treewide: remove redundant IS_ERR() before error code check
[linux/fpc-iii.git] / Documentation / admin-guide / cgroup-v1 / memory.rst
blob0ae4f564c2d68dc50ff07e3e590673ce373e3253
1 ==========================
2 Memory Resource Controller
3 ==========================
5 NOTE:
6       This document is hopelessly outdated and it asks for a complete
7       rewrite. It still contains a useful information so we are keeping it
8       here but make sure to check the current code if you need a deeper
9       understanding.
11 NOTE:
12       The Memory Resource Controller has generically been referred to as the
13       memory controller in this document. Do not confuse memory controller
14       used here with the memory controller that is used in hardware.
16 (For editors) In this document:
17       When we mention a cgroup (cgroupfs's directory) with memory controller,
18       we call it "memory cgroup". When you see git-log and source code, you'll
19       see patch's title and function names tend to use "memcg".
20       In this document, we avoid using it.
22 Benefits and Purpose of the memory controller
23 =============================================
25 The memory controller isolates the memory behaviour of a group of tasks
26 from the rest of the system. The article on LWN [12] mentions some probable
27 uses of the memory controller. The memory controller can be used to
29 a. Isolate an application or a group of applications
30    Memory-hungry applications can be isolated and limited to a smaller
31    amount of memory.
32 b. Create a cgroup with a limited amount of memory; this can be used
33    as a good alternative to booting with mem=XXXX.
34 c. Virtualization solutions can control the amount of memory they want
35    to assign to a virtual machine instance.
36 d. A CD/DVD burner could control the amount of memory used by the
37    rest of the system to ensure that burning does not fail due to lack
38    of available memory.
39 e. There are several other use cases; find one or use the controller just
40    for fun (to learn and hack on the VM subsystem).
42 Current Status: linux-2.6.34-mmotm(development version of 2010/April)
44 Features:
46  - accounting anonymous pages, file caches, swap caches usage and limiting them.
47  - pages are linked to per-memcg LRU exclusively, and there is no global LRU.
48  - optionally, memory+swap usage can be accounted and limited.
49  - hierarchical accounting
50  - soft limit
51  - moving (recharging) account at moving a task is selectable.
52  - usage threshold notifier
53  - memory pressure notifier
54  - oom-killer disable knob and oom-notifier
55  - Root cgroup has no limit controls.
57  Kernel memory support is a work in progress, and the current version provides
58  basically functionality. (See Section 2.7)
60 Brief summary of control files.
62 ==================================== ==========================================
63  tasks                               attach a task(thread) and show list of
64                                      threads
65  cgroup.procs                        show list of processes
66  cgroup.event_control                an interface for event_fd()
67  memory.usage_in_bytes               show current usage for memory
68                                      (See 5.5 for details)
69  memory.memsw.usage_in_bytes         show current usage for memory+Swap
70                                      (See 5.5 for details)
71  memory.limit_in_bytes               set/show limit of memory usage
72  memory.memsw.limit_in_bytes         set/show limit of memory+Swap usage
73  memory.failcnt                      show the number of memory usage hits limits
74  memory.memsw.failcnt                show the number of memory+Swap hits limits
75  memory.max_usage_in_bytes           show max memory usage recorded
76  memory.memsw.max_usage_in_bytes     show max memory+Swap usage recorded
77  memory.soft_limit_in_bytes          set/show soft limit of memory usage
78  memory.stat                         show various statistics
79  memory.use_hierarchy                set/show hierarchical account enabled
80  memory.force_empty                  trigger forced page reclaim
81  memory.pressure_level               set memory pressure notifications
82  memory.swappiness                   set/show swappiness parameter of vmscan
83                                      (See sysctl's vm.swappiness)
84  memory.move_charge_at_immigrate     set/show controls of moving charges
85  memory.oom_control                  set/show oom controls.
86  memory.numa_stat                    show the number of memory usage per numa
87                                      node
88  memory.kmem.limit_in_bytes          set/show hard limit for kernel memory
89                                      This knob is deprecated and shouldn't be
90                                      used. It is planned that this be removed in
91                                      the foreseeable future.
92  memory.kmem.usage_in_bytes          show current kernel memory allocation
93  memory.kmem.failcnt                 show the number of kernel memory usage
94                                      hits limits
95  memory.kmem.max_usage_in_bytes      show max kernel memory usage recorded
97  memory.kmem.tcp.limit_in_bytes      set/show hard limit for tcp buf memory
98  memory.kmem.tcp.usage_in_bytes      show current tcp buf memory allocation
99  memory.kmem.tcp.failcnt             show the number of tcp buf memory usage
100                                      hits limits
101  memory.kmem.tcp.max_usage_in_bytes  show max tcp buf memory usage recorded
102 ==================================== ==========================================
104 1. History
105 ==========
107 The memory controller has a long history. A request for comments for the memory
108 controller was posted by Balbir Singh [1]. At the time the RFC was posted
109 there were several implementations for memory control. The goal of the
110 RFC was to build consensus and agreement for the minimal features required
111 for memory control. The first RSS controller was posted by Balbir Singh[2]
112 in Feb 2007. Pavel Emelianov [3][4][5] has since posted three versions of the
113 RSS controller. At OLS, at the resource management BoF, everyone suggested
114 that we handle both page cache and RSS together. Another request was raised
115 to allow user space handling of OOM. The current memory controller is
116 at version 6; it combines both mapped (RSS) and unmapped Page
117 Cache Control [11].
119 2. Memory Control
120 =================
122 Memory is a unique resource in the sense that it is present in a limited
123 amount. If a task requires a lot of CPU processing, the task can spread
124 its processing over a period of hours, days, months or years, but with
125 memory, the same physical memory needs to be reused to accomplish the task.
127 The memory controller implementation has been divided into phases. These
128 are:
130 1. Memory controller
131 2. mlock(2) controller
132 3. Kernel user memory accounting and slab control
133 4. user mappings length controller
135 The memory controller is the first controller developed.
137 2.1. Design
138 -----------
140 The core of the design is a counter called the page_counter. The
141 page_counter tracks the current memory usage and limit of the group of
142 processes associated with the controller. Each cgroup has a memory controller
143 specific data structure (mem_cgroup) associated with it.
145 2.2. Accounting
146 ---------------
150                 +--------------------+
151                 |  mem_cgroup        |
152                 |  (page_counter)    |
153                 +--------------------+
154                  /            ^      \
155                 /             |       \
156            +---------------+  |        +---------------+
157            | mm_struct     |  |....    | mm_struct     |
158            |               |  |        |               |
159            +---------------+  |        +---------------+
160                               |
161                               + --------------+
162                                               |
163            +---------------+           +------+--------+
164            | page          +---------->  page_cgroup|
165            |               |           |               |
166            +---------------+           +---------------+
168              (Figure 1: Hierarchy of Accounting)
171 Figure 1 shows the important aspects of the controller
173 1. Accounting happens per cgroup
174 2. Each mm_struct knows about which cgroup it belongs to
175 3. Each page has a pointer to the page_cgroup, which in turn knows the
176    cgroup it belongs to
178 The accounting is done as follows: mem_cgroup_charge_common() is invoked to
179 set up the necessary data structures and check if the cgroup that is being
180 charged is over its limit. If it is, then reclaim is invoked on the cgroup.
181 More details can be found in the reclaim section of this document.
182 If everything goes well, a page meta-data-structure called page_cgroup is
183 updated. page_cgroup has its own LRU on cgroup.
184 (*) page_cgroup structure is allocated at boot/memory-hotplug time.
186 2.2.1 Accounting details
187 ------------------------
189 All mapped anon pages (RSS) and cache pages (Page Cache) are accounted.
190 Some pages which are never reclaimable and will not be on the LRU
191 are not accounted. We just account pages under usual VM management.
193 RSS pages are accounted at page_fault unless they've already been accounted
194 for earlier. A file page will be accounted for as Page Cache when it's
195 inserted into inode (radix-tree). While it's mapped into the page tables of
196 processes, duplicate accounting is carefully avoided.
198 An RSS page is unaccounted when it's fully unmapped. A PageCache page is
199 unaccounted when it's removed from radix-tree. Even if RSS pages are fully
200 unmapped (by kswapd), they may exist as SwapCache in the system until they
201 are really freed. Such SwapCaches are also accounted.
202 A swapped-in page is not accounted until it's mapped.
204 Note: The kernel does swapin-readahead and reads multiple swaps at once.
205 This means swapped-in pages may contain pages for other tasks than a task
206 causing page fault. So, we avoid accounting at swap-in I/O.
208 At page migration, accounting information is kept.
210 Note: we just account pages-on-LRU because our purpose is to control amount
211 of used pages; not-on-LRU pages tend to be out-of-control from VM view.
213 2.3 Shared Page Accounting
214 --------------------------
216 Shared pages are accounted on the basis of the first touch approach. The
217 cgroup that first touches a page is accounted for the page. The principle
218 behind this approach is that a cgroup that aggressively uses a shared
219 page will eventually get charged for it (once it is uncharged from
220 the cgroup that brought it in -- this will happen on memory pressure).
222 But see section 8.2: when moving a task to another cgroup, its pages may
223 be recharged to the new cgroup, if move_charge_at_immigrate has been chosen.
225 Exception: If CONFIG_MEMCG_SWAP is not used.
226 When you do swapoff and make swapped-out pages of shmem(tmpfs) to
227 be backed into memory in force, charges for pages are accounted against the
228 caller of swapoff rather than the users of shmem.
230 2.4 Swap Extension (CONFIG_MEMCG_SWAP)
231 --------------------------------------
233 Swap Extension allows you to record charge for swap. A swapped-in page is
234 charged back to original page allocator if possible.
236 When swap is accounted, following files are added.
238  - memory.memsw.usage_in_bytes.
239  - memory.memsw.limit_in_bytes.
241 memsw means memory+swap. Usage of memory+swap is limited by
242 memsw.limit_in_bytes.
244 Example: Assume a system with 4G of swap. A task which allocates 6G of memory
245 (by mistake) under 2G memory limitation will use all swap.
246 In this case, setting memsw.limit_in_bytes=3G will prevent bad use of swap.
247 By using the memsw limit, you can avoid system OOM which can be caused by swap
248 shortage.
250 **why 'memory+swap' rather than swap**
252 The global LRU(kswapd) can swap out arbitrary pages. Swap-out means
253 to move account from memory to swap...there is no change in usage of
254 memory+swap. In other words, when we want to limit the usage of swap without
255 affecting global LRU, memory+swap limit is better than just limiting swap from
256 an OS point of view.
258 **What happens when a cgroup hits memory.memsw.limit_in_bytes**
260 When a cgroup hits memory.memsw.limit_in_bytes, it's useless to do swap-out
261 in this cgroup. Then, swap-out will not be done by cgroup routine and file
262 caches are dropped. But as mentioned above, global LRU can do swapout memory
263 from it for sanity of the system's memory management state. You can't forbid
264 it by cgroup.
266 2.5 Reclaim
267 -----------
269 Each cgroup maintains a per cgroup LRU which has the same structure as
270 global VM. When a cgroup goes over its limit, we first try
271 to reclaim memory from the cgroup so as to make space for the new
272 pages that the cgroup has touched. If the reclaim is unsuccessful,
273 an OOM routine is invoked to select and kill the bulkiest task in the
274 cgroup. (See 10. OOM Control below.)
276 The reclaim algorithm has not been modified for cgroups, except that
277 pages that are selected for reclaiming come from the per-cgroup LRU
278 list.
280 NOTE:
281   Reclaim does not work for the root cgroup, since we cannot set any
282   limits on the root cgroup.
284 Note2:
285   When panic_on_oom is set to "2", the whole system will panic.
287 When oom event notifier is registered, event will be delivered.
288 (See oom_control section)
290 2.6 Locking
291 -----------
293    lock_page_cgroup()/unlock_page_cgroup() should not be called under
294    the i_pages lock.
296    Other lock order is following:
298    PG_locked.
299      mm->page_table_lock
300          pgdat->lru_lock
301            lock_page_cgroup.
303   In many cases, just lock_page_cgroup() is called.
305   per-zone-per-cgroup LRU (cgroup's private LRU) is just guarded by
306   pgdat->lru_lock, it has no lock of its own.
308 2.7 Kernel Memory Extension (CONFIG_MEMCG_KMEM)
309 -----------------------------------------------
311 With the Kernel memory extension, the Memory Controller is able to limit
312 the amount of kernel memory used by the system. Kernel memory is fundamentally
313 different than user memory, since it can't be swapped out, which makes it
314 possible to DoS the system by consuming too much of this precious resource.
316 Kernel memory accounting is enabled for all memory cgroups by default. But
317 it can be disabled system-wide by passing cgroup.memory=nokmem to the kernel
318 at boot time. In this case, kernel memory will not be accounted at all.
320 Kernel memory limits are not imposed for the root cgroup. Usage for the root
321 cgroup may or may not be accounted. The memory used is accumulated into
322 memory.kmem.usage_in_bytes, or in a separate counter when it makes sense.
323 (currently only for tcp).
325 The main "kmem" counter is fed into the main counter, so kmem charges will
326 also be visible from the user counter.
328 Currently no soft limit is implemented for kernel memory. It is future work
329 to trigger slab reclaim when those limits are reached.
331 2.7.1 Current Kernel Memory resources accounted
332 -----------------------------------------------
334 stack pages:
335   every process consumes some stack pages. By accounting into
336   kernel memory, we prevent new processes from being created when the kernel
337   memory usage is too high.
339 slab pages:
340   pages allocated by the SLAB or SLUB allocator are tracked. A copy
341   of each kmem_cache is created every time the cache is touched by the first time
342   from inside the memcg. The creation is done lazily, so some objects can still be
343   skipped while the cache is being created. All objects in a slab page should
344   belong to the same memcg. This only fails to hold when a task is migrated to a
345   different memcg during the page allocation by the cache.
347 sockets memory pressure:
348   some sockets protocols have memory pressure
349   thresholds. The Memory Controller allows them to be controlled individually
350   per cgroup, instead of globally.
352 tcp memory pressure:
353   sockets memory pressure for the tcp protocol.
355 2.7.2 Common use cases
356 ----------------------
358 Because the "kmem" counter is fed to the main user counter, kernel memory can
359 never be limited completely independently of user memory. Say "U" is the user
360 limit, and "K" the kernel limit. There are three possible ways limits can be
361 set:
363 U != 0, K = unlimited:
364     This is the standard memcg limitation mechanism already present before kmem
365     accounting. Kernel memory is completely ignored.
367 U != 0, K < U:
368     Kernel memory is a subset of the user memory. This setup is useful in
369     deployments where the total amount of memory per-cgroup is overcommited.
370     Overcommiting kernel memory limits is definitely not recommended, since the
371     box can still run out of non-reclaimable memory.
372     In this case, the admin could set up K so that the sum of all groups is
373     never greater than the total memory, and freely set U at the cost of his
374     QoS.
376 WARNING:
377     In the current implementation, memory reclaim will NOT be
378     triggered for a cgroup when it hits K while staying below U, which makes
379     this setup impractical.
381 U != 0, K >= U:
382     Since kmem charges will also be fed to the user counter and reclaim will be
383     triggered for the cgroup for both kinds of memory. This setup gives the
384     admin a unified view of memory, and it is also useful for people who just
385     want to track kernel memory usage.
387 3. User Interface
388 =================
390 3.0. Configuration
391 ------------------
393 a. Enable CONFIG_CGROUPS
394 b. Enable CONFIG_MEMCG
395 c. Enable CONFIG_MEMCG_SWAP (to use swap extension)
396 d. Enable CONFIG_MEMCG_KMEM (to use kmem extension)
398 3.1. Prepare the cgroups (see cgroups.txt, Why are cgroups needed?)
399 -------------------------------------------------------------------
403         # mount -t tmpfs none /sys/fs/cgroup
404         # mkdir /sys/fs/cgroup/memory
405         # mount -t cgroup none /sys/fs/cgroup/memory -o memory
407 3.2. Make the new group and move bash into it::
409         # mkdir /sys/fs/cgroup/memory/0
410         # echo $$ > /sys/fs/cgroup/memory/0/tasks
412 Since now we're in the 0 cgroup, we can alter the memory limit::
414         # echo 4M > /sys/fs/cgroup/memory/0/memory.limit_in_bytes
416 NOTE:
417   We can use a suffix (k, K, m, M, g or G) to indicate values in kilo,
418   mega or gigabytes. (Here, Kilo, Mega, Giga are Kibibytes, Mebibytes,
419   Gibibytes.)
421 NOTE:
422   We can write "-1" to reset the ``*.limit_in_bytes(unlimited)``.
424 NOTE:
425   We cannot set limits on the root cgroup any more.
429   # cat /sys/fs/cgroup/memory/0/memory.limit_in_bytes
430   4194304
432 We can check the usage::
434   # cat /sys/fs/cgroup/memory/0/memory.usage_in_bytes
435   1216512
437 A successful write to this file does not guarantee a successful setting of
438 this limit to the value written into the file. This can be due to a
439 number of factors, such as rounding up to page boundaries or the total
440 availability of memory on the system. The user is required to re-read
441 this file after a write to guarantee the value committed by the kernel::
443   # echo 1 > memory.limit_in_bytes
444   # cat memory.limit_in_bytes
445   4096
447 The memory.failcnt field gives the number of times that the cgroup limit was
448 exceeded.
450 The memory.stat file gives accounting information. Now, the number of
451 caches, RSS and Active pages/Inactive pages are shown.
453 4. Testing
454 ==========
456 For testing features and implementation, see memcg_test.txt.
458 Performance test is also important. To see pure memory controller's overhead,
459 testing on tmpfs will give you good numbers of small overheads.
460 Example: do kernel make on tmpfs.
462 Page-fault scalability is also important. At measuring parallel
463 page fault test, multi-process test may be better than multi-thread
464 test because it has noise of shared objects/status.
466 But the above two are testing extreme situations.
467 Trying usual test under memory controller is always helpful.
469 4.1 Troubleshooting
470 -------------------
472 Sometimes a user might find that the application under a cgroup is
473 terminated by the OOM killer. There are several causes for this:
475 1. The cgroup limit is too low (just too low to do anything useful)
476 2. The user is using anonymous memory and swap is turned off or too low
478 A sync followed by echo 1 > /proc/sys/vm/drop_caches will help get rid of
479 some of the pages cached in the cgroup (page cache pages).
481 To know what happens, disabling OOM_Kill as per "10. OOM Control" (below) and
482 seeing what happens will be helpful.
484 4.2 Task migration
485 ------------------
487 When a task migrates from one cgroup to another, its charge is not
488 carried forward by default. The pages allocated from the original cgroup still
489 remain charged to it, the charge is dropped when the page is freed or
490 reclaimed.
492 You can move charges of a task along with task migration.
493 See 8. "Move charges at task migration"
495 4.3 Removing a cgroup
496 ---------------------
498 A cgroup can be removed by rmdir, but as discussed in sections 4.1 and 4.2, a
499 cgroup might have some charge associated with it, even though all
500 tasks have migrated away from it. (because we charge against pages, not
501 against tasks.)
503 We move the stats to root (if use_hierarchy==0) or parent (if
504 use_hierarchy==1), and no change on the charge except uncharging
505 from the child.
507 Charges recorded in swap information is not updated at removal of cgroup.
508 Recorded information is discarded and a cgroup which uses swap (swapcache)
509 will be charged as a new owner of it.
511 About use_hierarchy, see Section 6.
513 5. Misc. interfaces
514 ===================
516 5.1 force_empty
517 ---------------
518   memory.force_empty interface is provided to make cgroup's memory usage empty.
519   When writing anything to this::
521     # echo 0 > memory.force_empty
523   the cgroup will be reclaimed and as many pages reclaimed as possible.
525   The typical use case for this interface is before calling rmdir().
526   Though rmdir() offlines memcg, but the memcg may still stay there due to
527   charged file caches. Some out-of-use page caches may keep charged until
528   memory pressure happens. If you want to avoid that, force_empty will be useful.
530   Also, note that when memory.kmem.limit_in_bytes is set the charges due to
531   kernel pages will still be seen. This is not considered a failure and the
532   write will still return success. In this case, it is expected that
533   memory.kmem.usage_in_bytes == memory.usage_in_bytes.
535   About use_hierarchy, see Section 6.
537 5.2 stat file
538 -------------
540 memory.stat file includes following statistics
542 per-memory cgroup local status
543 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
545 =============== ===============================================================
546 cache           # of bytes of page cache memory.
547 rss             # of bytes of anonymous and swap cache memory (includes
548                 transparent hugepages).
549 rss_huge        # of bytes of anonymous transparent hugepages.
550 mapped_file     # of bytes of mapped file (includes tmpfs/shmem)
551 pgpgin          # of charging events to the memory cgroup. The charging
552                 event happens each time a page is accounted as either mapped
553                 anon page(RSS) or cache page(Page Cache) to the cgroup.
554 pgpgout         # of uncharging events to the memory cgroup. The uncharging
555                 event happens each time a page is unaccounted from the cgroup.
556 swap            # of bytes of swap usage
557 dirty           # of bytes that are waiting to get written back to the disk.
558 writeback       # of bytes of file/anon cache that are queued for syncing to
559                 disk.
560 inactive_anon   # of bytes of anonymous and swap cache memory on inactive
561                 LRU list.
562 active_anon     # of bytes of anonymous and swap cache memory on active
563                 LRU list.
564 inactive_file   # of bytes of file-backed memory on inactive LRU list.
565 active_file     # of bytes of file-backed memory on active LRU list.
566 unevictable     # of bytes of memory that cannot be reclaimed (mlocked etc).
567 =============== ===============================================================
569 status considering hierarchy (see memory.use_hierarchy settings)
570 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
572 ========================= ===================================================
573 hierarchical_memory_limit # of bytes of memory limit with regard to hierarchy
574                           under which the memory cgroup is
575 hierarchical_memsw_limit  # of bytes of memory+swap limit with regard to
576                           hierarchy under which memory cgroup is.
578 total_<counter>           # hierarchical version of <counter>, which in
579                           addition to the cgroup's own value includes the
580                           sum of all hierarchical children's values of
581                           <counter>, i.e. total_cache
582 ========================= ===================================================
584 The following additional stats are dependent on CONFIG_DEBUG_VM
585 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
587 ========================= ========================================
588 recent_rotated_anon       VM internal parameter. (see mm/vmscan.c)
589 recent_rotated_file       VM internal parameter. (see mm/vmscan.c)
590 recent_scanned_anon       VM internal parameter. (see mm/vmscan.c)
591 recent_scanned_file       VM internal parameter. (see mm/vmscan.c)
592 ========================= ========================================
594 Memo:
595         recent_rotated means recent frequency of LRU rotation.
596         recent_scanned means recent # of scans to LRU.
597         showing for better debug please see the code for meanings.
599 Note:
600         Only anonymous and swap cache memory is listed as part of 'rss' stat.
601         This should not be confused with the true 'resident set size' or the
602         amount of physical memory used by the cgroup.
604         'rss + mapped_file" will give you resident set size of cgroup.
606         (Note: file and shmem may be shared among other cgroups. In that case,
607         mapped_file is accounted only when the memory cgroup is owner of page
608         cache.)
610 5.3 swappiness
611 --------------
613 Overrides /proc/sys/vm/swappiness for the particular group. The tunable
614 in the root cgroup corresponds to the global swappiness setting.
616 Please note that unlike during the global reclaim, limit reclaim
617 enforces that 0 swappiness really prevents from any swapping even if
618 there is a swap storage available. This might lead to memcg OOM killer
619 if there are no file pages to reclaim.
621 5.4 failcnt
622 -----------
624 A memory cgroup provides memory.failcnt and memory.memsw.failcnt files.
625 This failcnt(== failure count) shows the number of times that a usage counter
626 hit its limit. When a memory cgroup hits a limit, failcnt increases and
627 memory under it will be reclaimed.
629 You can reset failcnt by writing 0 to failcnt file::
631         # echo 0 > .../memory.failcnt
633 5.5 usage_in_bytes
634 ------------------
636 For efficiency, as other kernel components, memory cgroup uses some optimization
637 to avoid unnecessary cacheline false sharing. usage_in_bytes is affected by the
638 method and doesn't show 'exact' value of memory (and swap) usage, it's a fuzz
639 value for efficient access. (Of course, when necessary, it's synchronized.)
640 If you want to know more exact memory usage, you should use RSS+CACHE(+SWAP)
641 value in memory.stat(see 5.2).
643 5.6 numa_stat
644 -------------
646 This is similar to numa_maps but operates on a per-memcg basis.  This is
647 useful for providing visibility into the numa locality information within
648 an memcg since the pages are allowed to be allocated from any physical
649 node.  One of the use cases is evaluating application performance by
650 combining this information with the application's CPU allocation.
652 Each memcg's numa_stat file includes "total", "file", "anon" and "unevictable"
653 per-node page counts including "hierarchical_<counter>" which sums up all
654 hierarchical children's values in addition to the memcg's own value.
656 The output format of memory.numa_stat is::
658   total=<total pages> N0=<node 0 pages> N1=<node 1 pages> ...
659   file=<total file pages> N0=<node 0 pages> N1=<node 1 pages> ...
660   anon=<total anon pages> N0=<node 0 pages> N1=<node 1 pages> ...
661   unevictable=<total anon pages> N0=<node 0 pages> N1=<node 1 pages> ...
662   hierarchical_<counter>=<counter pages> N0=<node 0 pages> N1=<node 1 pages> ...
664 The "total" count is sum of file + anon + unevictable.
666 6. Hierarchy support
667 ====================
669 The memory controller supports a deep hierarchy and hierarchical accounting.
670 The hierarchy is created by creating the appropriate cgroups in the
671 cgroup filesystem. Consider for example, the following cgroup filesystem
672 hierarchy::
674                root
675              /  |   \
676             /   |    \
677            a    b     c
678                       | \
679                       |  \
680                       d   e
682 In the diagram above, with hierarchical accounting enabled, all memory
683 usage of e, is accounted to its ancestors up until the root (i.e, c and root),
684 that has memory.use_hierarchy enabled. If one of the ancestors goes over its
685 limit, the reclaim algorithm reclaims from the tasks in the ancestor and the
686 children of the ancestor.
688 6.1 Enabling hierarchical accounting and reclaim
689 ------------------------------------------------
691 A memory cgroup by default disables the hierarchy feature. Support
692 can be enabled by writing 1 to memory.use_hierarchy file of the root cgroup::
694         # echo 1 > memory.use_hierarchy
696 The feature can be disabled by::
698         # echo 0 > memory.use_hierarchy
700 NOTE1:
701        Enabling/disabling will fail if either the cgroup already has other
702        cgroups created below it, or if the parent cgroup has use_hierarchy
703        enabled.
705 NOTE2:
706        When panic_on_oom is set to "2", the whole system will panic in
707        case of an OOM event in any cgroup.
709 7. Soft limits
710 ==============
712 Soft limits allow for greater sharing of memory. The idea behind soft limits
713 is to allow control groups to use as much of the memory as needed, provided
715 a. There is no memory contention
716 b. They do not exceed their hard limit
718 When the system detects memory contention or low memory, control groups
719 are pushed back to their soft limits. If the soft limit of each control
720 group is very high, they are pushed back as much as possible to make
721 sure that one control group does not starve the others of memory.
723 Please note that soft limits is a best-effort feature; it comes with
724 no guarantees, but it does its best to make sure that when memory is
725 heavily contended for, memory is allocated based on the soft limit
726 hints/setup. Currently soft limit based reclaim is set up such that
727 it gets invoked from balance_pgdat (kswapd).
729 7.1 Interface
730 -------------
732 Soft limits can be setup by using the following commands (in this example we
733 assume a soft limit of 256 MiB)::
735         # echo 256M > memory.soft_limit_in_bytes
737 If we want to change this to 1G, we can at any time use::
739         # echo 1G > memory.soft_limit_in_bytes
741 NOTE1:
742        Soft limits take effect over a long period of time, since they involve
743        reclaiming memory for balancing between memory cgroups
744 NOTE2:
745        It is recommended to set the soft limit always below the hard limit,
746        otherwise the hard limit will take precedence.
748 8. Move charges at task migration
749 =================================
751 Users can move charges associated with a task along with task migration, that
752 is, uncharge task's pages from the old cgroup and charge them to the new cgroup.
753 This feature is not supported in !CONFIG_MMU environments because of lack of
754 page tables.
756 8.1 Interface
757 -------------
759 This feature is disabled by default. It can be enabled (and disabled again) by
760 writing to memory.move_charge_at_immigrate of the destination cgroup.
762 If you want to enable it::
764         # echo (some positive value) > memory.move_charge_at_immigrate
766 Note:
767       Each bits of move_charge_at_immigrate has its own meaning about what type
768       of charges should be moved. See 8.2 for details.
769 Note:
770       Charges are moved only when you move mm->owner, in other words,
771       a leader of a thread group.
772 Note:
773       If we cannot find enough space for the task in the destination cgroup, we
774       try to make space by reclaiming memory. Task migration may fail if we
775       cannot make enough space.
776 Note:
777       It can take several seconds if you move charges much.
779 And if you want disable it again::
781         # echo 0 > memory.move_charge_at_immigrate
783 8.2 Type of charges which can be moved
784 --------------------------------------
786 Each bit in move_charge_at_immigrate has its own meaning about what type of
787 charges should be moved. But in any case, it must be noted that an account of
788 a page or a swap can be moved only when it is charged to the task's current
789 (old) memory cgroup.
791 +---+--------------------------------------------------------------------------+
792 |bit| what type of charges would be moved ?                                    |
793 +===+==========================================================================+
794 | 0 | A charge of an anonymous page (or swap of it) used by the target task.   |
795 |   | You must enable Swap Extension (see 2.4) to enable move of swap charges. |
796 +---+--------------------------------------------------------------------------+
797 | 1 | A charge of file pages (normal file, tmpfs file (e.g. ipc shared memory) |
798 |   | and swaps of tmpfs file) mmapped by the target task. Unlike the case of  |
799 |   | anonymous pages, file pages (and swaps) in the range mmapped by the task |
800 |   | will be moved even if the task hasn't done page fault, i.e. they might   |
801 |   | not be the task's "RSS", but other task's "RSS" that maps the same file. |
802 |   | And mapcount of the page is ignored (the page can be moved even if       |
803 |   | page_mapcount(page) > 1). You must enable Swap Extension (see 2.4) to    |
804 |   | enable move of swap charges.                                             |
805 +---+--------------------------------------------------------------------------+
807 8.3 TODO
808 --------
810 - All of moving charge operations are done under cgroup_mutex. It's not good
811   behavior to hold the mutex too long, so we may need some trick.
813 9. Memory thresholds
814 ====================
816 Memory cgroup implements memory thresholds using the cgroups notification
817 API (see cgroups.txt). It allows to register multiple memory and memsw
818 thresholds and gets notifications when it crosses.
820 To register a threshold, an application must:
822 - create an eventfd using eventfd(2);
823 - open memory.usage_in_bytes or memory.memsw.usage_in_bytes;
824 - write string like "<event_fd> <fd of memory.usage_in_bytes> <threshold>" to
825   cgroup.event_control.
827 Application will be notified through eventfd when memory usage crosses
828 threshold in any direction.
830 It's applicable for root and non-root cgroup.
832 10. OOM Control
833 ===============
835 memory.oom_control file is for OOM notification and other controls.
837 Memory cgroup implements OOM notifier using the cgroup notification
838 API (See cgroups.txt). It allows to register multiple OOM notification
839 delivery and gets notification when OOM happens.
841 To register a notifier, an application must:
843  - create an eventfd using eventfd(2)
844  - open memory.oom_control file
845  - write string like "<event_fd> <fd of memory.oom_control>" to
846    cgroup.event_control
848 The application will be notified through eventfd when OOM happens.
849 OOM notification doesn't work for the root cgroup.
851 You can disable the OOM-killer by writing "1" to memory.oom_control file, as:
853         #echo 1 > memory.oom_control
855 If OOM-killer is disabled, tasks under cgroup will hang/sleep
856 in memory cgroup's OOM-waitqueue when they request accountable memory.
858 For running them, you have to relax the memory cgroup's OOM status by
860         * enlarge limit or reduce usage.
862 To reduce usage,
864         * kill some tasks.
865         * move some tasks to other group with account migration.
866         * remove some files (on tmpfs?)
868 Then, stopped tasks will work again.
870 At reading, current status of OOM is shown.
872         - oom_kill_disable 0 or 1
873           (if 1, oom-killer is disabled)
874         - under_oom        0 or 1
875           (if 1, the memory cgroup is under OOM, tasks may be stopped.)
877 11. Memory Pressure
878 ===================
880 The pressure level notifications can be used to monitor the memory
881 allocation cost; based on the pressure, applications can implement
882 different strategies of managing their memory resources. The pressure
883 levels are defined as following:
885 The "low" level means that the system is reclaiming memory for new
886 allocations. Monitoring this reclaiming activity might be useful for
887 maintaining cache level. Upon notification, the program (typically
888 "Activity Manager") might analyze vmstat and act in advance (i.e.
889 prematurely shutdown unimportant services).
891 The "medium" level means that the system is experiencing medium memory
892 pressure, the system might be making swap, paging out active file caches,
893 etc. Upon this event applications may decide to further analyze
894 vmstat/zoneinfo/memcg or internal memory usage statistics and free any
895 resources that can be easily reconstructed or re-read from a disk.
897 The "critical" level means that the system is actively thrashing, it is
898 about to out of memory (OOM) or even the in-kernel OOM killer is on its
899 way to trigger. Applications should do whatever they can to help the
900 system. It might be too late to consult with vmstat or any other
901 statistics, so it's advisable to take an immediate action.
903 By default, events are propagated upward until the event is handled, i.e. the
904 events are not pass-through. For example, you have three cgroups: A->B->C. Now
905 you set up an event listener on cgroups A, B and C, and suppose group C
906 experiences some pressure. In this situation, only group C will receive the
907 notification, i.e. groups A and B will not receive it. This is done to avoid
908 excessive "broadcasting" of messages, which disturbs the system and which is
909 especially bad if we are low on memory or thrashing. Group B, will receive
910 notification only if there are no event listers for group C.
912 There are three optional modes that specify different propagation behavior:
914  - "default": this is the default behavior specified above. This mode is the
915    same as omitting the optional mode parameter, preserved by backwards
916    compatibility.
918  - "hierarchy": events always propagate up to the root, similar to the default
919    behavior, except that propagation continues regardless of whether there are
920    event listeners at each level, with the "hierarchy" mode. In the above
921    example, groups A, B, and C will receive notification of memory pressure.
923  - "local": events are pass-through, i.e. they only receive notifications when
924    memory pressure is experienced in the memcg for which the notification is
925    registered. In the above example, group C will receive notification if
926    registered for "local" notification and the group experiences memory
927    pressure. However, group B will never receive notification, regardless if
928    there is an event listener for group C or not, if group B is registered for
929    local notification.
931 The level and event notification mode ("hierarchy" or "local", if necessary) are
932 specified by a comma-delimited string, i.e. "low,hierarchy" specifies
933 hierarchical, pass-through, notification for all ancestor memcgs. Notification
934 that is the default, non pass-through behavior, does not specify a mode.
935 "medium,local" specifies pass-through notification for the medium level.
937 The file memory.pressure_level is only used to setup an eventfd. To
938 register a notification, an application must:
940 - create an eventfd using eventfd(2);
941 - open memory.pressure_level;
942 - write string as "<event_fd> <fd of memory.pressure_level> <level[,mode]>"
943   to cgroup.event_control.
945 Application will be notified through eventfd when memory pressure is at
946 the specific level (or higher). Read/write operations to
947 memory.pressure_level are no implemented.
949 Test:
951    Here is a small script example that makes a new cgroup, sets up a
952    memory limit, sets up a notification in the cgroup and then makes child
953    cgroup experience a critical pressure::
955         # cd /sys/fs/cgroup/memory/
956         # mkdir foo
957         # cd foo
958         # cgroup_event_listener memory.pressure_level low,hierarchy &
959         # echo 8000000 > memory.limit_in_bytes
960         # echo 8000000 > memory.memsw.limit_in_bytes
961         # echo $$ > tasks
962         # dd if=/dev/zero | read x
964    (Expect a bunch of notifications, and eventually, the oom-killer will
965    trigger.)
967 12. TODO
968 ========
970 1. Make per-cgroup scanner reclaim not-shared pages first
971 2. Teach controller to account for shared-pages
972 3. Start reclamation in the background when the limit is
973    not yet hit but the usage is getting closer
975 Summary
976 =======
978 Overall, the memory controller has been a stable controller and has been
979 commented and discussed quite extensively in the community.
981 References
982 ==========
984 1. Singh, Balbir. RFC: Memory Controller, http://lwn.net/Articles/206697/
985 2. Singh, Balbir. Memory Controller (RSS Control),
986    http://lwn.net/Articles/222762/
987 3. Emelianov, Pavel. Resource controllers based on process cgroups
988    http://lkml.org/lkml/2007/3/6/198
989 4. Emelianov, Pavel. RSS controller based on process cgroups (v2)
990    http://lkml.org/lkml/2007/4/9/78
991 5. Emelianov, Pavel. RSS controller based on process cgroups (v3)
992    http://lkml.org/lkml/2007/5/30/244
993 6. Menage, Paul. Control Groups v10, http://lwn.net/Articles/236032/
994 7. Vaidyanathan, Srinivasan, Control Groups: Pagecache accounting and control
995    subsystem (v3), http://lwn.net/Articles/235534/
996 8. Singh, Balbir. RSS controller v2 test results (lmbench),
997    http://lkml.org/lkml/2007/5/17/232
998 9. Singh, Balbir. RSS controller v2 AIM9 results
999    http://lkml.org/lkml/2007/5/18/1
1000 10. Singh, Balbir. Memory controller v6 test results,
1001     http://lkml.org/lkml/2007/8/19/36
1002 11. Singh, Balbir. Memory controller introduction (v6),
1003     http://lkml.org/lkml/2007/8/17/69
1004 12. Corbet, Jonathan, Controlling memory use in cgroups,
1005     http://lwn.net/Articles/243795/