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