x86/spectre: Add boot time option to select Spectre v2 mitigation
[platform/kernel/linux-rpi.git] / Documentation / cgroup-v2.txt
1 ================
2 Control Group v2
3 ================
4
5 :Date: October, 2015
6 :Author: Tejun Heo <tj@kernel.org>
7
8 This is the authoritative documentation on the design, interface and
9 conventions of cgroup v2.  It describes all userland-visible aspects
10 of cgroup including core and specific controller behaviors.  All
11 future changes must be reflected in this document.  Documentation for
12 v1 is available under Documentation/cgroup-v1/.
13
14 .. CONTENTS
15
16    1. Introduction
17      1-1. Terminology
18      1-2. What is cgroup?
19    2. Basic Operations
20      2-1. Mounting
21      2-2. Organizing Processes and Threads
22        2-2-1. Processes
23        2-2-2. Threads
24      2-3. [Un]populated Notification
25      2-4. Controlling Controllers
26        2-4-1. Enabling and Disabling
27        2-4-2. Top-down Constraint
28        2-4-3. No Internal Process Constraint
29      2-5. Delegation
30        2-5-1. Model of Delegation
31        2-5-2. Delegation Containment
32      2-6. Guidelines
33        2-6-1. Organize Once and Control
34        2-6-2. Avoid Name Collisions
35    3. Resource Distribution Models
36      3-1. Weights
37      3-2. Limits
38      3-3. Protections
39      3-4. Allocations
40    4. Interface Files
41      4-1. Format
42      4-2. Conventions
43      4-3. Core Interface Files
44    5. Controllers
45      5-1. CPU
46        5-1-1. CPU Interface Files
47      5-2. Memory
48        5-2-1. Memory Interface Files
49        5-2-2. Usage Guidelines
50        5-2-3. Memory Ownership
51      5-3. IO
52        5-3-1. IO Interface Files
53        5-3-2. Writeback
54      5-4. PID
55        5-4-1. PID Interface Files
56      5-5. RDMA
57        5-5-1. RDMA Interface Files
58      5-6. Misc
59        5-6-1. perf_event
60    6. Namespace
61      6-1. Basics
62      6-2. The Root and Views
63      6-3. Migration and setns(2)
64      6-4. Interaction with Other Namespaces
65    P. Information on Kernel Programming
66      P-1. Filesystem Support for Writeback
67    D. Deprecated v1 Core Features
68    R. Issues with v1 and Rationales for v2
69      R-1. Multiple Hierarchies
70      R-2. Thread Granularity
71      R-3. Competition Between Inner Nodes and Threads
72      R-4. Other Interface Issues
73      R-5. Controller Issues and Remedies
74        R-5-1. Memory
75
76
77 Introduction
78 ============
79
80 Terminology
81 -----------
82
83 "cgroup" stands for "control group" and is never capitalized.  The
84 singular form is used to designate the whole feature and also as a
85 qualifier as in "cgroup controllers".  When explicitly referring to
86 multiple individual control groups, the plural form "cgroups" is used.
87
88
89 What is cgroup?
90 ---------------
91
92 cgroup is a mechanism to organize processes hierarchically and
93 distribute system resources along the hierarchy in a controlled and
94 configurable manner.
95
96 cgroup is largely composed of two parts - the core and controllers.
97 cgroup core is primarily responsible for hierarchically organizing
98 processes.  A cgroup controller is usually responsible for
99 distributing a specific type of system resource along the hierarchy
100 although there are utility controllers which serve purposes other than
101 resource distribution.
102
103 cgroups form a tree structure and every process in the system belongs
104 to one and only one cgroup.  All threads of a process belong to the
105 same cgroup.  On creation, all processes are put in the cgroup that
106 the parent process belongs to at the time.  A process can be migrated
107 to another cgroup.  Migration of a process doesn't affect already
108 existing descendant processes.
109
110 Following certain structural constraints, controllers may be enabled or
111 disabled selectively on a cgroup.  All controller behaviors are
112 hierarchical - if a controller is enabled on a cgroup, it affects all
113 processes which belong to the cgroups consisting the inclusive
114 sub-hierarchy of the cgroup.  When a controller is enabled on a nested
115 cgroup, it always restricts the resource distribution further.  The
116 restrictions set closer to the root in the hierarchy can not be
117 overridden from further away.
118
119
120 Basic Operations
121 ================
122
123 Mounting
124 --------
125
126 Unlike v1, cgroup v2 has only single hierarchy.  The cgroup v2
127 hierarchy can be mounted with the following mount command::
128
129   # mount -t cgroup2 none $MOUNT_POINT
130
131 cgroup2 filesystem has the magic number 0x63677270 ("cgrp").  All
132 controllers which support v2 and are not bound to a v1 hierarchy are
133 automatically bound to the v2 hierarchy and show up at the root.
134 Controllers which are not in active use in the v2 hierarchy can be
135 bound to other hierarchies.  This allows mixing v2 hierarchy with the
136 legacy v1 multiple hierarchies in a fully backward compatible way.
137
138 A controller can be moved across hierarchies only after the controller
139 is no longer referenced in its current hierarchy.  Because per-cgroup
140 controller states are destroyed asynchronously and controllers may
141 have lingering references, a controller may not show up immediately on
142 the v2 hierarchy after the final umount of the previous hierarchy.
143 Similarly, a controller should be fully disabled to be moved out of
144 the unified hierarchy and it may take some time for the disabled
145 controller to become available for other hierarchies; furthermore, due
146 to inter-controller dependencies, other controllers may need to be
147 disabled too.
148
149 While useful for development and manual configurations, moving
150 controllers dynamically between the v2 and other hierarchies is
151 strongly discouraged for production use.  It is recommended to decide
152 the hierarchies and controller associations before starting using the
153 controllers after system boot.
154
155 During transition to v2, system management software might still
156 automount the v1 cgroup filesystem and so hijack all controllers
157 during boot, before manual intervention is possible. To make testing
158 and experimenting easier, the kernel parameter cgroup_no_v1= allows
159 disabling controllers in v1 and make them always available in v2.
160
161 cgroup v2 currently supports the following mount options.
162
163   nsdelegate
164
165         Consider cgroup namespaces as delegation boundaries.  This
166         option is system wide and can only be set on mount or modified
167         through remount from the init namespace.  The mount option is
168         ignored on non-init namespace mounts.  Please refer to the
169         Delegation section for details.
170
171
172 Organizing Processes and Threads
173 --------------------------------
174
175 Processes
176 ~~~~~~~~~
177
178 Initially, only the root cgroup exists to which all processes belong.
179 A child cgroup can be created by creating a sub-directory::
180
181   # mkdir $CGROUP_NAME
182
183 A given cgroup may have multiple child cgroups forming a tree
184 structure.  Each cgroup has a read-writable interface file
185 "cgroup.procs".  When read, it lists the PIDs of all processes which
186 belong to the cgroup one-per-line.  The PIDs are not ordered and the
187 same PID may show up more than once if the process got moved to
188 another cgroup and then back or the PID got recycled while reading.
189
190 A process can be migrated into a cgroup by writing its PID to the
191 target cgroup's "cgroup.procs" file.  Only one process can be migrated
192 on a single write(2) call.  If a process is composed of multiple
193 threads, writing the PID of any thread migrates all threads of the
194 process.
195
196 When a process forks a child process, the new process is born into the
197 cgroup that the forking process belongs to at the time of the
198 operation.  After exit, a process stays associated with the cgroup
199 that it belonged to at the time of exit until it's reaped; however, a
200 zombie process does not appear in "cgroup.procs" and thus can't be
201 moved to another cgroup.
202
203 A cgroup which doesn't have any children or live processes can be
204 destroyed by removing the directory.  Note that a cgroup which doesn't
205 have any children and is associated only with zombie processes is
206 considered empty and can be removed::
207
208   # rmdir $CGROUP_NAME
209
210 "/proc/$PID/cgroup" lists a process's cgroup membership.  If legacy
211 cgroup is in use in the system, this file may contain multiple lines,
212 one for each hierarchy.  The entry for cgroup v2 is always in the
213 format "0::$PATH"::
214
215   # cat /proc/842/cgroup
216   ...
217   0::/test-cgroup/test-cgroup-nested
218
219 If the process becomes a zombie and the cgroup it was associated with
220 is removed subsequently, " (deleted)" is appended to the path::
221
222   # cat /proc/842/cgroup
223   ...
224   0::/test-cgroup/test-cgroup-nested (deleted)
225
226
227 Threads
228 ~~~~~~~
229
230 cgroup v2 supports thread granularity for a subset of controllers to
231 support use cases requiring hierarchical resource distribution across
232 the threads of a group of processes.  By default, all threads of a
233 process belong to the same cgroup, which also serves as the resource
234 domain to host resource consumptions which are not specific to a
235 process or thread.  The thread mode allows threads to be spread across
236 a subtree while still maintaining the common resource domain for them.
237
238 Controllers which support thread mode are called threaded controllers.
239 The ones which don't are called domain controllers.
240
241 Marking a cgroup threaded makes it join the resource domain of its
242 parent as a threaded cgroup.  The parent may be another threaded
243 cgroup whose resource domain is further up in the hierarchy.  The root
244 of a threaded subtree, that is, the nearest ancestor which is not
245 threaded, is called threaded domain or thread root interchangeably and
246 serves as the resource domain for the entire subtree.
247
248 Inside a threaded subtree, threads of a process can be put in
249 different cgroups and are not subject to the no internal process
250 constraint - threaded controllers can be enabled on non-leaf cgroups
251 whether they have threads in them or not.
252
253 As the threaded domain cgroup hosts all the domain resource
254 consumptions of the subtree, it is considered to have internal
255 resource consumptions whether there are processes in it or not and
256 can't have populated child cgroups which aren't threaded.  Because the
257 root cgroup is not subject to no internal process constraint, it can
258 serve both as a threaded domain and a parent to domain cgroups.
259
260 The current operation mode or type of the cgroup is shown in the
261 "cgroup.type" file which indicates whether the cgroup is a normal
262 domain, a domain which is serving as the domain of a threaded subtree,
263 or a threaded cgroup.
264
265 On creation, a cgroup is always a domain cgroup and can be made
266 threaded by writing "threaded" to the "cgroup.type" file.  The
267 operation is single direction::
268
269   # echo threaded > cgroup.type
270
271 Once threaded, the cgroup can't be made a domain again.  To enable the
272 thread mode, the following conditions must be met.
273
274 - As the cgroup will join the parent's resource domain.  The parent
275   must either be a valid (threaded) domain or a threaded cgroup.
276
277 - When the parent is an unthreaded domain, it must not have any domain
278   controllers enabled or populated domain children.  The root is
279   exempt from this requirement.
280
281 Topology-wise, a cgroup can be in an invalid state.  Please consider
282 the following toplogy::
283
284   A (threaded domain) - B (threaded) - C (domain, just created)
285
286 C is created as a domain but isn't connected to a parent which can
287 host child domains.  C can't be used until it is turned into a
288 threaded cgroup.  "cgroup.type" file will report "domain (invalid)" in
289 these cases.  Operations which fail due to invalid topology use
290 EOPNOTSUPP as the errno.
291
292 A domain cgroup is turned into a threaded domain when one of its child
293 cgroup becomes threaded or threaded controllers are enabled in the
294 "cgroup.subtree_control" file while there are processes in the cgroup.
295 A threaded domain reverts to a normal domain when the conditions
296 clear.
297
298 When read, "cgroup.threads" contains the list of the thread IDs of all
299 threads in the cgroup.  Except that the operations are per-thread
300 instead of per-process, "cgroup.threads" has the same format and
301 behaves the same way as "cgroup.procs".  While "cgroup.threads" can be
302 written to in any cgroup, as it can only move threads inside the same
303 threaded domain, its operations are confined inside each threaded
304 subtree.
305
306 The threaded domain cgroup serves as the resource domain for the whole
307 subtree, and, while the threads can be scattered across the subtree,
308 all the processes are considered to be in the threaded domain cgroup.
309 "cgroup.procs" in a threaded domain cgroup contains the PIDs of all
310 processes in the subtree and is not readable in the subtree proper.
311 However, "cgroup.procs" can be written to from anywhere in the subtree
312 to migrate all threads of the matching process to the cgroup.
313
314 Only threaded controllers can be enabled in a threaded subtree.  When
315 a threaded controller is enabled inside a threaded subtree, it only
316 accounts for and controls resource consumptions associated with the
317 threads in the cgroup and its descendants.  All consumptions which
318 aren't tied to a specific thread belong to the threaded domain cgroup.
319
320 Because a threaded subtree is exempt from no internal process
321 constraint, a threaded controller must be able to handle competition
322 between threads in a non-leaf cgroup and its child cgroups.  Each
323 threaded controller defines how such competitions are handled.
324
325
326 [Un]populated Notification
327 --------------------------
328
329 Each non-root cgroup has a "cgroup.events" file which contains
330 "populated" field indicating whether the cgroup's sub-hierarchy has
331 live processes in it.  Its value is 0 if there is no live process in
332 the cgroup and its descendants; otherwise, 1.  poll and [id]notify
333 events are triggered when the value changes.  This can be used, for
334 example, to start a clean-up operation after all processes of a given
335 sub-hierarchy have exited.  The populated state updates and
336 notifications are recursive.  Consider the following sub-hierarchy
337 where the numbers in the parentheses represent the numbers of processes
338 in each cgroup::
339
340   A(4) - B(0) - C(1)
341               \ D(0)
342
343 A, B and C's "populated" fields would be 1 while D's 0.  After the one
344 process in C exits, B and C's "populated" fields would flip to "0" and
345 file modified events will be generated on the "cgroup.events" files of
346 both cgroups.
347
348
349 Controlling Controllers
350 -----------------------
351
352 Enabling and Disabling
353 ~~~~~~~~~~~~~~~~~~~~~~
354
355 Each cgroup has a "cgroup.controllers" file which lists all
356 controllers available for the cgroup to enable::
357
358   # cat cgroup.controllers
359   cpu io memory
360
361 No controller is enabled by default.  Controllers can be enabled and
362 disabled by writing to the "cgroup.subtree_control" file::
363
364   # echo "+cpu +memory -io" > cgroup.subtree_control
365
366 Only controllers which are listed in "cgroup.controllers" can be
367 enabled.  When multiple operations are specified as above, either they
368 all succeed or fail.  If multiple operations on the same controller
369 are specified, the last one is effective.
370
371 Enabling a controller in a cgroup indicates that the distribution of
372 the target resource across its immediate children will be controlled.
373 Consider the following sub-hierarchy.  The enabled controllers are
374 listed in parentheses::
375
376   A(cpu,memory) - B(memory) - C()
377                             \ D()
378
379 As A has "cpu" and "memory" enabled, A will control the distribution
380 of CPU cycles and memory to its children, in this case, B.  As B has
381 "memory" enabled but not "CPU", C and D will compete freely on CPU
382 cycles but their division of memory available to B will be controlled.
383
384 As a controller regulates the distribution of the target resource to
385 the cgroup's children, enabling it creates the controller's interface
386 files in the child cgroups.  In the above example, enabling "cpu" on B
387 would create the "cpu." prefixed controller interface files in C and
388 D.  Likewise, disabling "memory" from B would remove the "memory."
389 prefixed controller interface files from C and D.  This means that the
390 controller interface files - anything which doesn't start with
391 "cgroup." are owned by the parent rather than the cgroup itself.
392
393
394 Top-down Constraint
395 ~~~~~~~~~~~~~~~~~~~
396
397 Resources are distributed top-down and a cgroup can further distribute
398 a resource only if the resource has been distributed to it from the
399 parent.  This means that all non-root "cgroup.subtree_control" files
400 can only contain controllers which are enabled in the parent's
401 "cgroup.subtree_control" file.  A controller can be enabled only if
402 the parent has the controller enabled and a controller can't be
403 disabled if one or more children have it enabled.
404
405
406 No Internal Process Constraint
407 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
408
409 Non-root cgroups can distribute domain resources to their children
410 only when they don't have any processes of their own.  In other words,
411 only domain cgroups which don't contain any processes can have domain
412 controllers enabled in their "cgroup.subtree_control" files.
413
414 This guarantees that, when a domain controller is looking at the part
415 of the hierarchy which has it enabled, processes are always only on
416 the leaves.  This rules out situations where child cgroups compete
417 against internal processes of the parent.
418
419 The root cgroup is exempt from this restriction.  Root contains
420 processes and anonymous resource consumption which can't be associated
421 with any other cgroups and requires special treatment from most
422 controllers.  How resource consumption in the root cgroup is governed
423 is up to each controller.
424
425 Note that the restriction doesn't get in the way if there is no
426 enabled controller in the cgroup's "cgroup.subtree_control".  This is
427 important as otherwise it wouldn't be possible to create children of a
428 populated cgroup.  To control resource distribution of a cgroup, the
429 cgroup must create children and transfer all its processes to the
430 children before enabling controllers in its "cgroup.subtree_control"
431 file.
432
433
434 Delegation
435 ----------
436
437 Model of Delegation
438 ~~~~~~~~~~~~~~~~~~~
439
440 A cgroup can be delegated in two ways.  First, to a less privileged
441 user by granting write access of the directory and its "cgroup.procs",
442 "cgroup.threads" and "cgroup.subtree_control" files to the user.
443 Second, if the "nsdelegate" mount option is set, automatically to a
444 cgroup namespace on namespace creation.
445
446 Because the resource control interface files in a given directory
447 control the distribution of the parent's resources, the delegatee
448 shouldn't be allowed to write to them.  For the first method, this is
449 achieved by not granting access to these files.  For the second, the
450 kernel rejects writes to all files other than "cgroup.procs" and
451 "cgroup.subtree_control" on a namespace root from inside the
452 namespace.
453
454 The end results are equivalent for both delegation types.  Once
455 delegated, the user can build sub-hierarchy under the directory,
456 organize processes inside it as it sees fit and further distribute the
457 resources it received from the parent.  The limits and other settings
458 of all resource controllers are hierarchical and regardless of what
459 happens in the delegated sub-hierarchy, nothing can escape the
460 resource restrictions imposed by the parent.
461
462 Currently, cgroup doesn't impose any restrictions on the number of
463 cgroups in or nesting depth of a delegated sub-hierarchy; however,
464 this may be limited explicitly in the future.
465
466
467 Delegation Containment
468 ~~~~~~~~~~~~~~~~~~~~~~
469
470 A delegated sub-hierarchy is contained in the sense that processes
471 can't be moved into or out of the sub-hierarchy by the delegatee.
472
473 For delegations to a less privileged user, this is achieved by
474 requiring the following conditions for a process with a non-root euid
475 to migrate a target process into a cgroup by writing its PID to the
476 "cgroup.procs" file.
477
478 - The writer must have write access to the "cgroup.procs" file.
479
480 - The writer must have write access to the "cgroup.procs" file of the
481   common ancestor of the source and destination cgroups.
482
483 The above two constraints ensure that while a delegatee may migrate
484 processes around freely in the delegated sub-hierarchy it can't pull
485 in from or push out to outside the sub-hierarchy.
486
487 For an example, let's assume cgroups C0 and C1 have been delegated to
488 user U0 who created C00, C01 under C0 and C10 under C1 as follows and
489 all processes under C0 and C1 belong to U0::
490
491   ~~~~~~~~~~~~~ - C0 - C00
492   ~ cgroup    ~      \ C01
493   ~ hierarchy ~
494   ~~~~~~~~~~~~~ - C1 - C10
495
496 Let's also say U0 wants to write the PID of a process which is
497 currently in C10 into "C00/cgroup.procs".  U0 has write access to the
498 file; however, the common ancestor of the source cgroup C10 and the
499 destination cgroup C00 is above the points of delegation and U0 would
500 not have write access to its "cgroup.procs" files and thus the write
501 will be denied with -EACCES.
502
503 For delegations to namespaces, containment is achieved by requiring
504 that both the source and destination cgroups are reachable from the
505 namespace of the process which is attempting the migration.  If either
506 is not reachable, the migration is rejected with -ENOENT.
507
508
509 Guidelines
510 ----------
511
512 Organize Once and Control
513 ~~~~~~~~~~~~~~~~~~~~~~~~~
514
515 Migrating a process across cgroups is a relatively expensive operation
516 and stateful resources such as memory are not moved together with the
517 process.  This is an explicit design decision as there often exist
518 inherent trade-offs between migration and various hot paths in terms
519 of synchronization cost.
520
521 As such, migrating processes across cgroups frequently as a means to
522 apply different resource restrictions is discouraged.  A workload
523 should be assigned to a cgroup according to the system's logical and
524 resource structure once on start-up.  Dynamic adjustments to resource
525 distribution can be made by changing controller configuration through
526 the interface files.
527
528
529 Avoid Name Collisions
530 ~~~~~~~~~~~~~~~~~~~~~
531
532 Interface files for a cgroup and its children cgroups occupy the same
533 directory and it is possible to create children cgroups which collide
534 with interface files.
535
536 All cgroup core interface files are prefixed with "cgroup." and each
537 controller's interface files are prefixed with the controller name and
538 a dot.  A controller's name is composed of lower case alphabets and
539 '_'s but never begins with an '_' so it can be used as the prefix
540 character for collision avoidance.  Also, interface file names won't
541 start or end with terms which are often used in categorizing workloads
542 such as job, service, slice, unit or workload.
543
544 cgroup doesn't do anything to prevent name collisions and it's the
545 user's responsibility to avoid them.
546
547
548 Resource Distribution Models
549 ============================
550
551 cgroup controllers implement several resource distribution schemes
552 depending on the resource type and expected use cases.  This section
553 describes major schemes in use along with their expected behaviors.
554
555
556 Weights
557 -------
558
559 A parent's resource is distributed by adding up the weights of all
560 active children and giving each the fraction matching the ratio of its
561 weight against the sum.  As only children which can make use of the
562 resource at the moment participate in the distribution, this is
563 work-conserving.  Due to the dynamic nature, this model is usually
564 used for stateless resources.
565
566 All weights are in the range [1, 10000] with the default at 100.  This
567 allows symmetric multiplicative biases in both directions at fine
568 enough granularity while staying in the intuitive range.
569
570 As long as the weight is in range, all configuration combinations are
571 valid and there is no reason to reject configuration changes or
572 process migrations.
573
574 "cpu.weight" proportionally distributes CPU cycles to active children
575 and is an example of this type.
576
577
578 Limits
579 ------
580
581 A child can only consume upto the configured amount of the resource.
582 Limits can be over-committed - the sum of the limits of children can
583 exceed the amount of resource available to the parent.
584
585 Limits are in the range [0, max] and defaults to "max", which is noop.
586
587 As limits can be over-committed, all configuration combinations are
588 valid and there is no reason to reject configuration changes or
589 process migrations.
590
591 "io.max" limits the maximum BPS and/or IOPS that a cgroup can consume
592 on an IO device and is an example of this type.
593
594
595 Protections
596 -----------
597
598 A cgroup is protected to be allocated upto the configured amount of
599 the resource if the usages of all its ancestors are under their
600 protected levels.  Protections can be hard guarantees or best effort
601 soft boundaries.  Protections can also be over-committed in which case
602 only upto the amount available to the parent is protected among
603 children.
604
605 Protections are in the range [0, max] and defaults to 0, which is
606 noop.
607
608 As protections can be over-committed, all configuration combinations
609 are valid and there is no reason to reject configuration changes or
610 process migrations.
611
612 "memory.low" implements best-effort memory protection and is an
613 example of this type.
614
615
616 Allocations
617 -----------
618
619 A cgroup is exclusively allocated a certain amount of a finite
620 resource.  Allocations can't be over-committed - the sum of the
621 allocations of children can not exceed the amount of resource
622 available to the parent.
623
624 Allocations are in the range [0, max] and defaults to 0, which is no
625 resource.
626
627 As allocations can't be over-committed, some configuration
628 combinations are invalid and should be rejected.  Also, if the
629 resource is mandatory for execution of processes, process migrations
630 may be rejected.
631
632 "cpu.rt.max" hard-allocates realtime slices and is an example of this
633 type.
634
635
636 Interface Files
637 ===============
638
639 Format
640 ------
641
642 All interface files should be in one of the following formats whenever
643 possible::
644
645   New-line separated values
646   (when only one value can be written at once)
647
648         VAL0\n
649         VAL1\n
650         ...
651
652   Space separated values
653   (when read-only or multiple values can be written at once)
654
655         VAL0 VAL1 ...\n
656
657   Flat keyed
658
659         KEY0 VAL0\n
660         KEY1 VAL1\n
661         ...
662
663   Nested keyed
664
665         KEY0 SUB_KEY0=VAL00 SUB_KEY1=VAL01...
666         KEY1 SUB_KEY0=VAL10 SUB_KEY1=VAL11...
667         ...
668
669 For a writable file, the format for writing should generally match
670 reading; however, controllers may allow omitting later fields or
671 implement restricted shortcuts for most common use cases.
672
673 For both flat and nested keyed files, only the values for a single key
674 can be written at a time.  For nested keyed files, the sub key pairs
675 may be specified in any order and not all pairs have to be specified.
676
677
678 Conventions
679 -----------
680
681 - Settings for a single feature should be contained in a single file.
682
683 - The root cgroup should be exempt from resource control and thus
684   shouldn't have resource control interface files.  Also,
685   informational files on the root cgroup which end up showing global
686   information available elsewhere shouldn't exist.
687
688 - If a controller implements weight based resource distribution, its
689   interface file should be named "weight" and have the range [1,
690   10000] with 100 as the default.  The values are chosen to allow
691   enough and symmetric bias in both directions while keeping it
692   intuitive (the default is 100%).
693
694 - If a controller implements an absolute resource guarantee and/or
695   limit, the interface files should be named "min" and "max"
696   respectively.  If a controller implements best effort resource
697   guarantee and/or limit, the interface files should be named "low"
698   and "high" respectively.
699
700   In the above four control files, the special token "max" should be
701   used to represent upward infinity for both reading and writing.
702
703 - If a setting has a configurable default value and keyed specific
704   overrides, the default entry should be keyed with "default" and
705   appear as the first entry in the file.
706
707   The default value can be updated by writing either "default $VAL" or
708   "$VAL".
709
710   When writing to update a specific override, "default" can be used as
711   the value to indicate removal of the override.  Override entries
712   with "default" as the value must not appear when read.
713
714   For example, a setting which is keyed by major:minor device numbers
715   with integer values may look like the following::
716
717     # cat cgroup-example-interface-file
718     default 150
719     8:0 300
720
721   The default value can be updated by::
722
723     # echo 125 > cgroup-example-interface-file
724
725   or::
726
727     # echo "default 125" > cgroup-example-interface-file
728
729   An override can be set by::
730
731     # echo "8:16 170" > cgroup-example-interface-file
732
733   and cleared by::
734
735     # echo "8:0 default" > cgroup-example-interface-file
736     # cat cgroup-example-interface-file
737     default 125
738     8:16 170
739
740 - For events which are not very high frequency, an interface file
741   "events" should be created which lists event key value pairs.
742   Whenever a notifiable event happens, file modified event should be
743   generated on the file.
744
745
746 Core Interface Files
747 --------------------
748
749 All cgroup core files are prefixed with "cgroup."
750
751   cgroup.type
752
753         A read-write single value file which exists on non-root
754         cgroups.
755
756         When read, it indicates the current type of the cgroup, which
757         can be one of the following values.
758
759         - "domain" : A normal valid domain cgroup.
760
761         - "domain threaded" : A threaded domain cgroup which is
762           serving as the root of a threaded subtree.
763
764         - "domain invalid" : A cgroup which is in an invalid state.
765           It can't be populated or have controllers enabled.  It may
766           be allowed to become a threaded cgroup.
767
768         - "threaded" : A threaded cgroup which is a member of a
769           threaded subtree.
770
771         A cgroup can be turned into a threaded cgroup by writing
772         "threaded" to this file.
773
774   cgroup.procs
775         A read-write new-line separated values file which exists on
776         all cgroups.
777
778         When read, it lists the PIDs of all processes which belong to
779         the cgroup one-per-line.  The PIDs are not ordered and the
780         same PID may show up more than once if the process got moved
781         to another cgroup and then back or the PID got recycled while
782         reading.
783
784         A PID can be written to migrate the process associated with
785         the PID to the cgroup.  The writer should match all of the
786         following conditions.
787
788         - It must have write access to the "cgroup.procs" file.
789
790         - It must have write access to the "cgroup.procs" file of the
791           common ancestor of the source and destination cgroups.
792
793         When delegating a sub-hierarchy, write access to this file
794         should be granted along with the containing directory.
795
796         In a threaded cgroup, reading this file fails with EOPNOTSUPP
797         as all the processes belong to the thread root.  Writing is
798         supported and moves every thread of the process to the cgroup.
799
800   cgroup.threads
801         A read-write new-line separated values file which exists on
802         all cgroups.
803
804         When read, it lists the TIDs of all threads which belong to
805         the cgroup one-per-line.  The TIDs are not ordered and the
806         same TID may show up more than once if the thread got moved to
807         another cgroup and then back or the TID got recycled while
808         reading.
809
810         A TID can be written to migrate the thread associated with the
811         TID to the cgroup.  The writer should match all of the
812         following conditions.
813
814         - It must have write access to the "cgroup.threads" file.
815
816         - The cgroup that the thread is currently in must be in the
817           same resource domain as the destination cgroup.
818
819         - It must have write access to the "cgroup.procs" file of the
820           common ancestor of the source and destination cgroups.
821
822         When delegating a sub-hierarchy, write access to this file
823         should be granted along with the containing directory.
824
825   cgroup.controllers
826         A read-only space separated values file which exists on all
827         cgroups.
828
829         It shows space separated list of all controllers available to
830         the cgroup.  The controllers are not ordered.
831
832   cgroup.subtree_control
833         A read-write space separated values file which exists on all
834         cgroups.  Starts out empty.
835
836         When read, it shows space separated list of the controllers
837         which are enabled to control resource distribution from the
838         cgroup to its children.
839
840         Space separated list of controllers prefixed with '+' or '-'
841         can be written to enable or disable controllers.  A controller
842         name prefixed with '+' enables the controller and '-'
843         disables.  If a controller appears more than once on the list,
844         the last one is effective.  When multiple enable and disable
845         operations are specified, either all succeed or all fail.
846
847   cgroup.events
848         A read-only flat-keyed file which exists on non-root cgroups.
849         The following entries are defined.  Unless specified
850         otherwise, a value change in this file generates a file
851         modified event.
852
853           populated
854                 1 if the cgroup or its descendants contains any live
855                 processes; otherwise, 0.
856
857   cgroup.max.descendants
858         A read-write single value files.  The default is "max".
859
860         Maximum allowed number of descent cgroups.
861         If the actual number of descendants is equal or larger,
862         an attempt to create a new cgroup in the hierarchy will fail.
863
864   cgroup.max.depth
865         A read-write single value files.  The default is "max".
866
867         Maximum allowed descent depth below the current cgroup.
868         If the actual descent depth is equal or larger,
869         an attempt to create a new child cgroup will fail.
870
871   cgroup.stat
872         A read-only flat-keyed file with the following entries:
873
874           nr_descendants
875                 Total number of visible descendant cgroups.
876
877           nr_dying_descendants
878                 Total number of dying descendant cgroups. A cgroup becomes
879                 dying after being deleted by a user. The cgroup will remain
880                 in dying state for some time undefined time (which can depend
881                 on system load) before being completely destroyed.
882
883                 A process can't enter a dying cgroup under any circumstances,
884                 a dying cgroup can't revive.
885
886                 A dying cgroup can consume system resources not exceeding
887                 limits, which were active at the moment of cgroup deletion.
888
889
890 Controllers
891 ===========
892
893 CPU
894 ---
895
896 .. note::
897
898         The interface for the cpu controller hasn't been merged yet
899
900 The "cpu" controllers regulates distribution of CPU cycles.  This
901 controller implements weight and absolute bandwidth limit models for
902 normal scheduling policy and absolute bandwidth allocation model for
903 realtime scheduling policy.
904
905
906 CPU Interface Files
907 ~~~~~~~~~~~~~~~~~~~
908
909 All time durations are in microseconds.
910
911   cpu.stat
912         A read-only flat-keyed file which exists on non-root cgroups.
913
914         It reports the following six stats:
915
916         - usage_usec
917         - user_usec
918         - system_usec
919         - nr_periods
920         - nr_throttled
921         - throttled_usec
922
923   cpu.weight
924         A read-write single value file which exists on non-root
925         cgroups.  The default is "100".
926
927         The weight in the range [1, 10000].
928
929   cpu.max
930         A read-write two value file which exists on non-root cgroups.
931         The default is "max 100000".
932
933         The maximum bandwidth limit.  It's in the following format::
934
935           $MAX $PERIOD
936
937         which indicates that the group may consume upto $MAX in each
938         $PERIOD duration.  "max" for $MAX indicates no limit.  If only
939         one number is written, $MAX is updated.
940
941   cpu.rt.max
942         .. note::
943
944            The semantics of this file is still under discussion and the
945            interface hasn't been merged yet
946
947         A read-write two value file which exists on all cgroups.
948         The default is "0 100000".
949
950         The maximum realtime runtime allocation.  Over-committing
951         configurations are disallowed and process migrations are
952         rejected if not enough bandwidth is available.  It's in the
953         following format::
954
955           $MAX $PERIOD
956
957         which indicates that the group may consume upto $MAX in each
958         $PERIOD duration.  If only one number is written, $MAX is
959         updated.
960
961
962 Memory
963 ------
964
965 The "memory" controller regulates distribution of memory.  Memory is
966 stateful and implements both limit and protection models.  Due to the
967 intertwining between memory usage and reclaim pressure and the
968 stateful nature of memory, the distribution model is relatively
969 complex.
970
971 While not completely water-tight, all major memory usages by a given
972 cgroup are tracked so that the total memory consumption can be
973 accounted and controlled to a reasonable extent.  Currently, the
974 following types of memory usages are tracked.
975
976 - Userland memory - page cache and anonymous memory.
977
978 - Kernel data structures such as dentries and inodes.
979
980 - TCP socket buffers.
981
982 The above list may expand in the future for better coverage.
983
984
985 Memory Interface Files
986 ~~~~~~~~~~~~~~~~~~~~~~
987
988 All memory amounts are in bytes.  If a value which is not aligned to
989 PAGE_SIZE is written, the value may be rounded up to the closest
990 PAGE_SIZE multiple when read back.
991
992   memory.current
993         A read-only single value file which exists on non-root
994         cgroups.
995
996         The total amount of memory currently being used by the cgroup
997         and its descendants.
998
999   memory.low
1000         A read-write single value file which exists on non-root
1001         cgroups.  The default is "0".
1002
1003         Best-effort memory protection.  If the memory usages of a
1004         cgroup and all its ancestors are below their low boundaries,
1005         the cgroup's memory won't be reclaimed unless memory can be
1006         reclaimed from unprotected cgroups.
1007
1008         Putting more memory than generally available under this
1009         protection is discouraged.
1010
1011   memory.high
1012         A read-write single value file which exists on non-root
1013         cgroups.  The default is "max".
1014
1015         Memory usage throttle limit.  This is the main mechanism to
1016         control memory usage of a cgroup.  If a cgroup's usage goes
1017         over the high boundary, the processes of the cgroup are
1018         throttled and put under heavy reclaim pressure.
1019
1020         Going over the high limit never invokes the OOM killer and
1021         under extreme conditions the limit may be breached.
1022
1023   memory.max
1024         A read-write single value file which exists on non-root
1025         cgroups.  The default is "max".
1026
1027         Memory usage hard limit.  This is the final protection
1028         mechanism.  If a cgroup's memory usage reaches this limit and
1029         can't be reduced, the OOM killer is invoked in the cgroup.
1030         Under certain circumstances, the usage may go over the limit
1031         temporarily.
1032
1033         This is the ultimate protection mechanism.  As long as the
1034         high limit is used and monitored properly, this limit's
1035         utility is limited to providing the final safety net.
1036
1037   memory.events
1038         A read-only flat-keyed file which exists on non-root cgroups.
1039         The following entries are defined.  Unless specified
1040         otherwise, a value change in this file generates a file
1041         modified event.
1042
1043           low
1044                 The number of times the cgroup is reclaimed due to
1045                 high memory pressure even though its usage is under
1046                 the low boundary.  This usually indicates that the low
1047                 boundary is over-committed.
1048
1049           high
1050                 The number of times processes of the cgroup are
1051                 throttled and routed to perform direct memory reclaim
1052                 because the high memory boundary was exceeded.  For a
1053                 cgroup whose memory usage is capped by the high limit
1054                 rather than global memory pressure, this event's
1055                 occurrences are expected.
1056
1057           max
1058                 The number of times the cgroup's memory usage was
1059                 about to go over the max boundary.  If direct reclaim
1060                 fails to bring it down, the cgroup goes to OOM state.
1061
1062           oom
1063                 The number of time the cgroup's memory usage was
1064                 reached the limit and allocation was about to fail.
1065
1066                 Depending on context result could be invocation of OOM
1067                 killer and retrying allocation or failing alloction.
1068
1069                 Failed allocation in its turn could be returned into
1070                 userspace as -ENOMEM or siletly ignored in cases like
1071                 disk readahead.  For now OOM in memory cgroup kills
1072                 tasks iff shortage has happened inside page fault.
1073
1074           oom_kill
1075                 The number of processes belonging to this cgroup
1076                 killed by any kind of OOM killer.
1077
1078   memory.stat
1079         A read-only flat-keyed file which exists on non-root cgroups.
1080
1081         This breaks down the cgroup's memory footprint into different
1082         types of memory, type-specific details, and other information
1083         on the state and past events of the memory management system.
1084
1085         All memory amounts are in bytes.
1086
1087         The entries are ordered to be human readable, and new entries
1088         can show up in the middle. Don't rely on items remaining in a
1089         fixed position; use the keys to look up specific values!
1090
1091           anon
1092                 Amount of memory used in anonymous mappings such as
1093                 brk(), sbrk(), and mmap(MAP_ANONYMOUS)
1094
1095           file
1096                 Amount of memory used to cache filesystem data,
1097                 including tmpfs and shared memory.
1098
1099           kernel_stack
1100                 Amount of memory allocated to kernel stacks.
1101
1102           slab
1103                 Amount of memory used for storing in-kernel data
1104                 structures.
1105
1106           sock
1107                 Amount of memory used in network transmission buffers
1108
1109           shmem
1110                 Amount of cached filesystem data that is swap-backed,
1111                 such as tmpfs, shm segments, shared anonymous mmap()s
1112
1113           file_mapped
1114                 Amount of cached filesystem data mapped with mmap()
1115
1116           file_dirty
1117                 Amount of cached filesystem data that was modified but
1118                 not yet written back to disk
1119
1120           file_writeback
1121                 Amount of cached filesystem data that was modified and
1122                 is currently being written back to disk
1123
1124           inactive_anon, active_anon, inactive_file, active_file, unevictable
1125                 Amount of memory, swap-backed and filesystem-backed,
1126                 on the internal memory management lists used by the
1127                 page reclaim algorithm
1128
1129           slab_reclaimable
1130                 Part of "slab" that might be reclaimed, such as
1131                 dentries and inodes.
1132
1133           slab_unreclaimable
1134                 Part of "slab" that cannot be reclaimed on memory
1135                 pressure.
1136
1137           pgfault
1138                 Total number of page faults incurred
1139
1140           pgmajfault
1141                 Number of major page faults incurred
1142
1143           workingset_refault
1144
1145                 Number of refaults of previously evicted pages
1146
1147           workingset_activate
1148
1149                 Number of refaulted pages that were immediately activated
1150
1151           workingset_nodereclaim
1152
1153                 Number of times a shadow node has been reclaimed
1154
1155           pgrefill
1156
1157                 Amount of scanned pages (in an active LRU list)
1158
1159           pgscan
1160
1161                 Amount of scanned pages (in an inactive LRU list)
1162
1163           pgsteal
1164
1165                 Amount of reclaimed pages
1166
1167           pgactivate
1168
1169                 Amount of pages moved to the active LRU list
1170
1171           pgdeactivate
1172
1173                 Amount of pages moved to the inactive LRU lis
1174
1175           pglazyfree
1176
1177                 Amount of pages postponed to be freed under memory pressure
1178
1179           pglazyfreed
1180
1181                 Amount of reclaimed lazyfree pages
1182
1183   memory.swap.current
1184         A read-only single value file which exists on non-root
1185         cgroups.
1186
1187         The total amount of swap currently being used by the cgroup
1188         and its descendants.
1189
1190   memory.swap.max
1191         A read-write single value file which exists on non-root
1192         cgroups.  The default is "max".
1193
1194         Swap usage hard limit.  If a cgroup's swap usage reaches this
1195         limit, anonymous meomry of the cgroup will not be swapped out.
1196
1197
1198 Usage Guidelines
1199 ~~~~~~~~~~~~~~~~
1200
1201 "memory.high" is the main mechanism to control memory usage.
1202 Over-committing on high limit (sum of high limits > available memory)
1203 and letting global memory pressure to distribute memory according to
1204 usage is a viable strategy.
1205
1206 Because breach of the high limit doesn't trigger the OOM killer but
1207 throttles the offending cgroup, a management agent has ample
1208 opportunities to monitor and take appropriate actions such as granting
1209 more memory or terminating the workload.
1210
1211 Determining whether a cgroup has enough memory is not trivial as
1212 memory usage doesn't indicate whether the workload can benefit from
1213 more memory.  For example, a workload which writes data received from
1214 network to a file can use all available memory but can also operate as
1215 performant with a small amount of memory.  A measure of memory
1216 pressure - how much the workload is being impacted due to lack of
1217 memory - is necessary to determine whether a workload needs more
1218 memory; unfortunately, memory pressure monitoring mechanism isn't
1219 implemented yet.
1220
1221
1222 Memory Ownership
1223 ~~~~~~~~~~~~~~~~
1224
1225 A memory area is charged to the cgroup which instantiated it and stays
1226 charged to the cgroup until the area is released.  Migrating a process
1227 to a different cgroup doesn't move the memory usages that it
1228 instantiated while in the previous cgroup to the new cgroup.
1229
1230 A memory area may be used by processes belonging to different cgroups.
1231 To which cgroup the area will be charged is in-deterministic; however,
1232 over time, the memory area is likely to end up in a cgroup which has
1233 enough memory allowance to avoid high reclaim pressure.
1234
1235 If a cgroup sweeps a considerable amount of memory which is expected
1236 to be accessed repeatedly by other cgroups, it may make sense to use
1237 POSIX_FADV_DONTNEED to relinquish the ownership of memory areas
1238 belonging to the affected files to ensure correct memory ownership.
1239
1240
1241 IO
1242 --
1243
1244 The "io" controller regulates the distribution of IO resources.  This
1245 controller implements both weight based and absolute bandwidth or IOPS
1246 limit distribution; however, weight based distribution is available
1247 only if cfq-iosched is in use and neither scheme is available for
1248 blk-mq devices.
1249
1250
1251 IO Interface Files
1252 ~~~~~~~~~~~~~~~~~~
1253
1254   io.stat
1255         A read-only nested-keyed file which exists on non-root
1256         cgroups.
1257
1258         Lines are keyed by $MAJ:$MIN device numbers and not ordered.
1259         The following nested keys are defined.
1260
1261           ======        ===================
1262           rbytes        Bytes read
1263           wbytes        Bytes written
1264           rios          Number of read IOs
1265           wios          Number of write IOs
1266           ======        ===================
1267
1268         An example read output follows:
1269
1270           8:16 rbytes=1459200 wbytes=314773504 rios=192 wios=353
1271           8:0 rbytes=90430464 wbytes=299008000 rios=8950 wios=1252
1272
1273   io.weight
1274         A read-write flat-keyed file which exists on non-root cgroups.
1275         The default is "default 100".
1276
1277         The first line is the default weight applied to devices
1278         without specific override.  The rest are overrides keyed by
1279         $MAJ:$MIN device numbers and not ordered.  The weights are in
1280         the range [1, 10000] and specifies the relative amount IO time
1281         the cgroup can use in relation to its siblings.
1282
1283         The default weight can be updated by writing either "default
1284         $WEIGHT" or simply "$WEIGHT".  Overrides can be set by writing
1285         "$MAJ:$MIN $WEIGHT" and unset by writing "$MAJ:$MIN default".
1286
1287         An example read output follows::
1288
1289           default 100
1290           8:16 200
1291           8:0 50
1292
1293   io.max
1294         A read-write nested-keyed file which exists on non-root
1295         cgroups.
1296
1297         BPS and IOPS based IO limit.  Lines are keyed by $MAJ:$MIN
1298         device numbers and not ordered.  The following nested keys are
1299         defined.
1300
1301           =====         ==================================
1302           rbps          Max read bytes per second
1303           wbps          Max write bytes per second
1304           riops         Max read IO operations per second
1305           wiops         Max write IO operations per second
1306           =====         ==================================
1307
1308         When writing, any number of nested key-value pairs can be
1309         specified in any order.  "max" can be specified as the value
1310         to remove a specific limit.  If the same key is specified
1311         multiple times, the outcome is undefined.
1312
1313         BPS and IOPS are measured in each IO direction and IOs are
1314         delayed if limit is reached.  Temporary bursts are allowed.
1315
1316         Setting read limit at 2M BPS and write at 120 IOPS for 8:16::
1317
1318           echo "8:16 rbps=2097152 wiops=120" > io.max
1319
1320         Reading returns the following::
1321
1322           8:16 rbps=2097152 wbps=max riops=max wiops=120
1323
1324         Write IOPS limit can be removed by writing the following::
1325
1326           echo "8:16 wiops=max" > io.max
1327
1328         Reading now returns the following::
1329
1330           8:16 rbps=2097152 wbps=max riops=max wiops=max
1331
1332
1333 Writeback
1334 ~~~~~~~~~
1335
1336 Page cache is dirtied through buffered writes and shared mmaps and
1337 written asynchronously to the backing filesystem by the writeback
1338 mechanism.  Writeback sits between the memory and IO domains and
1339 regulates the proportion of dirty memory by balancing dirtying and
1340 write IOs.
1341
1342 The io controller, in conjunction with the memory controller,
1343 implements control of page cache writeback IOs.  The memory controller
1344 defines the memory domain that dirty memory ratio is calculated and
1345 maintained for and the io controller defines the io domain which
1346 writes out dirty pages for the memory domain.  Both system-wide and
1347 per-cgroup dirty memory states are examined and the more restrictive
1348 of the two is enforced.
1349
1350 cgroup writeback requires explicit support from the underlying
1351 filesystem.  Currently, cgroup writeback is implemented on ext2, ext4
1352 and btrfs.  On other filesystems, all writeback IOs are attributed to
1353 the root cgroup.
1354
1355 There are inherent differences in memory and writeback management
1356 which affects how cgroup ownership is tracked.  Memory is tracked per
1357 page while writeback per inode.  For the purpose of writeback, an
1358 inode is assigned to a cgroup and all IO requests to write dirty pages
1359 from the inode are attributed to that cgroup.
1360
1361 As cgroup ownership for memory is tracked per page, there can be pages
1362 which are associated with different cgroups than the one the inode is
1363 associated with.  These are called foreign pages.  The writeback
1364 constantly keeps track of foreign pages and, if a particular foreign
1365 cgroup becomes the majority over a certain period of time, switches
1366 the ownership of the inode to that cgroup.
1367
1368 While this model is enough for most use cases where a given inode is
1369 mostly dirtied by a single cgroup even when the main writing cgroup
1370 changes over time, use cases where multiple cgroups write to a single
1371 inode simultaneously are not supported well.  In such circumstances, a
1372 significant portion of IOs are likely to be attributed incorrectly.
1373 As memory controller assigns page ownership on the first use and
1374 doesn't update it until the page is released, even if writeback
1375 strictly follows page ownership, multiple cgroups dirtying overlapping
1376 areas wouldn't work as expected.  It's recommended to avoid such usage
1377 patterns.
1378
1379 The sysctl knobs which affect writeback behavior are applied to cgroup
1380 writeback as follows.
1381
1382   vm.dirty_background_ratio, vm.dirty_ratio
1383         These ratios apply the same to cgroup writeback with the
1384         amount of available memory capped by limits imposed by the
1385         memory controller and system-wide clean memory.
1386
1387   vm.dirty_background_bytes, vm.dirty_bytes
1388         For cgroup writeback, this is calculated into ratio against
1389         total available memory and applied the same way as
1390         vm.dirty[_background]_ratio.
1391
1392
1393 PID
1394 ---
1395
1396 The process number controller is used to allow a cgroup to stop any
1397 new tasks from being fork()'d or clone()'d after a specified limit is
1398 reached.
1399
1400 The number of tasks in a cgroup can be exhausted in ways which other
1401 controllers cannot prevent, thus warranting its own controller.  For
1402 example, a fork bomb is likely to exhaust the number of tasks before
1403 hitting memory restrictions.
1404
1405 Note that PIDs used in this controller refer to TIDs, process IDs as
1406 used by the kernel.
1407
1408
1409 PID Interface Files
1410 ~~~~~~~~~~~~~~~~~~~
1411
1412   pids.max
1413         A read-write single value file which exists on non-root
1414         cgroups.  The default is "max".
1415
1416         Hard limit of number of processes.
1417
1418   pids.current
1419         A read-only single value file which exists on all cgroups.
1420
1421         The number of processes currently in the cgroup and its
1422         descendants.
1423
1424 Organisational operations are not blocked by cgroup policies, so it is
1425 possible to have pids.current > pids.max.  This can be done by either
1426 setting the limit to be smaller than pids.current, or attaching enough
1427 processes to the cgroup such that pids.current is larger than
1428 pids.max.  However, it is not possible to violate a cgroup PID policy
1429 through fork() or clone(). These will return -EAGAIN if the creation
1430 of a new process would cause a cgroup policy to be violated.
1431
1432
1433 RDMA
1434 ----
1435
1436 The "rdma" controller regulates the distribution and accounting of
1437 of RDMA resources.
1438
1439 RDMA Interface Files
1440 ~~~~~~~~~~~~~~~~~~~~
1441
1442   rdma.max
1443         A readwrite nested-keyed file that exists for all the cgroups
1444         except root that describes current configured resource limit
1445         for a RDMA/IB device.
1446
1447         Lines are keyed by device name and are not ordered.
1448         Each line contains space separated resource name and its configured
1449         limit that can be distributed.
1450
1451         The following nested keys are defined.
1452
1453           ==========    =============================
1454           hca_handle    Maximum number of HCA Handles
1455           hca_object    Maximum number of HCA Objects
1456           ==========    =============================
1457
1458         An example for mlx4 and ocrdma device follows::
1459
1460           mlx4_0 hca_handle=2 hca_object=2000
1461           ocrdma1 hca_handle=3 hca_object=max
1462
1463   rdma.current
1464         A read-only file that describes current resource usage.
1465         It exists for all the cgroup except root.
1466
1467         An example for mlx4 and ocrdma device follows::
1468
1469           mlx4_0 hca_handle=1 hca_object=20
1470           ocrdma1 hca_handle=1 hca_object=23
1471
1472
1473 Misc
1474 ----
1475
1476 perf_event
1477 ~~~~~~~~~~
1478
1479 perf_event controller, if not mounted on a legacy hierarchy, is
1480 automatically enabled on the v2 hierarchy so that perf events can
1481 always be filtered by cgroup v2 path.  The controller can still be
1482 moved to a legacy hierarchy after v2 hierarchy is populated.
1483
1484
1485 Namespace
1486 =========
1487
1488 Basics
1489 ------
1490
1491 cgroup namespace provides a mechanism to virtualize the view of the
1492 "/proc/$PID/cgroup" file and cgroup mounts.  The CLONE_NEWCGROUP clone
1493 flag can be used with clone(2) and unshare(2) to create a new cgroup
1494 namespace.  The process running inside the cgroup namespace will have
1495 its "/proc/$PID/cgroup" output restricted to cgroupns root.  The
1496 cgroupns root is the cgroup of the process at the time of creation of
1497 the cgroup namespace.
1498
1499 Without cgroup namespace, the "/proc/$PID/cgroup" file shows the
1500 complete path of the cgroup of a process.  In a container setup where
1501 a set of cgroups and namespaces are intended to isolate processes the
1502 "/proc/$PID/cgroup" file may leak potential system level information
1503 to the isolated processes.  For Example::
1504
1505   # cat /proc/self/cgroup
1506   0::/batchjobs/container_id1
1507
1508 The path '/batchjobs/container_id1' can be considered as system-data
1509 and undesirable to expose to the isolated processes.  cgroup namespace
1510 can be used to restrict visibility of this path.  For example, before
1511 creating a cgroup namespace, one would see::
1512
1513   # ls -l /proc/self/ns/cgroup
1514   lrwxrwxrwx 1 root root 0 2014-07-15 10:37 /proc/self/ns/cgroup -> cgroup:[4026531835]
1515   # cat /proc/self/cgroup
1516   0::/batchjobs/container_id1
1517
1518 After unsharing a new namespace, the view changes::
1519
1520   # ls -l /proc/self/ns/cgroup
1521   lrwxrwxrwx 1 root root 0 2014-07-15 10:35 /proc/self/ns/cgroup -> cgroup:[4026532183]
1522   # cat /proc/self/cgroup
1523   0::/
1524
1525 When some thread from a multi-threaded process unshares its cgroup
1526 namespace, the new cgroupns gets applied to the entire process (all
1527 the threads).  This is natural for the v2 hierarchy; however, for the
1528 legacy hierarchies, this may be unexpected.
1529
1530 A cgroup namespace is alive as long as there are processes inside or
1531 mounts pinning it.  When the last usage goes away, the cgroup
1532 namespace is destroyed.  The cgroupns root and the actual cgroups
1533 remain.
1534
1535
1536 The Root and Views
1537 ------------------
1538
1539 The 'cgroupns root' for a cgroup namespace is the cgroup in which the
1540 process calling unshare(2) is running.  For example, if a process in
1541 /batchjobs/container_id1 cgroup calls unshare, cgroup
1542 /batchjobs/container_id1 becomes the cgroupns root.  For the
1543 init_cgroup_ns, this is the real root ('/') cgroup.
1544
1545 The cgroupns root cgroup does not change even if the namespace creator
1546 process later moves to a different cgroup::
1547
1548   # ~/unshare -c # unshare cgroupns in some cgroup
1549   # cat /proc/self/cgroup
1550   0::/
1551   # mkdir sub_cgrp_1
1552   # echo 0 > sub_cgrp_1/cgroup.procs
1553   # cat /proc/self/cgroup
1554   0::/sub_cgrp_1
1555
1556 Each process gets its namespace-specific view of "/proc/$PID/cgroup"
1557
1558 Processes running inside the cgroup namespace will be able to see
1559 cgroup paths (in /proc/self/cgroup) only inside their root cgroup.
1560 From within an unshared cgroupns::
1561
1562   # sleep 100000 &
1563   [1] 7353
1564   # echo 7353 > sub_cgrp_1/cgroup.procs
1565   # cat /proc/7353/cgroup
1566   0::/sub_cgrp_1
1567
1568 From the initial cgroup namespace, the real cgroup path will be
1569 visible::
1570
1571   $ cat /proc/7353/cgroup
1572   0::/batchjobs/container_id1/sub_cgrp_1
1573
1574 From a sibling cgroup namespace (that is, a namespace rooted at a
1575 different cgroup), the cgroup path relative to its own cgroup
1576 namespace root will be shown.  For instance, if PID 7353's cgroup
1577 namespace root is at '/batchjobs/container_id2', then it will see::
1578
1579   # cat /proc/7353/cgroup
1580   0::/../container_id2/sub_cgrp_1
1581
1582 Note that the relative path always starts with '/' to indicate that
1583 its relative to the cgroup namespace root of the caller.
1584
1585
1586 Migration and setns(2)
1587 ----------------------
1588
1589 Processes inside a cgroup namespace can move into and out of the
1590 namespace root if they have proper access to external cgroups.  For
1591 example, from inside a namespace with cgroupns root at
1592 /batchjobs/container_id1, and assuming that the global hierarchy is
1593 still accessible inside cgroupns::
1594
1595   # cat /proc/7353/cgroup
1596   0::/sub_cgrp_1
1597   # echo 7353 > batchjobs/container_id2/cgroup.procs
1598   # cat /proc/7353/cgroup
1599   0::/../container_id2
1600
1601 Note that this kind of setup is not encouraged.  A task inside cgroup
1602 namespace should only be exposed to its own cgroupns hierarchy.
1603
1604 setns(2) to another cgroup namespace is allowed when:
1605
1606 (a) the process has CAP_SYS_ADMIN against its current user namespace
1607 (b) the process has CAP_SYS_ADMIN against the target cgroup
1608     namespace's userns
1609
1610 No implicit cgroup changes happen with attaching to another cgroup
1611 namespace.  It is expected that the someone moves the attaching
1612 process under the target cgroup namespace root.
1613
1614
1615 Interaction with Other Namespaces
1616 ---------------------------------
1617
1618 Namespace specific cgroup hierarchy can be mounted by a process
1619 running inside a non-init cgroup namespace::
1620
1621   # mount -t cgroup2 none $MOUNT_POINT
1622
1623 This will mount the unified cgroup hierarchy with cgroupns root as the
1624 filesystem root.  The process needs CAP_SYS_ADMIN against its user and
1625 mount namespaces.
1626
1627 The virtualization of /proc/self/cgroup file combined with restricting
1628 the view of cgroup hierarchy by namespace-private cgroupfs mount
1629 provides a properly isolated cgroup view inside the container.
1630
1631
1632 Information on Kernel Programming
1633 =================================
1634
1635 This section contains kernel programming information in the areas
1636 where interacting with cgroup is necessary.  cgroup core and
1637 controllers are not covered.
1638
1639
1640 Filesystem Support for Writeback
1641 --------------------------------
1642
1643 A filesystem can support cgroup writeback by updating
1644 address_space_operations->writepage[s]() to annotate bio's using the
1645 following two functions.
1646
1647   wbc_init_bio(@wbc, @bio)
1648         Should be called for each bio carrying writeback data and
1649         associates the bio with the inode's owner cgroup.  Can be
1650         called anytime between bio allocation and submission.
1651
1652   wbc_account_io(@wbc, @page, @bytes)
1653         Should be called for each data segment being written out.
1654         While this function doesn't care exactly when it's called
1655         during the writeback session, it's the easiest and most
1656         natural to call it as data segments are added to a bio.
1657
1658 With writeback bio's annotated, cgroup support can be enabled per
1659 super_block by setting SB_I_CGROUPWB in ->s_iflags.  This allows for
1660 selective disabling of cgroup writeback support which is helpful when
1661 certain filesystem features, e.g. journaled data mode, are
1662 incompatible.
1663
1664 wbc_init_bio() binds the specified bio to its cgroup.  Depending on
1665 the configuration, the bio may be executed at a lower priority and if
1666 the writeback session is holding shared resources, e.g. a journal
1667 entry, may lead to priority inversion.  There is no one easy solution
1668 for the problem.  Filesystems can try to work around specific problem
1669 cases by skipping wbc_init_bio() or using bio_associate_blkcg()
1670 directly.
1671
1672
1673 Deprecated v1 Core Features
1674 ===========================
1675
1676 - Multiple hierarchies including named ones are not supported.
1677
1678 - All v1 mount options are not supported.
1679
1680 - The "tasks" file is removed and "cgroup.procs" is not sorted.
1681
1682 - "cgroup.clone_children" is removed.
1683
1684 - /proc/cgroups is meaningless for v2.  Use "cgroup.controllers" file
1685   at the root instead.
1686
1687
1688 Issues with v1 and Rationales for v2
1689 ====================================
1690
1691 Multiple Hierarchies
1692 --------------------
1693
1694 cgroup v1 allowed an arbitrary number of hierarchies and each
1695 hierarchy could host any number of controllers.  While this seemed to
1696 provide a high level of flexibility, it wasn't useful in practice.
1697
1698 For example, as there is only one instance of each controller, utility
1699 type controllers such as freezer which can be useful in all
1700 hierarchies could only be used in one.  The issue is exacerbated by
1701 the fact that controllers couldn't be moved to another hierarchy once
1702 hierarchies were populated.  Another issue was that all controllers
1703 bound to a hierarchy were forced to have exactly the same view of the
1704 hierarchy.  It wasn't possible to vary the granularity depending on
1705 the specific controller.
1706
1707 In practice, these issues heavily limited which controllers could be
1708 put on the same hierarchy and most configurations resorted to putting
1709 each controller on its own hierarchy.  Only closely related ones, such
1710 as the cpu and cpuacct controllers, made sense to be put on the same
1711 hierarchy.  This often meant that userland ended up managing multiple
1712 similar hierarchies repeating the same steps on each hierarchy
1713 whenever a hierarchy management operation was necessary.
1714
1715 Furthermore, support for multiple hierarchies came at a steep cost.
1716 It greatly complicated cgroup core implementation but more importantly
1717 the support for multiple hierarchies restricted how cgroup could be
1718 used in general and what controllers was able to do.
1719
1720 There was no limit on how many hierarchies there might be, which meant
1721 that a thread's cgroup membership couldn't be described in finite
1722 length.  The key might contain any number of entries and was unlimited
1723 in length, which made it highly awkward to manipulate and led to
1724 addition of controllers which existed only to identify membership,
1725 which in turn exacerbated the original problem of proliferating number
1726 of hierarchies.
1727
1728 Also, as a controller couldn't have any expectation regarding the
1729 topologies of hierarchies other controllers might be on, each
1730 controller had to assume that all other controllers were attached to
1731 completely orthogonal hierarchies.  This made it impossible, or at
1732 least very cumbersome, for controllers to cooperate with each other.
1733
1734 In most use cases, putting controllers on hierarchies which are
1735 completely orthogonal to each other isn't necessary.  What usually is
1736 called for is the ability to have differing levels of granularity
1737 depending on the specific controller.  In other words, hierarchy may
1738 be collapsed from leaf towards root when viewed from specific
1739 controllers.  For example, a given configuration might not care about
1740 how memory is distributed beyond a certain level while still wanting
1741 to control how CPU cycles are distributed.
1742
1743
1744 Thread Granularity
1745 ------------------
1746
1747 cgroup v1 allowed threads of a process to belong to different cgroups.
1748 This didn't make sense for some controllers and those controllers
1749 ended up implementing different ways to ignore such situations but
1750 much more importantly it blurred the line between API exposed to
1751 individual applications and system management interface.
1752
1753 Generally, in-process knowledge is available only to the process
1754 itself; thus, unlike service-level organization of processes,
1755 categorizing threads of a process requires active participation from
1756 the application which owns the target process.
1757
1758 cgroup v1 had an ambiguously defined delegation model which got abused
1759 in combination with thread granularity.  cgroups were delegated to
1760 individual applications so that they can create and manage their own
1761 sub-hierarchies and control resource distributions along them.  This
1762 effectively raised cgroup to the status of a syscall-like API exposed
1763 to lay programs.
1764
1765 First of all, cgroup has a fundamentally inadequate interface to be
1766 exposed this way.  For a process to access its own knobs, it has to
1767 extract the path on the target hierarchy from /proc/self/cgroup,
1768 construct the path by appending the name of the knob to the path, open
1769 and then read and/or write to it.  This is not only extremely clunky
1770 and unusual but also inherently racy.  There is no conventional way to
1771 define transaction across the required steps and nothing can guarantee
1772 that the process would actually be operating on its own sub-hierarchy.
1773
1774 cgroup controllers implemented a number of knobs which would never be
1775 accepted as public APIs because they were just adding control knobs to
1776 system-management pseudo filesystem.  cgroup ended up with interface
1777 knobs which were not properly abstracted or refined and directly
1778 revealed kernel internal details.  These knobs got exposed to
1779 individual applications through the ill-defined delegation mechanism
1780 effectively abusing cgroup as a shortcut to implementing public APIs
1781 without going through the required scrutiny.
1782
1783 This was painful for both userland and kernel.  Userland ended up with
1784 misbehaving and poorly abstracted interfaces and kernel exposing and
1785 locked into constructs inadvertently.
1786
1787
1788 Competition Between Inner Nodes and Threads
1789 -------------------------------------------
1790
1791 cgroup v1 allowed threads to be in any cgroups which created an
1792 interesting problem where threads belonging to a parent cgroup and its
1793 children cgroups competed for resources.  This was nasty as two
1794 different types of entities competed and there was no obvious way to
1795 settle it.  Different controllers did different things.
1796
1797 The cpu controller considered threads and cgroups as equivalents and
1798 mapped nice levels to cgroup weights.  This worked for some cases but
1799 fell flat when children wanted to be allocated specific ratios of CPU
1800 cycles and the number of internal threads fluctuated - the ratios
1801 constantly changed as the number of competing entities fluctuated.
1802 There also were other issues.  The mapping from nice level to weight
1803 wasn't obvious or universal, and there were various other knobs which
1804 simply weren't available for threads.
1805
1806 The io controller implicitly created a hidden leaf node for each
1807 cgroup to host the threads.  The hidden leaf had its own copies of all
1808 the knobs with ``leaf_`` prefixed.  While this allowed equivalent
1809 control over internal threads, it was with serious drawbacks.  It
1810 always added an extra layer of nesting which wouldn't be necessary
1811 otherwise, made the interface messy and significantly complicated the
1812 implementation.
1813
1814 The memory controller didn't have a way to control what happened
1815 between internal tasks and child cgroups and the behavior was not
1816 clearly defined.  There were attempts to add ad-hoc behaviors and
1817 knobs to tailor the behavior to specific workloads which would have
1818 led to problems extremely difficult to resolve in the long term.
1819
1820 Multiple controllers struggled with internal tasks and came up with
1821 different ways to deal with it; unfortunately, all the approaches were
1822 severely flawed and, furthermore, the widely different behaviors
1823 made cgroup as a whole highly inconsistent.
1824
1825 This clearly is a problem which needs to be addressed from cgroup core
1826 in a uniform way.
1827
1828
1829 Other Interface Issues
1830 ----------------------
1831
1832 cgroup v1 grew without oversight and developed a large number of
1833 idiosyncrasies and inconsistencies.  One issue on the cgroup core side
1834 was how an empty cgroup was notified - a userland helper binary was
1835 forked and executed for each event.  The event delivery wasn't
1836 recursive or delegatable.  The limitations of the mechanism also led
1837 to in-kernel event delivery filtering mechanism further complicating
1838 the interface.
1839
1840 Controller interfaces were problematic too.  An extreme example is
1841 controllers completely ignoring hierarchical organization and treating
1842 all cgroups as if they were all located directly under the root
1843 cgroup.  Some controllers exposed a large amount of inconsistent
1844 implementation details to userland.
1845
1846 There also was no consistency across controllers.  When a new cgroup
1847 was created, some controllers defaulted to not imposing extra
1848 restrictions while others disallowed any resource usage until
1849 explicitly configured.  Configuration knobs for the same type of
1850 control used widely differing naming schemes and formats.  Statistics
1851 and information knobs were named arbitrarily and used different
1852 formats and units even in the same controller.
1853
1854 cgroup v2 establishes common conventions where appropriate and updates
1855 controllers so that they expose minimal and consistent interfaces.
1856
1857
1858 Controller Issues and Remedies
1859 ------------------------------
1860
1861 Memory
1862 ~~~~~~
1863
1864 The original lower boundary, the soft limit, is defined as a limit
1865 that is per default unset.  As a result, the set of cgroups that
1866 global reclaim prefers is opt-in, rather than opt-out.  The costs for
1867 optimizing these mostly negative lookups are so high that the
1868 implementation, despite its enormous size, does not even provide the
1869 basic desirable behavior.  First off, the soft limit has no
1870 hierarchical meaning.  All configured groups are organized in a global
1871 rbtree and treated like equal peers, regardless where they are located
1872 in the hierarchy.  This makes subtree delegation impossible.  Second,
1873 the soft limit reclaim pass is so aggressive that it not just
1874 introduces high allocation latencies into the system, but also impacts
1875 system performance due to overreclaim, to the point where the feature
1876 becomes self-defeating.
1877
1878 The memory.low boundary on the other hand is a top-down allocated
1879 reserve.  A cgroup enjoys reclaim protection when it and all its
1880 ancestors are below their low boundaries, which makes delegation of
1881 subtrees possible.  Secondly, new cgroups have no reserve per default
1882 and in the common case most cgroups are eligible for the preferred
1883 reclaim pass.  This allows the new low boundary to be efficiently
1884 implemented with just a minor addition to the generic reclaim code,
1885 without the need for out-of-band data structures and reclaim passes.
1886 Because the generic reclaim code considers all cgroups except for the
1887 ones running low in the preferred first reclaim pass, overreclaim of
1888 individual groups is eliminated as well, resulting in much better
1889 overall workload performance.
1890
1891 The original high boundary, the hard limit, is defined as a strict
1892 limit that can not budge, even if the OOM killer has to be called.
1893 But this generally goes against the goal of making the most out of the
1894 available memory.  The memory consumption of workloads varies during
1895 runtime, and that requires users to overcommit.  But doing that with a
1896 strict upper limit requires either a fairly accurate prediction of the
1897 working set size or adding slack to the limit.  Since working set size
1898 estimation is hard and error prone, and getting it wrong results in
1899 OOM kills, most users tend to err on the side of a looser limit and
1900 end up wasting precious resources.
1901
1902 The memory.high boundary on the other hand can be set much more
1903 conservatively.  When hit, it throttles allocations by forcing them
1904 into direct reclaim to work off the excess, but it never invokes the
1905 OOM killer.  As a result, a high boundary that is chosen too
1906 aggressively will not terminate the processes, but instead it will
1907 lead to gradual performance degradation.  The user can monitor this
1908 and make corrections until the minimal memory footprint that still
1909 gives acceptable performance is found.
1910
1911 In extreme cases, with many concurrent allocations and a complete
1912 breakdown of reclaim progress within the group, the high boundary can
1913 be exceeded.  But even then it's mostly better to satisfy the
1914 allocation from the slack available in other groups or the rest of the
1915 system than killing the group.  Otherwise, memory.max is there to
1916 limit this type of spillover and ultimately contain buggy or even
1917 malicious applications.
1918
1919 Setting the original memory.limit_in_bytes below the current usage was
1920 subject to a race condition, where concurrent charges could cause the
1921 limit setting to fail. memory.max on the other hand will first set the
1922 limit to prevent new charges, and then reclaim and OOM kill until the
1923 new limit is met - or the task writing to memory.max is killed.
1924
1925 The combined memory+swap accounting and limiting is replaced by real
1926 control over swap space.
1927
1928 The main argument for a combined memory+swap facility in the original
1929 cgroup design was that global or parental pressure would always be
1930 able to swap all anonymous memory of a child group, regardless of the
1931 child's own (possibly untrusted) configuration.  However, untrusted
1932 groups can sabotage swapping by other means - such as referencing its
1933 anonymous memory in a tight loop - and an admin can not assume full
1934 swappability when overcommitting untrusted jobs.
1935
1936 For trusted jobs, on the other hand, a combined counter is not an
1937 intuitive userspace interface, and it flies in the face of the idea
1938 that cgroup controllers should account and limit specific physical
1939 resources.  Swap space is a resource like all others in the system,
1940 and that's why unified hierarchy allows distributing it separately.