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