GNU Linux-libre 6.6.34-gnu
[releases.git] / Documentation / admin-guide / mm / numa_memory_policy.rst
1 ==================
2 NUMA Memory Policy
3 ==================
4
5 What is NUMA Memory Policy?
6 ============================
7
8 In the Linux kernel, "memory policy" determines from which node the kernel will
9 allocate memory in a NUMA system or in an emulated NUMA system.  Linux has
10 supported platforms with Non-Uniform Memory Access architectures since 2.4.?.
11 The current memory policy support was added to Linux 2.6 around May 2004.  This
12 document attempts to describe the concepts and APIs of the 2.6 memory policy
13 support.
14
15 Memory policies should not be confused with cpusets
16 (``Documentation/admin-guide/cgroup-v1/cpusets.rst``)
17 which is an administrative mechanism for restricting the nodes from which
18 memory may be allocated by a set of processes. Memory policies are a
19 programming interface that a NUMA-aware application can take advantage of.  When
20 both cpusets and policies are applied to a task, the restrictions of the cpuset
21 takes priority.  See :ref:`Memory Policies and cpusets <mem_pol_and_cpusets>`
22 below for more details.
23
24 Memory Policy Concepts
25 ======================
26
27 Scope of Memory Policies
28 ------------------------
29
30 The Linux kernel supports _scopes_ of memory policy, described here from
31 most general to most specific:
32
33 System Default Policy
34         this policy is "hard coded" into the kernel.  It is the policy
35         that governs all page allocations that aren't controlled by
36         one of the more specific policy scopes discussed below.  When
37         the system is "up and running", the system default policy will
38         use "local allocation" described below.  However, during boot
39         up, the system default policy will be set to interleave
40         allocations across all nodes with "sufficient" memory, so as
41         not to overload the initial boot node with boot-time
42         allocations.
43
44 Task/Process Policy
45         this is an optional, per-task policy.  When defined for a
46         specific task, this policy controls all page allocations made
47         by or on behalf of the task that aren't controlled by a more
48         specific scope. If a task does not define a task policy, then
49         all page allocations that would have been controlled by the
50         task policy "fall back" to the System Default Policy.
51
52         The task policy applies to the entire address space of a task. Thus,
53         it is inheritable, and indeed is inherited, across both fork()
54         [clone() w/o the CLONE_VM flag] and exec*().  This allows a parent task
55         to establish the task policy for a child task exec()'d from an
56         executable image that has no awareness of memory policy.  See the
57         :ref:`Memory Policy APIs <memory_policy_apis>` section,
58         below, for an overview of the system call
59         that a task may use to set/change its task/process policy.
60
61         In a multi-threaded task, task policies apply only to the thread
62         [Linux kernel task] that installs the policy and any threads
63         subsequently created by that thread.  Any sibling threads existing
64         at the time a new task policy is installed retain their current
65         policy.
66
67         A task policy applies only to pages allocated after the policy is
68         installed.  Any pages already faulted in by the task when the task
69         changes its task policy remain where they were allocated based on
70         the policy at the time they were allocated.
71
72 .. _vma_policy:
73
74 VMA Policy
75         A "VMA" or "Virtual Memory Area" refers to a range of a task's
76         virtual address space.  A task may define a specific policy for a range
77         of its virtual address space.   See the
78         :ref:`Memory Policy APIs <memory_policy_apis>` section,
79         below, for an overview of the mbind() system call used to set a VMA
80         policy.
81
82         A VMA policy will govern the allocation of pages that back
83         this region of the address space.  Any regions of the task's
84         address space that don't have an explicit VMA policy will fall
85         back to the task policy, which may itself fall back to the
86         System Default Policy.
87
88         VMA policies have a few complicating details:
89
90         * VMA policy applies ONLY to anonymous pages.  These include
91           pages allocated for anonymous segments, such as the task
92           stack and heap, and any regions of the address space
93           mmap()ed with the MAP_ANONYMOUS flag.  If a VMA policy is
94           applied to a file mapping, it will be ignored if the mapping
95           used the MAP_SHARED flag.  If the file mapping used the
96           MAP_PRIVATE flag, the VMA policy will only be applied when
97           an anonymous page is allocated on an attempt to write to the
98           mapping-- i.e., at Copy-On-Write.
99
100         * VMA policies are shared between all tasks that share a
101           virtual address space--a.k.a. threads--independent of when
102           the policy is installed; and they are inherited across
103           fork().  However, because VMA policies refer to a specific
104           region of a task's address space, and because the address
105           space is discarded and recreated on exec*(), VMA policies
106           are NOT inheritable across exec().  Thus, only NUMA-aware
107           applications may use VMA policies.
108
109         * A task may install a new VMA policy on a sub-range of a
110           previously mmap()ed region.  When this happens, Linux splits
111           the existing virtual memory area into 2 or 3 VMAs, each with
112           its own policy.
113
114         * By default, VMA policy applies only to pages allocated after
115           the policy is installed.  Any pages already faulted into the
116           VMA range remain where they were allocated based on the
117           policy at the time they were allocated.  However, since
118           2.6.16, Linux supports page migration via the mbind() system
119           call, so that page contents can be moved to match a newly
120           installed policy.
121
122 Shared Policy
123         Conceptually, shared policies apply to "memory objects" mapped
124         shared into one or more tasks' distinct address spaces.  An
125         application installs shared policies the same way as VMA
126         policies--using the mbind() system call specifying a range of
127         virtual addresses that map the shared object.  However, unlike
128         VMA policies, which can be considered to be an attribute of a
129         range of a task's address space, shared policies apply
130         directly to the shared object.  Thus, all tasks that attach to
131         the object share the policy, and all pages allocated for the
132         shared object, by any task, will obey the shared policy.
133
134         As of 2.6.22, only shared memory segments, created by shmget() or
135         mmap(MAP_ANONYMOUS|MAP_SHARED), support shared policy.  When shared
136         policy support was added to Linux, the associated data structures were
137         added to hugetlbfs shmem segments.  At the time, hugetlbfs did not
138         support allocation at fault time--a.k.a lazy allocation--so hugetlbfs
139         shmem segments were never "hooked up" to the shared policy support.
140         Although hugetlbfs segments now support lazy allocation, their support
141         for shared policy has not been completed.
142
143         As mentioned above in :ref:`VMA policies <vma_policy>` section,
144         allocations of page cache pages for regular files mmap()ed
145         with MAP_SHARED ignore any VMA policy installed on the virtual
146         address range backed by the shared file mapping.  Rather,
147         shared page cache pages, including pages backing private
148         mappings that have not yet been written by the task, follow
149         task policy, if any, else System Default Policy.
150
151         The shared policy infrastructure supports different policies on subset
152         ranges of the shared object.  However, Linux still splits the VMA of
153         the task that installs the policy for each range of distinct policy.
154         Thus, different tasks that attach to a shared memory segment can have
155         different VMA configurations mapping that one shared object.  This
156         can be seen by examining the /proc/<pid>/numa_maps of tasks sharing
157         a shared memory region, when one task has installed shared policy on
158         one or more ranges of the region.
159
160 Components of Memory Policies
161 -----------------------------
162
163 A NUMA memory policy consists of a "mode", optional mode flags, and
164 an optional set of nodes.  The mode determines the behavior of the
165 policy, the optional mode flags determine the behavior of the mode,
166 and the optional set of nodes can be viewed as the arguments to the
167 policy behavior.
168
169 Internally, memory policies are implemented by a reference counted
170 structure, struct mempolicy.  Details of this structure will be
171 discussed in context, below, as required to explain the behavior.
172
173 NUMA memory policy supports the following 4 behavioral modes:
174
175 Default Mode--MPOL_DEFAULT
176         This mode is only used in the memory policy APIs.  Internally,
177         MPOL_DEFAULT is converted to the NULL memory policy in all
178         policy scopes.  Any existing non-default policy will simply be
179         removed when MPOL_DEFAULT is specified.  As a result,
180         MPOL_DEFAULT means "fall back to the next most specific policy
181         scope."
182
183         For example, a NULL or default task policy will fall back to the
184         system default policy.  A NULL or default vma policy will fall
185         back to the task policy.
186
187         When specified in one of the memory policy APIs, the Default mode
188         does not use the optional set of nodes.
189
190         It is an error for the set of nodes specified for this policy to
191         be non-empty.
192
193 MPOL_BIND
194         This mode specifies that memory must come from the set of
195         nodes specified by the policy.  Memory will be allocated from
196         the node in the set with sufficient free memory that is
197         closest to the node where the allocation takes place.
198
199 MPOL_PREFERRED
200         This mode specifies that the allocation should be attempted
201         from the single node specified in the policy.  If that
202         allocation fails, the kernel will search other nodes, in order
203         of increasing distance from the preferred node based on
204         information provided by the platform firmware.
205
206         Internally, the Preferred policy uses a single node--the
207         preferred_node member of struct mempolicy.  When the internal
208         mode flag MPOL_F_LOCAL is set, the preferred_node is ignored
209         and the policy is interpreted as local allocation.  "Local"
210         allocation policy can be viewed as a Preferred policy that
211         starts at the node containing the cpu where the allocation
212         takes place.
213
214         It is possible for the user to specify that local allocation
215         is always preferred by passing an empty nodemask with this
216         mode.  If an empty nodemask is passed, the policy cannot use
217         the MPOL_F_STATIC_NODES or MPOL_F_RELATIVE_NODES flags
218         described below.
219
220 MPOL_INTERLEAVED
221         This mode specifies that page allocations be interleaved, on a
222         page granularity, across the nodes specified in the policy.
223         This mode also behaves slightly differently, based on the
224         context where it is used:
225
226         For allocation of anonymous pages and shared memory pages,
227         Interleave mode indexes the set of nodes specified by the
228         policy using the page offset of the faulting address into the
229         segment [VMA] containing the address modulo the number of
230         nodes specified by the policy.  It then attempts to allocate a
231         page, starting at the selected node, as if the node had been
232         specified by a Preferred policy or had been selected by a
233         local allocation.  That is, allocation will follow the per
234         node zonelist.
235
236         For allocation of page cache pages, Interleave mode indexes
237         the set of nodes specified by the policy using a node counter
238         maintained per task.  This counter wraps around to the lowest
239         specified node after it reaches the highest specified node.
240         This will tend to spread the pages out over the nodes
241         specified by the policy based on the order in which they are
242         allocated, rather than based on any page offset into an
243         address range or file.  During system boot up, the temporary
244         interleaved system default policy works in this mode.
245
246 MPOL_PREFERRED_MANY
247         This mode specifies that the allocation should be preferably
248         satisfied from the nodemask specified in the policy. If there is
249         a memory pressure on all nodes in the nodemask, the allocation
250         can fall back to all existing numa nodes. This is effectively
251         MPOL_PREFERRED allowed for a mask rather than a single node.
252
253 NUMA memory policy supports the following optional mode flags:
254
255 MPOL_F_STATIC_NODES
256         This flag specifies that the nodemask passed by
257         the user should not be remapped if the task or VMA's set of allowed
258         nodes changes after the memory policy has been defined.
259
260         Without this flag, any time a mempolicy is rebound because of a
261         change in the set of allowed nodes, the preferred nodemask (Preferred
262         Many), preferred node (Preferred) or nodemask (Bind, Interleave) is
263         remapped to the new set of allowed nodes.  This may result in nodes
264         being used that were previously undesired.
265
266         With this flag, if the user-specified nodes overlap with the
267         nodes allowed by the task's cpuset, then the memory policy is
268         applied to their intersection.  If the two sets of nodes do not
269         overlap, the Default policy is used.
270
271         For example, consider a task that is attached to a cpuset with
272         mems 1-3 that sets an Interleave policy over the same set.  If
273         the cpuset's mems change to 3-5, the Interleave will now occur
274         over nodes 3, 4, and 5.  With this flag, however, since only node
275         3 is allowed from the user's nodemask, the "interleave" only
276         occurs over that node.  If no nodes from the user's nodemask are
277         now allowed, the Default behavior is used.
278
279         MPOL_F_STATIC_NODES cannot be combined with the
280         MPOL_F_RELATIVE_NODES flag.  It also cannot be used for
281         MPOL_PREFERRED policies that were created with an empty nodemask
282         (local allocation).
283
284 MPOL_F_RELATIVE_NODES
285         This flag specifies that the nodemask passed
286         by the user will be mapped relative to the set of the task or VMA's
287         set of allowed nodes.  The kernel stores the user-passed nodemask,
288         and if the allowed nodes changes, then that original nodemask will
289         be remapped relative to the new set of allowed nodes.
290
291         Without this flag (and without MPOL_F_STATIC_NODES), anytime a
292         mempolicy is rebound because of a change in the set of allowed
293         nodes, the node (Preferred) or nodemask (Bind, Interleave) is
294         remapped to the new set of allowed nodes.  That remap may not
295         preserve the relative nature of the user's passed nodemask to its
296         set of allowed nodes upon successive rebinds: a nodemask of
297         1,3,5 may be remapped to 7-9 and then to 1-3 if the set of
298         allowed nodes is restored to its original state.
299
300         With this flag, the remap is done so that the node numbers from
301         the user's passed nodemask are relative to the set of allowed
302         nodes.  In other words, if nodes 0, 2, and 4 are set in the user's
303         nodemask, the policy will be effected over the first (and in the
304         Bind or Interleave case, the third and fifth) nodes in the set of
305         allowed nodes.  The nodemask passed by the user represents nodes
306         relative to task or VMA's set of allowed nodes.
307
308         If the user's nodemask includes nodes that are outside the range
309         of the new set of allowed nodes (for example, node 5 is set in
310         the user's nodemask when the set of allowed nodes is only 0-3),
311         then the remap wraps around to the beginning of the nodemask and,
312         if not already set, sets the node in the mempolicy nodemask.
313
314         For example, consider a task that is attached to a cpuset with
315         mems 2-5 that sets an Interleave policy over the same set with
316         MPOL_F_RELATIVE_NODES.  If the cpuset's mems change to 3-7, the
317         interleave now occurs over nodes 3,5-7.  If the cpuset's mems
318         then change to 0,2-3,5, then the interleave occurs over nodes
319         0,2-3,5.
320
321         Thanks to the consistent remapping, applications preparing
322         nodemasks to specify memory policies using this flag should
323         disregard their current, actual cpuset imposed memory placement
324         and prepare the nodemask as if they were always located on
325         memory nodes 0 to N-1, where N is the number of memory nodes the
326         policy is intended to manage.  Let the kernel then remap to the
327         set of memory nodes allowed by the task's cpuset, as that may
328         change over time.
329
330         MPOL_F_RELATIVE_NODES cannot be combined with the
331         MPOL_F_STATIC_NODES flag.  It also cannot be used for
332         MPOL_PREFERRED policies that were created with an empty nodemask
333         (local allocation).
334
335 Memory Policy Reference Counting
336 ================================
337
338 To resolve use/free races, struct mempolicy contains an atomic reference
339 count field.  Internal interfaces, mpol_get()/mpol_put() increment and
340 decrement this reference count, respectively.  mpol_put() will only free
341 the structure back to the mempolicy kmem cache when the reference count
342 goes to zero.
343
344 When a new memory policy is allocated, its reference count is initialized
345 to '1', representing the reference held by the task that is installing the
346 new policy.  When a pointer to a memory policy structure is stored in another
347 structure, another reference is added, as the task's reference will be dropped
348 on completion of the policy installation.
349
350 During run-time "usage" of the policy, we attempt to minimize atomic operations
351 on the reference count, as this can lead to cache lines bouncing between cpus
352 and NUMA nodes.  "Usage" here means one of the following:
353
354 1) querying of the policy, either by the task itself [using the get_mempolicy()
355    API discussed below] or by another task using the /proc/<pid>/numa_maps
356    interface.
357
358 2) examination of the policy to determine the policy mode and associated node
359    or node lists, if any, for page allocation.  This is considered a "hot
360    path".  Note that for MPOL_BIND, the "usage" extends across the entire
361    allocation process, which may sleep during page reclamation, because the
362    BIND policy nodemask is used, by reference, to filter ineligible nodes.
363
364 We can avoid taking an extra reference during the usages listed above as
365 follows:
366
367 1) we never need to get/free the system default policy as this is never
368    changed nor freed, once the system is up and running.
369
370 2) for querying the policy, we do not need to take an extra reference on the
371    target task's task policy nor vma policies because we always acquire the
372    task's mm's mmap_lock for read during the query.  The set_mempolicy() and
373    mbind() APIs [see below] always acquire the mmap_lock for write when
374    installing or replacing task or vma policies.  Thus, there is no possibility
375    of a task or thread freeing a policy while another task or thread is
376    querying it.
377
378 3) Page allocation usage of task or vma policy occurs in the fault path where
379    we hold them mmap_lock for read.  Again, because replacing the task or vma
380    policy requires that the mmap_lock be held for write, the policy can't be
381    freed out from under us while we're using it for page allocation.
382
383 4) Shared policies require special consideration.  One task can replace a
384    shared memory policy while another task, with a distinct mmap_lock, is
385    querying or allocating a page based on the policy.  To resolve this
386    potential race, the shared policy infrastructure adds an extra reference
387    to the shared policy during lookup while holding a spin lock on the shared
388    policy management structure.  This requires that we drop this extra
389    reference when we're finished "using" the policy.  We must drop the
390    extra reference on shared policies in the same query/allocation paths
391    used for non-shared policies.  For this reason, shared policies are marked
392    as such, and the extra reference is dropped "conditionally"--i.e., only
393    for shared policies.
394
395    Because of this extra reference counting, and because we must lookup
396    shared policies in a tree structure under spinlock, shared policies are
397    more expensive to use in the page allocation path.  This is especially
398    true for shared policies on shared memory regions shared by tasks running
399    on different NUMA nodes.  This extra overhead can be avoided by always
400    falling back to task or system default policy for shared memory regions,
401    or by prefaulting the entire shared memory region into memory and locking
402    it down.  However, this might not be appropriate for all applications.
403
404 .. _memory_policy_apis:
405
406 Memory Policy APIs
407 ==================
408
409 Linux supports 4 system calls for controlling memory policy.  These APIS
410 always affect only the calling task, the calling task's address space, or
411 some shared object mapped into the calling task's address space.
412
413 .. note::
414    the headers that define these APIs and the parameter data types for
415    user space applications reside in a package that is not part of the
416    Linux kernel.  The kernel system call interfaces, with the 'sys\_'
417    prefix, are defined in <linux/syscalls.h>; the mode and flag
418    definitions are defined in <linux/mempolicy.h>.
419
420 Set [Task] Memory Policy::
421
422         long set_mempolicy(int mode, const unsigned long *nmask,
423                                         unsigned long maxnode);
424
425 Set's the calling task's "task/process memory policy" to mode
426 specified by the 'mode' argument and the set of nodes defined by
427 'nmask'.  'nmask' points to a bit mask of node ids containing at least
428 'maxnode' ids.  Optional mode flags may be passed by combining the
429 'mode' argument with the flag (for example: MPOL_INTERLEAVE |
430 MPOL_F_STATIC_NODES).
431
432 See the set_mempolicy(2) man page for more details
433
434
435 Get [Task] Memory Policy or Related Information::
436
437         long get_mempolicy(int *mode,
438                            const unsigned long *nmask, unsigned long maxnode,
439                            void *addr, int flags);
440
441 Queries the "task/process memory policy" of the calling task, or the
442 policy or location of a specified virtual address, depending on the
443 'flags' argument.
444
445 See the get_mempolicy(2) man page for more details
446
447
448 Install VMA/Shared Policy for a Range of Task's Address Space::
449
450         long mbind(void *start, unsigned long len, int mode,
451                    const unsigned long *nmask, unsigned long maxnode,
452                    unsigned flags);
453
454 mbind() installs the policy specified by (mode, nmask, maxnodes) as a
455 VMA policy for the range of the calling task's address space specified
456 by the 'start' and 'len' arguments.  Additional actions may be
457 requested via the 'flags' argument.
458
459 See the mbind(2) man page for more details.
460
461 Set home node for a Range of Task's Address Spacec::
462
463         long sys_set_mempolicy_home_node(unsigned long start, unsigned long len,
464                                          unsigned long home_node,
465                                          unsigned long flags);
466
467 sys_set_mempolicy_home_node set the home node for a VMA policy present in the
468 task's address range. The system call updates the home node only for the existing
469 mempolicy range. Other address ranges are ignored. A home node is the NUMA node
470 closest to which page allocation will come from. Specifying the home node override
471 the default allocation policy to allocate memory close to the local node for an
472 executing CPU.
473
474
475 Memory Policy Command Line Interface
476 ====================================
477
478 Although not strictly part of the Linux implementation of memory policy,
479 a command line tool, numactl(8), exists that allows one to:
480
481 + set the task policy for a specified program via set_mempolicy(2), fork(2) and
482   exec(2)
483
484 + set the shared policy for a shared memory segment via mbind(2)
485
486 The numactl(8) tool is packaged with the run-time version of the library
487 containing the memory policy system call wrappers.  Some distributions
488 package the headers and compile-time libraries in a separate development
489 package.
490
491 .. _mem_pol_and_cpusets:
492
493 Memory Policies and cpusets
494 ===========================
495
496 Memory policies work within cpusets as described above.  For memory policies
497 that require a node or set of nodes, the nodes are restricted to the set of
498 nodes whose memories are allowed by the cpuset constraints.  If the nodemask
499 specified for the policy contains nodes that are not allowed by the cpuset and
500 MPOL_F_RELATIVE_NODES is not used, the intersection of the set of nodes
501 specified for the policy and the set of nodes with memory is used.  If the
502 result is the empty set, the policy is considered invalid and cannot be
503 installed.  If MPOL_F_RELATIVE_NODES is used, the policy's nodes are mapped
504 onto and folded into the task's set of allowed nodes as previously described.
505
506 The interaction of memory policies and cpusets can be problematic when tasks
507 in two cpusets share access to a memory region, such as shared memory segments
508 created by shmget() of mmap() with the MAP_ANONYMOUS and MAP_SHARED flags, and
509 any of the tasks install shared policy on the region, only nodes whose
510 memories are allowed in both cpusets may be used in the policies.  Obtaining
511 this information requires "stepping outside" the memory policy APIs to use the
512 cpuset information and requires that one know in what cpusets other task might
513 be attaching to the shared region.  Furthermore, if the cpusets' allowed
514 memory sets are disjoint, "local" allocation is the only valid policy.