIMER_MODE_REL);
3502         cfs_b->period_timer.function = sched_cfs_period_timer;
3503         hrtimer_init(&cfs_b->slack_timer, CLOCK_MONOTONIC, HRTIMER_MODE_REL);
3504         cfs_b->slack_timer.function = sched_cfs_slack_timer;
3505 }
3506
3507 static void init_cfs_rq_runtime(struct cfs_rq *cfs_rq)
3508 {
3509         cfs_rq->runtime_enabled = 0;
3510         INIT_LIST_HEAD(&cfs_rq->throttled_list);
3511 }
3512
3513 /* requires cfs_b->lock, may release to reprogram timer */
3514 void __start_cfs_bandwidth(struct cfs_bandwidth *cfs_b)
3515 {
3516         /*
3517          * The timer may be active because we're trying to set a new bandwidth
3518          * period or because we're racing with the tear-down path
3519          * (timer_active==0 becomes visible before the hrtimer call-back
3520          * terminates).  In either case we ensure that it's re-programmed
3521          */
3522         while (unlikely(hrtimer_active(&cfs_b->period_timer)) &&
3523                hrtimer_try_to_cancel(&cfs_b->period_timer) < 0) {
3524                 /* bounce the lock to allow do_sched_cfs_period_timer to run */
3525                 raw_spin_unlock(&cfs_b->lock);
3526                 cpu_relax();
3527                 raw_spin_lock(&cfs_b->lock);
3528                 /* if someone else restarted the timer then we're done */
3529                 if (cfs_b->timer_active)
3530                         return;
3531         }
3532
3533         cfs_b->timer_active = 1;
3534         start_bandwidth_timer(&cfs_b->period_timer, cfs_b->period);
3535 }
3536
3537 static void destroy_cfs_bandwidth(struct cfs_bandwidth *cfs_b)
3538 {
3539         hrtimer_cancel(&cfs_b->period_timer);
3540         hrtimer_cancel(&cfs_b->slack_timer);
3541 }
3542
3543 static void __maybe_unused unthrottle_offline_cfs_rqs(struct rq *rq)
3544 {
3545         struct cfs_rq *cfs_rq;
3546
3547         for_each_leaf_cfs_rq(rq, cfs_rq) {
3548                 struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
3549
3550                 if (!cfs_rq->runtime_enabled)
3551                         continue;
3552
3553                 /*
3554                  * clock_task is not advancing so we just need to make sure
3555                  * there's some valid quota amount
3556                  */
3557                 cfs_rq->runtime_remaining = cfs_b->quota;
3558                 if (cfs_rq_throttled(cfs_rq))
3559                         unthrottle_cfs_rq(cfs_rq);
3560         }
3561 }
3562
3563 #else /* CONFIG_CFS_BANDWIDTH */
3564 static inline u64 cfs_rq_clock_task(struct cfs_rq *cfs_rq)
3565 {
3566         return rq_clock_task(rq_of(cfs_rq));
3567 }
3568
3569 static void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec) {}
3570 static void check_cfs_rq_runtime(struct cfs_rq *cfs_rq) {}
3571 static void check_enqueue_throttle(struct cfs_rq *cfs_rq) {}
3572 static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq) {}
3573
3574 static inline int cfs_rq_throttled(struct cfs_rq *cfs_rq)
3575 {
3576         return 0;
3577 }
3578
3579 static inline int throttled_hierarchy(struct cfs_rq *cfs_rq)
3580 {
3581         return 0;
3582 }
3583
3584 static inline int throttled_lb_pair(struct task_group *tg,
3585                                     int src_cpu, int dest_cpu)
3586 {
3587         return 0;
3588 }
3589
3590 void init_cfs_bandwidth(struct cfs_bandwidth *cfs_b) {}
3591
3592 #ifdef CONFIG_FAIR_GROUP_SCHED
3593 static void init_cfs_rq_runtime(struct cfs_rq *cfs_rq) {}
3594 #endif
3595
3596 static inline struct cfs_bandwidth *tg_cfs_bandwidth(struct task_group *tg)
3597 {
3598         return NULL;
3599 }
3600 static inline void destroy_cfs_bandwidth(struct cfs_bandwidth *cfs_b) {}
3601 static inline void unthrottle_offline_cfs_rqs(struct rq *rq) {}
3602
3603 #endif /* CONFIG_CFS_BANDWIDTH */
3604
3605 /**************************************************
3606  * CFS operations on tasks:
3607  */
3608
3609 #ifdef CONFIG_SCHED_HRTICK
3610 static void hrtick_start_fair(struct rq *rq, struct task_struct *p)
3611 {
3612         struct sched_entity *se = &p->se;
3613         struct cfs_rq *cfs_rq = cfs_rq_of(se);
3614
3615         WARN_ON(task_rq(p) != rq);
3616
3617         if (cfs_rq->nr_running > 1) {
3618                 u64 slice = sched_slice(cfs_rq, se);
3619                 u64 ran = se->sum_exec_runtime - se->prev_sum_exec_runtime;
3620                 s64 delta = slice - ran;
3621
3622                 if (delta < 0) {
3623                         if (rq->curr == p)
3624                                 resched_task(p);
3625                         return;
3626                 }
3627
3628                 /*
3629                  * Don't schedule slices shorter than 10000ns, that just
3630                  * doesn't make sense. Rely on vruntime for fairness.
3631                  */
3632                 if (rq->curr != p)
3633                         delta = max_t(s64, 10000LL, delta);
3634
3635                 hrtick_start(rq, delta);
3636         }
3637 }
3638
3639 /*
3640  * called from enqueue/dequeue and updates the hrtick when the
3641  * current task is from our class and nr_running is low enough
3642  * to matter.
3643  */
3644 static void hrtick_update(struct rq *rq)
3645 {
3646         struct task_struct *curr = rq->curr;
3647
3648         if (!hrtick_enabled(rq) || curr->sched_class != &fair_sched_class)
3649                 return;
3650
3651         if (cfs_rq_of(&curr->se)->nr_running < sched_nr_latency)
3652                 hrtick_start_fair(rq, curr);
3653 }
3654 #else /* !CONFIG_SCHED_HRTICK */
3655 static inline void
3656 hrtick_start_fair(struct rq *rq, struct task_struct *p)
3657 {
3658 }
3659
3660 static inline void hrtick_update(struct rq *rq)
3661 {
3662 }
3663 #endif
3664
3665 /*
3666  * The enqueue_task method is called before nr_running is
3667  * increased. Here we update the fair scheduling stats and
3668  * then put the task into the rbtree:
3669  */
3670 static void
3671 enqueue_task_fair(struct rq *rq, struct task_struct *p, int flags)
3672 {
3673         struct cfs_rq *cfs_rq;
3674         struct sched_entity *se = &p->se;
3675
3676         for_each_sched_entity(se) {
3677                 if (se->on_rq)
3678                         break;
3679                 cfs_rq = cfs_rq_of(se);
3680                 enqueue_entity(cfs_rq, se, flags);
3681
3682                 /*
3683                  * end evaluation on encountering a throttled cfs_rq
3684                  *
3685                  * note: in the case of encountering a throttled cfs_rq we will
3686                  * post the final h_nr_running increment below.
3687                 */
3688                 if (cfs_rq_throttled(cfs_rq))
3689                         break;
3690                 cfs_rq->h_nr_running++;
3691
3692                 flags = ENQUEUE_WAKEUP;
3693         }
3694
3695         for_each_sched_entity(se) {
3696                 cfs_rq = cfs_rq_of(se);
3697                 cfs_rq->h_nr_running++;
3698
3699                 if (cfs_rq_throttled(cfs_rq))
3700                         break;
3701
3702                 update_cfs_shares(cfs_rq);
3703                 update_entity_load_avg(se, 1);
3704         }
3705
3706         if (!se) {
3707                 update_rq_runnable_avg(rq, rq->nr_running);
3708                 inc_nr_running(rq);
3709         }
3710         hrtick_update(rq);
3711 }
3712
3713 static void set_next_buddy(struct sched_entity *se);
3714
3715 /*
3716  * The dequeue_task method is called before nr_running is
3717  * decreased. We remove the task from the rbtree and
3718  * update the fair scheduling stats:
3719  */
3720 static void dequeue_task_fair(struct rq *rq, struct task_struct *p, int flags)
3721 {
3722         struct cfs_rq *cfs_rq;
3723         struct sched_entity *se = &p->se;
3724         int task_sleep = flags & DEQUEUE_SLEEP;
3725
3726         for_each_sched_entity(se) {
3727                 cfs_rq = cfs_rq_of(se);
3728                 dequeue_entity(cfs_rq, se, flags);
3729
3730                 /*
3731                  * end evaluation on encountering a throttled cfs_rq
3732                  *
3733                  * note: in the case of encountering a throttled cfs_rq we will
3734                  * post the final h_nr_running decrement below.
3735                 */
3736                 if (cfs_rq_throttled(cfs_rq))
3737                         break;
3738                 cfs_rq->h_nr_running--;
3739
3740                 /* Don't dequeue parent if it has other entities besides us */
3741                 if (cfs_rq->load.weight) {
3742                         /*
3743                          * Bias pick_next to pick a task from this cfs_rq, as
3744                          * p is sleeping when it is within its sched_slice.
3745                          */
3746                         if (task_sleep && parent_entity(se))
3747                                 set_next_buddy(parent_entity(se));
3748
3749                         /* avoid re-evaluating load for this entity */
3750                         se = parent_entity(se);
3751                         break;
3752                 }
3753                 flags |= DEQUEUE_SLEEP;
3754         }
3755
3756         for_each_sched_entity(se) {
3757                 cfs_rq = cfs_rq_of(se);
3758                 cfs_rq->h_nr_running--;
3759
3760                 if (cfs_rq_throttled(cfs_rq))
3761                         break;
3762
3763                 update_cfs_shares(cfs_rq);
3764                 update_entity_load_avg(se, 1);
3765         }
3766
3767         if (!se) {
3768                 dec_nr_running(rq);
3769                 update_rq_runnable_avg(rq, 1);
3770         }
3771         hrtick_update(rq);
3772 }
3773
3774 #ifdef CONFIG_SMP
3775 /* Used instead of source_load when we know the type == 0 */
3776 static unsigned long weighted_cpuload(const int cpu)
3777 {
3778         return cpu_rq(cpu)->cfs.runnable_load_avg;
3779 }
3780
3781 /*
3782  * Return a low guess at the load of a migration-source cpu weighted
3783  * according to the scheduling class and "nice" value.
3784  *
3785  * We want to under-estimate the load of migration sources, to
3786  * balance conservatively.
3787  */
3788 static unsigned long source_load(int cpu, int type)
3789 {
3790         struct rq *rq = cpu_rq(cpu);
3791         unsigned long total = weighted_cpuload(cpu);
3792
3793         if (type == 0 || !sched_feat(LB_BIAS))
3794                 return total;
3795
3796         return min(rq->cpu_load[type-1], total);
3797 }
3798
3799 /*
3800  * Return a high guess at the load of a migration-target cpu weighted
3801  * according to the scheduling class and "nice" value.
3802  */
3803 static unsigned long target_load(int cpu, int type)
3804 {
3805         struct rq *rq = cpu_rq(cpu);
3806         unsigned long total = weighted_cpuload(cpu);
3807
3808         if (type == 0 || !sched_feat(LB_BIAS))
3809                 return total;
3810
3811         return max(rq->cpu_load[type-1], total);
3812 }
3813
3814 static unsigned long power_of(int cpu)
3815 {
3816         return cpu_rq(cpu)->cpu_power;
3817 }
3818
3819 static unsigned long cpu_avg_load_per_task(int cpu)
3820 {
3821         struct rq *rq = cpu_rq(cpu);
3822         unsigned long nr_running = ACCESS_ONCE(rq->nr_running);
3823         unsigned long load_avg = rq->cfs.runnable_load_avg;
3824
3825         if (nr_running)
3826                 return load_avg / nr_running;
3827
3828         return 0;
3829 }
3830
3831 static void record_wakee(struct task_struct *p)
3832 {
3833         /*
3834          * Rough decay (wiping) for cost saving, don't worry
3835          * about the boundary, really active task won't care
3836          * about the loss.
3837          */
3838         if (jiffies > current->wakee_flip_decay_ts + HZ) {
3839                 current->wakee_flips = 0;
3840                 current->wakee_flip_decay_ts = jiffies;
3841         }
3842
3843         if (current->last_wakee != p) {
3844                 current->last_wakee = p;
3845                 current->wakee_flips++;
3846         }
3847 }
3848
3849 static void task_waking_fair(struct task_struct *p)
3850 {
3851         struct sched_entity *se = &p->se;
3852         struct cfs_rq *cfs_rq = cfs_rq_of(se);
3853         u64 min_vruntime;
3854
3855 #ifndef CONFIG_64BIT
3856         u64 min_vruntime_copy;
3857
3858         do {
3859                 min_vruntime_copy = cfs_rq->min_vruntime_copy;
3860                 smp_rmb();
3861                 min_vruntime = cfs_rq->min_vruntime;
3862         } while (min_vruntime != min_vruntime_copy);
3863 #else
3864         min_vruntime = cfs_rq->min_vruntime;
3865 #endif
3866
3867         se->vruntime -= min_vruntime;
3868         record_wakee(p);
3869 }
3870
3871 #ifdef CONFIG_FAIR_GROUP_SCHED
3872 /*
3873  * effective_load() calculates the load change as seen from the root_task_group
3874  *
3875  * Adding load to a group doesn't make a group heavier, but can cause movement
3876  * of group shares between cpus. Assuming the shares were perfectly aligned one
3877  * can calculate the shift in shares.
3878  *
3879  * Calculate the effective load difference if @wl is added (subtracted) to @tg
3880  * on this @cpu and results in a total addition (subtraction) of @wg to the
3881  * total group weight.
3882  *
3883  * Given a runqueue weight distribution (rw_i) we can compute a shares
3884  * distribution (s_i) using:
3885  *
3886  *   s_i = rw_i / \Sum rw_j                                             (1)
3887  *
3888  * Suppose we have 4 CPUs and our @tg is a direct child of the root group and
3889  * has 7 equal weight tasks, distributed as below (rw_i), with the resulting
3890  * shares distribution (s_i):
3891  *
3892  *   rw_i = {   2,   4,   1,   0 }
3893  *   s_i  = { 2/7, 4/7, 1/7,   0 }
3894  *
3895  * As per wake_affine() we're interested in the load of two CPUs (the CPU the
3896  * task used to run on and the CPU the waker is running on), we need to
3897  * compute the effect of waking a task on either CPU and, in case of a sync
3898  * wakeup, compute the effect of the current task going to sleep.
3899  *
3900  * So for a change of @wl to the local @cpu with an overall group weight change
3901  * of @wl we can compute the new shares distribution (s'_i) using:
3902  *
3903  *   s'_i = (rw_i + @wl) / (@wg + \Sum rw_j)                            (2)
3904  *
3905  * Suppose we're interested in CPUs 0 and 1, and want to compute the load
3906  * differences in waking a task to CPU 0. The additional task changes the
3907  * weight and shares distributions like:
3908  *
3909  *   rw'_i = {   3,   4,   1,   0 }
3910  *   s'_i  = { 3/8, 4/8, 1/8,   0 }
3911  *
3912  * We can then compute the difference in effective weight by using:
3913  *
3914  *   dw_i = S * (s'_i - s_i)                                            (3)
3915  *
3916  * Where 'S' is the group weight as seen by its parent.
3917  *
3918  * Therefore the effective change in loads on CPU 0 would be 5/56 (3/8 - 2/7)
3919  * times the weight of the group. The effect on CPU 1 would be -4/56 (4/8 -
3920  * 4/7) times the weight of the group.
3921  */
3922 static long effective_load(struct task_group *tg, int cpu, long wl, long wg)
3923 {
3924         struct sched_entity *se = tg->se[cpu];
3925
3926         if (!tg->parent)        /* the trivial, non-cgroup case */
3927                 return wl;
3928
3929         for_each_sched_entity(se) {
3930                 long w, W;
3931
3932                 tg = se->my_q->tg;
3933
3934                 /*
3935                  * W = @wg + \Sum rw_j
3936                  */
3937                 W = wg + calc_tg_weight(tg, se->my_q);
3938
3939                 /*
3940                  * w = rw_i + @wl
3941                  */
3942                 w = se->my_q->load.weight + wl;
3943
3944                 /*
3945                  * wl = S * s'_i; see (2)
3946                  */
3947                 if (W > 0 && w < W)
3948                         wl = (w * tg->shares) / W;
3949                 else
3950                         wl = tg->shares;
3951
3952                 /*
3953                  * Per the above, wl is the new se->load.weight value; since
3954                  * those are clipped to [MIN_SHARES, ...) do so now. See
3955                  * calc_cfs_shares().
3956                  */
3957                 if (wl < MIN_SHARES)
3958                         wl = MIN_SHARES;
3959
3960                 /*
3961                  * wl = dw_i = S * (s'_i - s_i); see (3)
3962                  */
3963                 wl -= se->load.weight;
3964
3965                 /*
3966                  * Recursively apply this logic to all parent groups to compute
3967                  * the final effective load change on the root group. Since
3968                  * only the @tg group gets extra weight, all parent groups can
3969                  * only redistribute existing shares. @wl is the shift in shares
3970                  * resulting from this level per the above.
3971                  */
3972                 wg = 0;
3973         }
3974
3975         return wl;
3976 }
3977 #else
3978
3979 static long effective_load(struct task_group *tg, int cpu, long wl, long wg)
3980 {
3981         return wl;
3982 }
3983
3984 #endif
3985
3986 static int wake_wide(struct task_struct *p)
3987 {
3988         int factor = this_cpu_read(sd_llc_size);
3989
3990         /*
3991          * Yeah, it's the switching-frequency, could means many wakee or
3992          * rapidly switch, use factor here will just help to automatically
3993          * adjust the loose-degree, so bigger node will lead to more pull.
3994          */
3995         if (p->wakee_flips > factor) {
3996                 /*
3997                  * wakee is somewhat hot, it needs certain amount of cpu
3998                  * resource, so if waker is far more hot, prefer to leave
3999                  * it alone.
4000                  */
4001                 if (current->wakee_flips > (factor * p->wakee_flips))
4002                         return 1;
4003         }
4004
4005         return 0;
4006 }
4007
4008 static int wake_affine(struct sched_domain *sd, struct task_struct *p, int sync)
4009 {
4010         s64 this_load, load;
4011         int idx, this_cpu, prev_cpu;
4012         unsigned long tl_per_task;
4013         struct task_group *tg;
4014         unsigned long weight;
4015         int balanced;
4016
4017         /*
4018          * If we wake multiple tasks be careful to not bounce
4019          * ourselves around too much.
4020          */
4021         if (wake_wide(p))
4022                 return 0;
4023
4024         idx       = sd->wake_idx;
4025         this_cpu  = smp_processor_id();
4026         prev_cpu  = task_cpu(p);
4027         load      = source_load(prev_cpu, idx);
4028         this_load = target_load(this_cpu, idx);
4029
4030         /*
4031          * If sync wakeup then subtract the (maximum possible)
4032          * effect of the currently running task from the load
4033          * of the current CPU:
4034          */
4035         if (sync) {
4036                 tg = task_group(current);
4037                 weight = current->se.load.weight;
4038
4039                 this_load += effective_load(tg, this_cpu, -weight, -weight);
4040                 load += effective_load(tg, prev_cpu, 0, -weight);
4041         }
4042
4043         tg = task_group(p);
4044         weight = p->se.load.weight;
4045
4046         /*
4047          * In low-load situations, where prev_cpu is idle and this_cpu is idle
4048          * due to the sync cause above having dropped this_load to 0, we'll
4049          * always have an imbalance, but there's really nothing you can do
4050          * about that, so that's good too.
4051          *
4052          * Otherwise check if either cpus are near enough in load to allow this
4053          * task to be woken on this_cpu.
4054          */
4055         if (this_load > 0) {
4056                 s64 this_eff_load, prev_eff_load;
4057
4058                 this_eff_load = 100;
4059                 this_eff_load *= power_of(prev_cpu);
4060                 this_eff_load *= this_load +
4061                         effective_load(tg, this_cpu, weight, weight);
4062
4063                 prev_eff_load = 100 + (sd->imbalance_pct - 100) / 2;
4064                 prev_eff_load *= power_of(this_cpu);
4065                 prev_eff_load *= load + effective_load(tg, prev_cpu, 0, weight);
4066
4067                 balanced = this_eff_load <= prev_eff_load;
4068         } else
4069                 balanced = true;
4070
4071         /*
4072          * If the currently running task will sleep within
4073          * a reasonable amount of time then attract this newly
4074          * woken task:
4075          */
4076         if (sync && balanced)
4077                 return 1;
4078
4079         schedstat_inc(p, se.statistics.nr_wakeups_affine_attempts);
4080         tl_per_task = cpu_avg_load_per_task(this_cpu);
4081
4082         if (balanced ||
4083             (this_load <= load &&
4084              this_load + target_load(prev_cpu, idx) <= tl_per_task)) {
4085                 /*
4086                  * This domain has SD_WAKE_AFFINE and
4087                  * p is cache cold in this domain, and
4088                  * there is no bad imbalance.
4089                  */
4090                 schedstat_inc(sd, ttwu_move_affine);
4091                 schedstat_inc(p, se.statistics.nr_wakeups_affine);
4092
4093                 return 1;
4094         }
4095         return 0;
4096 }
4097
4098 /*
4099  * find_idlest_group finds and returns the least busy CPU group within the
4100  * domain.
4101  */
4102 static struct sched_group *
4103 find_idlest_group(struct sched_domain *sd, struct task_struct *p,
4104                   int this_cpu, int load_idx)
4105 {
4106         struct sched_group *idlest = NULL, *group = sd->groups;
4107         unsigned long min_load = ULONG_MAX, this_load = 0;
4108         int imbalance = 100 + (sd->imbalance_pct-100)/2;
4109
4110         do {
4111                 unsigned long load, avg_load;
4112                 int local_group;
4113                 int i;
4114
4115                 /* Skip over this group if it has no CPUs allowed */
4116                 if (!cpumask_intersects(sched_group_cpus(group),
4117                                         tsk_cpus_allowed(p)))
4118                         continue;
4119
4120                 local_group = cpumask_test_cpu(this_cpu,
4121                                                sched_group_cpus(group));
4122
4123                 /* Tally up the load of all CPUs in the group */
4124                 avg_load = 0;
4125
4126                 for_each_cpu(i, sched_group_cpus(group)) {
4127                         /* Bias balancing toward cpus of our domain */
4128                         if (local_group)
4129                                 load = source_load(i, load_idx);
4130                         else
4131                                 load = target_load(i, load_idx);
4132
4133                         avg_load += load;
4134                 }
4135
4136                 /* Adjust by relative CPU power of the group */
4137                 avg_load = (avg_load * SCHED_POWER_SCALE) / group->sgp->power;
4138
4139                 if (local_group) {
4140                         this_load = avg_load;
4141                 } else if (avg_load < min_load) {
4142                         min_load = avg_load;
4143                         idlest = group;
4144                 }
4145         } while (group = group->next, group != sd->groups);
4146
4147         if (!idlest || 100*this_load < imbalance*min_load)
4148                 return NULL;
4149         return idlest;
4150 }
4151
4152 /*
4153  * find_idlest_cpu - find the idlest cpu among the cpus in group.
4154  */
4155 static int
4156 find_idlest_cpu(struct sched_group *group, struct task_struct *p, int this_cpu)
4157 {
4158         unsigned long load, min_load = ULONG_MAX;
4159         int idlest = -1;
4160         int i;
4161
4162         /* Traverse only the allowed CPUs */
4163         for_each_cpu_and(i, sched_group_cpus(group), tsk_cpus_allowed(p)) {
4164                 load = weighted_cpuload(i);
4165
4166                 if (load < min_load || (load == min_load && i == this_cpu)) {
4167                         min_load = load;
4168                         idlest = i;
4169                 }
4170         }
4171
4172         return idlest;
4173 }
4174
4175 /*
4176  * Try and locate an idle CPU in the sched_domain.
4177  */
4178 static int select_idle_sibling(struct task_struct *p, int target)
4179 {
4180         struct sched_domain *sd;
4181         struct sched_group *sg;
4182         int i = task_cpu(p);
4183
4184         if (idle_cpu(target))
4185                 return target;
4186
4187         /*
4188          * If the prevous cpu is cache affine and idle, don't be stupid.
4189          */
4190         if (i != target && cpus_share_cache(i, target) && idle_cpu(i))
4191                 return i;
4192
4193         /*
4194          * Otherwise, iterate the domains and find an elegible idle cpu.
4195          */
4196         sd = rcu_dereference(per_cpu(sd_llc, target));
4197         for_each_lower_domain(sd) {
4198                 sg = sd->groups;
4199                 do {
4200                         if (!cpumask_intersects(sched_group_cpus(sg),
4201                                                 tsk_cpus_allowed(p)))
4202                                 goto next;
4203
4204                         for_each_cpu(i, sched_group_cpus(sg)) {
4205                                 if (i == target || !idle_cpu(i))
4206                                         goto next;
4207                         }
4208
4209                         target = cpumask_first_and(sched_group_cpus(sg),
4210                                         tsk_cpus_allowed(p));
4211                         goto done;
4212 next:
4213                         sg = sg->next;
4214                 } while (sg != sd->groups);
4215         }
4216 done:
4217         return target;
4218 }
4219
4220 /*
4221  * sched_balance_self: balance the current task (running on cpu) in domains
4222  * that have the 'flag' flag set. In practice, this is SD_BALANCE_FORK and
4223  * SD_BALANCE_EXEC.
4224  *
4225  * Balance, ie. select the least loaded group.
4226  *
4227  * Returns the target CPU number, or the same CPU if no balancing is needed.
4228  *
4229  * preempt must be disabled.
4230  */
4231 static int
4232 select_task_rq_fair(struct task_struct *p, int prev_cpu, int sd_flag, int wake_flags)
4233 {
4234         struct sched_domain *tmp, *affine_sd = NULL, *sd = NULL;
4235         int cpu = smp_processor_id();
4236         int new_cpu = cpu;
4237         int want_affine = 0;
4238         int sync = wake_flags & WF_SYNC;
4239
4240         if (p->nr_cpus_allowed == 1)
4241                 return prev_cpu;
4242
4243         if (sd_flag & SD_BALANCE_WAKE) {
4244                 if (cpumask_test_cpu(cpu, tsk_cpus_allowed(p)))
4245                         want_affine = 1;
4246                 new_cpu = prev_cpu;
4247         }
4248
4249         rcu_read_lock();
4250         for_each_domain(cpu, tmp) {
4251                 if (!(tmp->flags & SD_LOAD_BALANCE))
4252                         continue;
4253
4254                 /*
4255                  * If both cpu and prev_cpu are part of this domain,
4256                  * cpu is a valid SD_WAKE_AFFINE target.
4257                  */
4258                 if (want_affine && (tmp->flags & SD_WAKE_AFFINE) &&
4259                     cpumask_test_cpu(prev_cpu, sched_domain_span(tmp))) {
4260                         affine_sd = tmp;
4261                         break;
4262                 }
4263
4264                 if (tmp->flags & sd_flag)
4265                         sd = tmp;
4266         }
4267
4268         if (affine_sd) {
4269                 if (cpu != prev_cpu && wake_affine(affine_sd, p, sync))
4270                         prev_cpu = cpu;
4271
4272                 new_cpu = select_idle_sibling(p, prev_cpu);
4273                 goto unlock;
4274         }
4275
4276         while (sd) {
4277                 int load_idx = sd->forkexec_idx;
4278                 struct sched_group *group;
4279                 int weight;
4280
4281                 if (!(sd->flags & sd_flag)) {
4282                         sd = sd->child;
4283                         continue;
4284                 }
4285
4286                 if (sd_flag & SD_BALANCE_WAKE)
4287                         load_idx = sd->wake_idx;
4288
4289                 group = find_idlest_group(sd, p, cpu, load_idx);
4290                 if (!group) {
4291                         sd = sd->child;
4292                         continue;
4293                 }
4294
4295                 new_cpu = find_idlest_cpu(group, p, cpu);
4296                 if (new_cpu == -1 || new_cpu == cpu) {
4297                         /* Now try balancing at a lower domain level of cpu */
4298                         sd = sd->child;
4299                         continue;
4300                 }
4301
4302                 /* Now try balancing at a lower domain level of new_cpu */
4303                 cpu = new_cpu;
4304                 weight = sd->span_weight;
4305                 sd = NULL;
4306                 for_each_domain(cpu, tmp) {
4307                         if (weight <= tmp->span_weight)
4308                                 break;
4309                         if (tmp->flags & sd_flag)
4310                                 sd = tmp;
4311                 }
4312                 /* while loop will break here if sd == NULL */
4313         }
4314 unlock:
4315         rcu_read_unlock();
4316
4317         return new_cpu;
4318 }
4319
4320 /*
4321  * Called immediately before a task is migrated to a new cpu; task_cpu(p) and
4322  * cfs_rq_of(p) references at time of call are still valid and identify the
4323  * previous cpu.  However, the caller only guarantees p->pi_lock is held; no
4324  * other assumptions, including the state of rq->lock, should be made.
4325  */
4326 static void
4327 migrate_task_rq_fair(struct task_struct *p, int next_cpu)
4328 {
4329         struct sched_entity *se = &p->se;
4330         struct cfs_rq *cfs_rq = cfs_rq_of(se);
4331
4332         /*
4333          * Load tracking: accumulate removed load so that it can be processed
4334          * when we next update owning cfs_rq under rq->lock.  Tasks contribute
4335          * to blocked load iff they have a positive decay-count.  It can never
4336          * be negative here since on-rq tasks have decay-count == 0.
4337          */
4338         if (se->avg.decay_count) {
4339                 se->avg.decay_count = -__synchronize_entity_decay(se);
4340                 atomic_long_add(se->avg.load_avg_contrib,
4341                                                 &cfs_rq->removed_load);
4342         }
4343 }
4344 #endif /* CONFIG_SMP */
4345
4346 static unsigned long
4347 wakeup_gran(struct sched_entity *curr, struct sched_entity *se)
4348 {
4349         unsigned long gran = sysctl_sched_wakeup_granularity;
4350
4351         /*
4352          * Since its curr running now, convert the gran from real-time
4353          * to virtual-time in his units.
4354          *
4355          * By using 'se' instead of 'curr' we penalize light tasks, so
4356          * they get preempted easier. That is, if 'se' < 'curr' then
4357          * the resulting gran will be larger, therefore penalizing the
4358          * lighter, if otoh 'se' > 'curr' then the resulting gran will
4359          * be smaller, again penalizing the lighter task.
4360          *
4361          * This is especially important for buddies when the leftmost
4362          * task is higher priority than the buddy.
4363          */
4364         return calc_delta_fair(gran, se);
4365 }
4366
4367 /*
4368  * Should 'se' preempt 'curr'.
4369  *
4370  *             |s1
4371  *        |s2
4372  *   |s3
4373  *         g
4374  *      |<--->|c
4375  *
4376  *  w(c, s1) = -1
4377  *  w(c, s2) =  0
4378  *  w(c, s3) =  1
4379  *
4380  */
4381 static int
4382 wakeup_preempt_entity(struct sched_entity *curr, struct sched_entity *se)
4383 {
4384         s64 gran, vdiff = curr->vruntime - se->vruntime;
4385
4386         if (vdiff <= 0)
4387                 return -1;
4388
4389         gran = wakeup_gran(curr, se);
4390         if (vdiff > gran)
4391                 return 1;
4392
4393         return 0;
4394 }
4395
4396 static void set_last_buddy(struct sched_entity *se)
4397 {
4398         if (entity_is_task(se) && unlikely(task_of(se)->policy == SCHED_IDLE))
4399                 return;
4400
4401         for_each_sched_entity(se)
4402                 cfs_rq_of(se)->last = se;
4403 }
4404
4405 static void set_next_buddy(struct sched_entity *se)
4406 {
4407         if (entity_is_task(se) && unlikely(task_of(se)->policy == SCHED_IDLE))
4408                 return;
4409
4410         for_each_sched_entity(se)
4411                 cfs_rq_of(se)->next = se;
4412 }
4413
4414 static void set_skip_buddy(struct sched_entity *se)
4415 {
4416         for_each_sched_entity(se)
4417                 cfs_rq_of(se)->skip = se;
4418 }
4419
4420 /*
4421  * Preempt the current task with a newly woken task if needed:
4422  */
4423 static void check_preempt_wakeup(struct rq *rq, struct task_struct *p, int wake_flags)
4424 {
4425         struct task_struct *curr = rq->curr;
4426         struct sched_entity *se = &curr->se, *pse = &p->se;
4427         struct cfs_rq *cfs_rq = task_cfs_rq(curr);
4428         int scale = cfs_rq->nr_running >= sched_nr_latency;
4429         int next_buddy_marked = 0;
4430
4431         if (unlikely(se == pse))
4432                 return;
4433
4434         /*
4435          * This is possible from callers such as move_task(), in which we
4436          * unconditionally check_prempt_curr() after an enqueue (which may have
4437          * lead to a throttle).  This both saves work and prevents false
4438          * next-buddy nomination below.
4439          */
4440         if (unlikely(throttled_hierarchy(cfs_rq_of(pse))))
4441                 return;
4442
4443         if (sched_feat(NEXT_BUDDY) && scale && !(wake_flags & WF_FORK)) {
4444                 set_next_buddy(pse);
4445                 next_buddy_marked = 1;
4446         }
4447
4448         /*
4449          * We can come here with TIF_NEED_RESCHED already set from new task
4450          * wake up path.
4451          *
4452          * Note: this also catches the edge-case of curr being in a throttled
4453          * group (e.g. via set_curr_task), since update_curr() (in the
4454          * enqueue of curr) will have resulted in resched being set.  This
4455          * prevents us from potentially nominating it as a false LAST_BUDDY
4456          * below.
4457          */
4458         if (test_tsk_need_resched(curr))
4459                 return;
4460
4461         /* Idle tasks are by definition preempted by non-idle tasks. */
4462         if (unlikely(curr->policy == SCHED_IDLE) &&
4463             likely(p->policy != SCHED_IDLE))
4464                 goto preempt;
4465
4466         /*
4467          * Batch and idle tasks do not preempt non-idle tasks (their preemption
4468          * is driven by the tick):
4469          */
4470         if (unlikely(p->policy != SCHED_NORMAL) || !sched_feat(WAKEUP_PREEMPTION))
4471                 return;
4472
4473         find_matching_se(&se, &pse);
4474         update_curr(cfs_rq_of(se));
4475         BUG_ON(!pse);
4476         if (wakeup_preempt_entity(se, pse) == 1) {
4477                 /*
4478                  * Bias pick_next to pick the sched entity that is
4479                  * triggering this preemption.
4480                  */
4481                 if (!next_buddy_marked)
4482                         set_next_buddy(pse);
4483                 goto preempt;
4484         }
4485
4486         return;
4487
4488 preempt:
4489         resched_task(curr);
4490         /*
4491          * Only set the backward buddy when the current task is still
4492          * on the rq. This can happen when a wakeup gets interleaved
4493          * with schedule on the ->pre_schedule() or idle_balance()
4494          * point, either of which can * drop the rq lock.
4495          *
4496          * Also, during early boot the idle thread is in the fair class,
4497          * for obvious reasons its a bad idea to schedule back to it.
4498          */
4499         if (unlikely(!se->on_rq || curr == rq->idle))
4500                 return;
4501
4502         if (sched_feat(LAST_BUDDY) && scale && entity_is_task(se))
4503                 set_last_buddy(se);
4504 }
4505
4506 static struct task_struct *pick_next_task_fair(struct rq *rq)
4507 {
4508         struct task_struct *p;
4509         struct cfs_rq *cfs_rq = &rq->cfs;
4510         struct sched_entity *se;
4511
4512         if (!cfs_rq->nr_running)
4513                 return NULL;
4514
4515         do {
4516                 se = pick_next_entity(cfs_rq);
4517                 set_next_entity(cfs_rq, se);
4518                 cfs_rq = group_cfs_rq(se);
4519         } while (cfs_rq);
4520
4521         p = task_of(se);
4522         if (hrtick_enabled(rq))
4523                 hrtick_start_fair(rq, p);
4524
4525         return p;
4526 }
4527
4528 /*
4529  * Account for a descheduled task:
4530  */
4531 static void put_prev_task_fair(struct rq *rq, struct task_struct *prev)
4532 {
4533         struct sched_entity *se = &prev->se;
4534         struct cfs_rq *cfs_rq;
4535
4536         for_each_sched_entity(se) {
4537                 cfs_rq = cfs_rq_of(se);
4538                 put_prev_entity(cfs_rq, se);
4539         }
4540 }
4541
4542 /*
4543  * sched_yield() is very simple
4544  *
4545  * The magic of dealing with the ->skip buddy is in pick_next_entity.
4546  */
4547 static void yield_task_fair(struct rq *rq)
4548 {
4549         struct task_struct *curr = rq->curr;
4550         struct cfs_rq *cfs_rq = task_cfs_rq(curr);
4551         struct sched_entity *se = &curr->se;
4552
4553         /*
4554          * Are we the only task in the tree?
4555          */
4556         if (unlikely(rq->nr_running == 1))
4557                 return;
4558
4559         clear_buddies(cfs_rq, se);
4560
4561         if (curr->policy != SCHED_BATCH) {
4562                 update_rq_clock(rq);
4563                 /*
4564                  * Update run-time statistics of the 'current'.
4565                  */
4566                 update_curr(cfs_rq);
4567                 /*
4568                  * Tell update_rq_clock() that we've just updated,
4569                  * so we don't do microscopic update in schedule()
4570                  * and double the fastpath cost.
4571                  */
4572                  rq->skip_clock_update = 1;
4573         }
4574
4575         set_skip_buddy(se);
4576 }
4577
4578 static bool yield_to_task_fair(struct rq *rq, struct task_struct *p, bool preempt)
4579 {
4580         struct sched_entity *se = &p->se;
4581
4582         /* throttled hierarchies are not runnable */
4583         if (!se->on_rq || throttled_hierarchy(cfs_rq_of(se)))
4584                 return false;
4585
4586         /* Tell the scheduler that we'd really like pse to run next. */
4587         set_next_buddy(se);
4588
4589         yield_task_fair(rq);
4590
4591         return true;
4592 }
4593
4594 #ifdef CONFIG_SMP
4595 /**************************************************
4596  * Fair scheduling class load-balancing methods.
4597  *
4598  * BASICS
4599  *
4600  * The purpose of load-balancing is to achieve the same basic fairness the
4601  * per-cpu scheduler provides, namely provide a proportional amount of compute
4602  * time to each task. This is expressed in the following equation:
4603  *
4604  *   W_i,n/P_i == W_j,n/P_j for all i,j                               (1)
4605  *
4606  * Where W_i,n is the n-th weight average for cpu i. The instantaneous weight
4607  * W_i,0 is defined as:
4608  *
4609  *   W_i,0 = \Sum_j w_i,j                                             (2)
4610  *
4611  * Where w_i,j is the weight of the j-th runnable task on cpu i. This weight
4612  * is derived from the nice value as per prio_to_weight[].
4613  *
4614  * The weight average is an exponential decay average of the instantaneous
4615  * weight:
4616  *
4617  *   W'_i,n = (2^n - 1) / 2^n * W_i,n + 1 / 2^n * W_i,0               (3)
4618  *
4619  * P_i is the cpu power (or compute capacity) of cpu i, typically it is the
4620  * fraction of 'recent' time available for SCHED_OTHER task execution. But it
4621  * can also include other factors [XXX].
4622  *
4623  * To achieve this balance we define a measure of imbalance which follows
4624  * directly from (1):
4625  *
4626  *   imb_i,j = max{ avg(W/P), W_i/P_i } - min{ avg(W/P), W_j/P_j }    (4)
4627  *
4628  * We them move tasks around to minimize the imbalance. In the continuous
4629  * function space it is obvious this converges, in the discrete case we get
4630  * a few fun cases generally called infeasible weight scenarios.
4631  *
4632  * [XXX expand on:
4633  *     - infeasible weights;
4634  *     - local vs global optima in the discrete case. ]
4635  *
4636  *
4637  * SCHED DOMAINS
4638  *
4639  * In order to solve the imbalance equation (4), and avoid the obvious O(n^2)
4640  * for all i,j solution, we create a tree of cpus that follows the hardware
4641  * topology where each level pairs two lower groups (or better). This results
4642  * in O(log n) layers. Furthermore we reduce the number of cpus going up the
4643  * tree to only the first of the previous level and we decrease the frequency
4644  * of load-balance at each level inv. proportional to the number of cpus in
4645  * the groups.
4646  *
4647  * This yields:
4648  *
4649  *     log_2 n     1     n
4650  *   \Sum       { --- * --- * 2^i } = O(n)                            (5)
4651  *     i = 0      2^i   2^i
4652  *                               `- size of each group
4653  *         |         |     `- number of cpus doing load-balance
4654  *         |         `- freq
4655  *         `- sum over all levels
4656  *
4657  * Coupled with a limit on how many tasks we can migrate every balance pass,
4658  * this makes (5) the runtime complexity of the balancer.
4659  *
4660  * An important property here is that each CPU is still (indirectly) connected
4661  * to every other cpu in at most O(log n) steps:
4662  *
4663  * The adjacency matrix of the resulting graph is given by:
4664  *
4665  *             log_2 n     
4666  *   A_i,j = \Union     (i % 2^k == 0) && i / 2^(k+1) == j / 2^(k+1)  (6)
4667  *             k = 0
4668  *
4669  * And you'll find that:
4670  *
4671  *   A^(log_2 n)_i,j != 0  for all i,j                                (7)
4672  *
4673  * Showing there's indeed a path between every cpu in at most O(log n) steps.
4674  * The task movement gives a factor of O(m), giving a convergence complexity
4675  * of:
4676  *
4677  *   O(nm log n),  n := nr_cpus, m := nr_tasks                        (8)
4678  *
4679  *
4680  * WORK CONSERVING
4681  *
4682  * In order to avoid CPUs going idle while there's still work to do, new idle
4683  * balancing is more aggressive and has the newly idle cpu iterate up the domain
4684  * tree itself instead of relying on other CPUs to bring it work.
4685  *
4686  * This adds some complexity to both (5) and (8) but it reduces the total idle
4687  * time.
4688  *
4689  * [XXX more?]
4690  *
4691  *
4692  * CGROUPS
4693  *
4694  * Cgroups make a horror show out of (2), instead of a simple sum we get:
4695  *
4696  *                                s_k,i
4697  *   W_i,0 = \Sum_j \Prod_k w_k * -----                               (9)
4698  *                                 S_k
4699  *
4700  * Where
4701  *
4702  *   s_k,i = \Sum_j w_i,j,k  and  S_k = \Sum_i s_k,i                 (10)
4703  *
4704  * w_i,j,k is the weight of the j-th runnable task in the k-th cgroup on cpu i.
4705  *
4706  * The big problem is S_k, its a global sum needed to compute a local (W_i)
4707  * property.
4708  *
4709  * [XXX write more on how we solve this.. _after_ merging pjt's patches that
4710  *      rewrite all of this once again.]
4711  */ 
4712
4713 static unsigned long __read_mostly max_load_balance_interval = HZ/10;
4714
4715 enum fbq_type { regular, remote, all };
4716
4717 #define LBF_ALL_PINNED  0x01
4718 #define LBF_NEED_BREAK  0x02
4719 #define LBF_DST_PINNED  0x04
4720 #define LBF_SOME_PINNED 0x08
4721
4722 struct lb_env {
4723         struct sched_domain     *sd;
4724
4725         struct rq               *src_rq;
4726         int                     src_cpu;
4727
4728         int                     dst_cpu;
4729         struct rq               *dst_rq;
4730
4731         struct cpumask          *dst_grpmask;
4732         int                     new_dst_cpu;
4733         enum cpu_idle_type      idle;
4734         long                    imbalance;
4735         /* The set of CPUs under consideration for load-balancing */
4736         struct cpumask          *cpus;
4737
4738         unsigned int            flags;
4739
4740         unsigned int            loop;
4741         unsigned int            loop_break;
4742         unsigned int            loop_max;
4743
4744         enum fbq_type           fbq_type;
4745 };
4746
4747 /*
4748  * move_task - move a task from one runqueue to another runqueue.
4749  * Both runqueues must be locked.
4750  */
4751 static void move_task(struct task_struct *p, struct lb_env *env)
4752 {
4753         deactivate_task(env->src_rq, p, 0);
4754         set_task_cpu(p, env->dst_cpu);
4755         activate_task(env->dst_rq, p, 0);
4756         check_preempt_curr(env->dst_rq, p, 0);
4757 }
4758
4759 /*
4760  * Is this task likely cache-hot:
4761  */
4762 static int
4763 task_hot(struct task_struct *p, u64 now, struct sched_domain *sd)
4764 {
4765         s64 delta;
4766
4767         if (p->sched_class != &fair_sched_class)
4768                 return 0;
4769
4770         if (unlikely(p->policy == SCHED_IDLE))
4771                 return 0;
4772
4773         /*
4774          * Buddy candidates are cache hot:
4775          */
4776         if (sched_feat(CACHE_HOT_BUDDY) && this_rq()->nr_running &&
4777                         (&p->se == cfs_rq_of(&p->se)->next ||
4778                          &p->se == cfs_rq_of(&p->se)->last))
4779                 return 1;
4780
4781         if (sysctl_sched_migration_cost == -1)
4782                 return 1;
4783         if (sysctl_sched_migration_cost == 0)
4784                 return 0;
4785
4786         delta = now - p->se.exec_start;
4787
4788         return delta < (s64)sysctl_sched_migration_cost;
4789 }
4790
4791 #ifdef CONFIG_NUMA_BALANCING
4792 /* Returns true if the destination node has incurred more faults */
4793 static bool migrate_improves_locality(struct task_struct *p, struct lb_env *env)
4794 {
4795         int src_nid, dst_nid;
4796
4797         if (!sched_feat(NUMA_FAVOUR_HIGHER) || !p->numa_faults ||
4798             !(env->sd->flags & SD_NUMA)) {
4799                 return false;
4800         }
4801
4802         src_nid = cpu_to_node(env->src_cpu);
4803         dst_nid = cpu_to_node(env->dst_cpu);
4804
4805         if (src_nid == dst_nid)
4806                 return false;
4807
4808         /* Always encourage migration to the preferred node. */
4809         if (dst_nid == p->numa_preferred_nid)
4810                 return true;
4811
4812         /* If both task and group weight improve, this move is a winner. */
4813         if (task_weight(p, dst_nid) > task_weight(p, src_nid) &&
4814             group_weight(p, dst_nid) > group_weight(p, src_nid))
4815                 return true;
4816
4817         return false;
4818 }
4819
4820
4821 static bool migrate_degrades_locality(struct task_struct *p, struct lb_env *env)
4822 {
4823         int src_nid, dst_nid;
4824
4825         if (!sched_feat(NUMA) || !sched_feat(NUMA_RESIST_LOWER))
4826                 return false;
4827
4828         if (!p->numa_faults || !(env->sd->flags & SD_NUMA))
4829                 return false;
4830
4831         src_nid = cpu_to_node(env->src_cpu);
4832         dst_nid = cpu_to_node(env->dst_cpu);
4833
4834         if (src_nid == dst_nid)
4835                 return false;
4836
4837         /* Migrating away from the preferred node is always bad. */
4838         if (src_nid == p->numa_preferred_nid)
4839                 return true;
4840
4841         /* If either task or group weight get worse, don't do it. */
4842         if (task_weight(p, dst_nid) < task_weight(p, src_nid) ||
4843             group_weight(p, dst_nid) < group_weight(p, src_nid))
4844                 return true;
4845
4846         return false;
4847 }
4848
4849 #else
4850 static inline bool migrate_improves_locality(struct task_struct *p,
4851                                              struct lb_env *env)
4852 {
4853         return false;
4854 }
4855
4856 static inline bool migrate_degrades_locality(struct task_struct *p,
4857                                              struct lb_env *env)
4858 {
4859         return false;
4860 }
4861 #endif
4862
4863 /*
4864  * can_migrate_task - may task p from runqueue rq be migrated to this_cpu?
4865  */
4866 static
4867 int can_migrate_task(struct task_struct *p, struct lb_env *env)
4868 {
4869         int tsk_cache_hot = 0;
4870         /*
4871          * We do not migrate tasks that are:
4872          * 1) throttled_lb_pair, or
4873          * 2) cannot be migrated to this CPU due to cpus_allowed, or
4874          * 3) running (obviously), or
4875          * 4) are cache-hot on their current CPU.
4876          */
4877         if (throttled_lb_pair(task_group(p), env->src_cpu, env->dst_cpu))
4878                 return 0;
4879
4880         if (!cpumask_test_cpu(env->dst_cpu, tsk_cpus_allowed(p))) {
4881                 int cpu;
4882
4883                 schedstat_inc(p, se.statistics.nr_failed_migrations_affine);
4884
4885                 env->flags |= LBF_SOME_PINNED;
4886
4887                 /*
4888                  * Remember if this task can be migrated to any other cpu in
4889                  * our sched_group. We may want to revisit it if we couldn't
4890                  * meet load balance goals by pulling other tasks on src_cpu.
4891                  *
4892                  * Also avoid computing new_dst_cpu if we have already computed
4893                  * one in current iteration.
4894                  */
4895                 if (!env->dst_grpmask || (env->flags & LBF_DST_PINNED))
4896                         return 0;
4897
4898                 /* Prevent to re-select dst_cpu via env's cpus */
4899                 for_each_cpu_and(cpu, env->dst_grpmask, env->cpus) {
4900                         if (cpumask_test_cpu(cpu, tsk_cpus_allowed(p))) {
4901                                 env->flags |= LBF_DST_PINNED;
4902                                 env->new_dst_cpu = cpu;
4903                                 break;
4904                         }
4905                 }
4906
4907                 return 0;
4908         }
4909
4910         /* Record that we found atleast one task that could run on dst_cpu */
4911         env->flags &= ~LBF_ALL_PINNED;
4912
4913         if (task_running(env->src_rq, p)) {
4914                 schedstat_inc(p, se.statistics.nr_failed_migrations_running);
4915                 return 0;
4916         }
4917
4918         /*
4919          * Aggressive migration if:
4920          * 1) destination numa is preferred
4921          * 2) task is cache cold, or
4922          * 3) too many balance attempts have failed.
4923          */
4924         tsk_cache_hot = task_hot(p, rq_clock_task(env->src_rq), env->sd);
4925         if (!tsk_cache_hot)
4926                 tsk_cache_hot = migrate_degrades_locality(p, env);
4927
4928         if (migrate_improves_locality(p, env)) {
4929 #ifdef CONFIG_SCHEDSTATS
4930                 if (tsk_cache_hot) {
4931                         schedstat_inc(env->sd, lb_hot_gained[env->idle]);
4932                         schedstat_inc(p, se.statistics.nr_forced_migrations);
4933                 }
4934 #endif
4935                 return 1;
4936         }
4937
4938         if (!tsk_cache_hot ||
4939                 env->sd->nr_balance_failed > env->sd->cache_nice_tries) {
4940
4941                 if (tsk_cache_hot) {
4942                         schedstat_inc(env->sd, lb_hot_gained[env->idle]);
4943                         schedstat_inc(p, se.statistics.nr_forced_migrations);
4944                 }
4945
4946                 return 1;
4947         }
4948
4949         schedstat_inc(p, se.statistics.nr_failed_migrations_hot);
4950         return 0;
4951 }
4952
4953 /*
4954  * move_one_task tries to move exactly one task from busiest to this_rq, as
4955  * part of active balancing operations within "domain".
4956  * Returns 1 if successful and 0 otherwise.
4957  *
4958  * Called with both runqueues locked.
4959  */
4960 static int move_one_task(struct lb_env *env)
4961 {
4962         struct task_struct *p, *n;
4963
4964         list_for_each_entry_safe(p, n, &env->src_rq->cfs_tasks, se.group_node) {
4965                 if (!can_migrate_task(p, env))
4966                         continue;
4967
4968                 move_task(p, env);
4969                 /*
4970                  * Right now, this is only the second place move_task()
4971                  * is called, so we can safely collect move_task()
4972                  * stats here rather than inside move_task().
4973                  */
4974                 schedstat_inc(env->sd, lb_gained[env->idle]);
4975                 return 1;
4976         }
4977         return 0;
4978 }
4979
4980 static const unsigned int sched_nr_migrate_break = 32;
4981
4982 /*
4983  * move_tasks tries to move up to imbalance weighted load from busiest to
4984  * this_rq, as part of a balancing operation within domain "sd".
4985  * Returns 1 if successful and 0 otherwise.
4986  *
4987  * Called with both runqueues locked.
4988  */
4989 static int move_tasks(struct lb_env *env)
4990 {
4991         struct list_head *tasks = &env->src_rq->cfs_tasks;
4992         struct task_struct *p;
4993         unsigned long load;
4994         int pulled = 0;
4995
4996         if (env->imbalance <= 0)
4997                 return 0;
4998
4999         while (!list_empty(tasks)) {
5000                 p = list_first_entry(tasks, struct task_struct, se.group_node);
5001
5002                 env->loop++;
5003                 /* We've more or less seen every task there is, call it quits */
5004                 if (env->loop > env->loop_max)
5005                         break;
5006
5007                 /* take a breather every nr_migrate tasks */
5008                 if (env->loop > env->loop_break) {
5009                         env->loop_break += sched_nr_migrate_break;
5010                         env->flags |= LBF_NEED_BREAK;
5011                         break;
5012                 }
5013
5014                 if (!can_migrate_task(p, env))
5015                         goto next;
5016
5017                 load = task_h_load(p);
5018
5019                 if (sched_feat(LB_MIN) && load < 16 && !env->sd->nr_balance_failed)
5020                         goto next;
5021
5022                 if ((load / 2) > env->imbalance)
5023                         goto next;
5024
5025                 move_task(p, env);
5026                 pulled++;
5027                 env->imbalance -= load;
5028
5029 #ifdef CONFIG_PREEMPT
5030                 /*
5031                  * NEWIDLE balancing is a source of latency, so preemptible
5032                  * kernels will stop after the first task is pulled to minimize
5033                  * the critical section.
5034                  */
5035                 if (env->idle == CPU_NEWLY_IDLE)
5036                         break;
5037 #endif
5038
5039                 /*
5040                  * We only want to steal up to the prescribed amount of
5041                  * weighted load.
5042                  */
5043                 if (env->imbalance <= 0)
5044                         break;
5045
5046                 continue;
5047 next:
5048                 list_move_tail(&p->se.group_node, tasks);
5049         }
5050
5051         /*
5052          * Right now, this is one of only two places move_task() is called,
5053          * so we can safely collect move_task() stats here rather than
5054          * inside move_task().
5055          */
5056         schedstat_add(env->sd, lb_gained[env->idle], pulled);
5057
5058         return pulled;
5059 }
5060
5061 #ifdef CONFIG_FAIR_GROUP_SCHED
5062 /*
5063  * update tg->load_weight by folding this cpu's load_avg
5064  */
5065 static void __update_blocked_averages_cpu(struct task_group *tg, int cpu)
5066 {
5067         struct sched_entity *se = tg->se[cpu];
5068         struct cfs_rq *cfs_rq = tg->cfs_rq[cpu];
5069
5070         /* throttled entities do not contribute to load */
5071         if (throttled_hierarchy(cfs_rq))
5072                 return;
5073
5074         update_cfs_rq_blocked_load(cfs_rq, 1);
5075
5076         if (se) {
5077                 update_entity_load_avg(se, 1);
5078                 /*
5079                  * We pivot on our runnable average having decayed to zero for
5080                  * list removal.  This generally implies that all our children
5081                  * have also been removed (modulo rounding error or bandwidth
5082                  * control); however, such cases are rare and we can fix these
5083                  * at enqueue.
5084                  *
5085                  * TODO: fix up out-of-order children on enqueue.
5086                  */
5087                 if (!se->avg.runnable_avg_sum && !cfs_rq->nr_running)
5088                         list_del_leaf_cfs_rq(cfs_rq);
5089         } else {
5090                 struct rq *rq = rq_of(cfs_rq);
5091                 update_rq_runnable_avg(rq, rq->nr_running);
5092         }
5093 }
5094
5095 static void update_blocked_averages(int cpu)
5096 {
5097         struct rq *rq = cpu_rq(cpu);
5098         struct cfs_rq *cfs_rq;
5099         unsigned long flags;
5100
5101         raw_spin_lock_irqsave(&rq->lock, flags);
5102         update_rq_clock(rq);
5103         /*
5104          * Iterates the task_group tree in a bottom up fashion, see
5105          * list_add_leaf_cfs_rq() for details.
5106          */
5107         for_each_leaf_cfs_rq(rq, cfs_rq) {
5108                 /*
5109                  * Note: We may want to consider periodically releasing
5110                  * rq->lock about these updates so that creating many task
5111                  * groups does not result in continually extending hold time.
5112                  */
5113                 __update_blocked_averages_cpu(cfs_rq->tg, rq->cpu);
5114         }
5115
5116         raw_spin_unlock_irqrestore(&rq->lock, flags);
5117 }
5118
5119 /*
5120  * Compute the hierarchical load factor for cfs_rq and all its ascendants.
5121  * This needs to be done in a top-down fashion because the load of a child
5122  * group is a fraction of its parents load.
5123  */
5124 static void update_cfs_rq_h_load(struct cfs_rq *cfs_rq)
5125 {
5126         struct rq *rq = rq_of(cfs_rq);
5127         struct sched_entity *se = cfs_rq->tg->se[cpu_of(rq)];
5128         unsigned long now = jiffies;
5129         unsigned long load;
5130
5131         if (cfs_rq->last_h_load_update == now)
5132                 return;
5133
5134         cfs_rq->h_load_next = NULL;
5135         for_each_sched_entity(se) {
5136                 cfs_rq = cfs_rq_of(se);
5137                 cfs_rq->h_load_next = se;
5138                 if (cfs_rq->last_h_load_update == now)
5139                         break;
5140         }
5141
5142         if (!se) {
5143                 cfs_rq->h_load = cfs_rq->runnable_load_avg;
5144                 cfs_rq->last_h_load_update = now;
5145         }
5146
5147         while ((se = cfs_rq->h_load_next) != NULL) {
5148                 load = cfs_rq->h_load;
5149                 load = div64_ul(load * se->avg.load_avg_contrib,
5150                                 cfs_rq->runnable_load_avg + 1);
5151                 cfs_rq = group_cfs_rq(se);
5152                 cfs_rq->h_load = load;
5153                 cfs_rq->last_h_load_update = now;
5154         }
5155 }
5156
5157 static unsigned long task_h_load(struct task_struct *p)
5158 {
5159         struct cfs_rq *cfs_rq = task_cfs_rq(p);
5160
5161         update_cfs_rq_h_load(cfs_rq);
5162         return div64_ul(p->se.avg.load_avg_contrib * cfs_rq->h_load,
5163                         cfs_rq->runnable_load_avg + 1);
5164 }
5165 #else
5166 static inline void update_blocked_averages(int cpu)
5167 {
5168 }
5169
5170 static unsigned long task_h_load(struct task_struct *p)
5171 {
5172         return p->se.avg.load_avg_contrib;
5173 }
5174 #endif
5175
5176 /********** Helpers for find_busiest_group ************************/
5177 /*
5178  * sg_lb_stats - stats of a sched_group required for load_balancing
5179  */
5180 struct sg_lb_stats {
5181         unsigned long avg_load; /*Avg load across the CPUs of the group */
5182         unsigned long group_load; /* Total load over the CPUs of the group */
5183         unsigned long sum_weighted_load; /* Weighted load of group's tasks */
5184         unsigned long load_per_task;
5185         unsigned long group_power;
5186         unsigned int sum_nr_running; /* Nr tasks running in the group */
5187         unsigned int group_capacity;
5188         unsigned int idle_cpus;
5189         unsigned int group_weight;
5190         int group_imb; /* Is there an imbalance in the group ? */
5191         int group_has_capacity; /* Is there extra capacity in the group? */
5192 #ifdef CONFIG_NUMA_BALANCING
5193         unsigned int nr_numa_running;
5194         unsigned int nr_preferred_running;
5195 #endif
5196 };
5197
5198 /*
5199  * sd_lb_stats - Structure to store the statistics of a sched_domain
5200  *               during load balancing.
5201  */
5202 struct sd_lb_stats {
5203         struct sched_group *busiest;    /* Busiest group in this sd */
5204         struct sched_group *local;      /* Local group in this sd */
5205         unsigned long total_load;       /* Total load of all groups in sd */
5206         unsigned long total_pwr;        /* Total power of all groups in sd */
5207         unsigned long avg_load; /* Average load across all groups in sd */
5208
5209         struct sg_lb_stats busiest_stat;/* Statistics of the busiest group */
5210         struct sg_lb_stats local_stat;  /* Statistics of the local group */
5211 };
5212
5213 static inline void init_sd_lb_stats(struct sd_lb_stats *sds)
5214 {
5215         /*
5216          * Skimp on the clearing to avoid duplicate work. We can avoid clearing
5217          * local_stat because update_sg_lb_stats() does a full clear/assignment.
5218          * We must however clear busiest_stat::avg_load because
5219          * update_sd_pick_busiest() reads this before assignment.
5220          */
5221         *sds = (struct sd_lb_stats){
5222                 .busiest = NULL,
5223                 .local = NULL,
5224                 .total_load = 0UL,
5225                 .total_pwr = 0UL,
5226                 .busiest_stat = {
5227                         .avg_load = 0UL,
5228                 },
5229         };
5230 }
5231
5232 /**
5233  * get_sd_load_idx - Obtain the load index for a given sched domain.
5234  * @sd: The sched_domain whose load_idx is to be obtained.
5235  * @idle: The idle status of the CPU for whose sd load_idx is obtained.
5236  *
5237  * Return: The load index.
5238  */
5239 static inline int get_sd_load_idx(struct sched_domain *sd,
5240                                         enum cpu_idle_type idle)
5241 {
5242         int load_idx;
5243
5244         switch (idle) {
5245         case CPU_NOT_IDLE:
5246                 load_idx = sd->busy_idx;
5247                 break;
5248
5249         case CPU_NEWLY_IDLE:
5250                 load_idx = sd->newidle_idx;
5251                 break;
5252         default:
5253                 load_idx = sd->idle_idx;
5254                 break;
5255         }
5256
5257         return load_idx;
5258 }
5259
5260 static unsigned long default_scale_freq_power(struct sched_domain *sd, int cpu)
5261 {
5262         return SCHED_POWER_SCALE;
5263 }
5264
5265 unsigned long __weak arch_scale_freq_power(struct sched_domain *sd, int cpu)
5266 {
5267         return default_scale_freq_power(sd, cpu);
5268 }
5269
5270 static unsigned long default_scale_smt_power(struct sched_domain *sd, int cpu)
5271 {
5272         unsigned long weight = sd->span_weight;
5273         unsigned long smt_gain = sd->smt_gain;
5274
5275         smt_gain /= weight;
5276
5277         return smt_gain;
5278 }
5279
5280 unsigned long __weak arch_scale_smt_power(struct sched_domain *sd, int cpu)
5281 {
5282         return default_scale_smt_power(sd, cpu);
5283 }
5284
5285 static unsigned long scale_rt_power(int cpu)
5286 {
5287         struct rq *rq = cpu_rq(cpu);
5288         u64 total, available, age_stamp, avg;
5289
5290         /*
5291          * Since we're reading these variables without serialization make sure
5292          * we read them once before doing sanity checks on them.
5293          */
5294         age_stamp = ACCESS_ONCE(rq->age_stamp);
5295         avg = ACCESS_ONCE(rq->rt_avg);
5296
5297         total = sched_avg_period() + (rq_clock(rq) - age_stamp);
5298
5299         if (unlikely(total < avg)) {
5300                 /* Ensures that power won't end up being negative */
5301                 available = 0;
5302         } else {
5303                 available = total - avg;
5304         }
5305
5306         if (unlikely((s64)total < SCHED_POWER_SCALE))
5307                 total = SCHED_POWER_SCALE;
5308
5309         total >>= SCHED_POWER_SHIFT;
5310
5311         return div_u64(available, total);
5312 }
5313
5314 static void update_cpu_power(struct sched_domain *sd, int cpu)
5315 {
5316         unsigned long weight = sd->span_weight;
5317         unsigned long power = SCHED_POWER_SCALE;
5318         struct sched_group *sdg = sd->groups;
5319
5320         if ((sd->flags & SD_SHARE_CPUPOWER) && weight > 1) {
5321                 if (sched_feat(ARCH_POWER))
5322                         power *= arch_scale_smt_power(sd, cpu);
5323                 else
5324                         power *= default_scale_smt_power(sd, cpu);
5325
5326                 power >>= SCHED_POWER_SHIFT;
5327         }
5328
5329         sdg->sgp->power_orig = power;
5330
5331         if (sched_feat(ARCH_POWER))
5332                 power *= arch_scale_freq_power(sd, cpu);
5333         else
5334                 power *= default_scale_freq_power(sd, cpu);
5335
5336         power >>= SCHED_POWER_SHIFT;
5337
5338         power *= scale_rt_power(cpu);
5339         power >>= SCHED_POWER_SHIFT;
5340
5341         if (!power)
5342                 power = 1;
5343
5344         cpu_rq(cpu)->cpu_power = power;
5345         sdg->sgp->power = power;
5346 }
5347
5348 void update_group_power(struct sched_domain *sd, int cpu)
5349 {
5350         struct sched_domain *child = sd->child;
5351         struct sched_group *group, *sdg = sd->groups;
5352         unsigned long power, power_orig;
5353         unsigned long interval;
5354
5355         interval = msecs_to_jiffies(sd->balance_interval);
5356         interval = clamp(interval, 1UL, max_load_balance_interval);
5357         sdg->sgp->next_update = jiffies + interval;
5358
5359         if (!child) {
5360                 update_cpu_power(sd, cpu);
5361                 return;
5362         }
5363
5364         power_orig = power = 0;
5365
5366         if (child->flags & SD_OVERLAP) {
5367                 /*
5368                  * SD_OVERLAP domains cannot assume that child groups
5369                  * span the current group.
5370                  */
5371
5372                 for_each_cpu(cpu, sched_group_cpus(sdg)) {
5373                         struct sched_group_power *sgp;
5374                         struct rq *rq = cpu_rq(cpu);
5375
5376                         /*
5377                          * build_sched_domains() -> init_sched_groups_power()
5378                          * gets here before we've attached the domains to the
5379                          * runqueues.
5380                          *
5381                          * Use power_of(), which is set irrespective of domains
5382                          * in update_cpu_power().
5383                          *
5384                          * This avoids power/power_orig from being 0 and
5385                          * causing divide-by-zero issues on boot.
5386                          *
5387                          * Runtime updates will correct power_orig.
5388                          */
5389                         if (unlikely(!rq->sd)) {
5390                                 power_orig += power_of(cpu);
5391                                 power += power_of(cpu);
5392                                 continue;
5393                         }
5394
5395                         sgp = rq->sd->groups->sgp;
5396                         power_orig += sgp->power_orig;
5397                         power += sgp->power;
5398                 }
5399         } else  {
5400                 /*
5401                  * !SD_OVERLAP domains can assume that child groups
5402                  * span the current group.
5403                  */ 
5404
5405                 group = child->groups;
5406                 do {
5407                         power_orig += group->sgp->power_orig;
5408                         power += group->sgp->power;
5409                         group = group->next;
5410                 } while (group != child->groups);
5411         }
5412
5413         sdg->sgp->power_orig = power_orig;
5414         sdg->sgp->power = power;
5415 }
5416
5417 /*
5418  * Try and fix up capacity for tiny siblings, this is needed when
5419  * things like SD_ASYM_PACKING need f_b_g to select another sibling
5420  * which on its own isn't powerful enough.
5421  *
5422  * See update_sd_pick_busiest() and check_asym_packing().
5423  */
5424 static inline int
5425 fix_small_capacity(struct sched_domain *sd, struct sched_group *group)
5426 {
5427         /*
5428          * Only siblings can have significantly less than SCHED_POWER_SCALE
5429          */
5430         if (!(sd->flags & SD_SHARE_CPUPOWER))
5431                 return 0;
5432
5433         /*
5434          * If ~90% of the cpu_power is still there, we're good.
5435          */
5436         if (group->sgp->power * 32 > group->sgp->power_orig * 29)
5437                 return 1;
5438
5439         return 0;
5440 }
5441
5442 /*
5443  * Group imbalance indicates (and tries to solve) the problem where balancing
5444  * groups is inadequate due to tsk_cpus_allowed() constraints.
5445  *
5446  * Imagine a situation of two groups of 4 cpus each and 4 tasks each with a
5447  * cpumask covering 1 cpu of the first group and 3 cpus of the second group.
5448  * Something like:
5449  *
5450  *      { 0 1 2 3 } { 4 5 6 7 }
5451  *              *     * * *
5452  *
5453  * If we were to balance group-wise we'd place two tasks in the first group and
5454  * two tasks in the second group. Clearly this is undesired as it will overload
5455  * cpu 3 and leave one of the cpus in the second group unused.
5456  *
5457  * The current solution to this issue is detecting the skew in the first group
5458  * by noticing the lower domain failed to reach balance and had difficulty
5459  * moving tasks due to affinity constraints.
5460  *
5461  * When this is so detected; this group becomes a candidate for busiest; see
5462  * update_sd_pick_busiest(). And calculate_imbalance() and
5463  * find_busiest_group() avoid some of the usual balance conditions to allow it
5464  * to create an effective group imbalance.
5465  *
5466  * This is a somewhat tricky proposition since the next run might not find the
5467  * group imbalance and decide the groups need to be balanced again. A most
5468  * subtle and fragile situation.
5469  */
5470
5471 static inline int sg_imbalanced(struct sched_group *group)
5472 {
5473         return group->sgp->imbalance;
5474 }
5475
5476 /*
5477  * Compute the group capacity.
5478  *
5479  * Avoid the issue where N*frac(smt_power) >= 1 creates 'phantom' cores by
5480  * first dividing out the smt factor and computing the actual number of cores
5481  * and limit power unit capacity with that.
5482  */
5483 static inline int sg_capacity(struct lb_env *env, struct sched_group *group)
5484 {
5485         unsigned int capacity, smt, cpus;
5486         unsigned int power, power_orig;
5487
5488         power = group->sgp->power;
5489         power_orig = group->sgp->power_orig;
5490         cpus = group->group_weight;
5491
5492         /* smt := ceil(cpus / power), assumes: 1 < smt_power < 2 */
5493         smt = DIV_ROUND_UP(SCHED_POWER_SCALE * cpus, power_orig);
5494         capacity = cpus / smt; /* cores */
5495
5496         capacity = min_t(unsigned, capacity, DIV_ROUND_CLOSEST(power, SCHED_POWER_SCALE));
5497         if (!capacity)
5498                 capacity = fix_small_capacity(env->sd, group);
5499
5500         return capacity;
5501 }
5502
5503 /**
5504  * update_sg_lb_stats - Update sched_group's statistics for load balancing.
5505  * @env: The load balancing environment.
5506  * @group: sched_group whose statistics are to be updated.
5507  * @load_idx: Load index of sched_domain of this_cpu for load calc.
5508  * @local_group: Does group contain this_cpu.
5509  * @sgs: variable to hold the statistics for this group.
5510  */
5511 static inline void update_sg_lb_stats(struct lb_env *env,
5512                         struct sched_group *group, int load_idx,
5513                         int local_group, struct sg_lb_stats *sgs)
5514 {
5515         unsigned long nr_running;
5516         unsigned long load;
5517         int i;
5518
5519         memset(sgs, 0, sizeof(*sgs));
5520
5521         for_each_cpu_and(i, sched_group_cpus(group), env->cpus) {
5522                 struct rq *rq = cpu_rq(i);
5523
5524                 nr_running = rq->nr_running;
5525
5526                 /* Bias balancing toward cpus of our domain */
5527                 if (local_group)
5528                         load = target_load(i, load_idx);
5529                 else
5530                         load = source_load(i, load_idx);
5531
5532                 sgs->group_load += load;
5533                 sgs->sum_nr_running += nr_running;
5534 #ifdef CONFIG_NUMA_BALANCING
5535                 sgs->nr_numa_running += rq->nr_numa_running;
5536                 sgs->nr_preferred_running += rq->nr_preferred_running;
5537 #endif
5538                 sgs->sum_weighted_load += weighted_cpuload(i);
5539                 if (idle_cpu(i))
5540                         sgs->idle_cpus++;
5541         }
5542
5543         /* Adjust by relative CPU power of the group */
5544         sgs->group_power = group->sgp->power;
5545         sgs->avg_load = (sgs->group_load*SCHED_POWER_SCALE) / sgs->group_power;
5546
5547         if (sgs->sum_nr_running)
5548                 sgs->load_per_task = sgs->sum_weighted_load / sgs->sum_nr_running;
5549
5550         sgs->group_weight = group->group_weight;
5551
5552         sgs->group_imb = sg_imbalanced(group);
5553         sgs->group_capacity = sg_capacity(env, group);
5554
5555         if (sgs->group_capacity > sgs->sum_nr_running)
5556                 sgs->group_has_capacity = 1;
5557 }
5558
5559 /**
5560  * update_sd_pick_busiest - return 1 on busiest group
5561  * @env: The load balancing environment.
5562  * @sds: sched_domain statistics
5563  * @sg: sched_group candidate to be checked for being the busiest
5564  * @sgs: sched_group statistics
5565  *
5566  * Determine if @sg is a busier group than the previously selected
5567  * busiest group.
5568  *
5569  * Return: %true if @sg is a busier group than the previously selected
5570  * busiest group. %false otherwise.
5571  */
5572 static bool update_sd_pick_busiest(struct lb_env *env,
5573                                    struct sd_lb_stats *sds,
5574                                    struct sched_group *sg,
5575                                    struct sg_lb_stats *sgs)
5576 {
5577         if (sgs->avg_load <= sds->busiest_stat.avg_load)
5578                 return false;
5579
5580         if (sgs->sum_nr_running > sgs->group_capacity)
5581                 return true;
5582
5583         if (sgs->group_imb)
5584                 return true;
5585
5586         /*
5587          * ASYM_PACKING needs to move all the work to the lowest
5588          * numbered CPUs in the group, therefore mark all groups
5589          * higher than ourself as busy.
5590          */
5591         if ((env->sd->flags & SD_ASYM_PACKING) && sgs->sum_nr_running &&
5592             env->dst_cpu < group_first_cpu(sg)) {
5593                 if (!sds->busiest)
5594                         return true;
5595
5596                 if (group_first_cpu(sds->busiest) > group_first_cpu(sg))
5597                         return true;
5598         }
5599
5600         return false;
5601 }
5602
5603 #ifdef CONFIG_NUMA_BALANCING
5604 static inline enum fbq_type fbq_classify_group(struct sg_lb_stats *sgs)
5605 {
5606         if (sgs->sum_nr_running > sgs->nr_numa_running)
5607                 return regular;
5608         if (sgs->sum_nr_running > sgs->nr_preferred_running)
5609                 return remote;
5610         return all;
5611 }
5612
5613 static inline enum fbq_type fbq_classify_rq(struct rq *rq)
5614 {
5615         if (rq->nr_running > rq->nr_numa_running)
5616                 return regular;
5617         if (rq->nr_running > rq->nr_preferred_running)
5618                 return remote;
5619         return all;
5620 }
5621 #else
5622 static inline enum fbq_type fbq_classify_group(struct sg_lb_stats *sgs)
5623 {
5624         return all;
5625 }
5626
5627 static inline enum fbq_type fbq_classify_rq(struct rq *rq)
5628 {
5629         return regular;
5630 }
5631 #endif /* CONFIG_NUMA_BALANCING */
5632
5633 /**
5634  * update_sd_lb_stats - Update sched_domain's statistics for load balancing.
5635  * @env: The load balancing environment.
5636  * @sds: variable to hold the statistics for this sched_domain.
5637  */
5638 static inline void update_sd_lb_stats(struct lb_env *env, struct sd_lb_stats *sds)
5639 {
5640         struct sched_domain *child = env->sd->child;
5641         struct sched_group *sg = env->sd->groups;
5642         struct sg_lb_stats tmp_sgs;
5643         int load_idx, prefer_sibling = 0;
5644
5645         if (child && child->flags & SD_PREFER_SIBLING)
5646                 prefer_sibling = 1;
5647
5648         load_idx = get_sd_load_idx(env->sd, env->idle);
5649
5650         do {
5651                 struct sg_lb_stats *sgs = &tmp_sgs;
5652                 int local_group;
5653
5654                 local_group = cpumask_test_cpu(env->dst_cpu, sched_group_cpus(sg));
5655                 if (local_group) {
5656                         sds->local = sg;
5657                         sgs = &sds->local_stat;
5658
5659                         if (env->idle != CPU_NEWLY_IDLE ||
5660                             time_after_eq(jiffies, sg->sgp->next_update))
5661                                 update_group_power(env->sd, env->dst_cpu);
5662                 }
5663
5664                 update_sg_lb_stats(env, sg, load_idx, local_group, sgs);
5665
5666                 if (local_group)
5667                         goto next_group;
5668
5669                 /*
5670                  * In case the child domain prefers tasks go to siblings
5671                  * first, lower the sg capacity to one so that we'll try
5672                  * and move all the excess tasks away. We lower the capacity
5673                  * of a group only if the local group has the capacity to fit
5674                  * these excess tasks, i.e. nr_running < group_capacity. The
5675                  * extra check prevents the case where you always pull from the
5676                  * heaviest group when it is already under-utilized (possible
5677                  * with a large weight task outweighs the tasks on the system).
5678                  */
5679                 if (prefer_sibling && sds->local &&
5680                     sds->local_stat.group_has_capacity)
5681                         sgs->group_capacity = min(sgs->group_capacity, 1U);
5682
5683                 if (update_sd_pick_busiest(env, sds, sg, sgs)) {
5684                         sds->busiest = sg;
5685                         sds->busiest_stat = *sgs;
5686                 }
5687
5688 next_group:
5689                 /* Now, start updating sd_lb_stats */
5690                 sds->total_load += sgs->group_load;
5691                 sds->total_pwr += sgs->group_power;
5692
5693                 sg = sg->next;
5694         } while (sg != env->sd->groups);
5695
5696         if (env->sd->flags & SD_NUMA)
5697                 env->fbq_type = fbq_classify_group(&sds->busiest_stat);
5698 }
5699
5700 /**
5701  * check_asym_packing - Check to see if the group is packed into the
5702  *                      sched doman.
5703  *
5704  * This is primarily intended to used at the sibling level.  Some
5705  * cores like POWER7 prefer to use lower numbered SMT threads.  In the
5706  * case of POWER7, it can move to lower SMT modes only when higher
5707  * threads are idle.  When in lower SMT modes, the threads will
5708  * perform better since they share less core resources.  Hence when we
5709  * have idle threads, we want them to be the higher ones.
5710  *
5711  * This packing function is run on idle threads.  It checks to see if
5712  * the busiest CPU in this domain (core in the P7 case) has a higher
5713  * CPU number than the packing function is being run on.  Here we are
5714  * assuming lower CPU number will be equivalent to lower a SMT thread
5715  * number.
5716  *
5717  * Return: 1 when packing is required and a task should be moved to
5718  * this CPU.  The amount of the imbalance is returned in *imbalance.
5719  *
5720  * @env: The load balancing environment.
5721  * @sds: Statistics of the sched_domain which is to be packed
5722  */
5723 static int check_asym_packing(struct lb_env *env, struct sd_lb_stats *sds)
5724 {
5725         int busiest_cpu;
5726
5727         if (!(env->sd->flags & SD_ASYM_PACKING))
5728                 return 0;
5729
5730         if (!sds->busiest)
5731                 return 0;
5732
5733         busiest_cpu = group_first_cpu(sds->busiest);
5734         if (env->dst_cpu > busiest_cpu)
5735                 return 0;
5736
5737         env->imbalance = DIV_ROUND_CLOSEST(
5738                 sds->busiest_stat.avg_load * sds->busiest_stat.group_power,
5739                 SCHED_POWER_SCALE);
5740
5741         return 1;
5742 }
5743
5744 /**
5745  * fix_small_imbalance - Calculate the minor imbalance that exists
5746  *                      amongst the groups of a sched_domain, during
5747  *                      load balancing.
5748  * @env: The load balancing environment.
5749  * @sds: Statistics of the sched_domain whose imbalance is to be calculated.
5750  */
5751 static inline
5752 void fix_small_imbalance(struct lb_env *env, struct sd_lb_stats *sds)
5753 {
5754         unsigned long tmp, pwr_now = 0, pwr_move = 0;
5755         unsigned int imbn = 2;
5756         unsigned long scaled_busy_load_per_task;
5757         struct sg_lb_stats *local, *busiest;
5758
5759         local = &sds->local_stat;
5760         busiest = &sds->busiest_stat;
5761
5762         if (!local->sum_nr_running)
5763                 local->load_per_task = cpu_avg_load_per_task(env->dst_cpu);
5764         else if (busiest->load_per_task > local->load_per_task)
5765                 imbn = 1;
5766
5767         scaled_busy_load_per_task =
5768                 (busiest->load_per_task * SCHED_POWER_SCALE) /
5769                 busiest->group_power;
5770
5771         if (busiest->avg_load + scaled_busy_load_per_task >=
5772             local->avg_load + (scaled_busy_load_per_task * imbn)) {
5773                 env->imbalance = busiest->load_per_task;
5774                 return;
5775         }
5776
5777         /*
5778          * OK, we don't have enough imbalance to justify moving tasks,
5779          * however we may be able to increase total CPU power used by
5780          * moving them.
5781          */
5782
5783         pwr_now += busiest->group_power *
5784                         min(busiest->load_per_task, busiest->avg_load);
5785         pwr_now += local->group_power *
5786                         min(local->load_per_task, local->avg_load);
5787         pwr_now /= SCHED_POWER_SCALE;
5788
5789         /* Amount of load we'd subtract */
5790         tmp = (busiest->load_per_task * SCHED_POWER_SCALE) /
5791                 busiest->group_power;
5792         if (busiest->avg_load > tmp) {
5793                 pwr_move += busiest->group_power *
5794                             min(busiest->load_per_task,
5795                                 busiest->avg_load - tmp);
5796         }
5797
5798         /* Amount of load we'd add */
5799         if (busiest->avg_load * busiest->group_power <
5800             busiest->load_per_task * SCHED_POWER_SCALE) {
5801                 tmp = (busiest->avg_load * busiest->group_power) /
5802                       local->group_power;
5803         } else {
5804                 tmp = (busiest->load_per_task * SCHED_POWER_SCALE) /
5805                       local->group_power;
5806         }
5807         pwr_move += local->group_power *
5808                     min(local->load_per_task, local->avg_load + tmp);
5809         pwr_move /= SCHED_POWER_SCALE;
5810
5811         /* Move if we gain throughput */
5812         if (pwr_move > pwr_now)
5813                 env->imbalance = busiest->load_per_task;
5814 }
5815
5816 /**
5817  * calculate_imbalance - Calculate the amount of imbalance present within the
5818  *                       groups of a given sched_domain during load balance.
5819  * @env: load balance environment
5820  * @sds: statistics of the sched_domain whose imbalance is to be calculated.
5821  */
5822 static inline void calculate_imbalance(struct lb_env *env, struct sd_lb_stats *sds)
5823 {
5824         unsigned long max_pull, load_above_capacity = ~0UL;
5825         struct sg_lb_stats *local, *busiest;
5826
5827         local = &sds->local_stat;
5828         busiest = &sds->busiest_stat;
5829
5830         if (busiest->group_imb) {
5831                 /*
5832                  * In the group_imb case we cannot rely on group-wide averages
5833                  * to ensure cpu-load equilibrium, look at wider averages. XXX
5834                  */
5835                 busiest->load_per_task =
5836                         min(busiest->load_per_task, sds->avg_load);
5837         }
5838
5839         /*
5840          * In the presence of smp nice balancing, certain scenarios can have
5841          * max load less than avg load(as we skip the groups at or below
5842          * its cpu_power, while calculating max_load..)
5843          */
5844         if (busiest->avg_load <= sds->avg_load ||
5845             local->avg_load >= sds->avg_load) {
5846                 env->imbalance = 0;
5847                 return fix_small_imbalance(env, sds);
5848         }
5849
5850         if (!busiest->group_imb) {
5851                 /*
5852                  * Don't want to pull so many tasks that a group would go idle.
5853                  * Except of course for the group_imb case, since then we might
5854                  * have to drop below capacity to reach cpu-load equilibrium.
5855                  */
5856                 load_above_capacity =
5857                         (busiest->sum_nr_running - busiest->group_capacity);
5858
5859                 load_above_capacity *= (SCHED_LOAD_SCALE * SCHED_POWER_SCALE);
5860                 load_above_capacity /= busiest->group_power;
5861         }
5862
5863         /*
5864          * We're trying to get all the cpus to the average_load, so we don't
5865          * want to push ourselves above the average load, nor do we wish to
5866          * reduce the max loaded cpu below the average load. At the same time,
5867          * we also don't want to reduce the group load below the group capacity
5868          * (so that we can implement power-savings policies etc). Thus we look
5869          * for the minimum possible imbalance.
5870          */
5871         max_pull = min(busiest->avg_load - sds->avg_load, load_above_capacity);
5872
5873         /* How much load to actually move to equalise the imbalance */
5874         env->imbalance = min(
5875                 max_pull * busiest->group_power,
5876                 (sds->avg_load - local->avg_load) * local->group_power
5877         ) / SCHED_POWER_SCALE;
5878
5879         /*
5880          * if *imbalance is less than the average load per runnable task
5881          * there is no guarantee that any tasks will be moved so we'll have
5882          * a think about bumping its value to force at least one task to be
5883          * moved
5884          */
5885         if (env->imbalance < busiest->load_per_task)
5886                 return fix_small_imbalance(env, sds);
5887 }
5888
5889 /******* find_busiest_group() helpers end here *********************/
5890
5891 /**
5892  * find_busiest_group - Returns the busiest group within the sched_domain
5893  * if there is an imbalance. If there isn't an imbalance, and
5894  * the user has opted for power-savings, it returns a group whose
5895  * CPUs can be put to idle by rebalancing those tasks elsewhere, if
5896  * such a group exists.
5897  *
5898  * Also calculates the amount of weighted load which should be moved
5899  * to restore balance.
5900  *
5901  * @env: The load balancing environment.
5902  *
5903  * Return:      - The busiest group if imbalance exists.
5904  *              - If no imbalance and user has opted for power-savings balance,
5905  *                 return the least loaded group whose CPUs can be
5906  *                 put to idle by rebalancing its tasks onto our group.
5907  */
5908 static struct sched_group *find_busiest_group(struct lb_env *env)
5909 {
5910         struct sg_lb_stats *local, *busiest;
5911         struct sd_lb_stats sds;
5912
5913         init_sd_lb_stats(&sds);
5914
5915         /*
5916          * Compute the various statistics relavent for load balancing at
5917          * this level.
5918          */
5919         update_sd_lb_stats(env, &sds);
5920         local = &sds.local_stat;
5921         busiest = &sds.busiest_stat;
5922
5923         if ((env->idle == CPU_IDLE || env->idle == CPU_NEWLY_IDLE) &&
5924             check_asym_packing(env, &sds))
5925                 return sds.busiest;
5926
5927         /* There is no busy sibling group to pull tasks from */
5928         if (!sds.busiest || busiest->sum_nr_running == 0)
5929                 goto out_balanced;
5930
5931         sds.avg_load = (SCHED_POWER_SCALE * sds.total_load) / sds.total_pwr;
5932
5933         /*
5934          * If the busiest group is imbalanced the below checks don't
5935          * work because they assume all things are equal, which typically
5936          * isn't true due to cpus_allowed constraints and the like.
5937          */
5938         if (busiest->group_imb)
5939                 goto force_balance;
5940
5941         /* SD_BALANCE_NEWIDLE trumps SMP nice when underutilized */
5942         if (env->idle == CPU_NEWLY_IDLE && local->group_has_capacity &&
5943             !busiest->group_has_capacity)
5944                 goto force_balance;
5945
5946         /*
5947          * If the local group is more busy than the selected busiest group
5948          * don't try and pull any tasks.
5949          */
5950         if (local->avg_load >= busiest->avg_load)
5951                 goto out_balanced;
5952
5953         /*
5954          * Don't pull any tasks if this group is already above the domain
5955          * average load.
5956          */
5957         if (local->avg_load >= sds.avg_load)
5958                 goto out_balanced;
5959
5960         if (env->idle == CPU_IDLE) {
5961                 /*
5962                  * This cpu is idle. If the busiest group load doesn't
5963                  * have more tasks than the number of available cpu's and
5964                  * there is no imbalance between this and busiest group
5965                  * wrt to idle cpu's, it is balanced.
5966                  */
5967                 if ((local->idle_cpus < busiest->idle_cpus) &&
5968                     busiest->sum_nr_running <= busiest->group_weight)
5969                         goto out_balanced;
5970         } else {
5971                 /*
5972                  * In the CPU_NEWLY_IDLE, CPU_NOT_IDLE cases, use
5973                  * imbalance_pct to be conservative.
5974                  */
5975                 if (100 * busiest->avg_load <=
5976                                 env->sd->imbalance_pct * local->avg_load)
5977                         goto out_balanced;
5978         }
5979
5980 force_balance:
5981         /* Looks like there is an imbalance. Compute it */
5982         calculate_imbalance(env, &sds);
5983         return sds.busiest;
5984
5985 out_balanced:
5986         env->imbalance = 0;
5987         return NULL;
5988 }
5989
5990 /*
5991  * find_busiest_queue - find the busiest runqueue among the cpus in group.
5992  */
5993 static struct rq *find_busiest_queue(struct lb_env *env,
5994                                      struct sched_group *group)
5995 {
5996         struct rq *busiest = NULL, *rq;
5997         unsigned long busiest_load = 0, busiest_power = 1;
5998         int i;
5999
6000         for_each_cpu_and(i, sched_group_cpus(group), env->cpus) {
6001                 unsigned long power, capacity, wl;
6002                 enum fbq_type rt;
6003
6004                 rq = cpu_rq(i);
6005                 rt = fbq_classify_rq(rq);
6006
6007                 /*
6008                  * We classify groups/runqueues into three groups:
6009                  *  - regular: there are !numa tasks
6010                  *  - remote:  there are numa tasks that run on the 'wrong' node
6011                  *  - all:     there is no distinction
6012                  *
6013                  * In order to avoid migrating ideally placed numa tasks,
6014                  * ignore those when there's better options.
6015                  *
6016                  * If we ignore the actual busiest queue to migrate another
6017                  * task, the next balance pass can still reduce the busiest
6018                  * queue by moving tasks around inside the node.
6019                  *
6020                  * If we cannot move enough load due to this classification
6021                  * the next pass will adjust the group classification and
6022                  * allow migration of more tasks.
6023                  *
6024                  * Both cases only affect the total convergence complexity.
6025                  */
6026                 if (rt > env->fbq_type)
6027                         continue;
6028
6029                 power = power_of(i);
6030                 capacity = DIV_ROUND_CLOSEST(power, SCHED_POWER_SCALE);
6031                 if (!capacity)
6032                         capacity = fix_small_capacity(env->sd, group);
6033
6034                 wl = weighted_cpuload(i);
6035
6036                 /*
6037                  * When comparing with imbalance, use weighted_cpuload()
6038                  * which is not scaled with the cpu power.
6039                  */
6040                 if (capacity && rq->nr_running == 1 && wl > env->imbalance)
6041                         continue;
6042
6043                 /*
6044                  * For the load comparisons with the other cpu's, consider
6045                  * the weighted_cpuload() scaled with the cpu power, so that
6046                  * the load can be moved away from the cpu that is potentially
6047                  * running at a lower capacity.
6048                  *
6049                  * Thus we're looking for max(wl_i / power_i), crosswise
6050                  * multiplication to rid ourselves of the division works out
6051                  * to: wl_i * power_j > wl_j * power_i;  where j is our
6052                  * previous maximum.
6053                  */
6054                 if (wl * busiest_power > busiest_load * power) {
6055                         busiest_load = wl;
6056                         busiest_power = power;
6057                         busiest = rq;
6058                 }
6059         }
6060
6061         return busiest;
6062 }
6063
6064 /*
6065  * Max backoff if we encounter pinned tasks. Pretty arbitrary value, but
6066  * so long as it is large enough.
6067  */
6068 #define MAX_PINNED_INTERVAL     512
6069
6070 /* Working cpumask for load_balance and load_balance_newidle. */
6071 DEFINE_PER_CPU(cpumask_var_t, load_balance_mask);
6072
6073 static int need_active_balance(struct lb_env *env)
6074 {
6075         struct sched_domain *sd = env->sd;
6076
6077         if (env->idle == CPU_NEWLY_IDLE) {
6078
6079                 /*
6080                  * ASYM_PACKING needs to force migrate tasks from busy but
6081                  * higher numbered CPUs in order to pack all tasks in the
6082                  * lowest numbered CPUs.
6083                  */
6084                 if ((sd->flags & SD_ASYM_PACKING) && env->src_cpu > env->dst_cpu)
6085                         return 1;
6086         }
6087
6088         return unlikely(sd->nr_balance_failed > sd->cache_nice_tries+2);
6089 }
6090
6091 static int active_load_balance_cpu_stop(void *data);
6092
6093 static int should_we_balance(struct lb_env *env)
6094 {
6095         struct sched_group *sg = env->sd->groups;
6096         struct cpumask *sg_cpus, *sg_mask;
6097         int cpu, balance_cpu = -1;
6098
6099         /*
6100          * In the newly idle case, we will allow all the cpu's
6101          * to do the newly idle load balance.
6102          */
6103         if (env->idle == CPU_NEWLY_IDLE)
6104                 return 1;
6105
6106         sg_cpus = sched_group_cpus(sg);
6107         sg_mask = sched_group_mask(sg);
6108         /* Try to find first idle cpu */
6109         for_each_cpu_and(cpu, sg_cpus, env->cpus) {
6110                 if (!cpumask_test_cpu(cpu, sg_mask) || !idle_cpu(cpu))
6111                         continue;
6112
6113                 balance_cpu = cpu;
6114                 break;
6115         }
6116
6117         if (balance_cpu == -1)
6118                 balance_cpu = group_balance_cpu(sg);
6119
6120         /*
6121          * First idle cpu or the first cpu(busiest) in this sched group
6122          * is eligible for doing load balancing at this and above domains.
6123          */
6124         return balance_cpu == env->dst_cpu;
6125 }
6126
6127 /*
6128  * Check this_cpu to ensure it is balanced within domain. Attempt to move
6129  * tasks if there is an imbalance.
6130  */
6131 static int load_balance(int this_cpu, struct rq *this_rq,
6132                         struct sched_domain *sd, enum cpu_idle_type idle,
6133                         int *continue_balancing)
6134 {
6135         int ld_moved, cur_ld_moved, active_balance = 0;
6136         struct sched_domain *sd_parent = sd->parent;
6137         struct sched_group *group;
6138         struct rq *busiest;
6139         unsigned long flags;
6140         struct cpumask *cpus = __get_cpu_var(load_balance_mask);
6141
6142         struct lb_env env = {
6143                 .sd             = sd,
6144                 .dst_cpu        = this_cpu,
6145                 .dst_rq         = this_rq,
6146                 .dst_grpmask    = sched_group_cpus(sd->groups),
6147                 .idle           = idle,
6148                 .loop_break     = sched_nr_migrate_break,
6149                 .cpus           = cpus,
6150                 .fbq_type       = all,
6151         };
6152
6153         /*
6154          * For NEWLY_IDLE load_balancing, we don't need to consider
6155          * other cpus in our group
6156          */
6157         if (idle == CPU_NEWLY_IDLE)
6158                 env.dst_grpmask = NULL;
6159
6160         cpumask_copy(cpus, cpu_active_mask);
6161
6162         schedstat_inc(sd, lb_count[idle]);
6163
6164 redo:
6165         if (!should_we_balance(&env)) {
6166                 *continue_balancing = 0;
6167                 goto out_balanced;
6168         }
6169
6170         group = find_busiest_group(&env);
6171         if (!group) {
6172                 schedstat_inc(sd, lb_nobusyg[idle]);
6173                 goto out_balanced;
6174         }
6175
6176         busiest = find_busiest_queue(&env, group);
6177         if (!busiest) {
6178                 schedstat_inc(sd, lb_nobusyq[idle]);
6179                 goto out_balanced;
6180         }
6181
6182         BUG_ON(busiest == env.dst_rq);
6183
6184         schedstat_add(sd, lb_imbalance[idle], env.imbalance);
6185
6186         ld_moved = 0;
6187         if (busiest->nr_running > 1) {
6188                 /*
6189                  * Attempt to move tasks. If find_busiest_group has found
6190                  * an imbalance but busiest->nr_running <= 1, the group is
6191                  * still unbalanced. ld_moved simply stays zero, so it is
6192                  * correctly treated as an imbalance.
6193                  */
6194                 env.flags |= LBF_ALL_PINNED;
6195                 env.src_cpu   = busiest->cpu;
6196                 env.src_rq    = busiest;
6197                 env.loop_max  = min(sysctl_sched_nr_migrate, busiest->nr_running);
6198
6199 more_balance:
6200                 local_irq_save(flags);
6201                 double_rq_lock(env.dst_rq, busiest);
6202
6203                 /*
6204                  * cur_ld_moved - load moved in current iteration
6205                  * ld_moved     - cumulative load moved across iterations
6206                  */
6207                 cur_ld_moved = move_tasks(&env);
6208                 ld_moved += cur_ld_moved;
6209                 double_rq_unlock(env.dst_rq, busiest);
6210                 local_irq_restore(flags);
6211
6212                 /*
6213                  * some other cpu did the load balance for us.
6214                  */
6215                 if (cur_ld_moved && env.dst_cpu != smp_processor_id())
6216                         resched_cpu(env.dst_cpu);
6217
6218                 if (env.flags & LBF_NEED_BREAK) {
6219                         env.flags &= ~LBF_NEED_BREAK;
6220                         goto more_balance;
6221                 }
6222
6223                 /*
6224                  * Revisit (affine) tasks on src_cpu that couldn't be moved to
6225                  * us and move them to an alternate dst_cpu in our sched_group
6226                  * where they can run. The upper limit on how many times we
6227                  * iterate on same src_cpu is dependent on number of cpus in our
6228                  * sched_group.
6229                  *
6230                  * This changes load balance semantics a bit on who can move
6231                  * load to a given_cpu. In addition to the given_cpu itself
6232                  * (or a ilb_cpu acting on its behalf where given_cpu is
6233                  * nohz-idle), we now have balance_cpu in a position to move
6234                  * load to given_cpu. In rare situations, this may cause
6235                  * conflicts (balance_cpu and given_cpu/ilb_cpu deciding
6236                  * _independently_ and at _same_ time to move some load to
6237                  * given_cpu) causing exceess load to be moved to given_cpu.
6238                  * This however should not happen so much in practice and
6239                  * moreover subsequent load balance cycles should correct the
6240                  * excess load moved.
6241                  */
6242                 if ((env.flags & LBF_DST_PINNED) && env.imbalance > 0) {
6243
6244                         /* Prevent to re-select dst_cpu via env's cpus */
6245                         cpumask_clear_cpu(env.dst_cpu, env.cpus);
6246
6247                         env.dst_rq       = cpu_rq(env.new_dst_cpu);
6248                         env.dst_cpu      = env.new_dst_cpu;
6249                         env.flags       &= ~LBF_DST_PINNED;
6250                         env.loop         = 0;
6251                         env.loop_break   = sched_nr_migrate_break;
6252
6253                         /*
6254                          * Go back to "more_balance" rather than "redo" since we
6255                          * need to continue with same src_cpu.
6256                          */
6257                         goto more_balance;
6258                 }
6259
6260                 /*
6261                  * We failed to reach balance because of affinity.
6262                  */
6263                 if (sd_parent) {
6264                         int *group_imbalance = &sd_parent->groups->sgp->imbalance;
6265
6266                         if ((env.flags & LBF_SOME_PINNED) && env.imbalance > 0) {
6267                                 *group_imbalance = 1;
6268                         } else if (*group_imbalance)
6269                                 *group_imbalance = 0;
6270                 }
6271
6272                 /* All tasks on this runqueue were pinned by CPU affinity */
6273                 if (unlikely(env.flags & LBF_ALL_PINNED)) {
6274                         cpumask_clear_cpu(cpu_of(busiest), cpus);
6275                         if (!cpumask_empty(cpus)) {
6276                                 env.loop = 0;
6277                                 env.loop_break = sched_nr_migrate_break;
6278                                 goto redo;
6279                         }
6280                         goto out_balanced;
6281                 }
6282         }
6283
6284         if (!ld_moved) {
6285                 schedstat_inc(sd, lb_failed[idle]);
6286                 /*
6287                  * Increment the failure counter only on periodic balance.
6288                  * We do not want newidle balance, which can be very
6289                  * frequent, pollute the failure counter causing
6290                  * excessive cache_hot migrations and active balances.
6291                  */
6292                 if (idle != CPU_NEWLY_IDLE)
6293                         sd->nr_balance_failed++;
6294
6295                 if (need_active_balance(&env)) {
6296                         raw_spin_lock_irqsave(&busiest->lock, flags);
6297
6298                         /* don't kick the active_load_balance_cpu_stop,
6299                          * if the curr task on busiest cpu can't be
6300                          * moved to this_cpu
6301                          */
6302                         if (!cpumask_test_cpu(this_cpu,
6303                                         tsk_cpus_allowed(busiest->curr))) {
6304                                 raw_spin_unlock_irqrestore(&busiest->lock,
6305                                                             flags);
6306                                 env.flags |= LBF_ALL_PINNED;
6307                                 goto out_one_pinned;
6308                         }
6309
6310                         /*
6311                          * ->active_balance synchronizes accesses to
6312                          * ->active_balance_work.  Once set, it's cleared
6313                          * only after active load balance is finished.
6314                          */
6315                         if (!busiest->active_balance) {
6316                                 busiest->active_balance = 1;
6317                                 busiest->push_cpu = this_cpu;
6318                                 active_balance = 1;
6319                         }
6320                         raw_spin_unlock_irqrestore(&busiest->lock, flags);
6321
6322                         if (active_balance) {
6323                                 stop_one_cpu_nowait(cpu_of(busiest),
6324                                         active_load_balance_cpu_stop, busiest,
6325                                         &busiest->active_balance_work);
6326                         }
6327
6328                         /*
6329                          * We've kicked active balancing, reset the failure
6330                          * counter.
6331                          */
6332                         sd->nr_balance_failed = sd->cache_nice_tries+1;
6333                 }
6334         } else
6335                 sd->nr_balance_failed = 0;
6336
6337         if (likely(!active_balance)) {
6338                 /* We were unbalanced, so reset the balancing interval */
6339                 sd->balance_interval = sd->min_interval;
6340         } else {
6341                 /*
6342                  * If we've begun active balancing, start to back off. This
6343                  * case may not be covered by the all_pinned logic if there
6344                  * is only 1 task on the busy runqueue (because we don't call
6345                  * move_tasks).
6346                  */
6347                 if (sd->balance_interval < sd->max_interval)
6348                         sd->balance_interval *= 2;
6349         }
6350
6351         goto out;
6352
6353 out_balanced:
6354         schedstat_inc(sd, lb_balanced[idle]);
6355
6356         sd->nr_balance_failed = 0;
6357
6358 out_one_pinned:
6359         /* tune up the balancing interval */
6360         if (((env.flags & LBF_ALL_PINNED) &&
6361                         sd->balance_interval < MAX_PINNED_INTERVAL) ||
6362                         (sd->balance_interval < sd->max_interval))
6363                 sd->balance_interval *= 2;
6364
6365         ld_moved = 0;
6366 out:
6367         return ld_moved;
6368 }
6369
6370 /*
6371  * idle_balance is called by schedule() if this_cpu is about to become
6372  * idle. Attempts to pull tasks from other CPUs.
6373  */
6374 void idle_balance(int this_cpu, struct rq *this_rq)
6375 {
6376         struct sched_domain *sd;
6377         int pulled_task = 0;
6378         unsigned long next_balance = jiffies + HZ;
6379         u64 curr_cost = 0;
6380
6381         this_rq->idle_stamp = rq_clock(this_rq);
6382
6383         if (this_rq->avg_idle < sysctl_sched_migration_cost)
6384                 return;
6385
6386         /*
6387          * Drop the rq->lock, but keep IRQ/preempt disabled.
6388          */
6389         raw_spin_unlock(&this_rq->lock);
6390
6391         update_blocked_averages(this_cpu);
6392         rcu_read_lock();
6393         for_each_domain(this_cpu, sd) {
6394                 unsigned long interval;
6395                 int continue_balancing = 1;
6396                 u64 t0, domain_cost;
6397
6398                 if (!(sd->flags & SD_LOAD_BALANCE))
6399                         continue;
6400
6401                 if (this_rq->avg_idle < curr_cost + sd->max_newidle_lb_cost)
6402                         break;
6403
6404                 if (sd->flags & SD_BALANCE_NEWIDLE) {
6405                         t0 = sched_clock_cpu(this_cpu);
6406
6407                         /* If we've pulled tasks over stop searching: */
6408                         pulled_task = load_balance(this_cpu, this_rq,
6409                                                    sd, CPU_NEWLY_IDLE,
6410                                                    &continue_balancing);
6411
6412                         domain_cost = sched_clock_cpu(this_cpu) - t0;
6413                         if (domain_cost > sd->max_newidle_lb_cost)
6414                                 sd->max_newidle_lb_cost = domain_cost;
6415
6416                         curr_cost += domain_cost;
6417                 }
6418
6419                 interval = msecs_to_jiffies(sd->balance_interval);
6420                 if (time_after(next_balance, sd->last_balance + interval))
6421                         next_balance = sd->last_balance + interval;
6422                 if (pulled_task) {
6423                         this_rq->idle_stamp = 0;
6424                         break;
6425                 }
6426         }
6427         rcu_read_unlock();
6428
6429         raw_spin_lock(&this_rq->lock);
6430
6431         if (pulled_task || time_after(jiffies, this_rq->next_balance)) {
6432                 /*
6433                  * We are going idle. next_balance may be set based on
6434                  * a busy processor. So reset next_balance.
6435                  */
6436                 this_rq->next_balance = next_balance;
6437         }
6438
6439         if (curr_cost > this_rq->max_idle_balance_cost)
6440                 this_rq->max_idle_balance_cost = curr_cost;
6441 }
6442
6443 /*
6444  * active_load_balance_cpu_stop is run by cpu stopper. It pushes
6445  * running tasks off the busiest CPU onto idle CPUs. It requires at
6446  * least 1 task to be running on each physical CPU where possible, and
6447  * avoids physical / logical imbalances.
6448  */
6449 static int active_load_balance_cpu_stop(void *data)
6450 {
6451         struct rq *busiest_rq = data;
6452         int busiest_cpu = cpu_of(busiest_rq);
6453         int target_cpu = busiest_rq->push_cpu;
6454         struct rq *target_rq = cpu_rq(target_cpu);
6455         struct sched_domain *sd;
6456
6457         raw_spin_lock_irq(&busiest_rq->lock);
6458
6459         /* make sure the requested cpu hasn't gone down in the meantime */
6460         if (unlikely(busiest_cpu != smp_processor_id() ||
6461                      !busiest_rq->active_balance))
6462                 goto out_unlock;
6463
6464         /* Is there any task to move? */
6465         if (busiest_rq->nr_running <= 1)
6466                 goto out_unlock;
6467
6468         /*
6469          * This condition is "impossible", if it occurs
6470          * we need to fix it. Originally reported by
6471          * Bjorn Helgaas on a 128-cpu setup.
6472          */
6473         BUG_ON(busiest_rq == target_rq);
6474
6475         /* move a task from busiest_rq to target_rq */
6476         double_lock_balance(busiest_rq, target_rq);
6477
6478         /* Search for an sd spanning us and the target CPU. */
6479         rcu_read_lock();
6480         for_each_domain(target_cpu, sd) {
6481                 if ((sd->flags & SD_LOAD_BALANCE) &&
6482                     cpumask_test_cpu(busiest_cpu, sched_domain_span(sd)))
6483                                 break;
6484         }
6485
6486         if (likely(sd)) {
6487                 struct lb_env env = {
6488                         .sd             = sd,
6489                         .dst_cpu        = target_cpu,
6490                         .dst_rq         = target_rq,
6491                         .src_cpu        = busiest_rq->cpu,
6492                         .src_rq         = busiest_rq,
6493                         .idle           = CPU_IDLE,
6494                 };
6495
6496                 schedstat_inc(sd, alb_count);
6497
6498                 if (move_one_task(&env))
6499                         schedstat_inc(sd, alb_pushed);
6500                 else
6501                         schedstat_inc(sd, alb_failed);
6502         }
6503         rcu_read_unlock();
6504         double_unlock_balance(busiest_rq, target_rq);
6505 out_unlock:
6506         busiest_rq->active_balance = 0;
6507         raw_spin_unlock_irq(&busiest_rq->lock);
6508         return 0;
6509 }
6510
6511 #ifdef CONFIG_NO_HZ_COMMON
6512 /*
6513  * idle load balancing details
6514  * - When one of the busy CPUs notice that there may be an idle rebalancing
6515  *   needed, they will kick the idle load balancer, which then does idle
6516  *   load balancing for all the idle CPUs.
6517  */
6518 static struct {
6519         cpumask_var_t idle_cpus_mask;
6520         atomic_t nr_cpus;
6521         unsigned long next_balance;     /* in jiffy units */
6522 } nohz ____cacheline_aligned;
6523
6524 static inline int find_new_ilb(int call_cpu)
6525 {
6526         int ilb = cpumask_first(nohz.idle_cpus_mask);
6527
6528         if (ilb < nr_cpu_ids && idle_cpu(ilb))
6529                 return ilb;
6530
6531         return nr_cpu_ids;
6532 }
6533
6534 /*
6535  * Kick a CPU to do the nohz balancing, if it is time for it. We pick the
6536  * nohz_load_balancer CPU (if there is one) otherwise fallback to any idle
6537  * CPU (if there is one).
6538  */
6539 static void nohz_balancer_kick(int cpu)
6540 {
6541         int ilb_cpu;
6542
6543         nohz.next_balance++;
6544
6545         ilb_cpu = find_new_ilb(cpu);
6546
6547         if (ilb_cpu >= nr_cpu_ids)
6548                 return;
6549
6550         if (test_and_set_bit(NOHZ_BALANCE_KICK, nohz_flags(ilb_cpu)))
6551                 return;
6552         /*
6553          * Use smp_send_reschedule() instead of resched_cpu().
6554          * This way we generate a sched IPI on the target cpu which
6555          * is idle. And the softirq performing nohz idle load balance
6556          * will be run before returning from the IPI.
6557          */
6558         smp_send_reschedule(ilb_cpu);
6559         return;
6560 }
6561
6562 static inline void nohz_balance_exit_idle(int cpu)
6563 {
6564         if (unlikely(test_bit(NOHZ_TICK_STOPPED, nohz_flags(cpu)))) {
6565                 cpumask_clear_cpu(cpu, nohz.idle_cpus_mask);
6566                 atomic_dec(&nohz.nr_cpus);
6567                 clear_bit(NOHZ_TICK_STOPPED, nohz_flags(cpu));
6568         }
6569 }
6570
6571 static inline void set_cpu_sd_state_busy(void)
6572 {
6573         struct sched_domain *sd;
6574         int cpu = smp_processor_id();
6575
6576         rcu_read_lock();
6577         sd = rcu_dereference(per_cpu(sd_busy, cpu));
6578
6579         if (!sd || !sd->nohz_idle)
6580                 goto unlock;
6581         sd->nohz_idle = 0;
6582
6583         atomic_inc(&sd->groups->sgp->nr_busy_cpus);
6584 unlock:
6585         rcu_read_unlock();
6586 }
6587
6588 void set_cpu_sd_state_idle(void)
6589 {
6590         struct sched_domain *sd;
6591         int cpu = smp_processor_id();
6592
6593         rcu_read_lock();
6594         sd = rcu_dereference(per_cpu(sd_busy, cpu));
6595
6596         if (!sd || sd->nohz_idle)
6597                 goto unlock;
6598         sd->nohz_idle = 1;
6599
6600         atomic_dec(&sd->groups->sgp->nr_busy_cpus);
6601 unlock:
6602         rcu_read_unlock();
6603 }
6604
6605 /*
6606  * This routine will record that the cpu is going idle with tick stopped.
6607  * This info will be used in performing idle load balancing in the future.
6608  */
6609 void nohz_balance_enter_idle(int cpu)
6610 {
6611         /*
6612          * If this cpu is going down, then nothing needs to be done.
6613          */
6614         if (!cpu_active(cpu))
6615                 return;
6616
6617         if (test_bit(NOHZ_TICK_STOPPED, nohz_flags(cpu)))
6618                 return;
6619
6620         cpumask_set_cpu(cpu, nohz.idle_cpus_mask);
6621         atomic_inc(&nohz.nr_cpus);
6622         set_bit(NOHZ_TICK_STOPPED, nohz_flags(cpu));
6623 }
6624
6625 static int sched_ilb_notifier(struct notifier_block *nfb,
6626                                         unsigned long action, void *hcpu)
6627 {
6628         switch (action & ~CPU_TASKS_FROZEN) {
6629         case CPU_DYING:
6630                 nohz_balance_exit_idle(smp_processor_id());
6631                 return NOTIFY_OK;
6632         default:
6633                 return NOTIFY_DONE;
6634         }
6635 }
6636 #endif
6637
6638 static DEFINE_SPINLOCK(balancing);
6639
6640 /*
6641  * Scale the max load_balance interval with the number of CPUs in the system.
6642  * This trades load-balance latency on larger machines for less cross talk.
6643  */
6644 void update_max_interval(void)
6645 {
6646         max_load_balance_interval = HZ*num_online_cpus()/10;
6647 }
6648
6649 /*
6650  * It checks each scheduling domain to see if it is due to be balanced,
6651  * and initiates a balancing operation if so.
6652  *
6653  * Balancing parameters are set up in init_sched_domains.
6654  */
6655 static void rebalance_domains(int cpu, enum cpu_idle_type idle)
6656 {
6657         int continue_balancing = 1;
6658         struct rq *rq = cpu_rq(cpu);
6659         unsigned long interval;
6660         struct sched_domain *sd;
6661         /* Earliest time when we have to do rebalance again */
6662         unsigned long next_balance = jiffies + 60*HZ;
6663         int update_next_balance = 0;
6664         int need_serialize, need_decay = 0;
6665         u64 max_cost = 0;
6666
6667         update_blocked_averages(cpu);
6668
6669         rcu_read_lock();
6670         for_each_domain(cpu, sd) {
6671                 /*
6672                  * Decay the newidle max times here because this is a regular
6673                  * visit to all the domains. Decay ~1% per second.
6674                  */
6675                 if (time_after(jiffies, sd->next_decay_max_lb_cost)) {
6676                         sd->max_newidle_lb_cost =
6677                                 (sd->max_newidle_lb_cost * 253) / 256;
6678                         sd->next_decay_max_lb_cost = jiffies + HZ;
6679                         need_decay = 1;
6680                 }
6681                 max_cost += sd->max_newidle_lb_cost;
6682
6683                 if (!(sd->flags & SD_LOAD_BALANCE))
6684                         continue;
6685
6686                 /*
6687                  * Stop the load balance at this level. There is another
6688                  * CPU in our sched group which is doing load balancing more
6689                  * actively.
6690                  */
6691                 if (!continue_balancing) {
6692                         if (need_decay)
6693                                 continue;
6694                         break;
6695                 }
6696
6697                 interval = sd->balance_interval;
6698                 if (idle != CPU_IDLE)
6699                         interval *= sd->busy_factor;
6700
6701                 /* scale ms to jiffies */
6702                 interval = msecs_to_jiffies(interval);
6703                 interval = clamp(interval, 1UL, max_load_balance_interval);
6704
6705                 need_serialize = sd->flags & SD_SERIALIZE;
6706
6707                 if (need_serialize) {
6708                         if (!spin_trylock(&balancing))
6709                                 goto out;
6710                 }
6711
6712                 if (time_after_eq(jiffies, sd->last_balance + interval)) {
6713                         if (load_balance(cpu, rq, sd, idle, &continue_balancing)) {
6714                                 /*
6715                                  * The LBF_DST_PINNED logic could have changed
6716                                  * env->dst_cpu, so we can't know our idle
6717                                  * state even if we migrated tasks. Update it.
6718                                  */
6719                                 idle = idle_cpu(cpu) ? CPU_IDLE : CPU_NOT_IDLE;
6720                         }
6721                         sd->last_balance = jiffies;
6722                 }
6723                 if (need_serialize)
6724                         spin_unlock(&balancing);
6725 out:
6726                 if (time_after(next_balance, sd->last_balance + interval)) {
6727                         next_balance = sd->last_balance + interval;
6728                         update_next_balance = 1;
6729                 }
6730         }
6731         if (need_decay) {
6732                 /*
6733                  * Ensure the rq-wide value also decays but keep it at a
6734                  * reasonable floor to avoid funnies with rq->avg_idle.
6735                  */
6736                 rq->max_idle_balance_cost =
6737                         max((u64)sysctl_sched_migration_cost, max_cost);
6738         }
6739         rcu_read_unlock();
6740
6741         /*
6742          * next_balance will be updated only when there is a need.
6743          * When the cpu is attached to null domain for ex, it will not be
6744          * updated.
6745          */
6746         if (likely(update_next_balance))
6747                 rq->next_balance = next_balance;
6748 }
6749
6750 #ifdef CONFIG_NO_HZ_COMMON
6751 /*
6752  * In CONFIG_NO_HZ_COMMON case, the idle balance kickee will do the
6753  * rebalancing for all the cpus for whom scheduler ticks are stopped.
6754  */
6755 static void nohz_idle_balance(int this_cpu, enum cpu_idle_type idle)
6756 {
6757         struct rq *this_rq = cpu_rq(this_cpu);
6758         struct rq *rq;
6759         int balance_cpu;
6760
6761         if (idle != CPU_IDLE ||
6762             !test_bit(NOHZ_BALANCE_KICK, nohz_flags(this_cpu)))
6763                 goto end;
6764
6765         for_each_cpu(balance_cpu, nohz.idle_cpus_mask) {
6766                 if (balance_cpu == this_cpu || !idle_cpu(balance_cpu))
6767                         continue;
6768
6769                 /*
6770                  * If this cpu gets work to do, stop the load balancing
6771                  * work being done for other cpus. Next load
6772                  * balancing owner will pick it up.
6773                  */
6774                 if (need_resched())
6775                         break;
6776
6777                 rq = cpu_rq(balance_cpu);
6778
6779                 raw_spin_lock_irq(&rq->lock);
6780                 update_rq_clock(rq);
6781                 update_idle_cpu_load(rq);
6782                 raw_spin_unlock_irq(&rq->lock);
6783
6784                 rebalance_domains(balance_cpu, CPU_IDLE);
6785
6786                 if (time_after(this_rq->next_balance, rq->next_balance))
6787                         this_rq->next_balance = rq->next_balance;
6788         }
6789         nohz.next_balance = this_rq->next_balance;
6790 end:
6791         clear_bit(NOHZ_BALANCE_KICK, nohz_flags(this_cpu));
6792 }
6793
6794 /*
6795  * Current heuristic for kicking the idle load balancer in the presence
6796  * of an idle cpu is the system.
6797  *   - This rq has more than one task.
6798  *   - At any scheduler domain level, this cpu's scheduler group has multiple
6799  *     busy cpu's exceeding the group's power.
6800  *   - For SD_ASYM_PACKING, if the lower numbered cpu's in the scheduler
6801  *     domain span are idle.
6802  */
6803 static inline int nohz_kick_needed(struct rq *rq, int cpu)
6804 {
6805         unsigned long now = jiffies;
6806         struct sched_domain *sd;
6807         struct sched_group_power *sgp;
6808         int nr_busy;
6809
6810         if (unlikely(idle_cpu(cpu)))
6811                 return 0;
6812
6813        /*
6814         * We may be recently in ticked or tickless idle mode. At the first
6815         * busy tick after returning from idle, we will update the busy stats.
6816         */
6817         set_cpu_sd_state_busy();
6818         nohz_balance_exit_idle(cpu);
6819
6820         /*
6821          * None are in tickless mode and hence no need for NOHZ idle load
6822          * balancing.
6823          */
6824         if (likely(!atomic_read(&nohz.nr_cpus)))
6825                 return 0;
6826
6827         if (time_before(now, nohz.next_balance))
6828                 return 0;
6829
6830         if (rq->nr_running >= 2)
6831                 goto need_kick;
6832
6833         rcu_read_lock();
6834         sd = rcu_dereference(per_cpu(sd_busy, cpu));
6835
6836         if (sd) {
6837                 sgp = sd->groups->sgp;
6838                 nr_busy = atomic_read(&sgp->nr_busy_cpus);
6839
6840                 if (nr_busy > 1)
6841                         goto need_kick_unlock;
6842         }
6843
6844         sd = rcu_dereference(per_cpu(sd_asym, cpu));
6845
6846         if (sd && (cpumask_first_and(nohz.idle_cpus_mask,
6847                                   sched_domain_span(sd)) < cpu))
6848                 goto need_kick_unlock;
6849
6850         rcu_read_unlock();
6851         return 0;
6852
6853 need_kick_unlock:
6854         rcu_read_unlock();
6855 need_kick:
6856         return 1;
6857 }
6858 #else
6859 static void nohz_idle_balance(int this_cpu, enum cpu_idle_type idle) { }
6860 #endif
6861
6862 /*
6863  * run_rebalance_domains is triggered when needed from the scheduler tick.
6864  * Also triggered for nohz idle balancing (with nohz_balancing_kick set).
6865  */
6866 static void run_rebalance_domains(struct softirq_action *h)
6867 {
6868         int this_cpu = smp_processor_id();
6869         struct rq *this_rq = cpu_rq(this_cpu);
6870         enum cpu_idle_type idle = this_rq->idle_balance ?
6871                                                 CPU_IDLE : CPU_NOT_IDLE;
6872
6873         rebalance_domains(this_cpu, idle);
6874
6875         /*
6876          * If this cpu has a pending nohz_balance_kick, then do the
6877          * balancing on behalf of the other idle cpus whose ticks are
6878          * stopped.
6879          */
6880         nohz_idle_balance(this_cpu, idle);
6881 }
6882
6883 static inline int on_null_domain(int cpu)
6884 {
6885         return !rcu_dereference_sched(cpu_rq(cpu)->sd);
6886 }
6887
6888 /*
6889  * Trigger the SCHED_SOFTIRQ if it is time to do periodic load balancing.
6890  */
6891 void trigger_load_balance(struct rq *rq, int cpu)
6892 {
6893         /* Don't need to rebalance while attached to NULL domain */
6894         if (time_after_eq(jiffies, rq->next_balance) &&
6895             likely(!on_null_domain(cpu)))
6896                 raise_softirq(SCHED_SOFTIRQ);
6897 #ifdef CONFIG_NO_HZ_COMMON
6898         if (nohz_kick_needed(rq, cpu) && likely(!on_null_domain(cpu)))
6899                 nohz_balancer_kick(cpu);
6900 #endif
6901 }
6902
6903 static void rq_online_fair(struct rq *rq)
6904 {
6905         update_sysctl();
6906 }
6907
6908 static void rq_offline_fair(struct rq *rq)
6909 {
6910         update_sysctl();
6911
6912         /* Ensure any throttled groups are reachable by pick_next_task */
6913         unthrottle_offline_cfs_rqs(rq);
6914 }
6915
6916 #endif /* CONFIG_SMP */
6917
6918 /*
6919  * scheduler tick hitting a task of our scheduling class:
6920  */
6921 static void task_tick_fair(struct rq *rq, struct task_struct *curr, int queued)
6922 {
6923         struct cfs_rq *cfs_rq;
6924         struct sched_entity *se = &curr->se;
6925
6926         for_each_sched_entity(se) {
6927                 cfs_rq = cfs_rq_of(se);
6928                 entity_tick(cfs_rq, se, queued);
6929         }
6930
6931         if (numabalancing_enabled)
6932                 task_tick_numa(rq, curr);
6933
6934         update_rq_runnable_avg(rq, 1);
6935 }
6936
6937 /*
6938  * called on fork with the child task as argument from the parent's context
6939  *  - child not yet on the tasklist
6940  *  - preemption disabled
6941  */
6942 static void task_fork_fair(struct task_struct *p)
6943 {
6944         struct cfs_rq *cfs_rq;
6945         struct sched_entity *se = &p->se, *curr;
6946         int this_cpu = smp_processor_id();
6947         struct rq *rq = this_rq();
6948         unsigned long flags;
6949
6950         raw_spin_lock_irqsave(&rq->lock, flags);
6951
6952         update_rq_clock(rq);
6953
6954         cfs_rq = task_cfs_rq(current);
6955         curr = cfs_rq->curr;
6956
6957         /*
6958          * Not only the cpu but also the task_group of the parent might have
6959          * been changed after parent->se.parent,cfs_rq were copied to
6960          * child->se.parent,cfs_rq. So call __set_task_cpu() to make those
6961          * of child point to valid ones.
6962          */
6963         rcu_read_lock();
6964         __set_task_cpu(p, this_cpu);
6965         rcu_read_unlock();
6966
6967         update_curr(cfs_rq);
6968
6969         if (curr)
6970                 se->vruntime = curr->vruntime;
6971         place_entity(cfs_rq, se, 1);
6972
6973         if (sysctl_sched_child_runs_first && curr && entity_before(curr, se)) {
6974                 /*
6975                  * Upon rescheduling, sched_class::put_prev_task() will place
6976                  * 'current' within the tree based on its new key value.
6977                  */
6978                 swap(curr->vruntime, se->vruntime);
6979                 resched_task(rq->curr);
6980         }
6981
6982         se->vruntime -= cfs_rq->min_vruntime;
6983
6984         raw_spin_unlock_irqrestore(&rq->lock, flags);
6985 }
6986
6987 /*
6988  * Priority of the task has changed. Check to see if we preempt
6989  * the current task.
6990  */
6991 static void
6992 prio_changed_fair(struct rq *rq, struct task_struct *p, int oldprio)
6993 {
6994         if (!p->se.on_rq)
6995                 return;
6996
6997         /*
6998          * Reschedule if we are currently running on this runqueue and
6999          * our priority decreased, or if we are not currently running on
7000          * this runqueue and our priority is higher than the current's
7001          */
7002         if (rq->curr == p) {
7003                 if (p->prio > oldprio)
7004                         resched_task(rq->curr);
7005         } else
7006                 check_preempt_curr(rq, p, 0);
7007 }
7008
7009 static void switched_from_fair(struct rq *rq, struct task_struct *p)
7010 {
7011         struct sched_entity *se = &p->se;
7012         struct cfs_rq *cfs_rq = cfs_rq_of(se);
7013
7014         /*
7015          * Ensure the task's vruntime is normalized, so that when its
7016          * switched back to the fair class the enqueue_entity(.flags=0) will
7017          * do the right thing.
7018          *
7019          * If it was on_rq, then the dequeue_entity(.flags=0) will already
7020          * have normalized the vruntime, if it was !on_rq, then only when
7021          * the task is sleeping will it still have non-normalized vruntime.
7022          */
7023         if (!se->on_rq && p->state != TASK_RUNNING) {
7024                 /*
7025                  * Fix up our vruntime so that the current sleep doesn't
7026                  * cause 'unlimited' sleep bonus.
7027                  */
7028                 place_entity(cfs_rq, se, 0);
7029                 se->vruntime -= cfs_rq->min_vruntime;
7030         }
7031
7032 #ifdef CONFIG_SMP
7033         /*
7034         * Remove our load from contribution when we leave sched_fair
7035         * and ensure we don't carry in an old decay_count if we
7036         * switch back.
7037         */
7038         if (se->avg.decay_count) {
7039                 __synchronize_entity_decay(se);
7040                 subtract_blocked_load_contrib(cfs_rq, se->avg.load_avg_contrib);
7041         }
7042 #endif
7043 }
7044
7045 /*
7046  * We switched to the sched_fair class.
7047  */
7048 static void switched_to_fair(struct rq *rq, struct task_struct *p)
7049 {
7050         if (!p->se.on_rq)
7051                 return;
7052
7053         /*
7054          * We were most likely switched from sched_rt, so
7055          * kick off the schedule if running, otherwise just see
7056          * if we can still preempt the current task.
7057          */
7058         if (rq->curr == p)
7059                 resched_task(rq->curr);
7060         else
7061                 check_preempt_curr(rq, p, 0);
7062 }
7063
7064 /* Account for a task changing its policy or group.
7065  *
7066  * This routine is mostly called to set cfs_rq->curr field when a task
7067  * migrates between groups/classes.
7068  */
7069 static void set_curr_task_fair(struct rq *rq)
7070 {
7071         struct sched_entity *se = &rq->curr->se;
7072
7073         for_each_sched_entity(se) {
7074                 struct cfs_rq *cfs_rq = cfs_rq_of(se);
7075
7076                 set_next_entity(cfs_rq, se);
7077                 /* ensure bandwidth has been allocated on our new cfs_rq */
7078                 account_cfs_rq_runtime(cfs_rq, 0);
7079         }
7080 }
7081
7082 void init_cfs_rq(struct cfs_rq *cfs_rq)
7083 {
7084         cfs_rq->tasks_timeline = RB_ROOT;
7085         cfs_rq->min_vruntime = (u64)(-(1LL << 20));
7086 #ifndef CONFIG_64BIT
7087         cfs_rq->min_vruntime_copy = cfs_rq->min_vruntime;
7088 #endif
7089 #ifdef CONFIG_SMP
7090         atomic64_set(&cfs_rq->decay_counter, 1);
7091         atomic_long_set(&cfs_rq->removed_load, 0);
7092 #endif
7093 }
7094
7095 #ifdef CONFIG_FAIR_GROUP_SCHED
7096 static void task_move_group_fair(struct task_struct *p, int on_rq)
7097 {
7098         struct cfs_rq *cfs_rq;
7099         /*
7100          * If the task was not on the rq at the time of this cgroup movement
7101          * it must have been asleep, sleeping tasks keep their ->vruntime
7102          * absolute on their old rq until wakeup (needed for the fair sleeper
7103          * bonus in place_entity()).
7104          *
7105          * If it was on the rq, we've just 'preempted' it, which does convert
7106          * ->vruntime to a relative base.
7107          *
7108          * Make sure both cases convert their relative position when migrating
7109          * to another cgroup's rq. This does somewhat interfere with the
7110          * fair sleeper stuff for the first placement, but who cares.
7111          */
7112         /*
7113          * When !on_rq, vruntime of the task has usually NOT been normalized.
7114          * But there are some cases where it has already been normalized:
7115          *
7116          * - Moving a forked child which is waiting for being woken up by
7117          *   wake_up_new_task().
7118          * - Moving a task which has been woken up by try_to_wake_up() and
7119          *   waiting for actually being woken up by sched_ttwu_pending().
7120          *
7121          * To prevent boost or penalty in the new cfs_rq caused by delta
7122          * min_vruntime between the two cfs_rqs, we skip vruntime adjustment.
7123          */
7124         if (!on_rq && (!p->se.sum_exec_runtime || p->state == TASK_WAKING))
7125                 on_rq = 1;
7126
7127         if (!on_rq)
7128                 p->se.vruntime -= cfs_rq_of(&p->se)->min_vruntime;
7129         set_task_rq(p, task_cpu(p));
7130         if (!on_rq) {
7131                 cfs_rq = cfs_rq_of(&p->se);
7132                 p->se.vruntime += cfs_rq->min_vruntime;
7133 #ifdef CONFIG_SMP
7134                 /*
7135                  * migrate_task_rq_fair() will have removed our previous
7136                  * contribution, but we must synchronize for ongoing future
7137                  * decay.
7138                  */
7139                 p->se.avg.decay_count = atomic64_read(&cfs_rq->decay_counter);
7140                 cfs_rq->blocked_load_avg += p->se.avg.load_avg_contrib;
7141 #endif
7142         }
7143 }
7144
7145 void free_fair_sched_group(struct task_group *tg)
7146 {
7147         int i;
7148
7149         destroy_cfs_bandwidth(tg_cfs_bandwidth(tg));
7150
7151         for_each_possible_cpu(i) {
7152                 if (tg->cfs_rq)
7153                         kfree(tg->cfs_rq[i]);
7154                 if (tg->se)
7155                         kfree(tg->se[i]);
7156         }
7157
7158         kfree(tg->cfs_rq);
7159         kfree(tg->se);
7160 }
7161
7162 int alloc_fair_sched_group(struct task_group *tg, struct task_group *parent)
7163 {
7164         struct cfs_rq *cfs_rq;
7165         struct sched_entity *se;
7166         int i;
7167
7168         tg->cfs_rq = kzalloc(sizeof(cfs_rq) * nr_cpu_ids, GFP_KERNEL);
7169         if (!tg->cfs_rq)
7170                 goto err;
7171         tg->se = kzalloc(sizeof(se) * nr_cpu_ids, GFP_KERNEL);
7172         if (!tg->se)
7173                 goto err;
7174
7175         tg->shares = NICE_0_LOAD;
7176
7177         init_cfs_bandwidth(tg_cfs_bandwidth(tg));
7178
7179         for_each_possible_cpu(i) {
7180                 cfs_rq = kzalloc_node(sizeof(struct cfs_rq),
7181                                       GFP_KERNEL, cpu_to_node(i));
7182                 if (!cfs_rq)
7183                         goto err;
7184
7185                 se = kzalloc_node(sizeof(struct sched_entity),
7186                                   GFP_KERNEL, cpu_to_node(i));
7187                 if (!se)
7188                         goto err_free_rq;
7189
7190                 init_cfs_rq(cfs_rq);
7191                 init_tg_cfs_entry(tg, cfs_rq, se, i, parent->se[i]);
7192         }
7193
7194         return 1;
7195
7196 err_free_rq:
7197         kfree(cfs_rq);
7198 err:
7199         return 0;
7200 }
7201
7202 void unregister_fair_sched_group(struct task_group *tg, int cpu)
7203 {
7204         struct rq *rq = cpu_rq(cpu);
7205         unsigned long flags;
7206
7207         /*
7208         * Only empty task groups can be destroyed; so we can speculatively
7209         * check on_list without danger of it being re-added.
7210         */
7211         if (!tg->cfs_rq[cpu]->on_list)
7212                 return;
7213
7214         raw_spin_lock_irqsave(&rq->lock, flags);
7215         list_del_leaf_cfs_rq(tg->cfs_rq[cpu]);
7216         raw_spin_unlock_irqrestore(&rq->lock, flags);
7217 }
7218
7219 void init_tg_cfs_entry(struct task_group *tg, struct cfs_rq *cfs_rq,
7220                         struct sched_entity *se, int cpu,
7221                         struct sched_entity *parent)
7222 {
7223         struct rq *rq = cpu_rq(cpu);
7224
7225         cfs_rq->tg = tg;
7226         cfs_rq->rq = rq;
7227         init_cfs_rq_runtime(cfs_rq);
7228
7229         tg->cfs_rq[cpu] = cfs_rq;
7230         tg->se[cpu] = se;
7231
7232         /* se could be NULL for root_task_group */
7233         if (!se)
7234                 return;
7235
7236         if (!parent)
7237                 se->cfs_rq = &rq->cfs;
7238         else
7239                 se->cfs_rq = parent->my_q;
7240
7241         se->my_q = cfs_rq;
7242         /* guarantee group entities always have weight */
7243         update_load_set(&se->load, NICE_0_LOAD);
7244         se->parent = parent;
7245 }
7246
7247 static DEFINE_MUTEX(shares_mutex);
7248
7249 int sched_group_set_shares(struct task_group *tg, unsigned long shares)
7250 {
7251         int i;
7252         unsigned long flags;
7253
7254         /*
7255          * We can't change the weight of the root cgroup.
7256          */
7257         if (!tg->se[0])
7258                 return -EINVAL;
7259
7260         shares = clamp(shares, scale_load(MIN_SHARES), scale_load(MAX_SHARES));
7261
7262         mutex_lock(&shares_mutex);
7263         if (tg->shares == shares)
7264                 goto done;
7265
7266         tg->shares = shares;
7267         for_each_possible_cpu(i) {
7268                 struct rq *rq = cpu_rq(i);
7269                 struct sched_entity *se;
7270
7271                 se = tg->se[i];
7272                 /* Propagate contribution to hierarchy */
7273                 raw_spin_lock_irqsave(&rq->lock, flags);
7274
7275                 /* Possible calls to update_curr() need rq clock */
7276                 update_rq_clock(rq);
7277                 for_each_sched_entity(se)
7278                         update_cfs_shares(group_cfs_rq(se));
7279                 raw_spin_unlock_irqrestore(&rq->lock, flags);
7280         }
7281
7282 done:
7283         mutex_unlock(&shares_mutex);
7284         return 0;
7285 }
7286 #else /* CONFIG_FAIR_GROUP_SCHED */
7287
7288 void free_fair_sched_group(struct task_group *tg) { }
7289
7290 int alloc_fair_sched_group(struct task_group *tg, struct task_group *parent)
7291 {
7292         return 1;
7293 }
7294
7295 void unregister_fair_sched_group(struct task_group *tg, int cpu) { }
7296
7297 #endif /* CONFIG_FAIR_GROUP_SCHED */
7298
7299
7300 static unsigned int get_rr_interval_fair(struct rq *rq, struct task_struct *task)
7301 {
7302         struct sched_entity *se = &task->se;
7303         unsigned int rr_interval = 0;
7304
7305         /*
7306          * Time slice is 0 for SCHED_OTHER tasks that are on an otherwise
7307          * idle runqueue:
7308          */
7309         if (rq->cfs.load.weight)
7310                 rr_interval = NS_TO_JIFFIES(sched_slice(cfs_rq_of(se), se));
7311
7312         return rr_interval;
7313 }
7314
7315 /*
7316  * All the scheduling class methods:
7317  */
7318 const struct sched_class fair_sched_class = {
7319         .next                   = &idle_sched_class,
7320         .enqueue_task           = enqueue_task_fair,
7321         .dequeue_task           = dequeue_task_fair,
7322         .yield_task             = yield_task_fair,
7323         .yield_to_task          = yield_to_task_fair,
7324
7325         .check_preempt_curr     = check_preempt_wakeup,
7326
7327         .pick_next_task         = pick_next_task_fair,
7328         .put_prev_task          = put_prev_task_fair,
7329
7330 #ifdef CONFIG_SMP
7331         .select_task_rq         = select_task_rq_fair,
7332         .migrate_task_rq        = migrate_task_rq_fair,
7333
7334         .rq_online              = rq_online_fair,
7335         .rq_offline             = rq_offline_fair,
7336
7337         .task_waking            = task_waking_fair,
7338 #endif
7339
7340         .set_curr_task          = set_curr_task_fair,
7341         .task_tick              = task_tick_fair,
7342         .task_fork              = task_fork_fair,
7343
7344         .prio_changed           = prio_changed_fair,
7345         .switched_from          = switched_from_fair,
7346         .switched_to            = switched_to_fair,
7347
7348         .get_rr_interval        = get_rr_interval_fair,
7349
7350 #ifdef CONFIG_FAIR_GROUP_SCHED
7351         .task_move_group        = task_move_group_fair,
7352 #endif
7353 };
7354
7355 #ifdef CONFIG_SCHED_DEBUG
7356 void print_cfs_stats(struct seq_file *m, int cpu)
7357 {
7358         struct cfs_rq *cfs_rq;
7359
7360         rcu_read_lock();
7361         for_each_leaf_cfs_rq(cpu_rq(cpu), cfs_rq)
7362                 print_cfs_rq(m, cpu, cfs_rq);
7363         rcu_read_unlock();
7364 }
7365 #endif
7366
7367 __init void init_sched_fair_class(void)
7368 {
7369 #ifdef CONFIG_SMP
7370         open_softirq(SCHED_SOFTIRQ, run_rebalance_domains);
7371
7372 #ifdef CONFIG_NO_HZ_COMMON
7373         nohz.next_balance = jiffies;
7374         zalloc_cpumask_var(&nohz.idle_cpus_mask, GFP_NOWAIT);
7375         cpu_notifier(sched_ilb_notifier, 0);
7376 #endif
7377 #endif /* SMP */
7378
7379 }