Merge branch 'akpm' (patches from Andrew)
[linux/fpc-iii.git] / Documentation / admin-guide / pm / cpuidle.rst
blob5605cc6f95605b5cf2489f88c42655b1696898f2
1 .. SPDX-License-Identifier: GPL-2.0
2 .. include:: <isonum.txt>
4 .. |struct cpuidle_state| replace:: :c:type:`struct cpuidle_state <cpuidle_state>`
5 .. |cpufreq| replace:: :doc:`CPU Performance Scaling <cpufreq>`
7 ========================
8 CPU Idle Time Management
9 ========================
11 :Copyright: |copy| 2018 Intel Corporation
13 :Author: Rafael J. Wysocki <rafael.j.wysocki@intel.com>
16 Concepts
17 ========
19 Modern processors are generally able to enter states in which the execution of
20 a program is suspended and instructions belonging to it are not fetched from
21 memory or executed.  Those states are the *idle* states of the processor.
23 Since part of the processor hardware is not used in idle states, entering them
24 generally allows power drawn by the processor to be reduced and, in consequence,
25 it is an opportunity to save energy.
27 CPU idle time management is an energy-efficiency feature concerned about using
28 the idle states of processors for this purpose.
30 Logical CPUs
31 ------------
33 CPU idle time management operates on CPUs as seen by the *CPU scheduler* (that
34 is the part of the kernel responsible for the distribution of computational
35 work in the system).  In its view, CPUs are *logical* units.  That is, they need
36 not be separate physical entities and may just be interfaces appearing to
37 software as individual single-core processors.  In other words, a CPU is an
38 entity which appears to be fetching instructions that belong to one sequence
39 (program) from memory and executing them, but it need not work this way
40 physically.  Generally, three different cases can be consider here.
42 First, if the whole processor can only follow one sequence of instructions (one
43 program) at a time, it is a CPU.  In that case, if the hardware is asked to
44 enter an idle state, that applies to the processor as a whole.
46 Second, if the processor is multi-core, each core in it is able to follow at
47 least one program at a time.  The cores need not be entirely independent of each
48 other (for example, they may share caches), but still most of the time they
49 work physically in parallel with each other, so if each of them executes only
50 one program, those programs run mostly independently of each other at the same
51 time.  The entire cores are CPUs in that case and if the hardware is asked to
52 enter an idle state, that applies to the core that asked for it in the first
53 place, but it also may apply to a larger unit (say a "package" or a "cluster")
54 that the core belongs to (in fact, it may apply to an entire hierarchy of larger
55 units containing the core).  Namely, if all of the cores in the larger unit
56 except for one have been put into idle states at the "core level" and the
57 remaining core asks the processor to enter an idle state, that may trigger it
58 to put the whole larger unit into an idle state which also will affect the
59 other cores in that unit.
61 Finally, each core in a multi-core processor may be able to follow more than one
62 program in the same time frame (that is, each core may be able to fetch
63 instructions from multiple locations in memory and execute them in the same time
64 frame, but not necessarily entirely in parallel with each other).  In that case
65 the cores present themselves to software as "bundles" each consisting of
66 multiple individual single-core "processors", referred to as *hardware threads*
67 (or hyper-threads specifically on Intel hardware), that each can follow one
68 sequence of instructions.  Then, the hardware threads are CPUs from the CPU idle
69 time management perspective and if the processor is asked to enter an idle state
70 by one of them, the hardware thread (or CPU) that asked for it is stopped, but
71 nothing more happens, unless all of the other hardware threads within the same
72 core also have asked the processor to enter an idle state.  In that situation,
73 the core may be put into an idle state individually or a larger unit containing
74 it may be put into an idle state as a whole (if the other cores within the
75 larger unit are in idle states already).
77 Idle CPUs
78 ---------
80 Logical CPUs, simply referred to as "CPUs" in what follows, are regarded as
81 *idle* by the Linux kernel when there are no tasks to run on them except for the
82 special "idle" task.
84 Tasks are the CPU scheduler's representation of work.  Each task consists of a
85 sequence of instructions to execute, or code, data to be manipulated while
86 running that code, and some context information that needs to be loaded into the
87 processor every time the task's code is run by a CPU.  The CPU scheduler
88 distributes work by assigning tasks to run to the CPUs present in the system.
90 Tasks can be in various states.  In particular, they are *runnable* if there are
91 no specific conditions preventing their code from being run by a CPU as long as
92 there is a CPU available for that (for example, they are not waiting for any
93 events to occur or similar).  When a task becomes runnable, the CPU scheduler
94 assigns it to one of the available CPUs to run and if there are no more runnable
95 tasks assigned to it, the CPU will load the given task's context and run its
96 code (from the instruction following the last one executed so far, possibly by
97 another CPU).  [If there are multiple runnable tasks assigned to one CPU
98 simultaneously, they will be subject to prioritization and time sharing in order
99 to allow them to make some progress over time.]
101 The special "idle" task becomes runnable if there are no other runnable tasks
102 assigned to the given CPU and the CPU is then regarded as idle.  In other words,
103 in Linux idle CPUs run the code of the "idle" task called *the idle loop*.  That
104 code may cause the processor to be put into one of its idle states, if they are
105 supported, in order to save energy, but if the processor does not support any
106 idle states, or there is not enough time to spend in an idle state before the
107 next wakeup event, or there are strict latency constraints preventing any of the
108 available idle states from being used, the CPU will simply execute more or less
109 useless instructions in a loop until it is assigned a new task to run.
112 .. _idle-loop:
114 The Idle Loop
115 =============
117 The idle loop code takes two major steps in every iteration of it.  First, it
118 calls into a code module referred to as the *governor* that belongs to the CPU
119 idle time management subsystem called ``CPUIdle`` to select an idle state for
120 the CPU to ask the hardware to enter.  Second, it invokes another code module
121 from the ``CPUIdle`` subsystem, called the *driver*, to actually ask the
122 processor hardware to enter the idle state selected by the governor.
124 The role of the governor is to find an idle state most suitable for the
125 conditions at hand.  For this purpose, idle states that the hardware can be
126 asked to enter by logical CPUs are represented in an abstract way independent of
127 the platform or the processor architecture and organized in a one-dimensional
128 (linear) array.  That array has to be prepared and supplied by the ``CPUIdle``
129 driver matching the platform the kernel is running on at the initialization
130 time.  This allows ``CPUIdle`` governors to be independent of the underlying
131 hardware and to work with any platforms that the Linux kernel can run on.
133 Each idle state present in that array is characterized by two parameters to be
134 taken into account by the governor, the *target residency* and the (worst-case)
135 *exit latency*.  The target residency is the minimum time the hardware must
136 spend in the given state, including the time needed to enter it (which may be
137 substantial), in order to save more energy than it would save by entering one of
138 the shallower idle states instead.  [The "depth" of an idle state roughly
139 corresponds to the power drawn by the processor in that state.]  The exit
140 latency, in turn, is the maximum time it will take a CPU asking the processor
141 hardware to enter an idle state to start executing the first instruction after a
142 wakeup from that state.  Note that in general the exit latency also must cover
143 the time needed to enter the given state in case the wakeup occurs when the
144 hardware is entering it and it must be entered completely to be exited in an
145 ordered manner.
147 There are two types of information that can influence the governor's decisions.
148 First of all, the governor knows the time until the closest timer event.  That
149 time is known exactly, because the kernel programs timers and it knows exactly
150 when they will trigger, and it is the maximum time the hardware that the given
151 CPU depends on can spend in an idle state, including the time necessary to enter
152 and exit it.  However, the CPU may be woken up by a non-timer event at any time
153 (in particular, before the closest timer triggers) and it generally is not known
154 when that may happen.  The governor can only see how much time the CPU actually
155 was idle after it has been woken up (that time will be referred to as the *idle
156 duration* from now on) and it can use that information somehow along with the
157 time until the closest timer to estimate the idle duration in future.  How the
158 governor uses that information depends on what algorithm is implemented by it
159 and that is the primary reason for having more than one governor in the
160 ``CPUIdle`` subsystem.
162 There are three ``CPUIdle`` governors available, ``menu``, `TEO <teo-gov_>`_
163 and ``ladder``.  Which of them is used by default depends on the configuration
164 of the kernel and in particular on whether or not the scheduler tick can be
165 `stopped by the idle loop <idle-cpus-and-tick_>`_.  It is possible to change the
166 governor at run time if the ``cpuidle_sysfs_switch`` command line parameter has
167 been passed to the kernel, but that is not safe in general, so it should not be
168 done on production systems (that may change in the future, though).  The name of
169 the ``CPUIdle`` governor currently used by the kernel can be read from the
170 :file:`current_governor_ro` (or :file:`current_governor` if
171 ``cpuidle_sysfs_switch`` is present in the kernel command line) file under
172 :file:`/sys/devices/system/cpu/cpuidle/` in ``sysfs``.
174 Which ``CPUIdle`` driver is used, on the other hand, usually depends on the
175 platform the kernel is running on, but there are platforms with more than one
176 matching driver.  For example, there are two drivers that can work with the
177 majority of Intel platforms, ``intel_idle`` and ``acpi_idle``, one with
178 hardcoded idle states information and the other able to read that information
179 from the system's ACPI tables, respectively.  Still, even in those cases, the
180 driver chosen at the system initialization time cannot be replaced later, so the
181 decision on which one of them to use has to be made early (on Intel platforms
182 the ``acpi_idle`` driver will be used if ``intel_idle`` is disabled for some
183 reason or if it does not recognize the processor).  The name of the ``CPUIdle``
184 driver currently used by the kernel can be read from the :file:`current_driver`
185 file under :file:`/sys/devices/system/cpu/cpuidle/` in ``sysfs``.
188 .. _idle-cpus-and-tick:
190 Idle CPUs and The Scheduler Tick
191 ================================
193 The scheduler tick is a timer that triggers periodically in order to implement
194 the time sharing strategy of the CPU scheduler.  Of course, if there are
195 multiple runnable tasks assigned to one CPU at the same time, the only way to
196 allow them to make reasonable progress in a given time frame is to make them
197 share the available CPU time.  Namely, in rough approximation, each task is
198 given a slice of the CPU time to run its code, subject to the scheduling class,
199 prioritization and so on and when that time slice is used up, the CPU should be
200 switched over to running (the code of) another task.  The currently running task
201 may not want to give the CPU away voluntarily, however, and the scheduler tick
202 is there to make the switch happen regardless.  That is not the only role of the
203 tick, but it is the primary reason for using it.
205 The scheduler tick is problematic from the CPU idle time management perspective,
206 because it triggers periodically and relatively often (depending on the kernel
207 configuration, the length of the tick period is between 1 ms and 10 ms).
208 Thus, if the tick is allowed to trigger on idle CPUs, it will not make sense
209 for them to ask the hardware to enter idle states with target residencies above
210 the tick period length.  Moreover, in that case the idle duration of any CPU
211 will never exceed the tick period length and the energy used for entering and
212 exiting idle states due to the tick wakeups on idle CPUs will be wasted.
214 Fortunately, it is not really necessary to allow the tick to trigger on idle
215 CPUs, because (by definition) they have no tasks to run except for the special
216 "idle" one.  In other words, from the CPU scheduler perspective, the only user
217 of the CPU time on them is the idle loop.  Since the time of an idle CPU need
218 not be shared between multiple runnable tasks, the primary reason for using the
219 tick goes away if the given CPU is idle.  Consequently, it is possible to stop
220 the scheduler tick entirely on idle CPUs in principle, even though that may not
221 always be worth the effort.
223 Whether or not it makes sense to stop the scheduler tick in the idle loop
224 depends on what is expected by the governor.  First, if there is another
225 (non-tick) timer due to trigger within the tick range, stopping the tick clearly
226 would be a waste of time, even though the timer hardware may not need to be
227 reprogrammed in that case.  Second, if the governor is expecting a non-timer
228 wakeup within the tick range, stopping the tick is not necessary and it may even
229 be harmful.  Namely, in that case the governor will select an idle state with
230 the target residency within the time until the expected wakeup, so that state is
231 going to be relatively shallow.  The governor really cannot select a deep idle
232 state then, as that would contradict its own expectation of a wakeup in short
233 order.  Now, if the wakeup really occurs shortly, stopping the tick would be a
234 waste of time and in this case the timer hardware would need to be reprogrammed,
235 which is expensive.  On the other hand, if the tick is stopped and the wakeup
236 does not occur any time soon, the hardware may spend indefinite amount of time
237 in the shallow idle state selected by the governor, which will be a waste of
238 energy.  Hence, if the governor is expecting a wakeup of any kind within the
239 tick range, it is better to allow the tick trigger.  Otherwise, however, the
240 governor will select a relatively deep idle state, so the tick should be stopped
241 so that it does not wake up the CPU too early.
243 In any case, the governor knows what it is expecting and the decision on whether
244 or not to stop the scheduler tick belongs to it.  Still, if the tick has been
245 stopped already (in one of the previous iterations of the loop), it is better
246 to leave it as is and the governor needs to take that into account.
248 The kernel can be configured to disable stopping the scheduler tick in the idle
249 loop altogether.  That can be done through the build-time configuration of it
250 (by unsetting the ``CONFIG_NO_HZ_IDLE`` configuration option) or by passing
251 ``nohz=off`` to it in the command line.  In both cases, as the stopping of the
252 scheduler tick is disabled, the governor's decisions regarding it are simply
253 ignored by the idle loop code and the tick is never stopped.
255 The systems that run kernels configured to allow the scheduler tick to be
256 stopped on idle CPUs are referred to as *tickless* systems and they are
257 generally regarded as more energy-efficient than the systems running kernels in
258 which the tick cannot be stopped.  If the given system is tickless, it will use
259 the ``menu`` governor by default and if it is not tickless, the default
260 ``CPUIdle`` governor on it will be ``ladder``.
263 .. _menu-gov:
265 The ``menu`` Governor
266 =====================
268 The ``menu`` governor is the default ``CPUIdle`` governor for tickless systems.
269 It is quite complex, but the basic principle of its design is straightforward.
270 Namely, when invoked to select an idle state for a CPU (i.e. an idle state that
271 the CPU will ask the processor hardware to enter), it attempts to predict the
272 idle duration and uses the predicted value for idle state selection.
274 It first obtains the time until the closest timer event with the assumption
275 that the scheduler tick will be stopped.  That time, referred to as the *sleep
276 length* in what follows, is the upper bound on the time before the next CPU
277 wakeup.  It is used to determine the sleep length range, which in turn is needed
278 to get the sleep length correction factor.
280 The ``menu`` governor maintains two arrays of sleep length correction factors.
281 One of them is used when tasks previously running on the given CPU are waiting
282 for some I/O operations to complete and the other one is used when that is not
283 the case.  Each array contains several correction factor values that correspond
284 to different sleep length ranges organized so that each range represented in the
285 array is approximately 10 times wider than the previous one.
287 The correction factor for the given sleep length range (determined before
288 selecting the idle state for the CPU) is updated after the CPU has been woken
289 up and the closer the sleep length is to the observed idle duration, the closer
290 to 1 the correction factor becomes (it must fall between 0 and 1 inclusive).
291 The sleep length is multiplied by the correction factor for the range that it
292 falls into to obtain the first approximation of the predicted idle duration.
294 Next, the governor uses a simple pattern recognition algorithm to refine its
295 idle duration prediction.  Namely, it saves the last 8 observed idle duration
296 values and, when predicting the idle duration next time, it computes the average
297 and variance of them.  If the variance is small (smaller than 400 square
298 milliseconds) or it is small relative to the average (the average is greater
299 that 6 times the standard deviation), the average is regarded as the "typical
300 interval" value.  Otherwise, the longest of the saved observed idle duration
301 values is discarded and the computation is repeated for the remaining ones.
302 Again, if the variance of them is small (in the above sense), the average is
303 taken as the "typical interval" value and so on, until either the "typical
304 interval" is determined or too many data points are disregarded, in which case
305 the "typical interval" is assumed to equal "infinity" (the maximum unsigned
306 integer value).  The "typical interval" computed this way is compared with the
307 sleep length multiplied by the correction factor and the minimum of the two is
308 taken as the predicted idle duration.
310 Then, the governor computes an extra latency limit to help "interactive"
311 workloads.  It uses the observation that if the exit latency of the selected
312 idle state is comparable with the predicted idle duration, the total time spent
313 in that state probably will be very short and the amount of energy to save by
314 entering it will be relatively small, so likely it is better to avoid the
315 overhead related to entering that state and exiting it.  Thus selecting a
316 shallower state is likely to be a better option then.   The first approximation
317 of the extra latency limit is the predicted idle duration itself which
318 additionally is divided by a value depending on the number of tasks that
319 previously ran on the given CPU and now they are waiting for I/O operations to
320 complete.  The result of that division is compared with the latency limit coming
321 from the power management quality of service, or `PM QoS <cpu-pm-qos_>`_,
322 framework and the minimum of the two is taken as the limit for the idle states'
323 exit latency.
325 Now, the governor is ready to walk the list of idle states and choose one of
326 them.  For this purpose, it compares the target residency of each state with
327 the predicted idle duration and the exit latency of it with the computed latency
328 limit.  It selects the state with the target residency closest to the predicted
329 idle duration, but still below it, and exit latency that does not exceed the
330 limit.
332 In the final step the governor may still need to refine the idle state selection
333 if it has not decided to `stop the scheduler tick <idle-cpus-and-tick_>`_.  That
334 happens if the idle duration predicted by it is less than the tick period and
335 the tick has not been stopped already (in a previous iteration of the idle
336 loop).  Then, the sleep length used in the previous computations may not reflect
337 the real time until the closest timer event and if it really is greater than
338 that time, the governor may need to select a shallower state with a suitable
339 target residency.
342 .. _teo-gov:
344 The Timer Events Oriented (TEO) Governor
345 ========================================
347 The timer events oriented (TEO) governor is an alternative ``CPUIdle`` governor
348 for tickless systems.  It follows the same basic strategy as the ``menu`` `one
349 <menu-gov_>`_: it always tries to find the deepest idle state suitable for the
350 given conditions.  However, it applies a different approach to that problem.
352 First, it does not use sleep length correction factors, but instead it attempts
353 to correlate the observed idle duration values with the available idle states
354 and use that information to pick up the idle state that is most likely to
355 "match" the upcoming CPU idle interval.   Second, it does not take the tasks
356 that were running on the given CPU in the past and are waiting on some I/O
357 operations to complete now at all (there is no guarantee that they will run on
358 the same CPU when they become runnable again) and the pattern detection code in
359 it avoids taking timer wakeups into account.  It also only uses idle duration
360 values less than the current time till the closest timer (with the scheduler
361 tick excluded) for that purpose.
363 Like in the ``menu`` governor `case <menu-gov_>`_, the first step is to obtain
364 the *sleep length*, which is the time until the closest timer event with the
365 assumption that the scheduler tick will be stopped (that also is the upper bound
366 on the time until the next CPU wakeup).  That value is then used to preselect an
367 idle state on the basis of three metrics maintained for each idle state provided
368 by the ``CPUIdle`` driver: ``hits``, ``misses`` and ``early_hits``.
370 The ``hits`` and ``misses`` metrics measure the likelihood that a given idle
371 state will "match" the observed (post-wakeup) idle duration if it "matches" the
372 sleep length.  They both are subject to decay (after a CPU wakeup) every time
373 the target residency of the idle state corresponding to them is less than or
374 equal to the sleep length and the target residency of the next idle state is
375 greater than the sleep length (that is, when the idle state corresponding to
376 them "matches" the sleep length).  The ``hits`` metric is increased if the
377 former condition is satisfied and the target residency of the given idle state
378 is less than or equal to the observed idle duration and the target residency of
379 the next idle state is greater than the observed idle duration at the same time
380 (that is, it is increased when the given idle state "matches" both the sleep
381 length and the observed idle duration).  In turn, the ``misses`` metric is
382 increased when the given idle state "matches" the sleep length only and the
383 observed idle duration is too short for its target residency.
385 The ``early_hits`` metric measures the likelihood that a given idle state will
386 "match" the observed (post-wakeup) idle duration if it does not "match" the
387 sleep length.  It is subject to decay on every CPU wakeup and it is increased
388 when the idle state corresponding to it "matches" the observed (post-wakeup)
389 idle duration and the target residency of the next idle state is less than or
390 equal to the sleep length (i.e. the idle state "matching" the sleep length is
391 deeper than the given one).
393 The governor walks the list of idle states provided by the ``CPUIdle`` driver
394 and finds the last (deepest) one with the target residency less than or equal
395 to the sleep length.  Then, the ``hits`` and ``misses`` metrics of that idle
396 state are compared with each other and it is preselected if the ``hits`` one is
397 greater (which means that that idle state is likely to "match" the observed idle
398 duration after CPU wakeup).  If the ``misses`` one is greater, the governor
399 preselects the shallower idle state with the maximum ``early_hits`` metric
400 (or if there are multiple shallower idle states with equal ``early_hits``
401 metric which also is the maximum, the shallowest of them will be preselected).
402 [If there is a wakeup latency constraint coming from the `PM QoS framework
403 <cpu-pm-qos_>`_ which is hit before reaching the deepest idle state with the
404 target residency within the sleep length, the deepest idle state with the exit
405 latency within the constraint is preselected without consulting the ``hits``,
406 ``misses`` and ``early_hits`` metrics.]
408 Next, the governor takes several idle duration values observed most recently
409 into consideration and if at least a half of them are greater than or equal to
410 the target residency of the preselected idle state, that idle state becomes the
411 final candidate to ask for.  Otherwise, the average of the most recent idle
412 duration values below the target residency of the preselected idle state is
413 computed and the governor walks the idle states shallower than the preselected
414 one and finds the deepest of them with the target residency within that average.
415 That idle state is then taken as the final candidate to ask for.
417 Still, at this point the governor may need to refine the idle state selection if
418 it has not decided to `stop the scheduler tick <idle-cpus-and-tick_>`_.  That
419 generally happens if the target residency of the idle state selected so far is
420 less than the tick period and the tick has not been stopped already (in a
421 previous iteration of the idle loop).  Then, like in the ``menu`` governor
422 `case <menu-gov_>`_, the sleep length used in the previous computations may not
423 reflect the real time until the closest timer event and if it really is greater
424 than that time, a shallower state with a suitable target residency may need to
425 be selected.
428 .. _idle-states-representation:
430 Representation of Idle States
431 =============================
433 For the CPU idle time management purposes all of the physical idle states
434 supported by the processor have to be represented as a one-dimensional array of
435 |struct cpuidle_state| objects each allowing an individual (logical) CPU to ask
436 the processor hardware to enter an idle state of certain properties.  If there
437 is a hierarchy of units in the processor, one |struct cpuidle_state| object can
438 cover a combination of idle states supported by the units at different levels of
439 the hierarchy.  In that case, the `target residency and exit latency parameters
440 of it <idle-loop_>`_, must reflect the properties of the idle state at the
441 deepest level (i.e. the idle state of the unit containing all of the other
442 units).
444 For example, take a processor with two cores in a larger unit referred to as
445 a "module" and suppose that asking the hardware to enter a specific idle state
446 (say "X") at the "core" level by one core will trigger the module to try to
447 enter a specific idle state of its own (say "MX") if the other core is in idle
448 state "X" already.  In other words, asking for idle state "X" at the "core"
449 level gives the hardware a license to go as deep as to idle state "MX" at the
450 "module" level, but there is no guarantee that this is going to happen (the core
451 asking for idle state "X" may just end up in that state by itself instead).
452 Then, the target residency of the |struct cpuidle_state| object representing
453 idle state "X" must reflect the minimum time to spend in idle state "MX" of
454 the module (including the time needed to enter it), because that is the minimum
455 time the CPU needs to be idle to save any energy in case the hardware enters
456 that state.  Analogously, the exit latency parameter of that object must cover
457 the exit time of idle state "MX" of the module (and usually its entry time too),
458 because that is the maximum delay between a wakeup signal and the time the CPU
459 will start to execute the first new instruction (assuming that both cores in the
460 module will always be ready to execute instructions as soon as the module
461 becomes operational as a whole).
463 There are processors without direct coordination between different levels of the
464 hierarchy of units inside them, however.  In those cases asking for an idle
465 state at the "core" level does not automatically affect the "module" level, for
466 example, in any way and the ``CPUIdle`` driver is responsible for the entire
467 handling of the hierarchy.  Then, the definition of the idle state objects is
468 entirely up to the driver, but still the physical properties of the idle state
469 that the processor hardware finally goes into must always follow the parameters
470 used by the governor for idle state selection (for instance, the actual exit
471 latency of that idle state must not exceed the exit latency parameter of the
472 idle state object selected by the governor).
474 In addition to the target residency and exit latency idle state parameters
475 discussed above, the objects representing idle states each contain a few other
476 parameters describing the idle state and a pointer to the function to run in
477 order to ask the hardware to enter that state.  Also, for each
478 |struct cpuidle_state| object, there is a corresponding
479 :c:type:`struct cpuidle_state_usage <cpuidle_state_usage>` one containing usage
480 statistics of the given idle state.  That information is exposed by the kernel
481 via ``sysfs``.
483 For each CPU in the system, there is a :file:`/sys/devices/system/cpu<N>/cpuidle/`
484 directory in ``sysfs``, where the number ``<N>`` is assigned to the given
485 CPU at the initialization time.  That directory contains a set of subdirectories
486 called :file:`state0`, :file:`state1` and so on, up to the number of idle state
487 objects defined for the given CPU minus one.  Each of these directories
488 corresponds to one idle state object and the larger the number in its name, the
489 deeper the (effective) idle state represented by it.  Each of them contains
490 a number of files (attributes) representing the properties of the idle state
491 object corresponding to it, as follows:
493 ``above``
494         Total number of times this idle state had been asked for, but the
495         observed idle duration was certainly too short to match its target
496         residency.
498 ``below``
499         Total number of times this idle state had been asked for, but cerainly
500         a deeper idle state would have been a better match for the observed idle
501         duration.
503 ``desc``
504         Description of the idle state.
506 ``disable``
507         Whether or not this idle state is disabled.
509 ``default_status``
510         The default status of this state, "enabled" or "disabled".
512 ``latency``
513         Exit latency of the idle state in microseconds.
515 ``name``
516         Name of the idle state.
518 ``power``
519         Power drawn by hardware in this idle state in milliwatts (if specified,
520         0 otherwise).
522 ``residency``
523         Target residency of the idle state in microseconds.
525 ``time``
526         Total time spent in this idle state by the given CPU (as measured by the
527         kernel) in microseconds.
529 ``usage``
530         Total number of times the hardware has been asked by the given CPU to
531         enter this idle state.
533 The :file:`desc` and :file:`name` files both contain strings.  The difference
534 between them is that the name is expected to be more concise, while the
535 description may be longer and it may contain white space or special characters.
536 The other files listed above contain integer numbers.
538 The :file:`disable` attribute is the only writeable one.  If it contains 1, the
539 given idle state is disabled for this particular CPU, which means that the
540 governor will never select it for this particular CPU and the ``CPUIdle``
541 driver will never ask the hardware to enter it for that CPU as a result.
542 However, disabling an idle state for one CPU does not prevent it from being
543 asked for by the other CPUs, so it must be disabled for all of them in order to
544 never be asked for by any of them.  [Note that, due to the way the ``ladder``
545 governor is implemented, disabling an idle state prevents that governor from
546 selecting any idle states deeper than the disabled one too.]
548 If the :file:`disable` attribute contains 0, the given idle state is enabled for
549 this particular CPU, but it still may be disabled for some or all of the other
550 CPUs in the system at the same time.  Writing 1 to it causes the idle state to
551 be disabled for this particular CPU and writing 0 to it allows the governor to
552 take it into consideration for the given CPU and the driver to ask for it,
553 unless that state was disabled globally in the driver (in which case it cannot
554 be used at all).
556 The :file:`power` attribute is not defined very well, especially for idle state
557 objects representing combinations of idle states at different levels of the
558 hierarchy of units in the processor, and it generally is hard to obtain idle
559 state power numbers for complex hardware, so :file:`power` often contains 0 (not
560 available) and if it contains a nonzero number, that number may not be very
561 accurate and it should not be relied on for anything meaningful.
563 The number in the :file:`time` file generally may be greater than the total time
564 really spent by the given CPU in the given idle state, because it is measured by
565 the kernel and it may not cover the cases in which the hardware refused to enter
566 this idle state and entered a shallower one instead of it (or even it did not
567 enter any idle state at all).  The kernel can only measure the time span between
568 asking the hardware to enter an idle state and the subsequent wakeup of the CPU
569 and it cannot say what really happened in the meantime at the hardware level.
570 Moreover, if the idle state object in question represents a combination of idle
571 states at different levels of the hierarchy of units in the processor,
572 the kernel can never say how deep the hardware went down the hierarchy in any
573 particular case.  For these reasons, the only reliable way to find out how
574 much time has been spent by the hardware in different idle states supported by
575 it is to use idle state residency counters in the hardware, if available.
578 .. _cpu-pm-qos:
580 Power Management Quality of Service for CPUs
581 ============================================
583 The power management quality of service (PM QoS) framework in the Linux kernel
584 allows kernel code and user space processes to set constraints on various
585 energy-efficiency features of the kernel to prevent performance from dropping
586 below a required level.
588 CPU idle time management can be affected by PM QoS in two ways, through the
589 global CPU latency limit and through the resume latency constraints for
590 individual CPUs.  Kernel code (e.g. device drivers) can set both of them with
591 the help of special internal interfaces provided by the PM QoS framework.  User
592 space can modify the former by opening the :file:`cpu_dma_latency` special
593 device file under :file:`/dev/` and writing a binary value (interpreted as a
594 signed 32-bit integer) to it.  In turn, the resume latency constraint for a CPU
595 can be modified from user space by writing a string (representing a signed
596 32-bit integer) to the :file:`power/pm_qos_resume_latency_us` file under
597 :file:`/sys/devices/system/cpu/cpu<N>/` in ``sysfs``, where the CPU number
598 ``<N>`` is allocated at the system initialization time.  Negative values
599 will be rejected in both cases and, also in both cases, the written integer
600 number will be interpreted as a requested PM QoS constraint in microseconds.
602 The requested value is not automatically applied as a new constraint, however,
603 as it may be less restrictive (greater in this particular case) than another
604 constraint previously requested by someone else.  For this reason, the PM QoS
605 framework maintains a list of requests that have been made so far for the
606 global CPU latency limit and for each individual CPU, aggregates them and
607 applies the effective (minimum in this particular case) value as the new
608 constraint.
610 In fact, opening the :file:`cpu_dma_latency` special device file causes a new
611 PM QoS request to be created and added to a global priority list of CPU latency
612 limit requests and the file descriptor coming from the "open" operation
613 represents that request.  If that file descriptor is then used for writing, the
614 number written to it will be associated with the PM QoS request represented by
615 it as a new requested limit value.  Next, the priority list mechanism will be
616 used to determine the new effective value of the entire list of requests and
617 that effective value will be set as a new CPU latency limit.  Thus requesting a
618 new limit value will only change the real limit if the effective "list" value is
619 affected by it, which is the case if it is the minimum of the requested values
620 in the list.
622 The process holding a file descriptor obtained by opening the
623 :file:`cpu_dma_latency` special device file controls the PM QoS request
624 associated with that file descriptor, but it controls this particular PM QoS
625 request only.
627 Closing the :file:`cpu_dma_latency` special device file or, more precisely, the
628 file descriptor obtained while opening it, causes the PM QoS request associated
629 with that file descriptor to be removed from the global priority list of CPU
630 latency limit requests and destroyed.  If that happens, the priority list
631 mechanism will be used again, to determine the new effective value for the whole
632 list and that value will become the new limit.
634 In turn, for each CPU there is one resume latency PM QoS request associated with
635 the :file:`power/pm_qos_resume_latency_us` file under
636 :file:`/sys/devices/system/cpu/cpu<N>/` in ``sysfs`` and writing to it causes
637 this single PM QoS request to be updated regardless of which user space
638 process does that.  In other words, this PM QoS request is shared by the entire
639 user space, so access to the file associated with it needs to be arbitrated
640 to avoid confusion.  [Arguably, the only legitimate use of this mechanism in
641 practice is to pin a process to the CPU in question and let it use the
642 ``sysfs`` interface to control the resume latency constraint for it.]  It is
643 still only a request, however.  It is an entry in a priority list used to
644 determine the effective value to be set as the resume latency constraint for the
645 CPU in question every time the list of requests is updated this way or another
646 (there may be other requests coming from kernel code in that list).
648 CPU idle time governors are expected to regard the minimum of the global
649 (effective) CPU latency limit and the effective resume latency constraint for
650 the given CPU as the upper limit for the exit latency of the idle states that
651 they are allowed to select for that CPU.  They should never select any idle
652 states with exit latency beyond that limit.
655 Idle States Control Via Kernel Command Line
656 ===========================================
658 In addition to the ``sysfs`` interface allowing individual idle states to be
659 `disabled for individual CPUs <idle-states-representation_>`_, there are kernel
660 command line parameters affecting CPU idle time management.
662 The ``cpuidle.off=1`` kernel command line option can be used to disable the
663 CPU idle time management entirely.  It does not prevent the idle loop from
664 running on idle CPUs, but it prevents the CPU idle time governors and drivers
665 from being invoked.  If it is added to the kernel command line, the idle loop
666 will ask the hardware to enter idle states on idle CPUs via the CPU architecture
667 support code that is expected to provide a default mechanism for this purpose.
668 That default mechanism usually is the least common denominator for all of the
669 processors implementing the architecture (i.e. CPU instruction set) in question,
670 however, so it is rather crude and not very energy-efficient.  For this reason,
671 it is not recommended for production use.
673 The ``cpuidle.governor=`` kernel command line switch allows the ``CPUIdle``
674 governor to use to be specified.  It has to be appended with a string matching
675 the name of an available governor (e.g. ``cpuidle.governor=menu``) and that
676 governor will be used instead of the default one.  It is possible to force
677 the ``menu`` governor to be used on the systems that use the ``ladder`` governor
678 by default this way, for example.
680 The other kernel command line parameters controlling CPU idle time management
681 described below are only relevant for the *x86* architecture and some of
682 them affect Intel processors only.
684 The *x86* architecture support code recognizes three kernel command line
685 options related to CPU idle time management: ``idle=poll``, ``idle=halt``,
686 and ``idle=nomwait``.  The first two of them disable the ``acpi_idle`` and
687 ``intel_idle`` drivers altogether, which effectively causes the entire
688 ``CPUIdle`` subsystem to be disabled and makes the idle loop invoke the
689 architecture support code to deal with idle CPUs.  How it does that depends on
690 which of the two parameters is added to the kernel command line.  In the
691 ``idle=halt`` case, the architecture support code will use the ``HLT``
692 instruction of the CPUs (which, as a rule, suspends the execution of the program
693 and causes the hardware to attempt to enter the shallowest available idle state)
694 for this purpose, and if ``idle=poll`` is used, idle CPUs will execute a
695 more or less ``lightweight'' sequence of instructions in a tight loop.  [Note
696 that using ``idle=poll`` is somewhat drastic in many cases, as preventing idle
697 CPUs from saving almost any energy at all may not be the only effect of it.
698 For example, on Intel hardware it effectively prevents CPUs from using
699 P-states (see |cpufreq|) that require any number of CPUs in a package to be
700 idle, so it very well may hurt single-thread computations performance as well as
701 energy-efficiency.  Thus using it for performance reasons may not be a good idea
702 at all.]
704 The ``idle=nomwait`` option disables the ``intel_idle`` driver and causes
705 ``acpi_idle`` to be used (as long as all of the information needed by it is
706 there in the system's ACPI tables), but it is not allowed to use the
707 ``MWAIT`` instruction of the CPUs to ask the hardware to enter idle states.
709 In addition to the architecture-level kernel command line options affecting CPU
710 idle time management, there are parameters affecting individual ``CPUIdle``
711 drivers that can be passed to them via the kernel command line.  Specifically,
712 the ``intel_idle.max_cstate=<n>`` and ``processor.max_cstate=<n>`` parameters,
713 where ``<n>`` is an idle state index also used in the name of the given
714 state's directory in ``sysfs`` (see
715 `Representation of Idle States <idle-states-representation_>`_), causes the
716 ``intel_idle`` and ``acpi_idle`` drivers, respectively, to discard all of the
717 idle states deeper than idle state ``<n>``.  In that case, they will never ask
718 for any of those idle states or expose them to the governor.  [The behavior of
719 the two drivers is different for ``<n>`` equal to ``0``.  Adding
720 ``intel_idle.max_cstate=0`` to the kernel command line disables the
721 ``intel_idle`` driver and allows ``acpi_idle`` to be used, whereas
722 ``processor.max_cstate=0`` is equivalent to ``processor.max_cstate=1``.
723 Also, the ``acpi_idle`` driver is part of the ``processor`` kernel module that
724 can be loaded separately and ``max_cstate=<n>`` can be passed to it as a module
725 parameter when it is loaded.]