kernel/sched/psi.c

   1 /*
   2  * Pressure stall information for CPU, memory and IO
   3  *
   4  * Copyright (c) 2018 Facebook, Inc.
   5  * Author: Johannes Weiner <hannes@cmpxchg.org>
   6  *
   7  * Polling support by Suren Baghdasaryan <surenb@google.com>
   8  * Copyright (c) 2018 Google, Inc.
   9  *
  10  * When CPU, memory and IO are contended, tasks experience delays that
  11  * reduce throughput and introduce latencies into the workload. Memory
  12  * and IO contention, in addition, can cause a full loss of forward
  13  * progress in which the CPU goes idle.
  14  *
  15  * This code aggregates individual task delays into resource pressure
  16  * metrics that indicate problems with both workload health and
  17  * resource utilization.
  18  *
  19  *                      Model
  20  *
  21  * The time in which a task can execute on a CPU is our baseline for
  22  * productivity. Pressure expresses the amount of time in which this
  23  * potential cannot be realized due to resource contention.
  24  *
  25  * This concept of productivity has two components: the workload and
  26  * the CPU. To measure the impact of pressure on both, we define two
  27  * contention states for a resource: SOME and FULL.
  28  *
  29  * In the SOME state of a given resource, one or more tasks are
  30  * delayed on that resource. This affects the workload's ability to
  31  * perform work, but the CPU may still be executing other tasks.
  32  *
  33  * In the FULL state of a given resource, all non-idle tasks are
  34  * delayed on that resource such that nobody is advancing and the CPU
  35  * goes idle. This leaves both workload and CPU unproductive.
  36  *
  37  *      SOME = nr_delayed_tasks != 0
  38  *      FULL = nr_delayed_tasks != 0 && nr_productive_tasks == 0
  39  *
  40  * What it means for a task to be productive is defined differently
  41  * for each resource. For IO, productive means a running task. For
  42  * memory, productive means a running task that isn't a reclaimer. For
  43  * CPU, productive means an oncpu task.
  44  *
  45  * Naturally, the FULL state doesn't exist for the CPU resource at the
  46  * system level, but exist at the cgroup level. At the cgroup level,
  47  * FULL means all non-idle tasks in the cgroup are delayed on the CPU
  48  * resource which is being used by others outside of the cgroup or
  49  * throttled by the cgroup cpu.max configuration.
  50  *
  51  * The percentage of wallclock time spent in those compound stall
  52  * states gives pressure numbers between 0 and 100 for each resource,
  53  * where the SOME percentage indicates workload slowdowns and the FULL
  54  * percentage indicates reduced CPU utilization:
  55  *
  56  *      %SOME = time(SOME) / period
  57  *      %FULL = time(FULL) / period
  58  *
  59  *                      Multiple CPUs
  60  *
  61  * The more tasks and available CPUs there are, the more work can be
  62  * performed concurrently. This means that the potential that can go
  63  * unrealized due to resource contention *also* scales with non-idle
  64  * tasks and CPUs.
  65  *
  66  * Consider a scenario where 257 number crunching tasks are trying to
  67  * run concurrently on 256 CPUs. If we simply aggregated the task
  68  * states, we would have to conclude a CPU SOME pressure number of
  69  * 100%, since *somebody* is waiting on a runqueue at all
  70  * times. However, that is clearly not the amount of contention the
  71  * workload is experiencing: only one out of 256 possible execution
  72  * threads will be contended at any given time, or about 0.4%.
  73  *
  74  * Conversely, consider a scenario of 4 tasks and 4 CPUs where at any
  75  * given time *one* of the tasks is delayed due to a lack of memory.
  76  * Again, looking purely at the task state would yield a memory FULL
  77  * pressure number of 0%, since *somebody* is always making forward
  78  * progress. But again this wouldn't capture the amount of execution
  79  * potential lost, which is 1 out of 4 CPUs, or 25%.
  80  *
  81  * To calculate wasted potential (pressure) with multiple processors,
  82  * we have to base our calculation on the number of non-idle tasks in
  83  * conjunction with the number of available CPUs, which is the number
  84  * of potential execution threads. SOME becomes then the proportion of
  85  * delayed tasks to possible threads, and FULL is the share of possible
  86  * threads that are unproductive due to delays:
  87  *
  88  *      threads = min(nr_nonidle_tasks, nr_cpus)
  89  *         SOME = min(nr_delayed_tasks / threads, 1)
  90  *         FULL = (threads - min(nr_productive_tasks, threads)) / threads
  91  *
  92  * For the 257 number crunchers on 256 CPUs, this yields:
  93  *
  94  *      threads = min(257, 256)
  95  *         SOME = min(1 / 256, 1)             = 0.4%
  96  *         FULL = (256 - min(256, 256)) / 256 = 0%
  97  *
  98  * For the 1 out of 4 memory-delayed tasks, this yields:
  99  *
 100  *      threads = min(4, 4)
 101  *         SOME = min(1 / 4, 1)               = 25%
 102  *         FULL = (4 - min(3, 4)) / 4         = 25%
 103  *
 104  * [ Substitute nr_cpus with 1, and you can see that it's a natural
 105  *   extension of the single-CPU model. ]
 106  *
 107  *                      Implementation
 108  *
 109  * To assess the precise time spent in each such state, we would have
 110  * to freeze the system on task changes and start/stop the state
 111  * clocks accordingly. Obviously that doesn't scale in practice.
 112  *
 113  * Because the scheduler aims to distribute the compute load evenly
 114  * among the available CPUs, we can track task state locally to each
 115  * CPU and, at much lower frequency, extrapolate the global state for
 116  * the cumulative stall times and the running averages.
 117  *
 118  * For each runqueue, we track:
 119  *
 120  *         tSOME[cpu] = time(nr_delayed_tasks[cpu] != 0)
 121  *         tFULL[cpu] = time(nr_delayed_tasks[cpu] && !nr_productive_tasks[cpu])
 122  *      tNONIDLE[cpu] = time(nr_nonidle_tasks[cpu] != 0)
 123  *
 124  * and then periodically aggregate:
 125  *
 126  *      tNONIDLE = sum(tNONIDLE[i])
 127  *
 128  *         tSOME = sum(tSOME[i] * tNONIDLE[i]) / tNONIDLE
 129  *         tFULL = sum(tFULL[i] * tNONIDLE[i]) / tNONIDLE
 130  *
 131  *         %SOME = tSOME / period
 132  *         %FULL = tFULL / period
 133  *
 134  * This gives us an approximation of pressure that is practical
 135  * cost-wise, yet way more sensitive and accurate than periodic
 136  * sampling of the aggregate task states would be.
 137  */
 138
 139 #include "../workqueue_internal.h"
 140 #include <linux/sched/loadavg.h>
 141 #include <linux/seq_file.h>
 142 #include <linux/proc_fs.h>
 143 #include <linux/seqlock.h>
 144 #include <linux/uaccess.h>
 145 #include <linux/cgroup.h>
 146 #include <linux/module.h>
 147 #include <linux/sched.h>
 148 #include <linux/ctype.h>
 149 #include <linux/file.h>
 150 #include <linux/poll.h>
 151 #include <linux/psi.h>
 152 #include "sched.h"
 153
 154 static int psi_bug __read_mostly;
 155
 156 DEFINE_STATIC_KEY_FALSE(psi_disabled);
 157 DEFINE_STATIC_KEY_TRUE(psi_cgroups_enabled);
 158
 159 #ifdef CONFIG_PSI_DEFAULT_DISABLED
 160 static bool psi_enable;
 161 #else
 162 static bool psi_enable = true;
 163 #endif
 164 static int __init setup_psi(char *str)
 165 {
 166         return kstrtobool(str, &psi_enable) == 0;
 167 }
 168 __setup("psi=", setup_psi);
 169
 170 /* Running averages - we need to be higher-res than loadavg */
 171 #define PSI_FREQ        (2*HZ+1)        /* 2 sec intervals */
 172 #define EXP_10s         1677            /* 1/exp(2s/10s) as fixed-point */
 173 #define EXP_60s         1981            /* 1/exp(2s/60s) */
 174 #define EXP_300s        2034            /* 1/exp(2s/300s) */
 175
 176 /* PSI trigger definitions */
 177 #define WINDOW_MIN_US 500000    /* Min window size is 500ms */
 178 #define WINDOW_MAX_US 10000000  /* Max window size is 10s */
 179 #define UPDATES_PER_WINDOW 10   /* 10 updates per window */
 180
 181 /* Sampling frequency in nanoseconds */
 182 static u64 psi_period __read_mostly;
 183
 184 /* System-level pressure and stall tracking */
 185 static DEFINE_PER_CPU(struct psi_group_cpu, system_group_pcpu);
 186 struct psi_group psi_system = {
 187         .pcpu = &system_group_pcpu,
 188 };
 189
 190 static void psi_avgs_work(struct work_struct *work);
 191
 192 static void poll_timer_fn(struct timer_list *t);
 193
 194 static void group_init(struct psi_group *group)
 195 {
 196         int cpu;
 197
 198         for_each_possible_cpu(cpu)
 199                 seqcount_init(&per_cpu_ptr(group->pcpu, cpu)->seq);
 200         group->avg_last_update = sched_clock();
 201         group->avg_next_update = group->avg_last_update + psi_period;
 202         INIT_DELAYED_WORK(&group->avgs_work, psi_avgs_work);
 203         mutex_init(&group->avgs_lock);
 204         /* Init trigger-related members */
 205         mutex_init(&group->trigger_lock);
 206         INIT_LIST_HEAD(&group->triggers);
 207         memset(group->nr_triggers, 0, sizeof(group->nr_triggers));
 208         group->poll_states = 0;
 209         group->poll_min_period = U32_MAX;
 210         memset(group->polling_total, 0, sizeof(group->polling_total));
 211         group->polling_next_update = ULLONG_MAX;
 212         group->polling_until = 0;
 213         init_waitqueue_head(&group->poll_wait);
 214         timer_setup(&group->poll_timer, poll_timer_fn, 0);
 215         rcu_assign_pointer(group->poll_task, NULL);
 216 }
 217
 218 void __init psi_init(void)
 219 {
 220         if (!psi_enable) {
 221                 static_branch_enable(&psi_disabled);
 222                 return;
 223         }
 224
 225         if (!cgroup_psi_enabled())
 226                 static_branch_disable(&psi_cgroups_enabled);
 227
 228         psi_period = jiffies_to_nsecs(PSI_FREQ);
 229         group_init(&psi_system);
 230 }
 231
 232 static bool test_state(unsigned int *tasks, enum psi_states state)
 233 {
 234         switch (state) {
 235         case PSI_IO_SOME:
 236                 return unlikely(tasks[NR_IOWAIT]);
 237         case PSI_IO_FULL:
 238                 return unlikely(tasks[NR_IOWAIT] && !tasks[NR_RUNNING]);
 239         case PSI_MEM_SOME:
 240                 return unlikely(tasks[NR_MEMSTALL]);
 241         case PSI_MEM_FULL:
 242                 return unlikely(tasks[NR_MEMSTALL] &&
 243                         tasks[NR_RUNNING] == tasks[NR_MEMSTALL_RUNNING]);
 244         case PSI_CPU_SOME:
 245                 return unlikely(tasks[NR_RUNNING] > tasks[NR_ONCPU]);
 246         case PSI_CPU_FULL:
 247                 return unlikely(tasks[NR_RUNNING] && !tasks[NR_ONCPU]);
 248         case PSI_NONIDLE:
 249                 return tasks[NR_IOWAIT] || tasks[NR_MEMSTALL] ||
 250                         tasks[NR_RUNNING];
 251         default:
 252                 return false;
 253         }
 254 }
 255
 256 static void get_recent_times(struct psi_group *group, int cpu,
 257                              enum psi_aggregators aggregator, u32 *times,
 258                              u32 *pchanged_states)
 259 {
 260         struct psi_group_cpu *groupc = per_cpu_ptr(group->pcpu, cpu);
 261         u64 now, state_start;
 262         enum psi_states s;
 263         unsigned int seq;
 264         u32 state_mask;
 265
 266         *pchanged_states = 0;
 267
 268         /* Snapshot a coherent view of the CPU state */
 269         do {
 270                 seq = read_seqcount_begin(&groupc->seq);
 271                 now = cpu_clock(cpu);
 272                 memcpy(times, groupc->times, sizeof(groupc->times));
 273                 state_mask = groupc->state_mask;
 274                 state_start = groupc->state_start;
 275         } while (read_seqcount_retry(&groupc->seq, seq));
 276
 277         /* Calculate state time deltas against the previous snapshot */
 278         for (s = 0; s < NR_PSI_STATES; s++) {
 279                 u32 delta;
 280                 /*
 281                  * In addition to already concluded states, we also
 282                  * incorporate currently active states on the CPU,
 283                  * since states may last for many sampling periods.
 284                  *
 285                  * This way we keep our delta sampling buckets small
 286                  * (u32) and our reported pressure close to what's
 287                  * actually happening.
 288                  */
 289                 if (state_mask & (1 << s))
 290                         times[s] += now - state_start;
 291
 292                 delta = times[s] - groupc->times_prev[aggregator][s];
 293                 groupc->times_prev[aggregator][s] = times[s];
 294
 295                 times[s] = delta;
 296                 if (delta)
 297                         *pchanged_states |= (1 << s);
 298         }
 299 }
 300
 301 static void calc_avgs(unsigned long avg[3], int missed_periods,
 302                       u64 time, u64 period)
 303 {
 304         unsigned long pct;
 305
 306         /* Fill in zeroes for periods of no activity */
 307         if (missed_periods) {
 308                 avg[0] = calc_load_n(avg[0], EXP_10s, 0, missed_periods);
 309                 avg[1] = calc_load_n(avg[1], EXP_60s, 0, missed_periods);
 310                 avg[2] = calc_load_n(avg[2], EXP_300s, 0, missed_periods);
 311         }
 312
 313         /* Sample the most recent active period */
 314         pct = div_u64(time * 100, period);
 315         pct *= FIXED_1;
 316         avg[0] = calc_load(avg[0], EXP_10s, pct);
 317         avg[1] = calc_load(avg[1], EXP_60s, pct);
 318         avg[2] = calc_load(avg[2], EXP_300s, pct);
 319 }
 320
 321 static void collect_percpu_times(struct psi_group *group,
 322                                  enum psi_aggregators aggregator,
 323                                  u32 *pchanged_states)
 324 {
 325         u64 deltas[NR_PSI_STATES - 1] = { 0, };
 326         unsigned long nonidle_total = 0;
 327         u32 changed_states = 0;
 328         int cpu;
 329         int s;
 330
 331         /*
 332          * Collect the per-cpu time buckets and average them into a
 333          * single time sample that is normalized to wallclock time.
 334          *
 335          * For averaging, each CPU is weighted by its non-idle time in
 336          * the sampling period. This eliminates artifacts from uneven
 337          * loading, or even entirely idle CPUs.
 338          */
 339         for_each_possible_cpu(cpu) {
 340                 u32 times[NR_PSI_STATES];
 341                 u32 nonidle;
 342                 u32 cpu_changed_states;
 343
 344                 get_recent_times(group, cpu, aggregator, times,
 345                                 &cpu_changed_states);
 346                 changed_states |= cpu_changed_states;
 347
 348                 nonidle = nsecs_to_jiffies(times[PSI_NONIDLE]);
 349                 nonidle_total += nonidle;
 350
 351                 for (s = 0; s < PSI_NONIDLE; s++)
 352                         deltas[s] += (u64)times[s] * nonidle;
 353         }
 354
 355         /*
 356          * Integrate the sample into the running statistics that are
 357          * reported to userspace: the cumulative stall times and the
 358          * decaying averages.
 359          *
 360          * Pressure percentages are sampled at PSI_FREQ. We might be
 361          * called more often when the user polls more frequently than
 362          * that; we might be called less often when there is no task
 363          * activity, thus no data, and clock ticks are sporadic. The
 364          * below handles both.
 365          */
 366
 367         /* total= */
 368         for (s = 0; s < NR_PSI_STATES - 1; s++)
 369                 group->total[aggregator][s] +=
 370                                 div_u64(deltas[s], max(nonidle_total, 1UL));
 371
 372         if (pchanged_states)
 373                 *pchanged_states = changed_states;
 374 }
 375
 376 static u64 update_averages(struct psi_group *group, u64 now)
 377 {
 378         unsigned long missed_periods = 0;
 379         u64 expires, period;
 380         u64 avg_next_update;
 381         int s;
 382
 383         /* avgX= */
 384         expires = group->avg_next_update;
 385         if (now - expires >= psi_period)
 386                 missed_periods = div_u64(now - expires, psi_period);
 387
 388         /*
 389          * The periodic clock tick can get delayed for various
 390          * reasons, especially on loaded systems. To avoid clock
 391          * drift, we schedule the clock in fixed psi_period intervals.
 392          * But the deltas we sample out of the per-cpu buckets above
 393          * are based on the actual time elapsing between clock ticks.
 394          */
 395         avg_next_update = expires + ((1 + missed_periods) * psi_period);
 396         period = now - (group->avg_last_update + (missed_periods * psi_period));
 397         group->avg_last_update = now;
 398
 399         for (s = 0; s < NR_PSI_STATES - 1; s++) {
 400                 u32 sample;
 401
 402                 sample = group->total[PSI_AVGS][s] - group->avg_total[s];
 403                 /*
 404                  * Due to the lockless sampling of the time buckets,
 405                  * recorded time deltas can slip into the next period,
 406                  * which under full pressure can result in samples in
 407                  * excess of the period length.
 408                  *
 409                  * We don't want to report non-sensical pressures in
 410                  * excess of 100%, nor do we want to drop such events
 411                  * on the floor. Instead we punt any overage into the
 412                  * future until pressure subsides. By doing this we
 413                  * don't underreport the occurring pressure curve, we
 414                  * just report it delayed by one period length.
 415                  *
 416                  * The error isn't cumulative. As soon as another
 417                  * delta slips from a period P to P+1, by definition
 418                  * it frees up its time T in P.
 419                  */
 420                 if (sample > period)
 421                         sample = period;
 422                 group->avg_total[s] += sample;
 423                 calc_avgs(group->avg[s], missed_periods, sample, period);
 424         }
 425
 426         return avg_next_update;
 427 }
 428
 429 static void psi_avgs_work(struct work_struct *work)
 430 {
 431         struct delayed_work *dwork;
 432         struct psi_group *group;
 433         u32 changed_states;
 434         bool nonidle;
 435         u64 now;
 436
 437         dwork = to_delayed_work(work);
 438         group = container_of(dwork, struct psi_group, avgs_work);
 439
 440         mutex_lock(&group->avgs_lock);
 441
 442         now = sched_clock();
 443
 444         collect_percpu_times(group, PSI_AVGS, &changed_states);
 445         nonidle = changed_states & (1 << PSI_NONIDLE);
 446         /*
 447          * If there is task activity, periodically fold the per-cpu
 448          * times and feed samples into the running averages. If things
 449          * are idle and there is no data to process, stop the clock.
 450          * Once restarted, we'll catch up the running averages in one
 451          * go - see calc_avgs() and missed_periods.
 452          */
 453         if (now >= group->avg_next_update)
 454                 group->avg_next_update = update_averages(group, now);
 455
 456         if (nonidle) {
 457                 schedule_delayed_work(dwork, nsecs_to_jiffies(
 458                                 group->avg_next_update - now) + 1);
 459         }
 460
 461         mutex_unlock(&group->avgs_lock);
 462 }
 463
 464 /* Trigger tracking window manipulations */
 465 static void window_reset(struct psi_window *win, u64 now, u64 value,
 466                          u64 prev_growth)
 467 {
 468         win->start_time = now;
 469         win->start_value = value;
 470         win->prev_growth = prev_growth;
 471 }
 472
 473 /*
 474  * PSI growth tracking window update and growth calculation routine.
 475  *
 476  * This approximates a sliding tracking window by interpolating
 477  * partially elapsed windows using historical growth data from the
 478  * previous intervals. This minimizes memory requirements (by not storing
 479  * all the intermediate values in the previous window) and simplifies
 480  * the calculations. It works well because PSI signal changes only in
 481  * positive direction and over relatively small window sizes the growth
 482  * is close to linear.
 483  */
 484 static u64 window_update(struct psi_window *win, u64 now, u64 value)
 485 {
 486         u64 elapsed;
 487         u64 growth;
 488
 489         elapsed = now - win->start_time;
 490         growth = value - win->start_value;
 491         /*
 492          * After each tracking window passes win->start_value and
 493          * win->start_time get reset and win->prev_growth stores
 494          * the average per-window growth of the previous window.
 495          * win->prev_growth is then used to interpolate additional
 496          * growth from the previous window assuming it was linear.
 497          */
 498         if (elapsed > win->size)
 499                 window_reset(win, now, value, growth);
 500         else {
 501                 u32 remaining;
 502
 503                 remaining = win->size - elapsed;
 504                 growth += div64_u64(win->prev_growth * remaining, win->size);
 505         }
 506
 507         return growth;
 508 }
 509
 510 static void init_triggers(struct psi_group *group, u64 now)
 511 {
 512         struct psi_trigger *t;
 513
 514         list_for_each_entry(t, &group->triggers, node)
 515                 window_reset(&t->win, now,
 516                                 group->total[PSI_POLL][t->state], 0);
 517         memcpy(group->polling_total, group->total[PSI_POLL],
 518                    sizeof(group->polling_total));
 519         group->polling_next_update = now + group->poll_min_period;
 520 }
 521
 522 static u64 update_triggers(struct psi_group *group, u64 now)
 523 {
 524         struct psi_trigger *t;
 525         bool new_stall = false;
 526         u64 *total = group->total[PSI_POLL];
 527
 528         /*
 529          * On subsequent updates, calculate growth deltas and let
 530          * watchers know when their specified thresholds are exceeded.
 531          */
 532         list_for_each_entry(t, &group->triggers, node) {
 533                 u64 growth;
 534
 535                 /* Check for stall activity */
 536                 if (group->polling_total[t->state] == total[t->state])
 537                         continue;
 538
 539                 /*
 540                  * Multiple triggers might be looking at the same state,
 541                  * remember to update group->polling_total[] once we've
 542                  * been through all of them. Also remember to extend the
 543                  * polling time if we see new stall activity.
 544                  */
 545                 new_stall = true;
 546
 547                 /* Calculate growth since last update */
 548                 growth = window_update(&t->win, now, total[t->state]);
 549                 if (growth < t->threshold)
 550                         continue;
 551
 552                 /* Limit event signaling to once per window */
 553                 if (now < t->last_event_time + t->win.size)
 554                         continue;
 555
 556                 /* Generate an event */
 557                 if (cmpxchg(&t->event, 0, 1) == 0)
 558                         wake_up_interruptible(&t->event_wait);
 559                 t->last_event_time = now;
 560         }
 561
 562         if (new_stall)
 563                 memcpy(group->polling_total, total,
 564                                 sizeof(group->polling_total));
 565
 566         return now + group->poll_min_period;
 567 }
 568
 569 /* Schedule polling if it's not already scheduled. */
 570 static void psi_schedule_poll_work(struct psi_group *group, unsigned long delay)
 571 {
 572         struct task_struct *task;
 573
 574         /*
 575          * Do not reschedule if already scheduled.
 576          * Possible race with a timer scheduled after this check but before
 577          * mod_timer below can be tolerated because group->polling_next_update
 578          * will keep updates on schedule.
 579          */
 580         if (timer_pending(&group->poll_timer))
 581                 return;
 582
 583         rcu_read_lock();
 584
 585         task = rcu_dereference(group->poll_task);
 586         /*
 587          * kworker might be NULL in case psi_trigger_destroy races with
 588          * psi_task_change (hotpath) which can't use locks
 589          */
 590         if (likely(task))
 591                 mod_timer(&group->poll_timer, jiffies + delay);
 592
 593         rcu_read_unlock();
 594 }
 595
 596 static void psi_poll_work(struct psi_group *group)
 597 {
 598         u32 changed_states;
 599         u64 now;
 600
 601         mutex_lock(&group->trigger_lock);
 602
 603         now = sched_clock();
 604
 605         collect_percpu_times(group, PSI_POLL, &changed_states);
 606
 607         if (changed_states & group->poll_states) {
 608                 /* Initialize trigger windows when entering polling mode */
 609                 if (now > group->polling_until)
 610                         init_triggers(group, now);
 611
 612                 /*
 613                  * Keep the monitor active for at least the duration of the
 614                  * minimum tracking window as long as monitor states are
 615                  * changing.
 616                  */
 617                 group->polling_until = now +
 618                         group->poll_min_period * UPDATES_PER_WINDOW;
 619         }
 620
 621         if (now > group->polling_until) {
 622                 group->polling_next_update = ULLONG_MAX;
 623                 goto out;
 624         }
 625
 626         if (now >= group->polling_next_update)
 627                 group->polling_next_update = update_triggers(group, now);
 628
 629         psi_schedule_poll_work(group,
 630                 nsecs_to_jiffies(group->polling_next_update - now) + 1);
 631
 632 out:
 633         mutex_unlock(&group->trigger_lock);
 634 }
 635
 636 static int psi_poll_worker(void *data)
 637 {
 638         struct psi_group *group = (struct psi_group *)data;
 639
 640         sched_set_fifo_low(current);
 641
 642         while (true) {
 643                 wait_event_interruptible(group->poll_wait,
 644                                 atomic_cmpxchg(&group->poll_wakeup, 1, 0) ||
 645                                 kthread_should_stop());
 646                 if (kthread_should_stop())
 647                         break;
 648
 649                 psi_poll_work(group);
 650         }
 651         return 0;
 652 }
 653
 654 static void poll_timer_fn(struct timer_list *t)
 655 {
 656         struct psi_group *group = from_timer(group, t, poll_timer);
 657
 658         atomic_set(&group->poll_wakeup, 1);
 659         wake_up_interruptible(&group->poll_wait);
 660 }
 661
 662 static void record_times(struct psi_group_cpu *groupc, u64 now)
 663 {
 664         u32 delta;
 665
 666         delta = now - groupc->state_start;
 667         groupc->state_start = now;
 668
 669         if (groupc->state_mask & (1 << PSI_IO_SOME)) {
 670                 groupc->times[PSI_IO_SOME] += delta;
 671                 if (groupc->state_mask & (1 << PSI_IO_FULL))
 672                         groupc->times[PSI_IO_FULL] += delta;
 673         }
 674
 675         if (groupc->state_mask & (1 << PSI_MEM_SOME)) {
 676                 groupc->times[PSI_MEM_SOME] += delta;
 677                 if (groupc->state_mask & (1 << PSI_MEM_FULL))
 678                         groupc->times[PSI_MEM_FULL] += delta;
 679         }
 680
 681         if (groupc->state_mask & (1 << PSI_CPU_SOME)) {
 682                 groupc->times[PSI_CPU_SOME] += delta;
 683                 if (groupc->state_mask & (1 << PSI_CPU_FULL))
 684                         groupc->times[PSI_CPU_FULL] += delta;
 685         }
 686
 687         if (groupc->state_mask & (1 << PSI_NONIDLE))
 688                 groupc->times[PSI_NONIDLE] += delta;
 689 }
 690
 691 static void psi_group_change(struct psi_group *group, int cpu,
 692                              unsigned int clear, unsigned int set, u64 now,
 693                              bool wake_clock)
 694 {
 695         struct psi_group_cpu *groupc;
 696         u32 state_mask = 0;
 697         unsigned int t, m;
 698         enum psi_states s;
 699
 700         groupc = per_cpu_ptr(group->pcpu, cpu);
 701
 702         /*
 703          * First we assess the aggregate resource states this CPU's
 704          * tasks have been in since the last change, and account any
 705          * SOME and FULL time these may have resulted in.
 706          *
 707          * Then we update the task counts according to the state
 708          * change requested through the @clear and @set bits.
 709          */
 710         write_seqcount_begin(&groupc->seq);
 711
 712         record_times(groupc, now);
 713
 714         for (t = 0, m = clear; m; m &= ~(1 << t), t++) {
 715                 if (!(m & (1 << t)))
 716                         continue;
 717                 if (groupc->tasks[t]) {
 718                         groupc->tasks[t]--;
 719                 } else if (!psi_bug) {
 720                         printk_deferred(KERN_ERR "psi: task underflow! cpu=%d t=%d tasks=[%u %u %u %u %u] clear=%x set=%x\n",
 721                                         cpu, t, groupc->tasks[0],
 722                                         groupc->tasks[1], groupc->tasks[2],
 723                                         groupc->tasks[3], groupc->tasks[4],
 724                                         clear, set);
 725                         psi_bug = 1;
 726                 }
 727         }
 728
 729         for (t = 0; set; set &= ~(1 << t), t++)
 730                 if (set & (1 << t))
 731                         groupc->tasks[t]++;
 732
 733         /* Calculate state mask representing active states */
 734         for (s = 0; s < NR_PSI_STATES; s++) {
 735                 if (test_state(groupc->tasks, s))
 736                         state_mask |= (1 << s);
 737         }
 738
 739         /*
 740          * Since we care about lost potential, a memstall is FULL
 741          * when there are no other working tasks, but also when
 742          * the CPU is actively reclaiming and nothing productive
 743          * could run even if it were runnable. So when the current
 744          * task in a cgroup is in_memstall, the corresponding groupc
 745          * on that cpu is in PSI_MEM_FULL state.
 746          */
 747         if (unlikely(groupc->tasks[NR_ONCPU] && cpu_curr(cpu)->in_memstall))
 748                 state_mask |= (1 << PSI_MEM_FULL);
 749
 750         groupc->state_mask = state_mask;
 751
 752         write_seqcount_end(&groupc->seq);
 753
 754         if (state_mask & group->poll_states)
 755                 psi_schedule_poll_work(group, 1);
 756
 757         if (wake_clock && !delayed_work_pending(&group->avgs_work))
 758                 schedule_delayed_work(&group->avgs_work, PSI_FREQ);
 759 }
 760
 761 static struct psi_group *iterate_groups(struct task_struct *task, void **iter)
 762 {
 763         if (*iter == &psi_system)
 764                 return NULL;
 765
 766 #ifdef CONFIG_CGROUPS
 767         if (static_branch_likely(&psi_cgroups_enabled)) {
 768                 struct cgroup *cgroup = NULL;
 769
 770                 if (!*iter)
 771                         cgroup = task->cgroups->dfl_cgrp;
 772                 else
 773                         cgroup = cgroup_parent(*iter);
 774
 775                 if (cgroup && cgroup_parent(cgroup)) {
 776                         *iter = cgroup;
 777                         return cgroup_psi(cgroup);
 778                 }
 779         }
 780 #endif
 781         *iter = &psi_system;
 782         return &psi_system;
 783 }
 784
 785 static void psi_flags_change(struct task_struct *task, int clear, int set)
 786 {
 787         if (((task->psi_flags & set) ||
 788              (task->psi_flags & clear) != clear) &&
 789             !psi_bug) {
 790                 printk_deferred(KERN_ERR "psi: inconsistent task state! task=%d:%s cpu=%d psi_flags=%x clear=%x set=%x\n",
 791                                 task->pid, task->comm, task_cpu(task),
 792                                 task->psi_flags, clear, set);
 793                 psi_bug = 1;
 794         }
 795
 796         task->psi_flags &= ~clear;
 797         task->psi_flags |= set;
 798 }
 799
 800 void psi_task_change(struct task_struct *task, int clear, int set)
 801 {
 802         int cpu = task_cpu(task);
 803         struct psi_group *group;
 804         bool wake_clock = true;
 805         void *iter = NULL;
 806         u64 now;
 807
 808         if (!task->pid)
 809                 return;
 810
 811         psi_flags_change(task, clear, set);
 812
 813         now = cpu_clock(cpu);
 814         /*
 815          * Periodic aggregation shuts off if there is a period of no
 816          * task changes, so we wake it back up if necessary. However,
 817          * don't do this if the task change is the aggregation worker
 818          * itself going to sleep, or we'll ping-pong forever.
 819          */
 820         if (unlikely((clear & TSK_RUNNING) &&
 821                      (task->flags & PF_WQ_WORKER) &&
 822                      wq_worker_last_func(task) == psi_avgs_work))
 823                 wake_clock = false;
 824
 825         while ((group = iterate_groups(task, &iter)))
 826                 psi_group_change(group, cpu, clear, set, now, wake_clock);
 827 }
 828
 829 void psi_task_switch(struct task_struct *prev, struct task_struct *next,
 830                      bool sleep)
 831 {
 832         struct psi_group *group, *common = NULL;
 833         int cpu = task_cpu(prev);
 834         void *iter;
 835         u64 now = cpu_clock(cpu);
 836
 837         if (next->pid) {
 838                 bool identical_state;
 839
 840                 psi_flags_change(next, 0, TSK_ONCPU);
 841                 /*
 842                  * When switching between tasks that have an identical
 843                  * runtime state, the cgroup that contains both tasks
 844                  * runtime state, the cgroup that contains both tasks
 845                  * we reach the first common ancestor. Iterate @next's
 846                  * ancestors only until we encounter @prev's ONCPU.
 847                  */
 848                 identical_state = prev->psi_flags == next->psi_flags;
 849                 iter = NULL;
 850                 while ((group = iterate_groups(next, &iter))) {
 851                         if (identical_state &&
 852                             per_cpu_ptr(group->pcpu, cpu)->tasks[NR_ONCPU]) {
 853                                 common = group;
 854                                 break;
 855                         }
 856
 857                         psi_group_change(group, cpu, 0, TSK_ONCPU, now, true);
 858                 }
 859         }
 860
 861         if (prev->pid) {
 862                 int clear = TSK_ONCPU, set = 0;
 863
 864                 /*
 865                  * When we're going to sleep, psi_dequeue() lets us
 866                  * handle TSK_RUNNING, TSK_MEMSTALL_RUNNING and
 867                  * TSK_IOWAIT here, where we can combine it with
 868                  * TSK_ONCPU and save walking common ancestors twice.
 869                  */
 870                 if (sleep) {
 871                         clear |= TSK_RUNNING;
 872                         if (prev->in_memstall)
 873                                 clear |= TSK_MEMSTALL_RUNNING;
 874                         if (prev->in_iowait)
 875                                 set |= TSK_IOWAIT;
 876                 }
 877
 878                 psi_flags_change(prev, clear, set);
 879
 880                 iter = NULL;
 881                 while ((group = iterate_groups(prev, &iter)) && group != common)
 882                         psi_group_change(group, cpu, clear, set, now, true);
 883
 884                 /*
 885                  * TSK_ONCPU is handled up to the common ancestor. If we're tasked
 886                  * with dequeuing too, finish that for the rest of the hierarchy.
 887                  */
 888                 if (sleep) {
 889                         clear &= ~TSK_ONCPU;
 890                         for (; group; group = iterate_groups(prev, &iter))
 891                                 psi_group_change(group, cpu, clear, set, now, true);
 892                 }
 893         }
 894 }
 895
 896 /**
 897  * psi_memstall_enter - mark the beginning of a memory stall section
 898  * @flags: flags to handle nested sections
 899  *
 900  * Marks the calling task as being stalled due to a lack of memory,
 901  * such as waiting for a refault or performing reclaim.
 902  */
 903 void psi_memstall_enter(unsigned long *flags)
 904 {
 905         struct rq_flags rf;
 906         struct rq *rq;
 907
 908         if (static_branch_likely(&psi_disabled))
 909                 return;
 910
 911         *flags = current->in_memstall;
 912         if (*flags)
 913                 return;
 914         /*
 915          * in_memstall setting & accounting needs to be atomic wrt
 916          * changes to the task's scheduling state, otherwise we can
 917          * race with CPU migration.
 918          */
 919         rq = this_rq_lock_irq(&rf);
 920
 921         current->in_memstall = 1;
 922         psi_task_change(current, 0, TSK_MEMSTALL | TSK_MEMSTALL_RUNNING);
 923
 924         rq_unlock_irq(rq, &rf);
 925 }
 926
 927 /**
 928  * psi_memstall_leave - mark the end of an memory stall section
 929  * @flags: flags to handle nested memdelay sections
 930  *
 931  * Marks the calling task as no longer stalled due to lack of memory.
 932  */
 933 void psi_memstall_leave(unsigned long *flags)
 934 {
 935         struct rq_flags rf;
 936         struct rq *rq;
 937
 938         if (static_branch_likely(&psi_disabled))
 939                 return;
 940
 941         if (*flags)
 942                 return;
 943         /*
 944          * in_memstall clearing & accounting needs to be atomic wrt
 945          * changes to the task's scheduling state, otherwise we could
 946          * race with CPU migration.
 947          */
 948         rq = this_rq_lock_irq(&rf);
 949
 950         current->in_memstall = 0;
 951         psi_task_change(current, TSK_MEMSTALL | TSK_MEMSTALL_RUNNING, 0);
 952
 953         rq_unlock_irq(rq, &rf);
 954 }
 955
 956 #ifdef CONFIG_CGROUPS
 957 int psi_cgroup_alloc(struct cgroup *cgroup)
 958 {
 959         if (static_branch_likely(&psi_disabled))
 960                 return 0;
 961
 962         cgroup->psi.pcpu = alloc_percpu(struct psi_group_cpu);
 963         if (!cgroup->psi.pcpu)
 964                 return -ENOMEM;
 965         group_init(&cgroup->psi);
 966         return 0;
 967 }
 968
 969 void psi_cgroup_free(struct cgroup *cgroup)
 970 {
 971         if (static_branch_likely(&psi_disabled))
 972                 return;
 973
 974         cancel_delayed_work_sync(&cgroup->psi.avgs_work);
 975         free_percpu(cgroup->psi.pcpu);
 976         /* All triggers must be removed by now */
 977         WARN_ONCE(cgroup->psi.poll_states, "psi: trigger leak\n");
 978 }
 979
 980 /**
 981  * cgroup_move_task - move task to a different cgroup
 982  * @task: the task
 983  * @to: the target css_set
 984  *
 985  * Move task to a new cgroup and safely migrate its associated stall
 986  * state between the different groups.
 987  *
 988  * This function acquires the task's rq lock to lock out concurrent
 989  * changes to the task's scheduling state and - in case the task is
 990  * running - concurrent changes to its stall state.
 991  */
 992 void cgroup_move_task(struct task_struct *task, struct css_set *to)
 993 {
 994         unsigned int task_flags;
 995         struct rq_flags rf;
 996         struct rq *rq;
 997
 998         if (static_branch_likely(&psi_disabled)) {
 999                 /*
1000                  * Lame to do this here, but the scheduler cannot be locked
1001                  * from the outside, so we move cgroups from inside sched/.
1002                  */
1003                 rcu_assign_pointer(task->cgroups, to);
1004                 return;
1005         }
1006
1007         rq = task_rq_lock(task, &rf);
1008
1009         /*
1010          * We may race with schedule() dropping the rq lock between
1011          * deactivating prev and switching to next. Because the psi
1012          * updates from the deactivation are deferred to the switch
1013          * callback to save cgroup tree updates, the task's scheduling
1014          * state here is not coherent with its psi state:
1015          *
1016          * schedule()                   cgroup_move_task()
1017          *   rq_lock()
1018          *   deactivate_task()
1019          *     p->on_rq = 0
1020          *     psi_dequeue() // defers TSK_RUNNING & TSK_IOWAIT updates
1021          *   pick_next_task()
1022          *     rq_unlock()
1023          *                                rq_lock()
1024          *                                psi_task_change() // old cgroup
1025          *                                task->cgroups = to
1026          *                                psi_task_change() // new cgroup
1027          *                                rq_unlock()
1028          *     rq_lock()
1029          *   psi_sched_switch() // does deferred updates in new cgroup
1030          *
1031          * Don't rely on the scheduling state. Use psi_flags instead.
1032          */
1033         task_flags = task->psi_flags;
1034
1035         if (task_flags)
1036                 psi_task_change(task, task_flags, 0);
1037
1038         /* See comment above */
1039         rcu_assign_pointer(task->cgroups, to);
1040
1041         if (task_flags)
1042                 psi_task_change(task, 0, task_flags);
1043
1044         task_rq_unlock(rq, task, &rf);
1045 }
1046 #endif /* CONFIG_CGROUPS */
1047
1048 int psi_show(struct seq_file *m, struct psi_group *group, enum psi_res res)
1049 {
1050         int full;
1051         u64 now;
1052
1053         if (static_branch_likely(&psi_disabled))
1054                 return -EOPNOTSUPP;
1055
1056         /* Update averages before reporting them */
1057         mutex_lock(&group->avgs_lock);
1058         now = sched_clock();
1059         collect_percpu_times(group, PSI_AVGS, NULL);
1060         if (now >= group->avg_next_update)
1061                 group->avg_next_update = update_averages(group, now);
1062         mutex_unlock(&group->avgs_lock);
1063
1064         for (full = 0; full < 2; full++) {
1065                 unsigned long avg[3] = { 0, };
1066                 u64 total = 0;
1067                 int w;
1068
1069                 /* CPU FULL is undefined at the system level */
1070                 if (!(group == &psi_system && res == PSI_CPU && full)) {
1071                         for (w = 0; w < 3; w++)
1072                                 avg[w] = group->avg[res * 2 + full][w];
1073                         total = div_u64(group->total[PSI_AVGS][res * 2 + full],
1074                                         NSEC_PER_USEC);
1075                 }
1076
1077                 seq_printf(m, "%s avg10=%lu.%02lu avg60=%lu.%02lu avg300=%lu.%02lu total=%llu\n",
1078                            full ? "full" : "some",
1079                            LOAD_INT(avg[0]), LOAD_FRAC(avg[0]),
1080                            LOAD_INT(avg[1]), LOAD_FRAC(avg[1]),
1081                            LOAD_INT(avg[2]), LOAD_FRAC(avg[2]),
1082                            total);
1083         }
1084
1085         return 0;
1086 }
1087
1088 struct psi_trigger *psi_trigger_create(struct psi_group *group,
1089                         char *buf, size_t nbytes, enum psi_res res)
1090 {
1091         struct psi_trigger *t;
1092         enum psi_states state;
1093         u32 threshold_us;
1094         u32 window_us;
1095
1096         if (static_branch_likely(&psi_disabled))
1097                 return ERR_PTR(-EOPNOTSUPP);
1098
1099         if (sscanf(buf, "some %u %u", &threshold_us, &window_us) == 2)
1100                 state = PSI_IO_SOME + res * 2;
1101         else if (sscanf(buf, "full %u %u", &threshold_us, &window_us) == 2)
1102                 state = PSI_IO_FULL + res * 2;
1103         else
1104                 return ERR_PTR(-EINVAL);
1105
1106         if (state >= PSI_NONIDLE)
1107                 return ERR_PTR(-EINVAL);
1108
1109         if (window_us < WINDOW_MIN_US ||
1110                 window_us > WINDOW_MAX_US)
1111                 return ERR_PTR(-EINVAL);
1112
1113         /* Check threshold */
1114         if (threshold_us == 0 || threshold_us > window_us)
1115                 return ERR_PTR(-EINVAL);
1116
1117         t = kmalloc(sizeof(*t), GFP_KERNEL);
1118         if (!t)
1119                 return ERR_PTR(-ENOMEM);
1120
1121         t->group = group;
1122         t->state = state;
1123         t->threshold = threshold_us * NSEC_PER_USEC;
1124         t->win.size = window_us * NSEC_PER_USEC;
1125         window_reset(&t->win, 0, 0, 0);
1126
1127         t->event = 0;
1128         t->last_event_time = 0;
1129         init_waitqueue_head(&t->event_wait);
1130
1131         mutex_lock(&group->trigger_lock);
1132
1133         if (!rcu_access_pointer(group->poll_task)) {
1134                 struct task_struct *task;
1135
1136                 task = kthread_create(psi_poll_worker, group, "psimon");
1137                 if (IS_ERR(task)) {
1138                         kfree(t);
1139                         mutex_unlock(&group->trigger_lock);
1140                         return ERR_CAST(task);
1141                 }
1142                 atomic_set(&group->poll_wakeup, 0);
1143                 wake_up_process(task);
1144                 rcu_assign_pointer(group->poll_task, task);
1145         }
1146
1147         list_add(&t->node, &group->triggers);
1148         group->poll_min_period = min(group->poll_min_period,
1149                 div_u64(t->win.size, UPDATES_PER_WINDOW));
1150         group->nr_triggers[t->state]++;
1151         group->poll_states |= (1 << t->state);
1152
1153         mutex_unlock(&group->trigger_lock);
1154
1155         return t;
1156 }
1157
1158 void psi_trigger_destroy(struct psi_trigger *t)
1159 {
1160         struct psi_group *group;
1161         struct task_struct *task_to_destroy = NULL;
1162
1163         /*
1164          * We do not check psi_disabled since it might have been disabled after
1165          * the trigger got created.
1166          */
1167         if (!t)
1168                 return;
1169
1170         group = t->group;
1171         /*
1172          * Wakeup waiters to stop polling. Can happen if cgroup is deleted
1173          * from under a polling process.
1174          */
1175         wake_up_interruptible(&t->event_wait);
1176
1177         mutex_lock(&group->trigger_lock);
1178
1179         if (!list_empty(&t->node)) {
1180                 struct psi_trigger *tmp;
1181                 u64 period = ULLONG_MAX;
1182
1183                 list_del(&t->node);
1184                 group->nr_triggers[t->state]--;
1185                 if (!group->nr_triggers[t->state])
1186                         group->poll_states &= ~(1 << t->state);
1187                 /* reset min update period for the remaining triggers */
1188                 list_for_each_entry(tmp, &group->triggers, node)
1189                         period = min(period, div_u64(tmp->win.size,
1190                                         UPDATES_PER_WINDOW));
1191                 group->poll_min_period = period;
1192                 /* Destroy poll_task when the last trigger is destroyed */
1193                 if (group->poll_states == 0) {
1194                         group->polling_until = 0;
1195                         task_to_destroy = rcu_dereference_protected(
1196                                         group->poll_task,
1197                                         lockdep_is_held(&group->trigger_lock));
1198                         rcu_assign_pointer(group->poll_task, NULL);
1199                         del_timer(&group->poll_timer);
1200                 }
1201         }
1202
1203         mutex_unlock(&group->trigger_lock);
1204
1205         /*
1206          * Wait for psi_schedule_poll_work RCU to complete its read-side
1207          * critical section before destroying the trigger and optionally the
1208          * poll_task.
1209          */
1210         synchronize_rcu();
1211         /*
1212          * Stop kthread 'psimon' after releasing trigger_lock to prevent a
1213          * deadlock while waiting for psi_poll_work to acquire trigger_lock
1214          */
1215         if (task_to_destroy) {
1216                 /*
1217                  * After the RCU grace period has expired, the worker
1218                  * can no longer be found through group->poll_task.
1219                  */
1220                 kthread_stop(task_to_destroy);
1221         }
1222         kfree(t);
1223 }
1224
1225 __poll_t psi_trigger_poll(void **trigger_ptr,
1226                                 struct file *file, poll_table *wait)
1227 {
1228         __poll_t ret = DEFAULT_POLLMASK;
1229         struct psi_trigger *t;
1230
1231         if (static_branch_likely(&psi_disabled))
1232                 return DEFAULT_POLLMASK | EPOLLERR | EPOLLPRI;
1233
1234         t = smp_load_acquire(trigger_ptr);
1235         if (!t)
1236                 return DEFAULT_POLLMASK | EPOLLERR | EPOLLPRI;
1237
1238         poll_wait(file, &t->event_wait, wait);
1239
1240         if (cmpxchg(&t->event, 1, 0) == 1)
1241                 ret |= EPOLLPRI;
1242
1243         return ret;
1244 }
1245
1246 #ifdef CONFIG_PROC_FS
1247 static int psi_io_show(struct seq_file *m, void *v)
1248 {
1249         return psi_show(m, &psi_system, PSI_IO);
1250 }
1251
1252 static int psi_memory_show(struct seq_file *m, void *v)
1253 {
1254         return psi_show(m, &psi_system, PSI_MEM);
1255 }
1256
1257 static int psi_cpu_show(struct seq_file *m, void *v)
1258 {
1259         return psi_show(m, &psi_system, PSI_CPU);
1260 }
1261
1262 static int psi_open(struct file *file, int (*psi_show)(struct seq_file *, void *))
1263 {
1264         if (file->f_mode & FMODE_WRITE && !capable(CAP_SYS_RESOURCE))
1265                 return -EPERM;
1266
1267         return single_open(file, psi_show, NULL);
1268 }
1269
1270 static int psi_io_open(struct inode *inode, struct file *file)
1271 {
1272         return psi_open(file, psi_io_show);
1273 }
1274
1275 static int psi_memory_open(struct inode *inode, struct file *file)
1276 {
1277         return psi_open(file, psi_memory_show);
1278 }
1279
1280 static int psi_cpu_open(struct inode *inode, struct file *file)
1281 {
1282         return psi_open(file, psi_cpu_show);
1283 }
1284
1285 static ssize_t psi_write(struct file *file, const char __user *user_buf,
1286                          size_t nbytes, enum psi_res res)
1287 {
1288         char buf[32];
1289         size_t buf_size;
1290         struct seq_file *seq;
1291         struct psi_trigger *new;
1292
1293         if (static_branch_likely(&psi_disabled))
1294                 return -EOPNOTSUPP;
1295
1296         if (!nbytes)
1297                 return -EINVAL;
1298
1299         buf_size = min(nbytes, sizeof(buf));
1300         if (copy_from_user(buf, user_buf, buf_size))
1301                 return -EFAULT;
1302
1303         buf[buf_size - 1] = '\0';
1304
1305         seq = file->private_data;
1306
1307         /* Take seq->lock to protect seq->private from concurrent writes */
1308         mutex_lock(&seq->lock);
1309
1310         /* Allow only one trigger per file descriptor */
1311         if (seq->private) {
1312                 mutex_unlock(&seq->lock);
1313                 return -EBUSY;
1314         }
1315
1316         new = psi_trigger_create(&psi_system, buf, nbytes, res);
1317         if (IS_ERR(new)) {
1318                 mutex_unlock(&seq->lock);
1319                 return PTR_ERR(new);
1320         }
1321
1322         smp_store_release(&seq->private, new);
1323         mutex_unlock(&seq->lock);
1324
1325         return nbytes;
1326 }
1327
1328 static ssize_t psi_io_write(struct file *file, const char __user *user_buf,
1329                             size_t nbytes, loff_t *ppos)
1330 {
1331         return psi_write(file, user_buf, nbytes, PSI_IO);
1332 }
1333
1334 static ssize_t psi_memory_write(struct file *file, const char __user *user_buf,
1335                                 size_t nbytes, loff_t *ppos)
1336 {
1337         return psi_write(file, user_buf, nbytes, PSI_MEM);
1338 }
1339
1340 static ssize_t psi_cpu_write(struct file *file, const char __user *user_buf,
1341                              size_t nbytes, loff_t *ppos)
1342 {
1343         return psi_write(file, user_buf, nbytes, PSI_CPU);
1344 }
1345
1346 static __poll_t psi_fop_poll(struct file *file, poll_table *wait)
1347 {
1348         struct seq_file *seq = file->private_data;
1349
1350         return psi_trigger_poll(&seq->private, file, wait);
1351 }
1352
1353 static int psi_fop_release(struct inode *inode, struct file *file)
1354 {
1355         struct seq_file *seq = file->private_data;
1356
1357         psi_trigger_destroy(seq->private);
1358         return single_release(inode, file);
1359 }
1360
1361 static const struct proc_ops psi_io_proc_ops = {
1362         .proc_open      = psi_io_open,
1363         .proc_read      = seq_read,
1364         .proc_lseek     = seq_lseek,
1365         .proc_write     = psi_io_write,
1366         .proc_poll      = psi_fop_poll,
1367         .proc_release   = psi_fop_release,
1368 };
1369
1370 static const struct proc_ops psi_memory_proc_ops = {
1371         .proc_open      = psi_memory_open,
1372         .proc_read      = seq_read,
1373         .proc_lseek     = seq_lseek,
1374         .proc_write     = psi_memory_write,
1375         .proc_poll      = psi_fop_poll,
1376         .proc_release   = psi_fop_release,
1377 };
1378
1379 static const struct proc_ops psi_cpu_proc_ops = {
1380         .proc_open      = psi_cpu_open,
1381         .proc_read      = seq_read,
1382         .proc_lseek     = seq_lseek,
1383         .proc_write     = psi_cpu_write,
1384         .proc_poll      = psi_fop_poll,
1385         .proc_release   = psi_fop_release,
1386 };
1387
1388 static int __init psi_proc_init(void)
1389 {
1390         if (psi_enable) {
1391                 proc_mkdir("pressure", NULL);
1392                 proc_create("pressure/io", 0666, NULL, &psi_io_proc_ops);
1393                 proc_create("pressure/memory", 0666, NULL, &psi_memory_proc_ops);
1394                 proc_create("pressure/cpu", 0666, NULL, &psi_cpu_proc_ops);
1395         }
1396         return 0;
1397 }
1398 module_init(psi_proc_init);
1399
1400 #endif /* CONFIG_PROC_FS */