Merge tag 'io_uring-5.11-2021-01-16' of git://git.kernel.dk/linux-block
[linux/fpc-iii.git] / Documentation / admin-guide / bcache.rst
blob8d3a2d045c0ae7c2fa541588435630399c99d904
1 ============================
2 A block layer cache (bcache)
3 ============================
5 Say you've got a big slow raid 6, and an ssd or three. Wouldn't it be
6 nice if you could use them as cache... Hence bcache.
8 The bcache wiki can be found at:
9   https://bcache.evilpiepirate.org
11 This is the git repository of bcache-tools:
12   https://git.kernel.org/pub/scm/linux/kernel/git/colyli/bcache-tools.git/
14 The latest bcache kernel code can be found from mainline Linux kernel:
15   https://git.kernel.org/pub/scm/linux/kernel/git/torvalds/linux.git/
17 It's designed around the performance characteristics of SSDs - it only allocates
18 in erase block sized buckets, and it uses a hybrid btree/log to track cached
19 extents (which can be anywhere from a single sector to the bucket size). It's
20 designed to avoid random writes at all costs; it fills up an erase block
21 sequentially, then issues a discard before reusing it.
23 Both writethrough and writeback caching are supported. Writeback defaults to
24 off, but can be switched on and off arbitrarily at runtime. Bcache goes to
25 great lengths to protect your data - it reliably handles unclean shutdown. (It
26 doesn't even have a notion of a clean shutdown; bcache simply doesn't return
27 writes as completed until they're on stable storage).
29 Writeback caching can use most of the cache for buffering writes - writing
30 dirty data to the backing device is always done sequentially, scanning from the
31 start to the end of the index.
33 Since random IO is what SSDs excel at, there generally won't be much benefit
34 to caching large sequential IO. Bcache detects sequential IO and skips it;
35 it also keeps a rolling average of the IO sizes per task, and as long as the
36 average is above the cutoff it will skip all IO from that task - instead of
37 caching the first 512k after every seek. Backups and large file copies should
38 thus entirely bypass the cache.
40 In the event of a data IO error on the flash it will try to recover by reading
41 from disk or invalidating cache entries.  For unrecoverable errors (meta data
42 or dirty data), caching is automatically disabled; if dirty data was present
43 in the cache it first disables writeback caching and waits for all dirty data
44 to be flushed.
46 Getting started:
47 You'll need bcache util from the bcache-tools repository. Both the cache device
48 and backing device must be formatted before use::
50   bcache make -B /dev/sdb
51   bcache make -C /dev/sdc
53 `bcache make` has the ability to format multiple devices at the same time - if
54 you format your backing devices and cache device at the same time, you won't
55 have to manually attach::
57   bcache make -B /dev/sda /dev/sdb -C /dev/sdc
59 If your bcache-tools is not updated to latest version and does not have the
60 unified `bcache` utility, you may use the legacy `make-bcache` utility to format
61 bcache device with same -B and -C parameters.
63 bcache-tools now ships udev rules, and bcache devices are known to the kernel
64 immediately.  Without udev, you can manually register devices like this::
66   echo /dev/sdb > /sys/fs/bcache/register
67   echo /dev/sdc > /sys/fs/bcache/register
69 Registering the backing device makes the bcache device show up in /dev; you can
70 now format it and use it as normal. But the first time using a new bcache
71 device, it'll be running in passthrough mode until you attach it to a cache.
72 If you are thinking about using bcache later, it is recommended to setup all your
73 slow devices as bcache backing devices without a cache, and you can choose to add
74 a caching device later.
75 See 'ATTACHING' section below.
77 The devices show up as::
79   /dev/bcache<N>
81 As well as (with udev)::
83   /dev/bcache/by-uuid/<uuid>
84   /dev/bcache/by-label/<label>
86 To get started::
88   mkfs.ext4 /dev/bcache0
89   mount /dev/bcache0 /mnt
91 You can control bcache devices through sysfs at /sys/block/bcache<N>/bcache .
92 You can also control them through /sys/fs//bcache/<cset-uuid>/ .
94 Cache devices are managed as sets; multiple caches per set isn't supported yet
95 but will allow for mirroring of metadata and dirty data in the future. Your new
96 cache set shows up as /sys/fs/bcache/<UUID>
98 Attaching
99 ---------
101 After your cache device and backing device are registered, the backing device
102 must be attached to your cache set to enable caching. Attaching a backing
103 device to a cache set is done thusly, with the UUID of the cache set in
104 /sys/fs/bcache::
106   echo <CSET-UUID> > /sys/block/bcache0/bcache/attach
108 This only has to be done once. The next time you reboot, just reregister all
109 your bcache devices. If a backing device has data in a cache somewhere, the
110 /dev/bcache<N> device won't be created until the cache shows up - particularly
111 important if you have writeback caching turned on.
113 If you're booting up and your cache device is gone and never coming back, you
114 can force run the backing device::
116   echo 1 > /sys/block/sdb/bcache/running
118 (You need to use /sys/block/sdb (or whatever your backing device is called), not
119 /sys/block/bcache0, because bcache0 doesn't exist yet. If you're using a
120 partition, the bcache directory would be at /sys/block/sdb/sdb2/bcache)
122 The backing device will still use that cache set if it shows up in the future,
123 but all the cached data will be invalidated. If there was dirty data in the
124 cache, don't expect the filesystem to be recoverable - you will have massive
125 filesystem corruption, though ext4's fsck does work miracles.
127 Error Handling
128 --------------
130 Bcache tries to transparently handle IO errors to/from the cache device without
131 affecting normal operation; if it sees too many errors (the threshold is
132 configurable, and defaults to 0) it shuts down the cache device and switches all
133 the backing devices to passthrough mode.
135  - For reads from the cache, if they error we just retry the read from the
136    backing device.
138  - For writethrough writes, if the write to the cache errors we just switch to
139    invalidating the data at that lba in the cache (i.e. the same thing we do for
140    a write that bypasses the cache)
142  - For writeback writes, we currently pass that error back up to the
143    filesystem/userspace. This could be improved - we could retry it as a write
144    that skips the cache so we don't have to error the write.
146  - When we detach, we first try to flush any dirty data (if we were running in
147    writeback mode). It currently doesn't do anything intelligent if it fails to
148    read some of the dirty data, though.
151 Howto/cookbook
152 --------------
154 A) Starting a bcache with a missing caching device
156 If registering the backing device doesn't help, it's already there, you just need
157 to force it to run without the cache::
159         host:~# echo /dev/sdb1 > /sys/fs/bcache/register
160         [  119.844831] bcache: register_bcache() error opening /dev/sdb1: device already registered
162 Next, you try to register your caching device if it's present. However
163 if it's absent, or registration fails for some reason, you can still
164 start your bcache without its cache, like so::
166         host:/sys/block/sdb/sdb1/bcache# echo 1 > running
168 Note that this may cause data loss if you were running in writeback mode.
171 B) Bcache does not find its cache::
173         host:/sys/block/md5/bcache# echo 0226553a-37cf-41d5-b3ce-8b1e944543a8 > attach
174         [ 1933.455082] bcache: bch_cached_dev_attach() Couldn't find uuid for md5 in set
175         [ 1933.478179] bcache: __cached_dev_store() Can't attach 0226553a-37cf-41d5-b3ce-8b1e944543a8
176         [ 1933.478179] : cache set not found
178 In this case, the caching device was simply not registered at boot
179 or disappeared and came back, and needs to be (re-)registered::
181         host:/sys/block/md5/bcache# echo /dev/sdh2 > /sys/fs/bcache/register
184 C) Corrupt bcache crashes the kernel at device registration time:
186 This should never happen.  If it does happen, then you have found a bug!
187 Please report it to the bcache development list: linux-bcache@vger.kernel.org
189 Be sure to provide as much information that you can including kernel dmesg
190 output if available so that we may assist.
193 D) Recovering data without bcache:
195 If bcache is not available in the kernel, a filesystem on the backing
196 device is still available at an 8KiB offset. So either via a loopdev
197 of the backing device created with --offset 8K, or any value defined by
198 --data-offset when you originally formatted bcache with `bcache make`.
200 For example::
202         losetup -o 8192 /dev/loop0 /dev/your_bcache_backing_dev
204 This should present your unmodified backing device data in /dev/loop0
206 If your cache is in writethrough mode, then you can safely discard the
207 cache device without loosing data.
210 E) Wiping a cache device
214         host:~# wipefs -a /dev/sdh2
215         16 bytes were erased at offset 0x1018 (bcache)
216         they were: c6 85 73 f6 4e 1a 45 ca 82 65 f5 7f 48 ba 6d 81
218 After you boot back with bcache enabled, you recreate the cache and attach it::
220         host:~# bcache make -C /dev/sdh2
221         UUID:                   7be7e175-8f4c-4f99-94b2-9c904d227045
222         Set UUID:               5bc072a8-ab17-446d-9744-e247949913c1
223         version:                0
224         nbuckets:               106874
225         block_size:             1
226         bucket_size:            1024
227         nr_in_set:              1
228         nr_this_dev:            0
229         first_bucket:           1
230         [  650.511912] bcache: run_cache_set() invalidating existing data
231         [  650.549228] bcache: register_cache() registered cache device sdh2
233 start backing device with missing cache::
235         host:/sys/block/md5/bcache# echo 1 > running
237 attach new cache::
239         host:/sys/block/md5/bcache# echo 5bc072a8-ab17-446d-9744-e247949913c1 > attach
240         [  865.276616] bcache: bch_cached_dev_attach() Caching md5 as bcache0 on set 5bc072a8-ab17-446d-9744-e247949913c1
243 F) Remove or replace a caching device::
245         host:/sys/block/sda/sda7/bcache# echo 1 > detach
246         [  695.872542] bcache: cached_dev_detach_finish() Caching disabled for sda7
248         host:~# wipefs -a /dev/nvme0n1p4
249         wipefs: error: /dev/nvme0n1p4: probing initialization failed: Device or resource busy
250         Ooops, it's disabled, but not unregistered, so it's still protected
252 We need to go and unregister it::
254         host:/sys/fs/bcache/b7ba27a1-2398-4649-8ae3-0959f57ba128# ls -l cache0
255         lrwxrwxrwx 1 root root 0 Feb 25 18:33 cache0 -> ../../../devices/pci0000:00/0000:00:1d.0/0000:70:00.0/nvme/nvme0/nvme0n1/nvme0n1p4/bcache/
256         host:/sys/fs/bcache/b7ba27a1-2398-4649-8ae3-0959f57ba128# echo 1 > stop
257         kernel: [  917.041908] bcache: cache_set_free() Cache set b7ba27a1-2398-4649-8ae3-0959f57ba128 unregistered
259 Now we can wipe it::
261         host:~# wipefs -a /dev/nvme0n1p4
262         /dev/nvme0n1p4: 16 bytes were erased at offset 0x00001018 (bcache): c6 85 73 f6 4e 1a 45 ca 82 65 f5 7f 48 ba 6d 81
265 G) dm-crypt and bcache
267 First setup bcache unencrypted and then install dmcrypt on top of
268 /dev/bcache<N> This will work faster than if you dmcrypt both the backing
269 and caching devices and then install bcache on top. [benchmarks?]
272 H) Stop/free a registered bcache to wipe and/or recreate it
274 Suppose that you need to free up all bcache references so that you can
275 fdisk run and re-register a changed partition table, which won't work
276 if there are any active backing or caching devices left on it:
278 1) Is it present in /dev/bcache* ? (there are times where it won't be)
280    If so, it's easy::
282         host:/sys/block/bcache0/bcache# echo 1 > stop
284 2) But if your backing device is gone, this won't work::
286         host:/sys/block/bcache0# cd bcache
287         bash: cd: bcache: No such file or directory
289    In this case, you may have to unregister the dmcrypt block device that
290    references this bcache to free it up::
292         host:~# dmsetup remove oldds1
293         bcache: bcache_device_free() bcache0 stopped
294         bcache: cache_set_free() Cache set 5bc072a8-ab17-446d-9744-e247949913c1 unregistered
296    This causes the backing bcache to be removed from /sys/fs/bcache and
297    then it can be reused.  This would be true of any block device stacking
298    where bcache is a lower device.
300 3) In other cases, you can also look in /sys/fs/bcache/::
302         host:/sys/fs/bcache# ls -l */{cache?,bdev?}
303         lrwxrwxrwx 1 root root 0 Mar  5 09:39 0226553a-37cf-41d5-b3ce-8b1e944543a8/bdev1 -> ../../../devices/virtual/block/dm-1/bcache/
304         lrwxrwxrwx 1 root root 0 Mar  5 09:39 0226553a-37cf-41d5-b3ce-8b1e944543a8/cache0 -> ../../../devices/virtual/block/dm-4/bcache/
305         lrwxrwxrwx 1 root root 0 Mar  5 09:39 5bc072a8-ab17-446d-9744-e247949913c1/cache0 -> ../../../devices/pci0000:00/0000:00:01.0/0000:01:00.0/ata10/host9/target9:0:0/9:0:0:0/block/sdl/sdl2/bcache/
307    The device names will show which UUID is relevant, cd in that directory
308    and stop the cache::
310         host:/sys/fs/bcache/5bc072a8-ab17-446d-9744-e247949913c1# echo 1 > stop
312    This will free up bcache references and let you reuse the partition for
313    other purposes.
317 Troubleshooting performance
318 ---------------------------
320 Bcache has a bunch of config options and tunables. The defaults are intended to
321 be reasonable for typical desktop and server workloads, but they're not what you
322 want for getting the best possible numbers when benchmarking.
324  - Backing device alignment
326    The default metadata size in bcache is 8k.  If your backing device is
327    RAID based, then be sure to align this by a multiple of your stride
328    width using `bcache make --data-offset`. If you intend to expand your
329    disk array in the future, then multiply a series of primes by your
330    raid stripe size to get the disk multiples that you would like.
332    For example:  If you have a 64k stripe size, then the following offset
333    would provide alignment for many common RAID5 data spindle counts::
335         64k * 2*2*2*3*3*5*7 bytes = 161280k
337    That space is wasted, but for only 157.5MB you can grow your RAID 5
338    volume to the following data-spindle counts without re-aligning::
340         3,4,5,6,7,8,9,10,12,14,15,18,20,21 ...
342  - Bad write performance
344    If write performance is not what you expected, you probably wanted to be
345    running in writeback mode, which isn't the default (not due to a lack of
346    maturity, but simply because in writeback mode you'll lose data if something
347    happens to your SSD)::
349         # echo writeback > /sys/block/bcache0/bcache/cache_mode
351  - Bad performance, or traffic not going to the SSD that you'd expect
353    By default, bcache doesn't cache everything. It tries to skip sequential IO -
354    because you really want to be caching the random IO, and if you copy a 10
355    gigabyte file you probably don't want that pushing 10 gigabytes of randomly
356    accessed data out of your cache.
358    But if you want to benchmark reads from cache, and you start out with fio
359    writing an 8 gigabyte test file - so you want to disable that::
361         # echo 0 > /sys/block/bcache0/bcache/sequential_cutoff
363    To set it back to the default (4 mb), do::
365         # echo 4M > /sys/block/bcache0/bcache/sequential_cutoff
367  - Traffic's still going to the spindle/still getting cache misses
369    In the real world, SSDs don't always keep up with disks - particularly with
370    slower SSDs, many disks being cached by one SSD, or mostly sequential IO. So
371    you want to avoid being bottlenecked by the SSD and having it slow everything
372    down.
374    To avoid that bcache tracks latency to the cache device, and gradually
375    throttles traffic if the latency exceeds a threshold (it does this by
376    cranking down the sequential bypass).
378    You can disable this if you need to by setting the thresholds to 0::
380         # echo 0 > /sys/fs/bcache/<cache set>/congested_read_threshold_us
381         # echo 0 > /sys/fs/bcache/<cache set>/congested_write_threshold_us
383    The default is 2000 us (2 milliseconds) for reads, and 20000 for writes.
385  - Still getting cache misses, of the same data
387    One last issue that sometimes trips people up is actually an old bug, due to
388    the way cache coherency is handled for cache misses. If a btree node is full,
389    a cache miss won't be able to insert a key for the new data and the data
390    won't be written to the cache.
392    In practice this isn't an issue because as soon as a write comes along it'll
393    cause the btree node to be split, and you need almost no write traffic for
394    this to not show up enough to be noticeable (especially since bcache's btree
395    nodes are huge and index large regions of the device). But when you're
396    benchmarking, if you're trying to warm the cache by reading a bunch of data
397    and there's no other traffic - that can be a problem.
399    Solution: warm the cache by doing writes, or use the testing branch (there's
400    a fix for the issue there).
403 Sysfs - backing device
404 ----------------------
406 Available at /sys/block/<bdev>/bcache, /sys/block/bcache*/bcache and
407 (if attached) /sys/fs/bcache/<cset-uuid>/bdev*
409 attach
410   Echo the UUID of a cache set to this file to enable caching.
412 cache_mode
413   Can be one of either writethrough, writeback, writearound or none.
415 clear_stats
416   Writing to this file resets the running total stats (not the day/hour/5 minute
417   decaying versions).
419 detach
420   Write to this file to detach from a cache set. If there is dirty data in the
421   cache, it will be flushed first.
423 dirty_data
424   Amount of dirty data for this backing device in the cache. Continuously
425   updated unlike the cache set's version, but may be slightly off.
427 label
428   Name of underlying device.
430 readahead
431   Size of readahead that should be performed.  Defaults to 0.  If set to e.g.
432   1M, it will round cache miss reads up to that size, but without overlapping
433   existing cache entries.
435 running
436   1 if bcache is running (i.e. whether the /dev/bcache device exists, whether
437   it's in passthrough mode or caching).
439 sequential_cutoff
440   A sequential IO will bypass the cache once it passes this threshold; the
441   most recent 128 IOs are tracked so sequential IO can be detected even when
442   it isn't all done at once.
444 sequential_merge
445   If non zero, bcache keeps a list of the last 128 requests submitted to compare
446   against all new requests to determine which new requests are sequential
447   continuations of previous requests for the purpose of determining sequential
448   cutoff. This is necessary if the sequential cutoff value is greater than the
449   maximum acceptable sequential size for any single request.
451 state
452   The backing device can be in one of four different states:
454   no cache: Has never been attached to a cache set.
456   clean: Part of a cache set, and there is no cached dirty data.
458   dirty: Part of a cache set, and there is cached dirty data.
460   inconsistent: The backing device was forcibly run by the user when there was
461   dirty data cached but the cache set was unavailable; whatever data was on the
462   backing device has likely been corrupted.
464 stop
465   Write to this file to shut down the bcache device and close the backing
466   device.
468 writeback_delay
469   When dirty data is written to the cache and it previously did not contain
470   any, waits some number of seconds before initiating writeback. Defaults to
471   30.
473 writeback_percent
474   If nonzero, bcache tries to keep around this percentage of the cache dirty by
475   throttling background writeback and using a PD controller to smoothly adjust
476   the rate.
478 writeback_rate
479   Rate in sectors per second - if writeback_percent is nonzero, background
480   writeback is throttled to this rate. Continuously adjusted by bcache but may
481   also be set by the user.
483 writeback_running
484   If off, writeback of dirty data will not take place at all. Dirty data will
485   still be added to the cache until it is mostly full; only meant for
486   benchmarking. Defaults to on.
488 Sysfs - backing device stats
489 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
491 There are directories with these numbers for a running total, as well as
492 versions that decay over the past day, hour and 5 minutes; they're also
493 aggregated in the cache set directory as well.
495 bypassed
496   Amount of IO (both reads and writes) that has bypassed the cache
498 cache_hits, cache_misses, cache_hit_ratio
499   Hits and misses are counted per individual IO as bcache sees them; a
500   partial hit is counted as a miss.
502 cache_bypass_hits, cache_bypass_misses
503   Hits and misses for IO that is intended to skip the cache are still counted,
504   but broken out here.
506 cache_miss_collisions
507   Counts instances where data was going to be inserted into the cache from a
508   cache miss, but raced with a write and data was already present (usually 0
509   since the synchronization for cache misses was rewritten)
511 cache_readaheads
512   Count of times readahead occurred.
514 Sysfs - cache set
515 ~~~~~~~~~~~~~~~~~
517 Available at /sys/fs/bcache/<cset-uuid>
519 average_key_size
520   Average data per key in the btree.
522 bdev<0..n>
523   Symlink to each of the attached backing devices.
525 block_size
526   Block size of the cache devices.
528 btree_cache_size
529   Amount of memory currently used by the btree cache
531 bucket_size
532   Size of buckets
534 cache<0..n>
535   Symlink to each of the cache devices comprising this cache set.
537 cache_available_percent
538   Percentage of cache device which doesn't contain dirty data, and could
539   potentially be used for writeback.  This doesn't mean this space isn't used
540   for clean cached data; the unused statistic (in priority_stats) is typically
541   much lower.
543 clear_stats
544   Clears the statistics associated with this cache
546 dirty_data
547   Amount of dirty data is in the cache (updated when garbage collection runs).
549 flash_vol_create
550   Echoing a size to this file (in human readable units, k/M/G) creates a thinly
551   provisioned volume backed by the cache set.
553 io_error_halflife, io_error_limit
554   These determines how many errors we accept before disabling the cache.
555   Each error is decayed by the half life (in # ios).  If the decaying count
556   reaches io_error_limit dirty data is written out and the cache is disabled.
558 journal_delay_ms
559   Journal writes will delay for up to this many milliseconds, unless a cache
560   flush happens sooner. Defaults to 100.
562 root_usage_percent
563   Percentage of the root btree node in use.  If this gets too high the node
564   will split, increasing the tree depth.
566 stop
567   Write to this file to shut down the cache set - waits until all attached
568   backing devices have been shut down.
570 tree_depth
571   Depth of the btree (A single node btree has depth 0).
573 unregister
574   Detaches all backing devices and closes the cache devices; if dirty data is
575   present it will disable writeback caching and wait for it to be flushed.
577 Sysfs - cache set internal
578 ~~~~~~~~~~~~~~~~~~~~~~~~~~
580 This directory also exposes timings for a number of internal operations, with
581 separate files for average duration, average frequency, last occurrence and max
582 duration: garbage collection, btree read, btree node sorts and btree splits.
584 active_journal_entries
585   Number of journal entries that are newer than the index.
587 btree_nodes
588   Total nodes in the btree.
590 btree_used_percent
591   Average fraction of btree in use.
593 bset_tree_stats
594   Statistics about the auxiliary search trees
596 btree_cache_max_chain
597   Longest chain in the btree node cache's hash table
599 cache_read_races
600   Counts instances where while data was being read from the cache, the bucket
601   was reused and invalidated - i.e. where the pointer was stale after the read
602   completed. When this occurs the data is reread from the backing device.
604 trigger_gc
605   Writing to this file forces garbage collection to run.
607 Sysfs - Cache device
608 ~~~~~~~~~~~~~~~~~~~~
610 Available at /sys/block/<cdev>/bcache
612 block_size
613   Minimum granularity of writes - should match hardware sector size.
615 btree_written
616   Sum of all btree writes, in (kilo/mega/giga) bytes
618 bucket_size
619   Size of buckets
621 cache_replacement_policy
622   One of either lru, fifo or random.
624 discard
625   Boolean; if on a discard/TRIM will be issued to each bucket before it is
626   reused. Defaults to off, since SATA TRIM is an unqueued command (and thus
627   slow).
629 freelist_percent
630   Size of the freelist as a percentage of nbuckets. Can be written to to
631   increase the number of buckets kept on the freelist, which lets you
632   artificially reduce the size of the cache at runtime. Mostly for testing
633   purposes (i.e. testing how different size caches affect your hit rate), but
634   since buckets are discarded when they move on to the freelist will also make
635   the SSD's garbage collection easier by effectively giving it more reserved
636   space.
638 io_errors
639   Number of errors that have occurred, decayed by io_error_halflife.
641 metadata_written
642   Sum of all non data writes (btree writes and all other metadata).
644 nbuckets
645   Total buckets in this cache
647 priority_stats
648   Statistics about how recently data in the cache has been accessed.
649   This can reveal your working set size.  Unused is the percentage of
650   the cache that doesn't contain any data.  Metadata is bcache's
651   metadata overhead.  Average is the average priority of cache buckets.
652   Next is a list of quantiles with the priority threshold of each.
654 written
655   Sum of all data that has been written to the cache; comparison with
656   btree_written gives the amount of write inflation in bcache.