Documentation/bcache.txt

   1 Say you've got a big slow raid 6, and an X-25E or three. Wouldn't it be
   2 nice if you could use them as cache... Hence bcache.
   3
   4 Wiki and git repositories are at:
   5   http://bcache.evilpiepirate.org
   6   http://evilpiepirate.org/git/linux-bcache.git
   7   http://evilpiepirate.org/git/bcache-tools.git
   8
   9 It's designed around the performance characteristics of SSDs - it only allocates
  10 in erase block sized buckets, and it uses a hybrid btree/log to track cached
  11 extants (which can be anywhere from a single sector to the bucket size). It's
  12 designed to avoid random writes at all costs; it fills up an erase block
  13 sequentially, then issues a discard before reusing it.
  14
  15 Both writethrough and writeback caching are supported. Writeback defaults to
  16 off, but can be switched on and off arbitrarily at runtime. Bcache goes to
  17 great lengths to protect your data - it reliably handles unclean shutdown. (It
  18 doesn't even have a notion of a clean shutdown; bcache simply doesn't return
  19 writes as completed until they're on stable storage).
  20
  21 Writeback caching can use most of the cache for buffering writes - writing
  22 dirty data to the backing device is always done sequentially, scanning from the
  23 start to the end of the index.
  24
  25 Since random IO is what SSDs excel at, there generally won't be much benefit
  26 to caching large sequential IO. Bcache detects sequential IO and skips it;
  27 it also keeps a rolling average of the IO sizes per task, and as long as the
  28 average is above the cutoff it will skip all IO from that task - instead of
  29 caching the first 512k after every seek. Backups and large file copies should
  30 thus entirely bypass the cache.
  31
  32 In the event of a data IO error on the flash it will try to recover by reading
  33 from disk or invalidating cache entries.  For unrecoverable errors (meta data
  34 or dirty data), caching is automatically disabled; if dirty data was present
  35 in the cache it first disables writeback caching and waits for all dirty data
  36 to be flushed.
  37
  38 Getting started:
  39 You'll need make-bcache from the bcache-tools repository. Both the cache device
  40 and backing device must be formatted before use.
  41   make-bcache -B /dev/sdb
  42   make-bcache -C /dev/sdc
  43
  44 make-bcache has the ability to format multiple devices at the same time - if
  45 you format your backing devices and cache device at the same time, you won't
  46 have to manually attach:
  47   make-bcache -B /dev/sda /dev/sdb -C /dev/sdc
  48
  49 To make bcache devices known to the kernel, echo them to /sys/fs/bcache/register:
  50
  51   echo /dev/sdb > /sys/fs/bcache/register
  52   echo /dev/sdc > /sys/fs/bcache/register
  53
  54 To register your bcache devices automatically, you could add something like
  55 this to an init script:
  56
  57   echo /dev/sd* > /sys/fs/bcache/register_quiet
  58
  59 It'll look for bcache superblocks and ignore everything that doesn't have one.
  60
  61 Registering the backing device makes the bcache show up in /dev; you can now
  62 format it and use it as normal. But the first time using a new bcache device,
  63 it'll be running in passthrough mode until you attach it to a cache. See the
  64 section on attaching.
  65
  66 The devices show up at /dev/bcacheN, and can be controlled via sysfs from
  67 /sys/block/bcacheN/bcache:
  68
  69   mkfs.ext4 /dev/bcache0
  70   mount /dev/bcache0 /mnt
  71
  72 Cache devices are managed as sets; multiple caches per set isn't supported yet
  73 but will allow for mirroring of metadata and dirty data in the future. Your new
  74 cache set shows up as /sys/fs/bcache/<UUID>
  75
  76 ATTACHING:
  77
  78 After your cache device and backing device are registered, the backing device
  79 must be attached to your cache set to enable caching. Attaching a backing
  80 device to a cache set is done thusly, with the UUID of the cache set in
  81 /sys/fs/bcache:
  82
  83   echo <UUID> > /sys/block/bcache0/bcache/attach
  84
  85 This only has to be done once. The next time you reboot, just reregister all
  86 your bcache devices. If a backing device has data in a cache somewhere, the
  87 /dev/bcache# device won't be created until the cache shows up - particularly
  88 important if you have writeback caching turned on.
  89
  90 If you're booting up and your cache device is gone and never coming back, you
  91 can force run the backing device:
  92
  93   echo 1 > /sys/block/sdb/bcache/running
  94
  95 (You need to use /sys/block/sdb (or whatever your backing device is called), not
  96 /sys/block/bcache0, because bcache0 doesn't exist yet. If you're using a
  97 partition, the bcache directory would be at /sys/block/sdb/sdb2/bcache)
  98
  99 The backing device will still use that cache set if it shows up in the future,
 100 but all the cached data will be invalidated. If there was dirty data in the
 101 cache, don't expect the filesystem to be recoverable - you will have massive
 102 filesystem corruption, though ext4's fsck does work miracles.
 103
 104 ERROR HANDLING:
 105
 106 Bcache tries to transparently handle IO errors to/from the cache device without
 107 affecting normal operation; if it sees too many errors (the threshold is
 108 configurable, and defaults to 0) it shuts down the cache device and switches all
 109 the backing devices to passthrough mode.
 110
 111  - For reads from the cache, if they error we just retry the read from the
 112    backing device.
 113
 114  - For writethrough writes, if the write to the cache errors we just switch to
 115    invalidating the data at that lba in the cache (i.e. the same thing we do for
 116    a write that bypasses the cache)
 117
 118  - For writeback writes, we currently pass that error back up to the
 119    filesystem/userspace. This could be improved - we could retry it as a write
 120    that skips the cache so we don't have to error the write.
 121
 122  - When we detach, we first try to flush any dirty data (if we were running in
 123    writeback mode). It currently doesn't do anything intelligent if it fails to
 124    read some of the dirty data, though.
 125
 126 TROUBLESHOOTING PERFORMANCE:
 127
 128 Bcache has a bunch of config options and tunables. The defaults are intended to
 129 be reasonable for typical desktop and server workloads, but they're not what you
 130 want for getting the best possible numbers when benchmarking.
 131
 132  - Bad write performance
 133
 134    If write performance is not what you expected, you probably wanted to be
 135    running in writeback mode, which isn't the default (not due to a lack of
 136    maturity, but simply because in writeback mode you'll lose data if something
 137    happens to your SSD)
 138
 139    # echo writeback > /sys/block/bcache0/cache_mode
 140
 141  - Bad performance, or traffic not going to the SSD that you'd expect
 142
 143    By default, bcache doesn't cache everything. It tries to skip sequential IO -
 144    because you really want to be caching the random IO, and if you copy a 10
 145    gigabyte file you probably don't want that pushing 10 gigabytes of randomly
 146    accessed data out of your cache.
 147
 148    But if you want to benchmark reads from cache, and you start out with fio
 149    writing an 8 gigabyte test file - so you want to disable that.
 150
 151    # echo 0 > /sys/block/bcache0/bcache/sequential_cutoff
 152
 153    To set it back to the default (4 mb), do
 154
 155    # echo 4M > /sys/block/bcache0/bcache/sequential_cutoff
 156
 157  - Traffic's still going to the spindle/still getting cache misses
 158
 159    In the real world, SSDs don't always keep up with disks - particularly with
 160    slower SSDs, many disks being cached by one SSD, or mostly sequential IO. So
 161    you want to avoid being bottlenecked by the SSD and having it slow everything
 162    down.
 163
 164    To avoid that bcache tracks latency to the cache device, and gradually
 165    throttles traffic if the latency exceeds a threshold (it does this by
 166    cranking down the sequential bypass).
 167
 168    You can disable this if you need to by setting the thresholds to 0:
 169
 170    # echo 0 > /sys/fs/bcache/<cache set>/congested_read_threshold_us
 171    # echo 0 > /sys/fs/bcache/<cache set>/congested_write_threshold_us
 172
 173    The default is 2000 us (2 milliseconds) for reads, and 20000 for writes.
 174
 175  - Still getting cache misses, of the same data
 176
 177    One last issue that sometimes trips people up is actually an old bug, due to
 178    the way cache coherency is handled for cache misses. If a btree node is full,
 179    a cache miss won't be able to insert a key for the new data and the data
 180    won't be written to the cache.
 181
 182    In practice this isn't an issue because as soon as a write comes along it'll
 183    cause the btree node to be split, and you need almost no write traffic for
 184    this to not show up enough to be noticable (especially since bcache's btree
 185    nodes are huge and index large regions of the device). But when you're
 186    benchmarking, if you're trying to warm the cache by reading a bunch of data
 187    and there's no other traffic - that can be a problem.
 188
 189    Solution: warm the cache by doing writes, or use the testing branch (there's
 190    a fix for the issue there).
 191
 192 SYSFS - BACKING DEVICE:
 193
 194 attach
 195   Echo the UUID of a cache set to this file to enable caching.
 196
 197 cache_mode
 198   Can be one of either writethrough, writeback, writearound or none.
 199
 200 clear_stats
 201   Writing to this file resets the running total stats (not the day/hour/5 minute
 202   decaying versions).
 203
 204 detach
 205   Write to this file to detach from a cache set. If there is dirty data in the
 206   cache, it will be flushed first.
 207
 208 dirty_data
 209   Amount of dirty data for this backing device in the cache. Continuously
 210   updated unlike the cache set's version, but may be slightly off.
 211
 212 label
 213   Name of underlying device.
 214
 215 readahead
 216   Size of readahead that should be performed.  Defaults to 0.  If set to e.g.
 217   1M, it will round cache miss reads up to that size, but without overlapping
 218   existing cache entries.
 219
 220 running
 221   1 if bcache is running (i.e. whether the /dev/bcache device exists, whether
 222   it's in passthrough mode or caching).
 223
 224 sequential_cutoff
 225   A sequential IO will bypass the cache once it passes this threshhold; the
 226   most recent 128 IOs are tracked so sequential IO can be detected even when
 227   it isn't all done at once.
 228
 229 sequential_merge
 230   If non zero, bcache keeps a list of the last 128 requests submitted to compare
 231   against all new requests to determine which new requests are sequential
 232   continuations of previous requests for the purpose of determining sequential
 233   cutoff. This is necessary if the sequential cutoff value is greater than the
 234   maximum acceptable sequential size for any single request.
 235
 236 state
 237   The backing device can be in one of four different states:
 238
 239   no cache: Has never been attached to a cache set.
 240
 241   clean: Part of a cache set, and there is no cached dirty data.
 242
 243   dirty: Part of a cache set, and there is cached dirty data.
 244
 245   inconsistent: The backing device was forcibly run by the user when there was
 246   dirty data cached but the cache set was unavailable; whatever data was on the
 247   backing device has likely been corrupted.
 248
 249 stop
 250   Write to this file to shut down the bcache device and close the backing
 251   device.
 252
 253 writeback_delay
 254   When dirty data is written to the cache and it previously did not contain
 255   any, waits some number of seconds before initiating writeback. Defaults to
 256   30.
 257
 258 writeback_percent
 259   If nonzero, bcache tries to keep around this percentage of the cache dirty by
 260   throttling background writeback and using a PD controller to smoothly adjust
 261   the rate.
 262
 263 writeback_rate
 264   Rate in sectors per second - if writeback_percent is nonzero, background
 265   writeback is throttled to this rate. Continuously adjusted by bcache but may
 266   also be set by the user.
 267
 268 writeback_running
 269   If off, writeback of dirty data will not take place at all. Dirty data will
 270   still be added to the cache until it is mostly full; only meant for
 271   benchmarking. Defaults to on.
 272
 273 SYSFS - BACKING DEVICE STATS:
 274
 275 There are directories with these numbers for a running total, as well as
 276 versions that decay over the past day, hour and 5 minutes; they're also
 277 aggregated in the cache set directory as well.
 278
 279 bypassed
 280   Amount of IO (both reads and writes) that has bypassed the cache
 281
 282 cache_hits
 283 cache_misses
 284 cache_hit_ratio
 285   Hits and misses are counted per individual IO as bcache sees them; a
 286   partial hit is counted as a miss.
 287
 288 cache_bypass_hits
 289 cache_bypass_misses
 290   Hits and misses for IO that is intended to skip the cache are still counted,
 291   but broken out here.
 292
 293 cache_miss_collisions
 294   Counts instances where data was going to be inserted into the cache from a
 295   cache miss, but raced with a write and data was already present (usually 0
 296   since the synchronization for cache misses was rewritten)
 297
 298 cache_readaheads
 299   Count of times readahead occured.
 300
 301 SYSFS - CACHE SET:
 302
 303 average_key_size
 304   Average data per key in the btree.
 305
 306 bdev<0..n>
 307   Symlink to each of the attached backing devices.
 308
 309 block_size
 310   Block size of the cache devices.
 311
 312 btree_cache_size
 313   Amount of memory currently used by the btree cache
 314
 315 bucket_size
 316   Size of buckets
 317
 318 cache<0..n>
 319   Symlink to each of the cache devices comprising this cache set.
 320
 321 cache_available_percent
 322   Percentage of cache device free.
 323
 324 clear_stats
 325   Clears the statistics associated with this cache
 326
 327 dirty_data
 328   Amount of dirty data is in the cache (updated when garbage collection runs).
 329
 330 flash_vol_create
 331   Echoing a size to this file (in human readable units, k/M/G) creates a thinly
 332   provisioned volume backed by the cache set.
 333
 334 io_error_halflife
 335 io_error_limit
 336   These determines how many errors we accept before disabling the cache.
 337   Each error is decayed by the half life (in # ios).  If the decaying count
 338   reaches io_error_limit dirty data is written out and the cache is disabled.
 339
 340 journal_delay_ms
 341   Journal writes will delay for up to this many milliseconds, unless a cache
 342   flush happens sooner. Defaults to 100.
 343
 344 root_usage_percent
 345   Percentage of the root btree node in use.  If this gets too high the node
 346   will split, increasing the tree depth.
 347
 348 stop
 349   Write to this file to shut down the cache set - waits until all attached
 350   backing devices have been shut down.
 351
 352 tree_depth
 353   Depth of the btree (A single node btree has depth 0).
 354
 355 unregister
 356   Detaches all backing devices and closes the cache devices; if dirty data is
 357   present it will disable writeback caching and wait for it to be flushed.
 358
 359 SYSFS - CACHE SET INTERNAL:
 360
 361 This directory also exposes timings for a number of internal operations, with
 362 separate files for average duration, average frequency, last occurence and max
 363 duration: garbage collection, btree read, btree node sorts and btree splits.
 364
 365 active_journal_entries
 366   Number of journal entries that are newer than the index.
 367
 368 btree_nodes
 369   Total nodes in the btree.
 370
 371 btree_used_percent
 372   Average fraction of btree in use.
 373
 374 bset_tree_stats
 375   Statistics about the auxiliary search trees
 376
 377 btree_cache_max_chain
 378   Longest chain in the btree node cache's hash table
 379
 380 cache_read_races
 381   Counts instances where while data was being read from the cache, the bucket
 382   was reused and invalidated - i.e. where the pointer was stale after the read
 383   completed. When this occurs the data is reread from the backing device.
 384
 385 trigger_gc
 386   Writing to this file forces garbage collection to run.
 387
 388 SYSFS - CACHE DEVICE:
 389
 390 block_size
 391   Minimum granularity of writes - should match hardware sector size.
 392
 393 btree_written
 394   Sum of all btree writes, in (kilo/mega/giga) bytes
 395
 396 bucket_size
 397   Size of buckets
 398
 399 cache_replacement_policy
 400   One of either lru, fifo or random.
 401
 402 discard
 403   Boolean; if on a discard/TRIM will be issued to each bucket before it is
 404   reused. Defaults to off, since SATA TRIM is an unqueued command (and thus
 405   slow).
 406
 407 freelist_percent
 408   Size of the freelist as a percentage of nbuckets. Can be written to to
 409   increase the number of buckets kept on the freelist, which lets you
 410   artificially reduce the size of the cache at runtime. Mostly for testing
 411   purposes (i.e. testing how different size caches affect your hit rate), but
 412   since buckets are discarded when they move on to the freelist will also make
 413   the SSD's garbage collection easier by effectively giving it more reserved
 414   space.
 415
 416 io_errors
 417   Number of errors that have occured, decayed by io_error_halflife.
 418
 419 metadata_written
 420   Sum of all non data writes (btree writes and all other metadata).
 421
 422 nbuckets
 423   Total buckets in this cache
 424
 425 priority_stats
 426   Statistics about how recently data in the cache has been accessed.  This can
 427   reveal your working set size.
 428
 429 written
 430   Sum of all data that has been written to the cache; comparison with
 431   btree_written gives the amount of write inflation in bcache.