bpf: add a longest prefix match trie map implementation
authorDaniel Mack <daniel@zonque.org>
Sat, 21 Jan 2017 16:26:11 +0000 (17:26 +0100)
committerDavid S. Miller <davem@davemloft.net>
Mon, 23 Jan 2017 21:10:38 +0000 (16:10 -0500)
This trie implements a longest prefix match algorithm that can be used
to match IP addresses to a stored set of ranges.

Internally, data is stored in an unbalanced trie of nodes that has a
maximum height of n, where n is the prefixlen the trie was created
with.

Tries may be created with prefix lengths that are multiples of 8, in
the range from 8 to 2048. The key used for lookup and update operations
is a struct bpf_lpm_trie_key, and the value is a uint64_t.

The code carries more information about the internal implementation.

Signed-off-by: Daniel Mack <daniel@zonque.org>
Reviewed-by: David Herrmann <dh.herrmann@gmail.com>
Acked-by: Alexei Starovoitov <ast@kernel.org>
Signed-off-by: David S. Miller <davem@davemloft.net>
include/uapi/linux/bpf.h
kernel/bpf/Makefile
kernel/bpf/lpm_trie.c [new file with mode: 0644]

index 54a5894bb4ea3933f5f62ba074c404526fc4983c..bd3068485410177b0f1668b29a26cd28b1b62a5a 100644 (file)
@@ -63,6 +63,12 @@ struct bpf_insn {
        __s32   imm;            /* signed immediate constant */
 };
 
+/* Key of an a BPF_MAP_TYPE_LPM_TRIE entry */
+struct bpf_lpm_trie_key {
+       __u32   prefixlen;      /* up to 32 for AF_INET, 128 for AF_INET6 */
+       __u8    data[0];        /* Arbitrary size */
+};
+
 /* BPF syscall commands, see bpf(2) man-page for details. */
 enum bpf_cmd {
        BPF_MAP_CREATE,
@@ -89,6 +95,7 @@ enum bpf_map_type {
        BPF_MAP_TYPE_CGROUP_ARRAY,
        BPF_MAP_TYPE_LRU_HASH,
        BPF_MAP_TYPE_LRU_PERCPU_HASH,
+       BPF_MAP_TYPE_LPM_TRIE,
 };
 
 enum bpf_prog_type {
index 1276474ac3cd9ddf2a87f37312edc661d2ec335c..e1ce4f4fd7fd47fda2c18776573c0f65479c6728 100644 (file)
@@ -1,7 +1,7 @@
 obj-y := core.o
 
 obj-$(CONFIG_BPF_SYSCALL) += syscall.o verifier.o inode.o helpers.o
-obj-$(CONFIG_BPF_SYSCALL) += hashtab.o arraymap.o percpu_freelist.o bpf_lru_list.o
+obj-$(CONFIG_BPF_SYSCALL) += hashtab.o arraymap.o percpu_freelist.o bpf_lru_list.o lpm_trie.o
 ifeq ($(CONFIG_PERF_EVENTS),y)
 obj-$(CONFIG_BPF_SYSCALL) += stackmap.o
 endif
diff --git a/kernel/bpf/lpm_trie.c b/kernel/bpf/lpm_trie.c
new file mode 100644 (file)
index 0000000..ba19241
--- /dev/null
@@ -0,0 +1,503 @@
+/*
+ * Longest prefix match list implementation
+ *
+ * Copyright (c) 2016,2017 Daniel Mack
+ * Copyright (c) 2016 David Herrmann
+ *
+ * This file is subject to the terms and conditions of version 2 of the GNU
+ * General Public License.  See the file COPYING in the main directory of the
+ * Linux distribution for more details.
+ */
+
+#include <linux/bpf.h>
+#include <linux/err.h>
+#include <linux/slab.h>
+#include <linux/spinlock.h>
+#include <linux/vmalloc.h>
+#include <net/ipv6.h>
+
+/* Intermediate node */
+#define LPM_TREE_NODE_FLAG_IM BIT(0)
+
+struct lpm_trie_node;
+
+struct lpm_trie_node {
+       struct rcu_head rcu;
+       struct lpm_trie_node __rcu      *child[2];
+       u32                             prefixlen;
+       u32                             flags;
+       u8                              data[0];
+};
+
+struct lpm_trie {
+       struct bpf_map                  map;
+       struct lpm_trie_node __rcu      *root;
+       size_t                          n_entries;
+       size_t                          max_prefixlen;
+       size_t                          data_size;
+       raw_spinlock_t                  lock;
+};
+
+/* This trie implements a longest prefix match algorithm that can be used to
+ * match IP addresses to a stored set of ranges.
+ *
+ * Data stored in @data of struct bpf_lpm_key and struct lpm_trie_node is
+ * interpreted as big endian, so data[0] stores the most significant byte.
+ *
+ * Match ranges are internally stored in instances of struct lpm_trie_node
+ * which each contain their prefix length as well as two pointers that may
+ * lead to more nodes containing more specific matches. Each node also stores
+ * a value that is defined by and returned to userspace via the update_elem
+ * and lookup functions.
+ *
+ * For instance, let's start with a trie that was created with a prefix length
+ * of 32, so it can be used for IPv4 addresses, and one single element that
+ * matches 192.168.0.0/16. The data array would hence contain
+ * [0xc0, 0xa8, 0x00, 0x00] in big-endian notation. This documentation will
+ * stick to IP-address notation for readability though.
+ *
+ * As the trie is empty initially, the new node (1) will be places as root
+ * node, denoted as (R) in the example below. As there are no other node, both
+ * child pointers are %NULL.
+ *
+ *              +----------------+
+ *              |       (1)  (R) |
+ *              | 192.168.0.0/16 |
+ *              |    value: 1    |
+ *              |   [0]    [1]   |
+ *              +----------------+
+ *
+ * Next, let's add a new node (2) matching 192.168.0.0/24. As there is already
+ * a node with the same data and a smaller prefix (ie, a less specific one),
+ * node (2) will become a child of (1). In child index depends on the next bit
+ * that is outside of what (1) matches, and that bit is 0, so (2) will be
+ * child[0] of (1):
+ *
+ *              +----------------+
+ *              |       (1)  (R) |
+ *              | 192.168.0.0/16 |
+ *              |    value: 1    |
+ *              |   [0]    [1]   |
+ *              +----------------+
+ *                   |
+ *    +----------------+
+ *    |       (2)      |
+ *    | 192.168.0.0/24 |
+ *    |    value: 2    |
+ *    |   [0]    [1]   |
+ *    +----------------+
+ *
+ * The child[1] slot of (1) could be filled with another node which has bit #17
+ * (the next bit after the ones that (1) matches on) set to 1. For instance,
+ * 192.168.128.0/24:
+ *
+ *              +----------------+
+ *              |       (1)  (R) |
+ *              | 192.168.0.0/16 |
+ *              |    value: 1    |
+ *              |   [0]    [1]   |
+ *              +----------------+
+ *                   |      |
+ *    +----------------+  +------------------+
+ *    |       (2)      |  |        (3)       |
+ *    | 192.168.0.0/24 |  | 192.168.128.0/24 |
+ *    |    value: 2    |  |     value: 3     |
+ *    |   [0]    [1]   |  |    [0]    [1]    |
+ *    +----------------+  +------------------+
+ *
+ * Let's add another node (4) to the game for 192.168.1.0/24. In order to place
+ * it, node (1) is looked at first, and because (4) of the semantics laid out
+ * above (bit #17 is 0), it would normally be attached to (1) as child[0].
+ * However, that slot is already allocated, so a new node is needed in between.
+ * That node does not have a value attached to it and it will never be
+ * returned to users as result of a lookup. It is only there to differentiate
+ * the traversal further. It will get a prefix as wide as necessary to
+ * distinguish its two children:
+ *
+ *                      +----------------+
+ *                      |       (1)  (R) |
+ *                      | 192.168.0.0/16 |
+ *                      |    value: 1    |
+ *                      |   [0]    [1]   |
+ *                      +----------------+
+ *                           |      |
+ *            +----------------+  +------------------+
+ *            |       (4)  (I) |  |        (3)       |
+ *            | 192.168.0.0/23 |  | 192.168.128.0/24 |
+ *            |    value: ---  |  |     value: 3     |
+ *            |   [0]    [1]   |  |    [0]    [1]    |
+ *            +----------------+  +------------------+
+ *                 |      |
+ *  +----------------+  +----------------+
+ *  |       (2)      |  |       (5)      |
+ *  | 192.168.0.0/24 |  | 192.168.1.0/24 |
+ *  |    value: 2    |  |     value: 5   |
+ *  |   [0]    [1]   |  |   [0]    [1]   |
+ *  +----------------+  +----------------+
+ *
+ * 192.168.1.1/32 would be a child of (5) etc.
+ *
+ * An intermediate node will be turned into a 'real' node on demand. In the
+ * example above, (4) would be re-used if 192.168.0.0/23 is added to the trie.
+ *
+ * A fully populated trie would have a height of 32 nodes, as the trie was
+ * created with a prefix length of 32.
+ *
+ * The lookup starts at the root node. If the current node matches and if there
+ * is a child that can be used to become more specific, the trie is traversed
+ * downwards. The last node in the traversal that is a non-intermediate one is
+ * returned.
+ */
+
+static inline int extract_bit(const u8 *data, size_t index)
+{
+       return !!(data[index / 8] & (1 << (7 - (index % 8))));
+}
+
+/**
+ * longest_prefix_match() - determine the longest prefix
+ * @trie:      The trie to get internal sizes from
+ * @node:      The node to operate on
+ * @key:       The key to compare to @node
+ *
+ * Determine the longest prefix of @node that matches the bits in @key.
+ */
+static size_t longest_prefix_match(const struct lpm_trie *trie,
+                                  const struct lpm_trie_node *node,
+                                  const struct bpf_lpm_trie_key *key)
+{
+       size_t prefixlen = 0;
+       size_t i;
+
+       for (i = 0; i < trie->data_size; i++) {
+               size_t b;
+
+               b = 8 - fls(node->data[i] ^ key->data[i]);
+               prefixlen += b;
+
+               if (prefixlen >= node->prefixlen || prefixlen >= key->prefixlen)
+                       return min(node->prefixlen, key->prefixlen);
+
+               if (b < 8)
+                       break;
+       }
+
+       return prefixlen;
+}
+
+/* Called from syscall or from eBPF program */
+static void *trie_lookup_elem(struct bpf_map *map, void *_key)
+{
+       struct lpm_trie *trie = container_of(map, struct lpm_trie, map);
+       struct lpm_trie_node *node, *found = NULL;
+       struct bpf_lpm_trie_key *key = _key;
+
+       /* Start walking the trie from the root node ... */
+
+       for (node = rcu_dereference(trie->root); node;) {
+               unsigned int next_bit;
+               size_t matchlen;
+
+               /* Determine the longest prefix of @node that matches @key.
+                * If it's the maximum possible prefix for this trie, we have
+                * an exact match and can return it directly.
+                */
+               matchlen = longest_prefix_match(trie, node, key);
+               if (matchlen == trie->max_prefixlen) {
+                       found = node;
+                       break;
+               }
+
+               /* If the number of bits that match is smaller than the prefix
+                * length of @node, bail out and return the node we have seen
+                * last in the traversal (ie, the parent).
+                */
+               if (matchlen < node->prefixlen)
+                       break;
+
+               /* Consider this node as return candidate unless it is an
+                * artificially added intermediate one.
+                */
+               if (!(node->flags & LPM_TREE_NODE_FLAG_IM))
+                       found = node;
+
+               /* If the node match is fully satisfied, let's see if we can
+                * become more specific. Determine the next bit in the key and
+                * traverse down.
+                */
+               next_bit = extract_bit(key->data, node->prefixlen);
+               node = rcu_dereference(node->child[next_bit]);
+       }
+
+       if (!found)
+               return NULL;
+
+       return found->data + trie->data_size;
+}
+
+static struct lpm_trie_node *lpm_trie_node_alloc(const struct lpm_trie *trie,
+                                                const void *value)
+{
+       struct lpm_trie_node *node;
+       size_t size = sizeof(struct lpm_trie_node) + trie->data_size;
+
+       if (value)
+               size += trie->map.value_size;
+
+       node = kmalloc(size, GFP_ATOMIC | __GFP_NOWARN);
+       if (!node)
+               return NULL;
+
+       node->flags = 0;
+
+       if (value)
+               memcpy(node->data + trie->data_size, value,
+                      trie->map.value_size);
+
+       return node;
+}
+
+/* Called from syscall or from eBPF program */
+static int trie_update_elem(struct bpf_map *map,
+                           void *_key, void *value, u64 flags)
+{
+       struct lpm_trie *trie = container_of(map, struct lpm_trie, map);
+       struct lpm_trie_node *node, *im_node, *new_node = NULL;
+       struct lpm_trie_node __rcu **slot;
+       struct bpf_lpm_trie_key *key = _key;
+       unsigned long irq_flags;
+       unsigned int next_bit;
+       size_t matchlen = 0;
+       int ret = 0;
+
+       if (unlikely(flags > BPF_EXIST))
+               return -EINVAL;
+
+       if (key->prefixlen > trie->max_prefixlen)
+               return -EINVAL;
+
+       raw_spin_lock_irqsave(&trie->lock, irq_flags);
+
+       /* Allocate and fill a new node */
+
+       if (trie->n_entries == trie->map.max_entries) {
+               ret = -ENOSPC;
+               goto out;
+       }
+
+       new_node = lpm_trie_node_alloc(trie, value);
+       if (!new_node) {
+               ret = -ENOMEM;
+               goto out;
+       }
+
+       trie->n_entries++;
+
+       new_node->prefixlen = key->prefixlen;
+       RCU_INIT_POINTER(new_node->child[0], NULL);
+       RCU_INIT_POINTER(new_node->child[1], NULL);
+       memcpy(new_node->data, key->data, trie->data_size);
+
+       /* Now find a slot to attach the new node. To do that, walk the tree
+        * from the root and match as many bits as possible for each node until
+        * we either find an empty slot or a slot that needs to be replaced by
+        * an intermediate node.
+        */
+       slot = &trie->root;
+
+       while ((node = rcu_dereference_protected(*slot,
+                                       lockdep_is_held(&trie->lock)))) {
+               matchlen = longest_prefix_match(trie, node, key);
+
+               if (node->prefixlen != matchlen ||
+                   node->prefixlen == key->prefixlen ||
+                   node->prefixlen == trie->max_prefixlen)
+                       break;
+
+               next_bit = extract_bit(key->data, node->prefixlen);
+               slot = &node->child[next_bit];
+       }
+
+       /* If the slot is empty (a free child pointer or an empty root),
+        * simply assign the @new_node to that slot and be done.
+        */
+       if (!node) {
+               rcu_assign_pointer(*slot, new_node);
+               goto out;
+       }
+
+       /* If the slot we picked already exists, replace it with @new_node
+        * which already has the correct data array set.
+        */
+       if (node->prefixlen == matchlen) {
+               new_node->child[0] = node->child[0];
+               new_node->child[1] = node->child[1];
+
+               if (!(node->flags & LPM_TREE_NODE_FLAG_IM))
+                       trie->n_entries--;
+
+               rcu_assign_pointer(*slot, new_node);
+               kfree_rcu(node, rcu);
+
+               goto out;
+       }
+
+       /* If the new node matches the prefix completely, it must be inserted
+        * as an ancestor. Simply insert it between @node and *@slot.
+        */
+       if (matchlen == key->prefixlen) {
+               next_bit = extract_bit(node->data, matchlen);
+               rcu_assign_pointer(new_node->child[next_bit], node);
+               rcu_assign_pointer(*slot, new_node);
+               goto out;
+       }
+
+       im_node = lpm_trie_node_alloc(trie, NULL);
+       if (!im_node) {
+               ret = -ENOMEM;
+               goto out;
+       }
+
+       im_node->prefixlen = matchlen;
+       im_node->flags |= LPM_TREE_NODE_FLAG_IM;
+       memcpy(im_node->data, node->data, trie->data_size);
+
+       /* Now determine which child to install in which slot */
+       if (extract_bit(key->data, matchlen)) {
+               rcu_assign_pointer(im_node->child[0], node);
+               rcu_assign_pointer(im_node->child[1], new_node);
+       } else {
+               rcu_assign_pointer(im_node->child[0], new_node);
+               rcu_assign_pointer(im_node->child[1], node);
+       }
+
+       /* Finally, assign the intermediate node to the determined spot */
+       rcu_assign_pointer(*slot, im_node);
+
+out:
+       if (ret) {
+               if (new_node)
+                       trie->n_entries--;
+
+               kfree(new_node);
+               kfree(im_node);
+       }
+
+       raw_spin_unlock_irqrestore(&trie->lock, irq_flags);
+
+       return ret;
+}
+
+static int trie_delete_elem(struct bpf_map *map, void *key)
+{
+       /* TODO */
+       return -ENOSYS;
+}
+
+static struct bpf_map *trie_alloc(union bpf_attr *attr)
+{
+       size_t cost, cost_per_node;
+       struct lpm_trie *trie;
+       int ret;
+
+       if (!capable(CAP_SYS_ADMIN))
+               return ERR_PTR(-EPERM);
+
+       /* check sanity of attributes */
+       if (attr->max_entries == 0 ||
+           attr->map_flags != BPF_F_NO_PREALLOC ||
+           attr->key_size < sizeof(struct bpf_lpm_trie_key) + 1   ||
+           attr->key_size > sizeof(struct bpf_lpm_trie_key) + 256 ||
+           attr->value_size == 0)
+               return ERR_PTR(-EINVAL);
+
+       trie = kzalloc(sizeof(*trie), GFP_USER | __GFP_NOWARN);
+       if (!trie)
+               return ERR_PTR(-ENOMEM);
+
+       /* copy mandatory map attributes */
+       trie->map.map_type = attr->map_type;
+       trie->map.key_size = attr->key_size;
+       trie->map.value_size = attr->value_size;
+       trie->map.max_entries = attr->max_entries;
+       trie->data_size = attr->key_size -
+                         offsetof(struct bpf_lpm_trie_key, data);
+       trie->max_prefixlen = trie->data_size * 8;
+
+       cost_per_node = sizeof(struct lpm_trie_node) +
+                       attr->value_size + trie->data_size;
+       cost = sizeof(*trie) + attr->max_entries * cost_per_node;
+       trie->map.pages = round_up(cost, PAGE_SIZE) >> PAGE_SHIFT;
+
+       ret = bpf_map_precharge_memlock(trie->map.pages);
+       if (ret) {
+               kfree(trie);
+               return ERR_PTR(ret);
+       }
+
+       raw_spin_lock_init(&trie->lock);
+
+       return &trie->map;
+}
+
+static void trie_free(struct bpf_map *map)
+{
+       struct lpm_trie *trie = container_of(map, struct lpm_trie, map);
+       struct lpm_trie_node __rcu **slot;
+       struct lpm_trie_node *node;
+
+       raw_spin_lock(&trie->lock);
+
+       /* Always start at the root and walk down to a node that has no
+        * children. Then free that node, nullify its reference in the parent
+        * and start over.
+        */
+
+       for (;;) {
+               slot = &trie->root;
+
+               for (;;) {
+                       node = rcu_dereference_protected(*slot,
+                                       lockdep_is_held(&trie->lock));
+                       if (!node)
+                               goto unlock;
+
+                       if (rcu_access_pointer(node->child[0])) {
+                               slot = &node->child[0];
+                               continue;
+                       }
+
+                       if (rcu_access_pointer(node->child[1])) {
+                               slot = &node->child[1];
+                               continue;
+                       }
+
+                       kfree(node);
+                       RCU_INIT_POINTER(*slot, NULL);
+                       break;
+               }
+       }
+
+unlock:
+       raw_spin_unlock(&trie->lock);
+}
+
+static const struct bpf_map_ops trie_ops = {
+       .map_alloc = trie_alloc,
+       .map_free = trie_free,
+       .map_lookup_elem = trie_lookup_elem,
+       .map_update_elem = trie_update_elem,
+       .map_delete_elem = trie_delete_elem,
+};
+
+static struct bpf_map_type_list trie_type __read_mostly = {
+       .ops = &trie_ops,
+       .type = BPF_MAP_TYPE_LPM_TRIE,
+};
+
+static int __init register_trie_map(void)
+{
+       bpf_register_map_type(&trie_type);
+       return 0;
+}
+late_initcall(register_trie_map);