net: lantiq: Use napi_complete_done()
[linux/fpc-iii.git] / Documentation / admin-guide / cgroup-v2.rst
blob5361ebec33612d62e8078e630d35e517db2a73b0
1 ================
2 Control Group v2
3 ================
5 :Date: October, 2015
6 :Author: Tejun Heo <tj@kernel.org>
8 This is the authoritative documentation on the design, interface and
9 conventions of cgroup v2.  It describes all userland-visible aspects
10 of cgroup including core and specific controller behaviors.  All
11 future changes must be reflected in this document.  Documentation for
12 v1 is available under Documentation/admin-guide/cgroup-v1/.
14 .. CONTENTS
16    1. Introduction
17      1-1. Terminology
18      1-2. What is cgroup?
19    2. Basic Operations
20      2-1. Mounting
21      2-2. Organizing Processes and Threads
22        2-2-1. Processes
23        2-2-2. Threads
24      2-3. [Un]populated Notification
25      2-4. Controlling Controllers
26        2-4-1. Enabling and Disabling
27        2-4-2. Top-down Constraint
28        2-4-3. No Internal Process Constraint
29      2-5. Delegation
30        2-5-1. Model of Delegation
31        2-5-2. Delegation Containment
32      2-6. Guidelines
33        2-6-1. Organize Once and Control
34        2-6-2. Avoid Name Collisions
35    3. Resource Distribution Models
36      3-1. Weights
37      3-2. Limits
38      3-3. Protections
39      3-4. Allocations
40    4. Interface Files
41      4-1. Format
42      4-2. Conventions
43      4-3. Core Interface Files
44    5. Controllers
45      5-1. CPU
46        5-1-1. CPU Interface Files
47      5-2. Memory
48        5-2-1. Memory Interface Files
49        5-2-2. Usage Guidelines
50        5-2-3. Memory Ownership
51      5-3. IO
52        5-3-1. IO Interface Files
53        5-3-2. Writeback
54        5-3-3. IO Latency
55          5-3-3-1. How IO Latency Throttling Works
56          5-3-3-2. IO Latency Interface Files
57      5-4. PID
58        5-4-1. PID Interface Files
59      5-5. Cpuset
60        5.5-1. Cpuset Interface Files
61      5-6. Device
62      5-7. RDMA
63        5-7-1. RDMA Interface Files
64      5-8. Misc
65        5-8-1. perf_event
66      5-N. Non-normative information
67        5-N-1. CPU controller root cgroup process behaviour
68        5-N-2. IO controller root cgroup process behaviour
69    6. Namespace
70      6-1. Basics
71      6-2. The Root and Views
72      6-3. Migration and setns(2)
73      6-4. Interaction with Other Namespaces
74    P. Information on Kernel Programming
75      P-1. Filesystem Support for Writeback
76    D. Deprecated v1 Core Features
77    R. Issues with v1 and Rationales for v2
78      R-1. Multiple Hierarchies
79      R-2. Thread Granularity
80      R-3. Competition Between Inner Nodes and Threads
81      R-4. Other Interface Issues
82      R-5. Controller Issues and Remedies
83        R-5-1. Memory
86 Introduction
87 ============
89 Terminology
90 -----------
92 "cgroup" stands for "control group" and is never capitalized.  The
93 singular form is used to designate the whole feature and also as a
94 qualifier as in "cgroup controllers".  When explicitly referring to
95 multiple individual control groups, the plural form "cgroups" is used.
98 What is cgroup?
99 ---------------
101 cgroup is a mechanism to organize processes hierarchically and
102 distribute system resources along the hierarchy in a controlled and
103 configurable manner.
105 cgroup is largely composed of two parts - the core and controllers.
106 cgroup core is primarily responsible for hierarchically organizing
107 processes.  A cgroup controller is usually responsible for
108 distributing a specific type of system resource along the hierarchy
109 although there are utility controllers which serve purposes other than
110 resource distribution.
112 cgroups form a tree structure and every process in the system belongs
113 to one and only one cgroup.  All threads of a process belong to the
114 same cgroup.  On creation, all processes are put in the cgroup that
115 the parent process belongs to at the time.  A process can be migrated
116 to another cgroup.  Migration of a process doesn't affect already
117 existing descendant processes.
119 Following certain structural constraints, controllers may be enabled or
120 disabled selectively on a cgroup.  All controller behaviors are
121 hierarchical - if a controller is enabled on a cgroup, it affects all
122 processes which belong to the cgroups consisting the inclusive
123 sub-hierarchy of the cgroup.  When a controller is enabled on a nested
124 cgroup, it always restricts the resource distribution further.  The
125 restrictions set closer to the root in the hierarchy can not be
126 overridden from further away.
129 Basic Operations
130 ================
132 Mounting
133 --------
135 Unlike v1, cgroup v2 has only single hierarchy.  The cgroup v2
136 hierarchy can be mounted with the following mount command::
138   # mount -t cgroup2 none $MOUNT_POINT
140 cgroup2 filesystem has the magic number 0x63677270 ("cgrp").  All
141 controllers which support v2 and are not bound to a v1 hierarchy are
142 automatically bound to the v2 hierarchy and show up at the root.
143 Controllers which are not in active use in the v2 hierarchy can be
144 bound to other hierarchies.  This allows mixing v2 hierarchy with the
145 legacy v1 multiple hierarchies in a fully backward compatible way.
147 A controller can be moved across hierarchies only after the controller
148 is no longer referenced in its current hierarchy.  Because per-cgroup
149 controller states are destroyed asynchronously and controllers may
150 have lingering references, a controller may not show up immediately on
151 the v2 hierarchy after the final umount of the previous hierarchy.
152 Similarly, a controller should be fully disabled to be moved out of
153 the unified hierarchy and it may take some time for the disabled
154 controller to become available for other hierarchies; furthermore, due
155 to inter-controller dependencies, other controllers may need to be
156 disabled too.
158 While useful for development and manual configurations, moving
159 controllers dynamically between the v2 and other hierarchies is
160 strongly discouraged for production use.  It is recommended to decide
161 the hierarchies and controller associations before starting using the
162 controllers after system boot.
164 During transition to v2, system management software might still
165 automount the v1 cgroup filesystem and so hijack all controllers
166 during boot, before manual intervention is possible. To make testing
167 and experimenting easier, the kernel parameter cgroup_no_v1= allows
168 disabling controllers in v1 and make them always available in v2.
170 cgroup v2 currently supports the following mount options.
172   nsdelegate
174         Consider cgroup namespaces as delegation boundaries.  This
175         option is system wide and can only be set on mount or modified
176         through remount from the init namespace.  The mount option is
177         ignored on non-init namespace mounts.  Please refer to the
178         Delegation section for details.
180   memory_localevents
182         Only populate memory.events with data for the current cgroup,
183         and not any subtrees. This is legacy behaviour, the default
184         behaviour without this option is to include subtree counts.
185         This option is system wide and can only be set on mount or
186         modified through remount from the init namespace. The mount
187         option is ignored on non-init namespace mounts.
190 Organizing Processes and Threads
191 --------------------------------
193 Processes
194 ~~~~~~~~~
196 Initially, only the root cgroup exists to which all processes belong.
197 A child cgroup can be created by creating a sub-directory::
199   # mkdir $CGROUP_NAME
201 A given cgroup may have multiple child cgroups forming a tree
202 structure.  Each cgroup has a read-writable interface file
203 "cgroup.procs".  When read, it lists the PIDs of all processes which
204 belong to the cgroup one-per-line.  The PIDs are not ordered and the
205 same PID may show up more than once if the process got moved to
206 another cgroup and then back or the PID got recycled while reading.
208 A process can be migrated into a cgroup by writing its PID to the
209 target cgroup's "cgroup.procs" file.  Only one process can be migrated
210 on a single write(2) call.  If a process is composed of multiple
211 threads, writing the PID of any thread migrates all threads of the
212 process.
214 When a process forks a child process, the new process is born into the
215 cgroup that the forking process belongs to at the time of the
216 operation.  After exit, a process stays associated with the cgroup
217 that it belonged to at the time of exit until it's reaped; however, a
218 zombie process does not appear in "cgroup.procs" and thus can't be
219 moved to another cgroup.
221 A cgroup which doesn't have any children or live processes can be
222 destroyed by removing the directory.  Note that a cgroup which doesn't
223 have any children and is associated only with zombie processes is
224 considered empty and can be removed::
226   # rmdir $CGROUP_NAME
228 "/proc/$PID/cgroup" lists a process's cgroup membership.  If legacy
229 cgroup is in use in the system, this file may contain multiple lines,
230 one for each hierarchy.  The entry for cgroup v2 is always in the
231 format "0::$PATH"::
233   # cat /proc/842/cgroup
234   ...
235   0::/test-cgroup/test-cgroup-nested
237 If the process becomes a zombie and the cgroup it was associated with
238 is removed subsequently, " (deleted)" is appended to the path::
240   # cat /proc/842/cgroup
241   ...
242   0::/test-cgroup/test-cgroup-nested (deleted)
245 Threads
246 ~~~~~~~
248 cgroup v2 supports thread granularity for a subset of controllers to
249 support use cases requiring hierarchical resource distribution across
250 the threads of a group of processes.  By default, all threads of a
251 process belong to the same cgroup, which also serves as the resource
252 domain to host resource consumptions which are not specific to a
253 process or thread.  The thread mode allows threads to be spread across
254 a subtree while still maintaining the common resource domain for them.
256 Controllers which support thread mode are called threaded controllers.
257 The ones which don't are called domain controllers.
259 Marking a cgroup threaded makes it join the resource domain of its
260 parent as a threaded cgroup.  The parent may be another threaded
261 cgroup whose resource domain is further up in the hierarchy.  The root
262 of a threaded subtree, that is, the nearest ancestor which is not
263 threaded, is called threaded domain or thread root interchangeably and
264 serves as the resource domain for the entire subtree.
266 Inside a threaded subtree, threads of a process can be put in
267 different cgroups and are not subject to the no internal process
268 constraint - threaded controllers can be enabled on non-leaf cgroups
269 whether they have threads in them or not.
271 As the threaded domain cgroup hosts all the domain resource
272 consumptions of the subtree, it is considered to have internal
273 resource consumptions whether there are processes in it or not and
274 can't have populated child cgroups which aren't threaded.  Because the
275 root cgroup is not subject to no internal process constraint, it can
276 serve both as a threaded domain and a parent to domain cgroups.
278 The current operation mode or type of the cgroup is shown in the
279 "cgroup.type" file which indicates whether the cgroup is a normal
280 domain, a domain which is serving as the domain of a threaded subtree,
281 or a threaded cgroup.
283 On creation, a cgroup is always a domain cgroup and can be made
284 threaded by writing "threaded" to the "cgroup.type" file.  The
285 operation is single direction::
287   # echo threaded > cgroup.type
289 Once threaded, the cgroup can't be made a domain again.  To enable the
290 thread mode, the following conditions must be met.
292 - As the cgroup will join the parent's resource domain.  The parent
293   must either be a valid (threaded) domain or a threaded cgroup.
295 - When the parent is an unthreaded domain, it must not have any domain
296   controllers enabled or populated domain children.  The root is
297   exempt from this requirement.
299 Topology-wise, a cgroup can be in an invalid state.  Please consider
300 the following topology::
302   A (threaded domain) - B (threaded) - C (domain, just created)
304 C is created as a domain but isn't connected to a parent which can
305 host child domains.  C can't be used until it is turned into a
306 threaded cgroup.  "cgroup.type" file will report "domain (invalid)" in
307 these cases.  Operations which fail due to invalid topology use
308 EOPNOTSUPP as the errno.
310 A domain cgroup is turned into a threaded domain when one of its child
311 cgroup becomes threaded or threaded controllers are enabled in the
312 "cgroup.subtree_control" file while there are processes in the cgroup.
313 A threaded domain reverts to a normal domain when the conditions
314 clear.
316 When read, "cgroup.threads" contains the list of the thread IDs of all
317 threads in the cgroup.  Except that the operations are per-thread
318 instead of per-process, "cgroup.threads" has the same format and
319 behaves the same way as "cgroup.procs".  While "cgroup.threads" can be
320 written to in any cgroup, as it can only move threads inside the same
321 threaded domain, its operations are confined inside each threaded
322 subtree.
324 The threaded domain cgroup serves as the resource domain for the whole
325 subtree, and, while the threads can be scattered across the subtree,
326 all the processes are considered to be in the threaded domain cgroup.
327 "cgroup.procs" in a threaded domain cgroup contains the PIDs of all
328 processes in the subtree and is not readable in the subtree proper.
329 However, "cgroup.procs" can be written to from anywhere in the subtree
330 to migrate all threads of the matching process to the cgroup.
332 Only threaded controllers can be enabled in a threaded subtree.  When
333 a threaded controller is enabled inside a threaded subtree, it only
334 accounts for and controls resource consumptions associated with the
335 threads in the cgroup and its descendants.  All consumptions which
336 aren't tied to a specific thread belong to the threaded domain cgroup.
338 Because a threaded subtree is exempt from no internal process
339 constraint, a threaded controller must be able to handle competition
340 between threads in a non-leaf cgroup and its child cgroups.  Each
341 threaded controller defines how such competitions are handled.
344 [Un]populated Notification
345 --------------------------
347 Each non-root cgroup has a "cgroup.events" file which contains
348 "populated" field indicating whether the cgroup's sub-hierarchy has
349 live processes in it.  Its value is 0 if there is no live process in
350 the cgroup and its descendants; otherwise, 1.  poll and [id]notify
351 events are triggered when the value changes.  This can be used, for
352 example, to start a clean-up operation after all processes of a given
353 sub-hierarchy have exited.  The populated state updates and
354 notifications are recursive.  Consider the following sub-hierarchy
355 where the numbers in the parentheses represent the numbers of processes
356 in each cgroup::
358   A(4) - B(0) - C(1)
359               \ D(0)
361 A, B and C's "populated" fields would be 1 while D's 0.  After the one
362 process in C exits, B and C's "populated" fields would flip to "0" and
363 file modified events will be generated on the "cgroup.events" files of
364 both cgroups.
367 Controlling Controllers
368 -----------------------
370 Enabling and Disabling
371 ~~~~~~~~~~~~~~~~~~~~~~
373 Each cgroup has a "cgroup.controllers" file which lists all
374 controllers available for the cgroup to enable::
376   # cat cgroup.controllers
377   cpu io memory
379 No controller is enabled by default.  Controllers can be enabled and
380 disabled by writing to the "cgroup.subtree_control" file::
382   # echo "+cpu +memory -io" > cgroup.subtree_control
384 Only controllers which are listed in "cgroup.controllers" can be
385 enabled.  When multiple operations are specified as above, either they
386 all succeed or fail.  If multiple operations on the same controller
387 are specified, the last one is effective.
389 Enabling a controller in a cgroup indicates that the distribution of
390 the target resource across its immediate children will be controlled.
391 Consider the following sub-hierarchy.  The enabled controllers are
392 listed in parentheses::
394   A(cpu,memory) - B(memory) - C()
395                             \ D()
397 As A has "cpu" and "memory" enabled, A will control the distribution
398 of CPU cycles and memory to its children, in this case, B.  As B has
399 "memory" enabled but not "CPU", C and D will compete freely on CPU
400 cycles but their division of memory available to B will be controlled.
402 As a controller regulates the distribution of the target resource to
403 the cgroup's children, enabling it creates the controller's interface
404 files in the child cgroups.  In the above example, enabling "cpu" on B
405 would create the "cpu." prefixed controller interface files in C and
406 D.  Likewise, disabling "memory" from B would remove the "memory."
407 prefixed controller interface files from C and D.  This means that the
408 controller interface files - anything which doesn't start with
409 "cgroup." are owned by the parent rather than the cgroup itself.
412 Top-down Constraint
413 ~~~~~~~~~~~~~~~~~~~
415 Resources are distributed top-down and a cgroup can further distribute
416 a resource only if the resource has been distributed to it from the
417 parent.  This means that all non-root "cgroup.subtree_control" files
418 can only contain controllers which are enabled in the parent's
419 "cgroup.subtree_control" file.  A controller can be enabled only if
420 the parent has the controller enabled and a controller can't be
421 disabled if one or more children have it enabled.
424 No Internal Process Constraint
425 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
427 Non-root cgroups can distribute domain resources to their children
428 only when they don't have any processes of their own.  In other words,
429 only domain cgroups which don't contain any processes can have domain
430 controllers enabled in their "cgroup.subtree_control" files.
432 This guarantees that, when a domain controller is looking at the part
433 of the hierarchy which has it enabled, processes are always only on
434 the leaves.  This rules out situations where child cgroups compete
435 against internal processes of the parent.
437 The root cgroup is exempt from this restriction.  Root contains
438 processes and anonymous resource consumption which can't be associated
439 with any other cgroups and requires special treatment from most
440 controllers.  How resource consumption in the root cgroup is governed
441 is up to each controller (for more information on this topic please
442 refer to the Non-normative information section in the Controllers
443 chapter).
445 Note that the restriction doesn't get in the way if there is no
446 enabled controller in the cgroup's "cgroup.subtree_control".  This is
447 important as otherwise it wouldn't be possible to create children of a
448 populated cgroup.  To control resource distribution of a cgroup, the
449 cgroup must create children and transfer all its processes to the
450 children before enabling controllers in its "cgroup.subtree_control"
451 file.
454 Delegation
455 ----------
457 Model of Delegation
458 ~~~~~~~~~~~~~~~~~~~
460 A cgroup can be delegated in two ways.  First, to a less privileged
461 user by granting write access of the directory and its "cgroup.procs",
462 "cgroup.threads" and "cgroup.subtree_control" files to the user.
463 Second, if the "nsdelegate" mount option is set, automatically to a
464 cgroup namespace on namespace creation.
466 Because the resource control interface files in a given directory
467 control the distribution of the parent's resources, the delegatee
468 shouldn't be allowed to write to them.  For the first method, this is
469 achieved by not granting access to these files.  For the second, the
470 kernel rejects writes to all files other than "cgroup.procs" and
471 "cgroup.subtree_control" on a namespace root from inside the
472 namespace.
474 The end results are equivalent for both delegation types.  Once
475 delegated, the user can build sub-hierarchy under the directory,
476 organize processes inside it as it sees fit and further distribute the
477 resources it received from the parent.  The limits and other settings
478 of all resource controllers are hierarchical and regardless of what
479 happens in the delegated sub-hierarchy, nothing can escape the
480 resource restrictions imposed by the parent.
482 Currently, cgroup doesn't impose any restrictions on the number of
483 cgroups in or nesting depth of a delegated sub-hierarchy; however,
484 this may be limited explicitly in the future.
487 Delegation Containment
488 ~~~~~~~~~~~~~~~~~~~~~~
490 A delegated sub-hierarchy is contained in the sense that processes
491 can't be moved into or out of the sub-hierarchy by the delegatee.
493 For delegations to a less privileged user, this is achieved by
494 requiring the following conditions for a process with a non-root euid
495 to migrate a target process into a cgroup by writing its PID to the
496 "cgroup.procs" file.
498 - The writer must have write access to the "cgroup.procs" file.
500 - The writer must have write access to the "cgroup.procs" file of the
501   common ancestor of the source and destination cgroups.
503 The above two constraints ensure that while a delegatee may migrate
504 processes around freely in the delegated sub-hierarchy it can't pull
505 in from or push out to outside the sub-hierarchy.
507 For an example, let's assume cgroups C0 and C1 have been delegated to
508 user U0 who created C00, C01 under C0 and C10 under C1 as follows and
509 all processes under C0 and C1 belong to U0::
511   ~~~~~~~~~~~~~ - C0 - C00
512   ~ cgroup    ~      \ C01
513   ~ hierarchy ~
514   ~~~~~~~~~~~~~ - C1 - C10
516 Let's also say U0 wants to write the PID of a process which is
517 currently in C10 into "C00/cgroup.procs".  U0 has write access to the
518 file; however, the common ancestor of the source cgroup C10 and the
519 destination cgroup C00 is above the points of delegation and U0 would
520 not have write access to its "cgroup.procs" files and thus the write
521 will be denied with -EACCES.
523 For delegations to namespaces, containment is achieved by requiring
524 that both the source and destination cgroups are reachable from the
525 namespace of the process which is attempting the migration.  If either
526 is not reachable, the migration is rejected with -ENOENT.
529 Guidelines
530 ----------
532 Organize Once and Control
533 ~~~~~~~~~~~~~~~~~~~~~~~~~
535 Migrating a process across cgroups is a relatively expensive operation
536 and stateful resources such as memory are not moved together with the
537 process.  This is an explicit design decision as there often exist
538 inherent trade-offs between migration and various hot paths in terms
539 of synchronization cost.
541 As such, migrating processes across cgroups frequently as a means to
542 apply different resource restrictions is discouraged.  A workload
543 should be assigned to a cgroup according to the system's logical and
544 resource structure once on start-up.  Dynamic adjustments to resource
545 distribution can be made by changing controller configuration through
546 the interface files.
549 Avoid Name Collisions
550 ~~~~~~~~~~~~~~~~~~~~~
552 Interface files for a cgroup and its children cgroups occupy the same
553 directory and it is possible to create children cgroups which collide
554 with interface files.
556 All cgroup core interface files are prefixed with "cgroup." and each
557 controller's interface files are prefixed with the controller name and
558 a dot.  A controller's name is composed of lower case alphabets and
559 '_'s but never begins with an '_' so it can be used as the prefix
560 character for collision avoidance.  Also, interface file names won't
561 start or end with terms which are often used in categorizing workloads
562 such as job, service, slice, unit or workload.
564 cgroup doesn't do anything to prevent name collisions and it's the
565 user's responsibility to avoid them.
568 Resource Distribution Models
569 ============================
571 cgroup controllers implement several resource distribution schemes
572 depending on the resource type and expected use cases.  This section
573 describes major schemes in use along with their expected behaviors.
576 Weights
577 -------
579 A parent's resource is distributed by adding up the weights of all
580 active children and giving each the fraction matching the ratio of its
581 weight against the sum.  As only children which can make use of the
582 resource at the moment participate in the distribution, this is
583 work-conserving.  Due to the dynamic nature, this model is usually
584 used for stateless resources.
586 All weights are in the range [1, 10000] with the default at 100.  This
587 allows symmetric multiplicative biases in both directions at fine
588 enough granularity while staying in the intuitive range.
590 As long as the weight is in range, all configuration combinations are
591 valid and there is no reason to reject configuration changes or
592 process migrations.
594 "cpu.weight" proportionally distributes CPU cycles to active children
595 and is an example of this type.
598 Limits
599 ------
601 A child can only consume upto the configured amount of the resource.
602 Limits can be over-committed - the sum of the limits of children can
603 exceed the amount of resource available to the parent.
605 Limits are in the range [0, max] and defaults to "max", which is noop.
607 As limits can be over-committed, all configuration combinations are
608 valid and there is no reason to reject configuration changes or
609 process migrations.
611 "io.max" limits the maximum BPS and/or IOPS that a cgroup can consume
612 on an IO device and is an example of this type.
615 Protections
616 -----------
618 A cgroup is protected upto the configured amount of the resource
619 as long as the usages of all its ancestors are under their
620 protected levels.  Protections can be hard guarantees or best effort
621 soft boundaries.  Protections can also be over-committed in which case
622 only upto the amount available to the parent is protected among
623 children.
625 Protections are in the range [0, max] and defaults to 0, which is
626 noop.
628 As protections can be over-committed, all configuration combinations
629 are valid and there is no reason to reject configuration changes or
630 process migrations.
632 "memory.low" implements best-effort memory protection and is an
633 example of this type.
636 Allocations
637 -----------
639 A cgroup is exclusively allocated a certain amount of a finite
640 resource.  Allocations can't be over-committed - the sum of the
641 allocations of children can not exceed the amount of resource
642 available to the parent.
644 Allocations are in the range [0, max] and defaults to 0, which is no
645 resource.
647 As allocations can't be over-committed, some configuration
648 combinations are invalid and should be rejected.  Also, if the
649 resource is mandatory for execution of processes, process migrations
650 may be rejected.
652 "cpu.rt.max" hard-allocates realtime slices and is an example of this
653 type.
656 Interface Files
657 ===============
659 Format
660 ------
662 All interface files should be in one of the following formats whenever
663 possible::
665   New-line separated values
666   (when only one value can be written at once)
668         VAL0\n
669         VAL1\n
670         ...
672   Space separated values
673   (when read-only or multiple values can be written at once)
675         VAL0 VAL1 ...\n
677   Flat keyed
679         KEY0 VAL0\n
680         KEY1 VAL1\n
681         ...
683   Nested keyed
685         KEY0 SUB_KEY0=VAL00 SUB_KEY1=VAL01...
686         KEY1 SUB_KEY0=VAL10 SUB_KEY1=VAL11...
687         ...
689 For a writable file, the format for writing should generally match
690 reading; however, controllers may allow omitting later fields or
691 implement restricted shortcuts for most common use cases.
693 For both flat and nested keyed files, only the values for a single key
694 can be written at a time.  For nested keyed files, the sub key pairs
695 may be specified in any order and not all pairs have to be specified.
698 Conventions
699 -----------
701 - Settings for a single feature should be contained in a single file.
703 - The root cgroup should be exempt from resource control and thus
704   shouldn't have resource control interface files.  Also,
705   informational files on the root cgroup which end up showing global
706   information available elsewhere shouldn't exist.
708 - The default time unit is microseconds.  If a different unit is ever
709   used, an explicit unit suffix must be present.
711 - A parts-per quantity should use a percentage decimal with at least
712   two digit fractional part - e.g. 13.40.
714 - If a controller implements weight based resource distribution, its
715   interface file should be named "weight" and have the range [1,
716   10000] with 100 as the default.  The values are chosen to allow
717   enough and symmetric bias in both directions while keeping it
718   intuitive (the default is 100%).
720 - If a controller implements an absolute resource guarantee and/or
721   limit, the interface files should be named "min" and "max"
722   respectively.  If a controller implements best effort resource
723   guarantee and/or limit, the interface files should be named "low"
724   and "high" respectively.
726   In the above four control files, the special token "max" should be
727   used to represent upward infinity for both reading and writing.
729 - If a setting has a configurable default value and keyed specific
730   overrides, the default entry should be keyed with "default" and
731   appear as the first entry in the file.
733   The default value can be updated by writing either "default $VAL" or
734   "$VAL".
736   When writing to update a specific override, "default" can be used as
737   the value to indicate removal of the override.  Override entries
738   with "default" as the value must not appear when read.
740   For example, a setting which is keyed by major:minor device numbers
741   with integer values may look like the following::
743     # cat cgroup-example-interface-file
744     default 150
745     8:0 300
747   The default value can be updated by::
749     # echo 125 > cgroup-example-interface-file
751   or::
753     # echo "default 125" > cgroup-example-interface-file
755   An override can be set by::
757     # echo "8:16 170" > cgroup-example-interface-file
759   and cleared by::
761     # echo "8:0 default" > cgroup-example-interface-file
762     # cat cgroup-example-interface-file
763     default 125
764     8:16 170
766 - For events which are not very high frequency, an interface file
767   "events" should be created which lists event key value pairs.
768   Whenever a notifiable event happens, file modified event should be
769   generated on the file.
772 Core Interface Files
773 --------------------
775 All cgroup core files are prefixed with "cgroup."
777   cgroup.type
779         A read-write single value file which exists on non-root
780         cgroups.
782         When read, it indicates the current type of the cgroup, which
783         can be one of the following values.
785         - "domain" : A normal valid domain cgroup.
787         - "domain threaded" : A threaded domain cgroup which is
788           serving as the root of a threaded subtree.
790         - "domain invalid" : A cgroup which is in an invalid state.
791           It can't be populated or have controllers enabled.  It may
792           be allowed to become a threaded cgroup.
794         - "threaded" : A threaded cgroup which is a member of a
795           threaded subtree.
797         A cgroup can be turned into a threaded cgroup by writing
798         "threaded" to this file.
800   cgroup.procs
801         A read-write new-line separated values file which exists on
802         all cgroups.
804         When read, it lists the PIDs of all processes which belong to
805         the cgroup one-per-line.  The PIDs are not ordered and the
806         same PID may show up more than once if the process got moved
807         to another cgroup and then back or the PID got recycled while
808         reading.
810         A PID can be written to migrate the process associated with
811         the PID to the cgroup.  The writer should match all of the
812         following conditions.
814         - It must have write access to the "cgroup.procs" file.
816         - It must have write access to the "cgroup.procs" file of the
817           common ancestor of the source and destination cgroups.
819         When delegating a sub-hierarchy, write access to this file
820         should be granted along with the containing directory.
822         In a threaded cgroup, reading this file fails with EOPNOTSUPP
823         as all the processes belong to the thread root.  Writing is
824         supported and moves every thread of the process to the cgroup.
826   cgroup.threads
827         A read-write new-line separated values file which exists on
828         all cgroups.
830         When read, it lists the TIDs of all threads which belong to
831         the cgroup one-per-line.  The TIDs are not ordered and the
832         same TID may show up more than once if the thread got moved to
833         another cgroup and then back or the TID got recycled while
834         reading.
836         A TID can be written to migrate the thread associated with the
837         TID to the cgroup.  The writer should match all of the
838         following conditions.
840         - It must have write access to the "cgroup.threads" file.
842         - The cgroup that the thread is currently in must be in the
843           same resource domain as the destination cgroup.
845         - It must have write access to the "cgroup.procs" file of the
846           common ancestor of the source and destination cgroups.
848         When delegating a sub-hierarchy, write access to this file
849         should be granted along with the containing directory.
851   cgroup.controllers
852         A read-only space separated values file which exists on all
853         cgroups.
855         It shows space separated list of all controllers available to
856         the cgroup.  The controllers are not ordered.
858   cgroup.subtree_control
859         A read-write space separated values file which exists on all
860         cgroups.  Starts out empty.
862         When read, it shows space separated list of the controllers
863         which are enabled to control resource distribution from the
864         cgroup to its children.
866         Space separated list of controllers prefixed with '+' or '-'
867         can be written to enable or disable controllers.  A controller
868         name prefixed with '+' enables the controller and '-'
869         disables.  If a controller appears more than once on the list,
870         the last one is effective.  When multiple enable and disable
871         operations are specified, either all succeed or all fail.
873   cgroup.events
874         A read-only flat-keyed file which exists on non-root cgroups.
875         The following entries are defined.  Unless specified
876         otherwise, a value change in this file generates a file
877         modified event.
879           populated
880                 1 if the cgroup or its descendants contains any live
881                 processes; otherwise, 0.
882           frozen
883                 1 if the cgroup is frozen; otherwise, 0.
885   cgroup.max.descendants
886         A read-write single value files.  The default is "max".
888         Maximum allowed number of descent cgroups.
889         If the actual number of descendants is equal or larger,
890         an attempt to create a new cgroup in the hierarchy will fail.
892   cgroup.max.depth
893         A read-write single value files.  The default is "max".
895         Maximum allowed descent depth below the current cgroup.
896         If the actual descent depth is equal or larger,
897         an attempt to create a new child cgroup will fail.
899   cgroup.stat
900         A read-only flat-keyed file with the following entries:
902           nr_descendants
903                 Total number of visible descendant cgroups.
905           nr_dying_descendants
906                 Total number of dying descendant cgroups. A cgroup becomes
907                 dying after being deleted by a user. The cgroup will remain
908                 in dying state for some time undefined time (which can depend
909                 on system load) before being completely destroyed.
911                 A process can't enter a dying cgroup under any circumstances,
912                 a dying cgroup can't revive.
914                 A dying cgroup can consume system resources not exceeding
915                 limits, which were active at the moment of cgroup deletion.
917   cgroup.freeze
918         A read-write single value file which exists on non-root cgroups.
919         Allowed values are "0" and "1". The default is "0".
921         Writing "1" to the file causes freezing of the cgroup and all
922         descendant cgroups. This means that all belonging processes will
923         be stopped and will not run until the cgroup will be explicitly
924         unfrozen. Freezing of the cgroup may take some time; when this action
925         is completed, the "frozen" value in the cgroup.events control file
926         will be updated to "1" and the corresponding notification will be
927         issued.
929         A cgroup can be frozen either by its own settings, or by settings
930         of any ancestor cgroups. If any of ancestor cgroups is frozen, the
931         cgroup will remain frozen.
933         Processes in the frozen cgroup can be killed by a fatal signal.
934         They also can enter and leave a frozen cgroup: either by an explicit
935         move by a user, or if freezing of the cgroup races with fork().
936         If a process is moved to a frozen cgroup, it stops. If a process is
937         moved out of a frozen cgroup, it becomes running.
939         Frozen status of a cgroup doesn't affect any cgroup tree operations:
940         it's possible to delete a frozen (and empty) cgroup, as well as
941         create new sub-cgroups.
943 Controllers
944 ===========
949 The "cpu" controllers regulates distribution of CPU cycles.  This
950 controller implements weight and absolute bandwidth limit models for
951 normal scheduling policy and absolute bandwidth allocation model for
952 realtime scheduling policy.
954 In all the above models, cycles distribution is defined only on a temporal
955 base and it does not account for the frequency at which tasks are executed.
956 The (optional) utilization clamping support allows to hint the schedutil
957 cpufreq governor about the minimum desired frequency which should always be
958 provided by a CPU, as well as the maximum desired frequency, which should not
959 be exceeded by a CPU.
961 WARNING: cgroup2 doesn't yet support control of realtime processes and
962 the cpu controller can only be enabled when all RT processes are in
963 the root cgroup.  Be aware that system management software may already
964 have placed RT processes into nonroot cgroups during the system boot
965 process, and these processes may need to be moved to the root cgroup
966 before the cpu controller can be enabled.
969 CPU Interface Files
970 ~~~~~~~~~~~~~~~~~~~
972 All time durations are in microseconds.
974   cpu.stat
975         A read-only flat-keyed file which exists on non-root cgroups.
976         This file exists whether the controller is enabled or not.
978         It always reports the following three stats:
980         - usage_usec
981         - user_usec
982         - system_usec
984         and the following three when the controller is enabled:
986         - nr_periods
987         - nr_throttled
988         - throttled_usec
990   cpu.weight
991         A read-write single value file which exists on non-root
992         cgroups.  The default is "100".
994         The weight in the range [1, 10000].
996   cpu.weight.nice
997         A read-write single value file which exists on non-root
998         cgroups.  The default is "0".
1000         The nice value is in the range [-20, 19].
1002         This interface file is an alternative interface for
1003         "cpu.weight" and allows reading and setting weight using the
1004         same values used by nice(2).  Because the range is smaller and
1005         granularity is coarser for the nice values, the read value is
1006         the closest approximation of the current weight.
1008   cpu.max
1009         A read-write two value file which exists on non-root cgroups.
1010         The default is "max 100000".
1012         The maximum bandwidth limit.  It's in the following format::
1014           $MAX $PERIOD
1016         which indicates that the group may consume upto $MAX in each
1017         $PERIOD duration.  "max" for $MAX indicates no limit.  If only
1018         one number is written, $MAX is updated.
1020   cpu.pressure
1021         A read-only nested-key file which exists on non-root cgroups.
1023         Shows pressure stall information for CPU. See
1024         Documentation/accounting/psi.rst for details.
1026   cpu.uclamp.min
1027         A read-write single value file which exists on non-root cgroups.
1028         The default is "0", i.e. no utilization boosting.
1030         The requested minimum utilization (protection) as a percentage
1031         rational number, e.g. 12.34 for 12.34%.
1033         This interface allows reading and setting minimum utilization clamp
1034         values similar to the sched_setattr(2). This minimum utilization
1035         value is used to clamp the task specific minimum utilization clamp.
1037         The requested minimum utilization (protection) is always capped by
1038         the current value for the maximum utilization (limit), i.e.
1039         `cpu.uclamp.max`.
1041   cpu.uclamp.max
1042         A read-write single value file which exists on non-root cgroups.
1043         The default is "max". i.e. no utilization capping
1045         The requested maximum utilization (limit) as a percentage rational
1046         number, e.g. 98.76 for 98.76%.
1048         This interface allows reading and setting maximum utilization clamp
1049         values similar to the sched_setattr(2). This maximum utilization
1050         value is used to clamp the task specific maximum utilization clamp.
1054 Memory
1055 ------
1057 The "memory" controller regulates distribution of memory.  Memory is
1058 stateful and implements both limit and protection models.  Due to the
1059 intertwining between memory usage and reclaim pressure and the
1060 stateful nature of memory, the distribution model is relatively
1061 complex.
1063 While not completely water-tight, all major memory usages by a given
1064 cgroup are tracked so that the total memory consumption can be
1065 accounted and controlled to a reasonable extent.  Currently, the
1066 following types of memory usages are tracked.
1068 - Userland memory - page cache and anonymous memory.
1070 - Kernel data structures such as dentries and inodes.
1072 - TCP socket buffers.
1074 The above list may expand in the future for better coverage.
1077 Memory Interface Files
1078 ~~~~~~~~~~~~~~~~~~~~~~
1080 All memory amounts are in bytes.  If a value which is not aligned to
1081 PAGE_SIZE is written, the value may be rounded up to the closest
1082 PAGE_SIZE multiple when read back.
1084   memory.current
1085         A read-only single value file which exists on non-root
1086         cgroups.
1088         The total amount of memory currently being used by the cgroup
1089         and its descendants.
1091   memory.min
1092         A read-write single value file which exists on non-root
1093         cgroups.  The default is "0".
1095         Hard memory protection.  If the memory usage of a cgroup
1096         is within its effective min boundary, the cgroup's memory
1097         won't be reclaimed under any conditions. If there is no
1098         unprotected reclaimable memory available, OOM killer
1099         is invoked. Above the effective min boundary (or
1100         effective low boundary if it is higher), pages are reclaimed
1101         proportionally to the overage, reducing reclaim pressure for
1102         smaller overages.
1104        Effective min boundary is limited by memory.min values of
1105         all ancestor cgroups. If there is memory.min overcommitment
1106         (child cgroup or cgroups are requiring more protected memory
1107         than parent will allow), then each child cgroup will get
1108         the part of parent's protection proportional to its
1109         actual memory usage below memory.min.
1111         Putting more memory than generally available under this
1112         protection is discouraged and may lead to constant OOMs.
1114         If a memory cgroup is not populated with processes,
1115         its memory.min is ignored.
1117   memory.low
1118         A read-write single value file which exists on non-root
1119         cgroups.  The default is "0".
1121         Best-effort memory protection.  If the memory usage of a
1122         cgroup is within its effective low boundary, the cgroup's
1123         memory won't be reclaimed unless memory can be reclaimed
1124         from unprotected cgroups.  Above the effective low boundary (or
1125         effective min boundary if it is higher), pages are reclaimed
1126         proportionally to the overage, reducing reclaim pressure for
1127         smaller overages.
1129         Effective low boundary is limited by memory.low values of
1130         all ancestor cgroups. If there is memory.low overcommitment
1131         (child cgroup or cgroups are requiring more protected memory
1132         than parent will allow), then each child cgroup will get
1133         the part of parent's protection proportional to its
1134         actual memory usage below memory.low.
1136         Putting more memory than generally available under this
1137         protection is discouraged.
1139   memory.high
1140         A read-write single value file which exists on non-root
1141         cgroups.  The default is "max".
1143         Memory usage throttle limit.  This is the main mechanism to
1144         control memory usage of a cgroup.  If a cgroup's usage goes
1145         over the high boundary, the processes of the cgroup are
1146         throttled and put under heavy reclaim pressure.
1148         Going over the high limit never invokes the OOM killer and
1149         under extreme conditions the limit may be breached.
1151   memory.max
1152         A read-write single value file which exists on non-root
1153         cgroups.  The default is "max".
1155         Memory usage hard limit.  This is the final protection
1156         mechanism.  If a cgroup's memory usage reaches this limit and
1157         can't be reduced, the OOM killer is invoked in the cgroup.
1158         Under certain circumstances, the usage may go over the limit
1159         temporarily.
1161         This is the ultimate protection mechanism.  As long as the
1162         high limit is used and monitored properly, this limit's
1163         utility is limited to providing the final safety net.
1165   memory.oom.group
1166         A read-write single value file which exists on non-root
1167         cgroups.  The default value is "0".
1169         Determines whether the cgroup should be treated as
1170         an indivisible workload by the OOM killer. If set,
1171         all tasks belonging to the cgroup or to its descendants
1172         (if the memory cgroup is not a leaf cgroup) are killed
1173         together or not at all. This can be used to avoid
1174         partial kills to guarantee workload integrity.
1176         Tasks with the OOM protection (oom_score_adj set to -1000)
1177         are treated as an exception and are never killed.
1179         If the OOM killer is invoked in a cgroup, it's not going
1180         to kill any tasks outside of this cgroup, regardless
1181         memory.oom.group values of ancestor cgroups.
1183   memory.events
1184         A read-only flat-keyed file which exists on non-root cgroups.
1185         The following entries are defined.  Unless specified
1186         otherwise, a value change in this file generates a file
1187         modified event.
1189         Note that all fields in this file are hierarchical and the
1190         file modified event can be generated due to an event down the
1191         hierarchy. For for the local events at the cgroup level see
1192         memory.events.local.
1194           low
1195                 The number of times the cgroup is reclaimed due to
1196                 high memory pressure even though its usage is under
1197                 the low boundary.  This usually indicates that the low
1198                 boundary is over-committed.
1200           high
1201                 The number of times processes of the cgroup are
1202                 throttled and routed to perform direct memory reclaim
1203                 because the high memory boundary was exceeded.  For a
1204                 cgroup whose memory usage is capped by the high limit
1205                 rather than global memory pressure, this event's
1206                 occurrences are expected.
1208           max
1209                 The number of times the cgroup's memory usage was
1210                 about to go over the max boundary.  If direct reclaim
1211                 fails to bring it down, the cgroup goes to OOM state.
1213           oom
1214                 The number of time the cgroup's memory usage was
1215                 reached the limit and allocation was about to fail.
1217                 Depending on context result could be invocation of OOM
1218                 killer and retrying allocation or failing allocation.
1220                 Failed allocation in its turn could be returned into
1221                 userspace as -ENOMEM or silently ignored in cases like
1222                 disk readahead.  For now OOM in memory cgroup kills
1223                 tasks iff shortage has happened inside page fault.
1225                 This event is not raised if the OOM killer is not
1226                 considered as an option, e.g. for failed high-order
1227                 allocations.
1229           oom_kill
1230                 The number of processes belonging to this cgroup
1231                 killed by any kind of OOM killer.
1233   memory.events.local
1234         Similar to memory.events but the fields in the file are local
1235         to the cgroup i.e. not hierarchical. The file modified event
1236         generated on this file reflects only the local events.
1238   memory.stat
1239         A read-only flat-keyed file which exists on non-root cgroups.
1241         This breaks down the cgroup's memory footprint into different
1242         types of memory, type-specific details, and other information
1243         on the state and past events of the memory management system.
1245         All memory amounts are in bytes.
1247         The entries are ordered to be human readable, and new entries
1248         can show up in the middle. Don't rely on items remaining in a
1249         fixed position; use the keys to look up specific values!
1251           anon
1252                 Amount of memory used in anonymous mappings such as
1253                 brk(), sbrk(), and mmap(MAP_ANONYMOUS)
1255           file
1256                 Amount of memory used to cache filesystem data,
1257                 including tmpfs and shared memory.
1259           kernel_stack
1260                 Amount of memory allocated to kernel stacks.
1262           slab
1263                 Amount of memory used for storing in-kernel data
1264                 structures.
1266           sock
1267                 Amount of memory used in network transmission buffers
1269           shmem
1270                 Amount of cached filesystem data that is swap-backed,
1271                 such as tmpfs, shm segments, shared anonymous mmap()s
1273           file_mapped
1274                 Amount of cached filesystem data mapped with mmap()
1276           file_dirty
1277                 Amount of cached filesystem data that was modified but
1278                 not yet written back to disk
1280           file_writeback
1281                 Amount of cached filesystem data that was modified and
1282                 is currently being written back to disk
1284           anon_thp
1285                 Amount of memory used in anonymous mappings backed by
1286                 transparent hugepages
1288           inactive_anon, active_anon, inactive_file, active_file, unevictable
1289                 Amount of memory, swap-backed and filesystem-backed,
1290                 on the internal memory management lists used by the
1291                 page reclaim algorithm
1293           slab_reclaimable
1294                 Part of "slab" that might be reclaimed, such as
1295                 dentries and inodes.
1297           slab_unreclaimable
1298                 Part of "slab" that cannot be reclaimed on memory
1299                 pressure.
1301           pgfault
1302                 Total number of page faults incurred
1304           pgmajfault
1305                 Number of major page faults incurred
1307           workingset_refault
1309                 Number of refaults of previously evicted pages
1311           workingset_activate
1313                 Number of refaulted pages that were immediately activated
1315           workingset_nodereclaim
1317                 Number of times a shadow node has been reclaimed
1319           pgrefill
1321                 Amount of scanned pages (in an active LRU list)
1323           pgscan
1325                 Amount of scanned pages (in an inactive LRU list)
1327           pgsteal
1329                 Amount of reclaimed pages
1331           pgactivate
1333                 Amount of pages moved to the active LRU list
1335           pgdeactivate
1337                 Amount of pages moved to the inactive LRU lis
1339           pglazyfree
1341                 Amount of pages postponed to be freed under memory pressure
1343           pglazyfreed
1345                 Amount of reclaimed lazyfree pages
1347           thp_fault_alloc
1349                 Number of transparent hugepages which were allocated to satisfy
1350                 a page fault, including COW faults. This counter is not present
1351                 when CONFIG_TRANSPARENT_HUGEPAGE is not set.
1353           thp_collapse_alloc
1355                 Number of transparent hugepages which were allocated to allow
1356                 collapsing an existing range of pages. This counter is not
1357                 present when CONFIG_TRANSPARENT_HUGEPAGE is not set.
1359   memory.swap.current
1360         A read-only single value file which exists on non-root
1361         cgroups.
1363         The total amount of swap currently being used by the cgroup
1364         and its descendants.
1366   memory.swap.max
1367         A read-write single value file which exists on non-root
1368         cgroups.  The default is "max".
1370         Swap usage hard limit.  If a cgroup's swap usage reaches this
1371         limit, anonymous memory of the cgroup will not be swapped out.
1373   memory.swap.events
1374         A read-only flat-keyed file which exists on non-root cgroups.
1375         The following entries are defined.  Unless specified
1376         otherwise, a value change in this file generates a file
1377         modified event.
1379           max
1380                 The number of times the cgroup's swap usage was about
1381                 to go over the max boundary and swap allocation
1382                 failed.
1384           fail
1385                 The number of times swap allocation failed either
1386                 because of running out of swap system-wide or max
1387                 limit.
1389         When reduced under the current usage, the existing swap
1390         entries are reclaimed gradually and the swap usage may stay
1391         higher than the limit for an extended period of time.  This
1392         reduces the impact on the workload and memory management.
1394   memory.pressure
1395         A read-only nested-key file which exists on non-root cgroups.
1397         Shows pressure stall information for memory. See
1398         Documentation/accounting/psi.rst for details.
1401 Usage Guidelines
1402 ~~~~~~~~~~~~~~~~
1404 "memory.high" is the main mechanism to control memory usage.
1405 Over-committing on high limit (sum of high limits > available memory)
1406 and letting global memory pressure to distribute memory according to
1407 usage is a viable strategy.
1409 Because breach of the high limit doesn't trigger the OOM killer but
1410 throttles the offending cgroup, a management agent has ample
1411 opportunities to monitor and take appropriate actions such as granting
1412 more memory or terminating the workload.
1414 Determining whether a cgroup has enough memory is not trivial as
1415 memory usage doesn't indicate whether the workload can benefit from
1416 more memory.  For example, a workload which writes data received from
1417 network to a file can use all available memory but can also operate as
1418 performant with a small amount of memory.  A measure of memory
1419 pressure - how much the workload is being impacted due to lack of
1420 memory - is necessary to determine whether a workload needs more
1421 memory; unfortunately, memory pressure monitoring mechanism isn't
1422 implemented yet.
1425 Memory Ownership
1426 ~~~~~~~~~~~~~~~~
1428 A memory area is charged to the cgroup which instantiated it and stays
1429 charged to the cgroup until the area is released.  Migrating a process
1430 to a different cgroup doesn't move the memory usages that it
1431 instantiated while in the previous cgroup to the new cgroup.
1433 A memory area may be used by processes belonging to different cgroups.
1434 To which cgroup the area will be charged is in-deterministic; however,
1435 over time, the memory area is likely to end up in a cgroup which has
1436 enough memory allowance to avoid high reclaim pressure.
1438 If a cgroup sweeps a considerable amount of memory which is expected
1439 to be accessed repeatedly by other cgroups, it may make sense to use
1440 POSIX_FADV_DONTNEED to relinquish the ownership of memory areas
1441 belonging to the affected files to ensure correct memory ownership.
1447 The "io" controller regulates the distribution of IO resources.  This
1448 controller implements both weight based and absolute bandwidth or IOPS
1449 limit distribution; however, weight based distribution is available
1450 only if cfq-iosched is in use and neither scheme is available for
1451 blk-mq devices.
1454 IO Interface Files
1455 ~~~~~~~~~~~~~~~~~~
1457   io.stat
1458         A read-only nested-keyed file which exists on non-root
1459         cgroups.
1461         Lines are keyed by $MAJ:$MIN device numbers and not ordered.
1462         The following nested keys are defined.
1464           ======        =====================
1465           rbytes        Bytes read
1466           wbytes        Bytes written
1467           rios          Number of read IOs
1468           wios          Number of write IOs
1469           dbytes        Bytes discarded
1470           dios          Number of discard IOs
1471           ======        =====================
1473         An example read output follows:
1475           8:16 rbytes=1459200 wbytes=314773504 rios=192 wios=353 dbytes=0 dios=0
1476           8:0 rbytes=90430464 wbytes=299008000 rios=8950 wios=1252 dbytes=50331648 dios=3021
1478   io.cost.qos
1479         A read-write nested-keyed file with exists only on the root
1480         cgroup.
1482         This file configures the Quality of Service of the IO cost
1483         model based controller (CONFIG_BLK_CGROUP_IOCOST) which
1484         currently implements "io.weight" proportional control.  Lines
1485         are keyed by $MAJ:$MIN device numbers and not ordered.  The
1486         line for a given device is populated on the first write for
1487         the device on "io.cost.qos" or "io.cost.model".  The following
1488         nested keys are defined.
1490           ======        =====================================
1491           enable        Weight-based control enable
1492           ctrl          "auto" or "user"
1493           rpct          Read latency percentile    [0, 100]
1494           rlat          Read latency threshold
1495           wpct          Write latency percentile   [0, 100]
1496           wlat          Write latency threshold
1497           min           Minimum scaling percentage [1, 10000]
1498           max           Maximum scaling percentage [1, 10000]
1499           ======        =====================================
1501         The controller is disabled by default and can be enabled by
1502         setting "enable" to 1.  "rpct" and "wpct" parameters default
1503         to zero and the controller uses internal device saturation
1504         state to adjust the overall IO rate between "min" and "max".
1506         When a better control quality is needed, latency QoS
1507         parameters can be configured.  For example::
1509           8:16 enable=1 ctrl=auto rpct=95.00 rlat=75000 wpct=95.00 wlat=150000 min=50.00 max=150.0
1511         shows that on sdb, the controller is enabled, will consider
1512         the device saturated if the 95th percentile of read completion
1513         latencies is above 75ms or write 150ms, and adjust the overall
1514         IO issue rate between 50% and 150% accordingly.
1516         The lower the saturation point, the better the latency QoS at
1517         the cost of aggregate bandwidth.  The narrower the allowed
1518         adjustment range between "min" and "max", the more conformant
1519         to the cost model the IO behavior.  Note that the IO issue
1520         base rate may be far off from 100% and setting "min" and "max"
1521         blindly can lead to a significant loss of device capacity or
1522         control quality.  "min" and "max" are useful for regulating
1523         devices which show wide temporary behavior changes - e.g. a
1524         ssd which accepts writes at the line speed for a while and
1525         then completely stalls for multiple seconds.
1527         When "ctrl" is "auto", the parameters are controlled by the
1528         kernel and may change automatically.  Setting "ctrl" to "user"
1529         or setting any of the percentile and latency parameters puts
1530         it into "user" mode and disables the automatic changes.  The
1531         automatic mode can be restored by setting "ctrl" to "auto".
1533   io.cost.model
1534         A read-write nested-keyed file with exists only on the root
1535         cgroup.
1537         This file configures the cost model of the IO cost model based
1538         controller (CONFIG_BLK_CGROUP_IOCOST) which currently
1539         implements "io.weight" proportional control.  Lines are keyed
1540         by $MAJ:$MIN device numbers and not ordered.  The line for a
1541         given device is populated on the first write for the device on
1542         "io.cost.qos" or "io.cost.model".  The following nested keys
1543         are defined.
1545           =====         ================================
1546           ctrl          "auto" or "user"
1547           model         The cost model in use - "linear"
1548           =====         ================================
1550         When "ctrl" is "auto", the kernel may change all parameters
1551         dynamically.  When "ctrl" is set to "user" or any other
1552         parameters are written to, "ctrl" become "user" and the
1553         automatic changes are disabled.
1555         When "model" is "linear", the following model parameters are
1556         defined.
1558           ============= ========================================
1559           [r|w]bps      The maximum sequential IO throughput
1560           [r|w]seqiops  The maximum 4k sequential IOs per second
1561           [r|w]randiops The maximum 4k random IOs per second
1562           ============= ========================================
1564         From the above, the builtin linear model determines the base
1565         costs of a sequential and random IO and the cost coefficient
1566         for the IO size.  While simple, this model can cover most
1567         common device classes acceptably.
1569         The IO cost model isn't expected to be accurate in absolute
1570         sense and is scaled to the device behavior dynamically.
1572         If needed, tools/cgroup/iocost_coef_gen.py can be used to
1573         generate device-specific coefficients.
1575   io.weight
1576         A read-write flat-keyed file which exists on non-root cgroups.
1577         The default is "default 100".
1579         The first line is the default weight applied to devices
1580         without specific override.  The rest are overrides keyed by
1581         $MAJ:$MIN device numbers and not ordered.  The weights are in
1582         the range [1, 10000] and specifies the relative amount IO time
1583         the cgroup can use in relation to its siblings.
1585         The default weight can be updated by writing either "default
1586         $WEIGHT" or simply "$WEIGHT".  Overrides can be set by writing
1587         "$MAJ:$MIN $WEIGHT" and unset by writing "$MAJ:$MIN default".
1589         An example read output follows::
1591           default 100
1592           8:16 200
1593           8:0 50
1595   io.max
1596         A read-write nested-keyed file which exists on non-root
1597         cgroups.
1599         BPS and IOPS based IO limit.  Lines are keyed by $MAJ:$MIN
1600         device numbers and not ordered.  The following nested keys are
1601         defined.
1603           =====         ==================================
1604           rbps          Max read bytes per second
1605           wbps          Max write bytes per second
1606           riops         Max read IO operations per second
1607           wiops         Max write IO operations per second
1608           =====         ==================================
1610         When writing, any number of nested key-value pairs can be
1611         specified in any order.  "max" can be specified as the value
1612         to remove a specific limit.  If the same key is specified
1613         multiple times, the outcome is undefined.
1615         BPS and IOPS are measured in each IO direction and IOs are
1616         delayed if limit is reached.  Temporary bursts are allowed.
1618         Setting read limit at 2M BPS and write at 120 IOPS for 8:16::
1620           echo "8:16 rbps=2097152 wiops=120" > io.max
1622         Reading returns the following::
1624           8:16 rbps=2097152 wbps=max riops=max wiops=120
1626         Write IOPS limit can be removed by writing the following::
1628           echo "8:16 wiops=max" > io.max
1630         Reading now returns the following::
1632           8:16 rbps=2097152 wbps=max riops=max wiops=max
1634   io.pressure
1635         A read-only nested-key file which exists on non-root cgroups.
1637         Shows pressure stall information for IO. See
1638         Documentation/accounting/psi.rst for details.
1641 Writeback
1642 ~~~~~~~~~
1644 Page cache is dirtied through buffered writes and shared mmaps and
1645 written asynchronously to the backing filesystem by the writeback
1646 mechanism.  Writeback sits between the memory and IO domains and
1647 regulates the proportion of dirty memory by balancing dirtying and
1648 write IOs.
1650 The io controller, in conjunction with the memory controller,
1651 implements control of page cache writeback IOs.  The memory controller
1652 defines the memory domain that dirty memory ratio is calculated and
1653 maintained for and the io controller defines the io domain which
1654 writes out dirty pages for the memory domain.  Both system-wide and
1655 per-cgroup dirty memory states are examined and the more restrictive
1656 of the two is enforced.
1658 cgroup writeback requires explicit support from the underlying
1659 filesystem.  Currently, cgroup writeback is implemented on ext2, ext4
1660 and btrfs.  On other filesystems, all writeback IOs are attributed to
1661 the root cgroup.
1663 There are inherent differences in memory and writeback management
1664 which affects how cgroup ownership is tracked.  Memory is tracked per
1665 page while writeback per inode.  For the purpose of writeback, an
1666 inode is assigned to a cgroup and all IO requests to write dirty pages
1667 from the inode are attributed to that cgroup.
1669 As cgroup ownership for memory is tracked per page, there can be pages
1670 which are associated with different cgroups than the one the inode is
1671 associated with.  These are called foreign pages.  The writeback
1672 constantly keeps track of foreign pages and, if a particular foreign
1673 cgroup becomes the majority over a certain period of time, switches
1674 the ownership of the inode to that cgroup.
1676 While this model is enough for most use cases where a given inode is
1677 mostly dirtied by a single cgroup even when the main writing cgroup
1678 changes over time, use cases where multiple cgroups write to a single
1679 inode simultaneously are not supported well.  In such circumstances, a
1680 significant portion of IOs are likely to be attributed incorrectly.
1681 As memory controller assigns page ownership on the first use and
1682 doesn't update it until the page is released, even if writeback
1683 strictly follows page ownership, multiple cgroups dirtying overlapping
1684 areas wouldn't work as expected.  It's recommended to avoid such usage
1685 patterns.
1687 The sysctl knobs which affect writeback behavior are applied to cgroup
1688 writeback as follows.
1690   vm.dirty_background_ratio, vm.dirty_ratio
1691         These ratios apply the same to cgroup writeback with the
1692         amount of available memory capped by limits imposed by the
1693         memory controller and system-wide clean memory.
1695   vm.dirty_background_bytes, vm.dirty_bytes
1696         For cgroup writeback, this is calculated into ratio against
1697         total available memory and applied the same way as
1698         vm.dirty[_background]_ratio.
1701 IO Latency
1702 ~~~~~~~~~~
1704 This is a cgroup v2 controller for IO workload protection.  You provide a group
1705 with a latency target, and if the average latency exceeds that target the
1706 controller will throttle any peers that have a lower latency target than the
1707 protected workload.
1709 The limits are only applied at the peer level in the hierarchy.  This means that
1710 in the diagram below, only groups A, B, and C will influence each other, and
1711 groups D and F will influence each other.  Group G will influence nobody::
1713                         [root]
1714                 /          |            \
1715                 A          B            C
1716                /  \        |
1717               D    F       G
1720 So the ideal way to configure this is to set io.latency in groups A, B, and C.
1721 Generally you do not want to set a value lower than the latency your device
1722 supports.  Experiment to find the value that works best for your workload.
1723 Start at higher than the expected latency for your device and watch the
1724 avg_lat value in io.stat for your workload group to get an idea of the
1725 latency you see during normal operation.  Use the avg_lat value as a basis for
1726 your real setting, setting at 10-15% higher than the value in io.stat.
1728 How IO Latency Throttling Works
1729 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
1731 io.latency is work conserving; so as long as everybody is meeting their latency
1732 target the controller doesn't do anything.  Once a group starts missing its
1733 target it begins throttling any peer group that has a higher target than itself.
1734 This throttling takes 2 forms:
1736 - Queue depth throttling.  This is the number of outstanding IO's a group is
1737   allowed to have.  We will clamp down relatively quickly, starting at no limit
1738   and going all the way down to 1 IO at a time.
1740 - Artificial delay induction.  There are certain types of IO that cannot be
1741   throttled without possibly adversely affecting higher priority groups.  This
1742   includes swapping and metadata IO.  These types of IO are allowed to occur
1743   normally, however they are "charged" to the originating group.  If the
1744   originating group is being throttled you will see the use_delay and delay
1745   fields in io.stat increase.  The delay value is how many microseconds that are
1746   being added to any process that runs in this group.  Because this number can
1747   grow quite large if there is a lot of swapping or metadata IO occurring we
1748   limit the individual delay events to 1 second at a time.
1750 Once the victimized group starts meeting its latency target again it will start
1751 unthrottling any peer groups that were throttled previously.  If the victimized
1752 group simply stops doing IO the global counter will unthrottle appropriately.
1754 IO Latency Interface Files
1755 ~~~~~~~~~~~~~~~~~~~~~~~~~~
1757   io.latency
1758         This takes a similar format as the other controllers.
1760                 "MAJOR:MINOR target=<target time in microseconds"
1762   io.stat
1763         If the controller is enabled you will see extra stats in io.stat in
1764         addition to the normal ones.
1766           depth
1767                 This is the current queue depth for the group.
1769           avg_lat
1770                 This is an exponential moving average with a decay rate of 1/exp
1771                 bound by the sampling interval.  The decay rate interval can be
1772                 calculated by multiplying the win value in io.stat by the
1773                 corresponding number of samples based on the win value.
1775           win
1776                 The sampling window size in milliseconds.  This is the minimum
1777                 duration of time between evaluation events.  Windows only elapse
1778                 with IO activity.  Idle periods extend the most recent window.
1783 The process number controller is used to allow a cgroup to stop any
1784 new tasks from being fork()'d or clone()'d after a specified limit is
1785 reached.
1787 The number of tasks in a cgroup can be exhausted in ways which other
1788 controllers cannot prevent, thus warranting its own controller.  For
1789 example, a fork bomb is likely to exhaust the number of tasks before
1790 hitting memory restrictions.
1792 Note that PIDs used in this controller refer to TIDs, process IDs as
1793 used by the kernel.
1796 PID Interface Files
1797 ~~~~~~~~~~~~~~~~~~~
1799   pids.max
1800         A read-write single value file which exists on non-root
1801         cgroups.  The default is "max".
1803         Hard limit of number of processes.
1805   pids.current
1806         A read-only single value file which exists on all cgroups.
1808         The number of processes currently in the cgroup and its
1809         descendants.
1811 Organisational operations are not blocked by cgroup policies, so it is
1812 possible to have pids.current > pids.max.  This can be done by either
1813 setting the limit to be smaller than pids.current, or attaching enough
1814 processes to the cgroup such that pids.current is larger than
1815 pids.max.  However, it is not possible to violate a cgroup PID policy
1816 through fork() or clone(). These will return -EAGAIN if the creation
1817 of a new process would cause a cgroup policy to be violated.
1820 Cpuset
1821 ------
1823 The "cpuset" controller provides a mechanism for constraining
1824 the CPU and memory node placement of tasks to only the resources
1825 specified in the cpuset interface files in a task's current cgroup.
1826 This is especially valuable on large NUMA systems where placing jobs
1827 on properly sized subsets of the systems with careful processor and
1828 memory placement to reduce cross-node memory access and contention
1829 can improve overall system performance.
1831 The "cpuset" controller is hierarchical.  That means the controller
1832 cannot use CPUs or memory nodes not allowed in its parent.
1835 Cpuset Interface Files
1836 ~~~~~~~~~~~~~~~~~~~~~~
1838   cpuset.cpus
1839         A read-write multiple values file which exists on non-root
1840         cpuset-enabled cgroups.
1842         It lists the requested CPUs to be used by tasks within this
1843         cgroup.  The actual list of CPUs to be granted, however, is
1844         subjected to constraints imposed by its parent and can differ
1845         from the requested CPUs.
1847         The CPU numbers are comma-separated numbers or ranges.
1848         For example:
1850           # cat cpuset.cpus
1851           0-4,6,8-10
1853         An empty value indicates that the cgroup is using the same
1854         setting as the nearest cgroup ancestor with a non-empty
1855         "cpuset.cpus" or all the available CPUs if none is found.
1857         The value of "cpuset.cpus" stays constant until the next update
1858         and won't be affected by any CPU hotplug events.
1860   cpuset.cpus.effective
1861         A read-only multiple values file which exists on all
1862         cpuset-enabled cgroups.
1864         It lists the onlined CPUs that are actually granted to this
1865         cgroup by its parent.  These CPUs are allowed to be used by
1866         tasks within the current cgroup.
1868         If "cpuset.cpus" is empty, the "cpuset.cpus.effective" file shows
1869         all the CPUs from the parent cgroup that can be available to
1870         be used by this cgroup.  Otherwise, it should be a subset of
1871         "cpuset.cpus" unless none of the CPUs listed in "cpuset.cpus"
1872         can be granted.  In this case, it will be treated just like an
1873         empty "cpuset.cpus".
1875         Its value will be affected by CPU hotplug events.
1877   cpuset.mems
1878         A read-write multiple values file which exists on non-root
1879         cpuset-enabled cgroups.
1881         It lists the requested memory nodes to be used by tasks within
1882         this cgroup.  The actual list of memory nodes granted, however,
1883         is subjected to constraints imposed by its parent and can differ
1884         from the requested memory nodes.
1886         The memory node numbers are comma-separated numbers or ranges.
1887         For example:
1889           # cat cpuset.mems
1890           0-1,3
1892         An empty value indicates that the cgroup is using the same
1893         setting as the nearest cgroup ancestor with a non-empty
1894         "cpuset.mems" or all the available memory nodes if none
1895         is found.
1897         The value of "cpuset.mems" stays constant until the next update
1898         and won't be affected by any memory nodes hotplug events.
1900   cpuset.mems.effective
1901         A read-only multiple values file which exists on all
1902         cpuset-enabled cgroups.
1904         It lists the onlined memory nodes that are actually granted to
1905         this cgroup by its parent. These memory nodes are allowed to
1906         be used by tasks within the current cgroup.
1908         If "cpuset.mems" is empty, it shows all the memory nodes from the
1909         parent cgroup that will be available to be used by this cgroup.
1910         Otherwise, it should be a subset of "cpuset.mems" unless none of
1911         the memory nodes listed in "cpuset.mems" can be granted.  In this
1912         case, it will be treated just like an empty "cpuset.mems".
1914         Its value will be affected by memory nodes hotplug events.
1916   cpuset.cpus.partition
1917         A read-write single value file which exists on non-root
1918         cpuset-enabled cgroups.  This flag is owned by the parent cgroup
1919         and is not delegatable.
1921         It accepts only the following input values when written to.
1923         "root"   - a paritition root
1924         "member" - a non-root member of a partition
1926         When set to be a partition root, the current cgroup is the
1927         root of a new partition or scheduling domain that comprises
1928         itself and all its descendants except those that are separate
1929         partition roots themselves and their descendants.  The root
1930         cgroup is always a partition root.
1932         There are constraints on where a partition root can be set.
1933         It can only be set in a cgroup if all the following conditions
1934         are true.
1936         1) The "cpuset.cpus" is not empty and the list of CPUs are
1937            exclusive, i.e. they are not shared by any of its siblings.
1938         2) The parent cgroup is a partition root.
1939         3) The "cpuset.cpus" is also a proper subset of the parent's
1940            "cpuset.cpus.effective".
1941         4) There is no child cgroups with cpuset enabled.  This is for
1942            eliminating corner cases that have to be handled if such a
1943            condition is allowed.
1945         Setting it to partition root will take the CPUs away from the
1946         effective CPUs of the parent cgroup.  Once it is set, this
1947         file cannot be reverted back to "member" if there are any child
1948         cgroups with cpuset enabled.
1950         A parent partition cannot distribute all its CPUs to its
1951         child partitions.  There must be at least one cpu left in the
1952         parent partition.
1954         Once becoming a partition root, changes to "cpuset.cpus" is
1955         generally allowed as long as the first condition above is true,
1956         the change will not take away all the CPUs from the parent
1957         partition and the new "cpuset.cpus" value is a superset of its
1958         children's "cpuset.cpus" values.
1960         Sometimes, external factors like changes to ancestors'
1961         "cpuset.cpus" or cpu hotplug can cause the state of the partition
1962         root to change.  On read, the "cpuset.sched.partition" file
1963         can show the following values.
1965         "member"       Non-root member of a partition
1966         "root"         Partition root
1967         "root invalid" Invalid partition root
1969         It is a partition root if the first 2 partition root conditions
1970         above are true and at least one CPU from "cpuset.cpus" is
1971         granted by the parent cgroup.
1973         A partition root can become invalid if none of CPUs requested
1974         in "cpuset.cpus" can be granted by the parent cgroup or the
1975         parent cgroup is no longer a partition root itself.  In this
1976         case, it is not a real partition even though the restriction
1977         of the first partition root condition above will still apply.
1978         The cpu affinity of all the tasks in the cgroup will then be
1979         associated with CPUs in the nearest ancestor partition.
1981         An invalid partition root can be transitioned back to a
1982         real partition root if at least one of the requested CPUs
1983         can now be granted by its parent.  In this case, the cpu
1984         affinity of all the tasks in the formerly invalid partition
1985         will be associated to the CPUs of the newly formed partition.
1986         Changing the partition state of an invalid partition root to
1987         "member" is always allowed even if child cpusets are present.
1990 Device controller
1991 -----------------
1993 Device controller manages access to device files. It includes both
1994 creation of new device files (using mknod), and access to the
1995 existing device files.
1997 Cgroup v2 device controller has no interface files and is implemented
1998 on top of cgroup BPF. To control access to device files, a user may
1999 create bpf programs of the BPF_CGROUP_DEVICE type and attach them
2000 to cgroups. On an attempt to access a device file, corresponding
2001 BPF programs will be executed, and depending on the return value
2002 the attempt will succeed or fail with -EPERM.
2004 A BPF_CGROUP_DEVICE program takes a pointer to the bpf_cgroup_dev_ctx
2005 structure, which describes the device access attempt: access type
2006 (mknod/read/write) and device (type, major and minor numbers).
2007 If the program returns 0, the attempt fails with -EPERM, otherwise
2008 it succeeds.
2010 An example of BPF_CGROUP_DEVICE program may be found in the kernel
2011 source tree in the tools/testing/selftests/bpf/dev_cgroup.c file.
2014 RDMA
2015 ----
2017 The "rdma" controller regulates the distribution and accounting of
2018 of RDMA resources.
2020 RDMA Interface Files
2021 ~~~~~~~~~~~~~~~~~~~~
2023   rdma.max
2024         A readwrite nested-keyed file that exists for all the cgroups
2025         except root that describes current configured resource limit
2026         for a RDMA/IB device.
2028         Lines are keyed by device name and are not ordered.
2029         Each line contains space separated resource name and its configured
2030         limit that can be distributed.
2032         The following nested keys are defined.
2034           ==========    =============================
2035           hca_handle    Maximum number of HCA Handles
2036           hca_object    Maximum number of HCA Objects
2037           ==========    =============================
2039         An example for mlx4 and ocrdma device follows::
2041           mlx4_0 hca_handle=2 hca_object=2000
2042           ocrdma1 hca_handle=3 hca_object=max
2044   rdma.current
2045         A read-only file that describes current resource usage.
2046         It exists for all the cgroup except root.
2048         An example for mlx4 and ocrdma device follows::
2050           mlx4_0 hca_handle=1 hca_object=20
2051           ocrdma1 hca_handle=1 hca_object=23
2054 Misc
2055 ----
2057 perf_event
2058 ~~~~~~~~~~
2060 perf_event controller, if not mounted on a legacy hierarchy, is
2061 automatically enabled on the v2 hierarchy so that perf events can
2062 always be filtered by cgroup v2 path.  The controller can still be
2063 moved to a legacy hierarchy after v2 hierarchy is populated.
2066 Non-normative information
2067 -------------------------
2069 This section contains information that isn't considered to be a part of
2070 the stable kernel API and so is subject to change.
2073 CPU controller root cgroup process behaviour
2074 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
2076 When distributing CPU cycles in the root cgroup each thread in this
2077 cgroup is treated as if it was hosted in a separate child cgroup of the
2078 root cgroup. This child cgroup weight is dependent on its thread nice
2079 level.
2081 For details of this mapping see sched_prio_to_weight array in
2082 kernel/sched/core.c file (values from this array should be scaled
2083 appropriately so the neutral - nice 0 - value is 100 instead of 1024).
2086 IO controller root cgroup process behaviour
2087 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
2089 Root cgroup processes are hosted in an implicit leaf child node.
2090 When distributing IO resources this implicit child node is taken into
2091 account as if it was a normal child cgroup of the root cgroup with a
2092 weight value of 200.
2095 Namespace
2096 =========
2098 Basics
2099 ------
2101 cgroup namespace provides a mechanism to virtualize the view of the
2102 "/proc/$PID/cgroup" file and cgroup mounts.  The CLONE_NEWCGROUP clone
2103 flag can be used with clone(2) and unshare(2) to create a new cgroup
2104 namespace.  The process running inside the cgroup namespace will have
2105 its "/proc/$PID/cgroup" output restricted to cgroupns root.  The
2106 cgroupns root is the cgroup of the process at the time of creation of
2107 the cgroup namespace.
2109 Without cgroup namespace, the "/proc/$PID/cgroup" file shows the
2110 complete path of the cgroup of a process.  In a container setup where
2111 a set of cgroups and namespaces are intended to isolate processes the
2112 "/proc/$PID/cgroup" file may leak potential system level information
2113 to the isolated processes.  For Example::
2115   # cat /proc/self/cgroup
2116   0::/batchjobs/container_id1
2118 The path '/batchjobs/container_id1' can be considered as system-data
2119 and undesirable to expose to the isolated processes.  cgroup namespace
2120 can be used to restrict visibility of this path.  For example, before
2121 creating a cgroup namespace, one would see::
2123   # ls -l /proc/self/ns/cgroup
2124   lrwxrwxrwx 1 root root 0 2014-07-15 10:37 /proc/self/ns/cgroup -> cgroup:[4026531835]
2125   # cat /proc/self/cgroup
2126   0::/batchjobs/container_id1
2128 After unsharing a new namespace, the view changes::
2130   # ls -l /proc/self/ns/cgroup
2131   lrwxrwxrwx 1 root root 0 2014-07-15 10:35 /proc/self/ns/cgroup -> cgroup:[4026532183]
2132   # cat /proc/self/cgroup
2133   0::/
2135 When some thread from a multi-threaded process unshares its cgroup
2136 namespace, the new cgroupns gets applied to the entire process (all
2137 the threads).  This is natural for the v2 hierarchy; however, for the
2138 legacy hierarchies, this may be unexpected.
2140 A cgroup namespace is alive as long as there are processes inside or
2141 mounts pinning it.  When the last usage goes away, the cgroup
2142 namespace is destroyed.  The cgroupns root and the actual cgroups
2143 remain.
2146 The Root and Views
2147 ------------------
2149 The 'cgroupns root' for a cgroup namespace is the cgroup in which the
2150 process calling unshare(2) is running.  For example, if a process in
2151 /batchjobs/container_id1 cgroup calls unshare, cgroup
2152 /batchjobs/container_id1 becomes the cgroupns root.  For the
2153 init_cgroup_ns, this is the real root ('/') cgroup.
2155 The cgroupns root cgroup does not change even if the namespace creator
2156 process later moves to a different cgroup::
2158   # ~/unshare -c # unshare cgroupns in some cgroup
2159   # cat /proc/self/cgroup
2160   0::/
2161   # mkdir sub_cgrp_1
2162   # echo 0 > sub_cgrp_1/cgroup.procs
2163   # cat /proc/self/cgroup
2164   0::/sub_cgrp_1
2166 Each process gets its namespace-specific view of "/proc/$PID/cgroup"
2168 Processes running inside the cgroup namespace will be able to see
2169 cgroup paths (in /proc/self/cgroup) only inside their root cgroup.
2170 From within an unshared cgroupns::
2172   # sleep 100000 &
2173   [1] 7353
2174   # echo 7353 > sub_cgrp_1/cgroup.procs
2175   # cat /proc/7353/cgroup
2176   0::/sub_cgrp_1
2178 From the initial cgroup namespace, the real cgroup path will be
2179 visible::
2181   $ cat /proc/7353/cgroup
2182   0::/batchjobs/container_id1/sub_cgrp_1
2184 From a sibling cgroup namespace (that is, a namespace rooted at a
2185 different cgroup), the cgroup path relative to its own cgroup
2186 namespace root will be shown.  For instance, if PID 7353's cgroup
2187 namespace root is at '/batchjobs/container_id2', then it will see::
2189   # cat /proc/7353/cgroup
2190   0::/../container_id2/sub_cgrp_1
2192 Note that the relative path always starts with '/' to indicate that
2193 its relative to the cgroup namespace root of the caller.
2196 Migration and setns(2)
2197 ----------------------
2199 Processes inside a cgroup namespace can move into and out of the
2200 namespace root if they have proper access to external cgroups.  For
2201 example, from inside a namespace with cgroupns root at
2202 /batchjobs/container_id1, and assuming that the global hierarchy is
2203 still accessible inside cgroupns::
2205   # cat /proc/7353/cgroup
2206   0::/sub_cgrp_1
2207   # echo 7353 > batchjobs/container_id2/cgroup.procs
2208   # cat /proc/7353/cgroup
2209   0::/../container_id2
2211 Note that this kind of setup is not encouraged.  A task inside cgroup
2212 namespace should only be exposed to its own cgroupns hierarchy.
2214 setns(2) to another cgroup namespace is allowed when:
2216 (a) the process has CAP_SYS_ADMIN against its current user namespace
2217 (b) the process has CAP_SYS_ADMIN against the target cgroup
2218     namespace's userns
2220 No implicit cgroup changes happen with attaching to another cgroup
2221 namespace.  It is expected that the someone moves the attaching
2222 process under the target cgroup namespace root.
2225 Interaction with Other Namespaces
2226 ---------------------------------
2228 Namespace specific cgroup hierarchy can be mounted by a process
2229 running inside a non-init cgroup namespace::
2231   # mount -t cgroup2 none $MOUNT_POINT
2233 This will mount the unified cgroup hierarchy with cgroupns root as the
2234 filesystem root.  The process needs CAP_SYS_ADMIN against its user and
2235 mount namespaces.
2237 The virtualization of /proc/self/cgroup file combined with restricting
2238 the view of cgroup hierarchy by namespace-private cgroupfs mount
2239 provides a properly isolated cgroup view inside the container.
2242 Information on Kernel Programming
2243 =================================
2245 This section contains kernel programming information in the areas
2246 where interacting with cgroup is necessary.  cgroup core and
2247 controllers are not covered.
2250 Filesystem Support for Writeback
2251 --------------------------------
2253 A filesystem can support cgroup writeback by updating
2254 address_space_operations->writepage[s]() to annotate bio's using the
2255 following two functions.
2257   wbc_init_bio(@wbc, @bio)
2258         Should be called for each bio carrying writeback data and
2259         associates the bio with the inode's owner cgroup and the
2260         corresponding request queue.  This must be called after
2261         a queue (device) has been associated with the bio and
2262         before submission.
2264   wbc_account_cgroup_owner(@wbc, @page, @bytes)
2265         Should be called for each data segment being written out.
2266         While this function doesn't care exactly when it's called
2267         during the writeback session, it's the easiest and most
2268         natural to call it as data segments are added to a bio.
2270 With writeback bio's annotated, cgroup support can be enabled per
2271 super_block by setting SB_I_CGROUPWB in ->s_iflags.  This allows for
2272 selective disabling of cgroup writeback support which is helpful when
2273 certain filesystem features, e.g. journaled data mode, are
2274 incompatible.
2276 wbc_init_bio() binds the specified bio to its cgroup.  Depending on
2277 the configuration, the bio may be executed at a lower priority and if
2278 the writeback session is holding shared resources, e.g. a journal
2279 entry, may lead to priority inversion.  There is no one easy solution
2280 for the problem.  Filesystems can try to work around specific problem
2281 cases by skipping wbc_init_bio() and using bio_associate_blkg()
2282 directly.
2285 Deprecated v1 Core Features
2286 ===========================
2288 - Multiple hierarchies including named ones are not supported.
2290 - All v1 mount options are not supported.
2292 - The "tasks" file is removed and "cgroup.procs" is not sorted.
2294 - "cgroup.clone_children" is removed.
2296 - /proc/cgroups is meaningless for v2.  Use "cgroup.controllers" file
2297   at the root instead.
2300 Issues with v1 and Rationales for v2
2301 ====================================
2303 Multiple Hierarchies
2304 --------------------
2306 cgroup v1 allowed an arbitrary number of hierarchies and each
2307 hierarchy could host any number of controllers.  While this seemed to
2308 provide a high level of flexibility, it wasn't useful in practice.
2310 For example, as there is only one instance of each controller, utility
2311 type controllers such as freezer which can be useful in all
2312 hierarchies could only be used in one.  The issue is exacerbated by
2313 the fact that controllers couldn't be moved to another hierarchy once
2314 hierarchies were populated.  Another issue was that all controllers
2315 bound to a hierarchy were forced to have exactly the same view of the
2316 hierarchy.  It wasn't possible to vary the granularity depending on
2317 the specific controller.
2319 In practice, these issues heavily limited which controllers could be
2320 put on the same hierarchy and most configurations resorted to putting
2321 each controller on its own hierarchy.  Only closely related ones, such
2322 as the cpu and cpuacct controllers, made sense to be put on the same
2323 hierarchy.  This often meant that userland ended up managing multiple
2324 similar hierarchies repeating the same steps on each hierarchy
2325 whenever a hierarchy management operation was necessary.
2327 Furthermore, support for multiple hierarchies came at a steep cost.
2328 It greatly complicated cgroup core implementation but more importantly
2329 the support for multiple hierarchies restricted how cgroup could be
2330 used in general and what controllers was able to do.
2332 There was no limit on how many hierarchies there might be, which meant
2333 that a thread's cgroup membership couldn't be described in finite
2334 length.  The key might contain any number of entries and was unlimited
2335 in length, which made it highly awkward to manipulate and led to
2336 addition of controllers which existed only to identify membership,
2337 which in turn exacerbated the original problem of proliferating number
2338 of hierarchies.
2340 Also, as a controller couldn't have any expectation regarding the
2341 topologies of hierarchies other controllers might be on, each
2342 controller had to assume that all other controllers were attached to
2343 completely orthogonal hierarchies.  This made it impossible, or at
2344 least very cumbersome, for controllers to cooperate with each other.
2346 In most use cases, putting controllers on hierarchies which are
2347 completely orthogonal to each other isn't necessary.  What usually is
2348 called for is the ability to have differing levels of granularity
2349 depending on the specific controller.  In other words, hierarchy may
2350 be collapsed from leaf towards root when viewed from specific
2351 controllers.  For example, a given configuration might not care about
2352 how memory is distributed beyond a certain level while still wanting
2353 to control how CPU cycles are distributed.
2356 Thread Granularity
2357 ------------------
2359 cgroup v1 allowed threads of a process to belong to different cgroups.
2360 This didn't make sense for some controllers and those controllers
2361 ended up implementing different ways to ignore such situations but
2362 much more importantly it blurred the line between API exposed to
2363 individual applications and system management interface.
2365 Generally, in-process knowledge is available only to the process
2366 itself; thus, unlike service-level organization of processes,
2367 categorizing threads of a process requires active participation from
2368 the application which owns the target process.
2370 cgroup v1 had an ambiguously defined delegation model which got abused
2371 in combination with thread granularity.  cgroups were delegated to
2372 individual applications so that they can create and manage their own
2373 sub-hierarchies and control resource distributions along them.  This
2374 effectively raised cgroup to the status of a syscall-like API exposed
2375 to lay programs.
2377 First of all, cgroup has a fundamentally inadequate interface to be
2378 exposed this way.  For a process to access its own knobs, it has to
2379 extract the path on the target hierarchy from /proc/self/cgroup,
2380 construct the path by appending the name of the knob to the path, open
2381 and then read and/or write to it.  This is not only extremely clunky
2382 and unusual but also inherently racy.  There is no conventional way to
2383 define transaction across the required steps and nothing can guarantee
2384 that the process would actually be operating on its own sub-hierarchy.
2386 cgroup controllers implemented a number of knobs which would never be
2387 accepted as public APIs because they were just adding control knobs to
2388 system-management pseudo filesystem.  cgroup ended up with interface
2389 knobs which were not properly abstracted or refined and directly
2390 revealed kernel internal details.  These knobs got exposed to
2391 individual applications through the ill-defined delegation mechanism
2392 effectively abusing cgroup as a shortcut to implementing public APIs
2393 without going through the required scrutiny.
2395 This was painful for both userland and kernel.  Userland ended up with
2396 misbehaving and poorly abstracted interfaces and kernel exposing and
2397 locked into constructs inadvertently.
2400 Competition Between Inner Nodes and Threads
2401 -------------------------------------------
2403 cgroup v1 allowed threads to be in any cgroups which created an
2404 interesting problem where threads belonging to a parent cgroup and its
2405 children cgroups competed for resources.  This was nasty as two
2406 different types of entities competed and there was no obvious way to
2407 settle it.  Different controllers did different things.
2409 The cpu controller considered threads and cgroups as equivalents and
2410 mapped nice levels to cgroup weights.  This worked for some cases but
2411 fell flat when children wanted to be allocated specific ratios of CPU
2412 cycles and the number of internal threads fluctuated - the ratios
2413 constantly changed as the number of competing entities fluctuated.
2414 There also were other issues.  The mapping from nice level to weight
2415 wasn't obvious or universal, and there were various other knobs which
2416 simply weren't available for threads.
2418 The io controller implicitly created a hidden leaf node for each
2419 cgroup to host the threads.  The hidden leaf had its own copies of all
2420 the knobs with ``leaf_`` prefixed.  While this allowed equivalent
2421 control over internal threads, it was with serious drawbacks.  It
2422 always added an extra layer of nesting which wouldn't be necessary
2423 otherwise, made the interface messy and significantly complicated the
2424 implementation.
2426 The memory controller didn't have a way to control what happened
2427 between internal tasks and child cgroups and the behavior was not
2428 clearly defined.  There were attempts to add ad-hoc behaviors and
2429 knobs to tailor the behavior to specific workloads which would have
2430 led to problems extremely difficult to resolve in the long term.
2432 Multiple controllers struggled with internal tasks and came up with
2433 different ways to deal with it; unfortunately, all the approaches were
2434 severely flawed and, furthermore, the widely different behaviors
2435 made cgroup as a whole highly inconsistent.
2437 This clearly is a problem which needs to be addressed from cgroup core
2438 in a uniform way.
2441 Other Interface Issues
2442 ----------------------
2444 cgroup v1 grew without oversight and developed a large number of
2445 idiosyncrasies and inconsistencies.  One issue on the cgroup core side
2446 was how an empty cgroup was notified - a userland helper binary was
2447 forked and executed for each event.  The event delivery wasn't
2448 recursive or delegatable.  The limitations of the mechanism also led
2449 to in-kernel event delivery filtering mechanism further complicating
2450 the interface.
2452 Controller interfaces were problematic too.  An extreme example is
2453 controllers completely ignoring hierarchical organization and treating
2454 all cgroups as if they were all located directly under the root
2455 cgroup.  Some controllers exposed a large amount of inconsistent
2456 implementation details to userland.
2458 There also was no consistency across controllers.  When a new cgroup
2459 was created, some controllers defaulted to not imposing extra
2460 restrictions while others disallowed any resource usage until
2461 explicitly configured.  Configuration knobs for the same type of
2462 control used widely differing naming schemes and formats.  Statistics
2463 and information knobs were named arbitrarily and used different
2464 formats and units even in the same controller.
2466 cgroup v2 establishes common conventions where appropriate and updates
2467 controllers so that they expose minimal and consistent interfaces.
2470 Controller Issues and Remedies
2471 ------------------------------
2473 Memory
2474 ~~~~~~
2476 The original lower boundary, the soft limit, is defined as a limit
2477 that is per default unset.  As a result, the set of cgroups that
2478 global reclaim prefers is opt-in, rather than opt-out.  The costs for
2479 optimizing these mostly negative lookups are so high that the
2480 implementation, despite its enormous size, does not even provide the
2481 basic desirable behavior.  First off, the soft limit has no
2482 hierarchical meaning.  All configured groups are organized in a global
2483 rbtree and treated like equal peers, regardless where they are located
2484 in the hierarchy.  This makes subtree delegation impossible.  Second,
2485 the soft limit reclaim pass is so aggressive that it not just
2486 introduces high allocation latencies into the system, but also impacts
2487 system performance due to overreclaim, to the point where the feature
2488 becomes self-defeating.
2490 The memory.low boundary on the other hand is a top-down allocated
2491 reserve.  A cgroup enjoys reclaim protection when it's within its
2492 effective low, which makes delegation of subtrees possible. It also
2493 enjoys having reclaim pressure proportional to its overage when
2494 above its effective low.
2496 The original high boundary, the hard limit, is defined as a strict
2497 limit that can not budge, even if the OOM killer has to be called.
2498 But this generally goes against the goal of making the most out of the
2499 available memory.  The memory consumption of workloads varies during
2500 runtime, and that requires users to overcommit.  But doing that with a
2501 strict upper limit requires either a fairly accurate prediction of the
2502 working set size or adding slack to the limit.  Since working set size
2503 estimation is hard and error prone, and getting it wrong results in
2504 OOM kills, most users tend to err on the side of a looser limit and
2505 end up wasting precious resources.
2507 The memory.high boundary on the other hand can be set much more
2508 conservatively.  When hit, it throttles allocations by forcing them
2509 into direct reclaim to work off the excess, but it never invokes the
2510 OOM killer.  As a result, a high boundary that is chosen too
2511 aggressively will not terminate the processes, but instead it will
2512 lead to gradual performance degradation.  The user can monitor this
2513 and make corrections until the minimal memory footprint that still
2514 gives acceptable performance is found.
2516 In extreme cases, with many concurrent allocations and a complete
2517 breakdown of reclaim progress within the group, the high boundary can
2518 be exceeded.  But even then it's mostly better to satisfy the
2519 allocation from the slack available in other groups or the rest of the
2520 system than killing the group.  Otherwise, memory.max is there to
2521 limit this type of spillover and ultimately contain buggy or even
2522 malicious applications.
2524 Setting the original memory.limit_in_bytes below the current usage was
2525 subject to a race condition, where concurrent charges could cause the
2526 limit setting to fail. memory.max on the other hand will first set the
2527 limit to prevent new charges, and then reclaim and OOM kill until the
2528 new limit is met - or the task writing to memory.max is killed.
2530 The combined memory+swap accounting and limiting is replaced by real
2531 control over swap space.
2533 The main argument for a combined memory+swap facility in the original
2534 cgroup design was that global or parental pressure would always be
2535 able to swap all anonymous memory of a child group, regardless of the
2536 child's own (possibly untrusted) configuration.  However, untrusted
2537 groups can sabotage swapping by other means - such as referencing its
2538 anonymous memory in a tight loop - and an admin can not assume full
2539 swappability when overcommitting untrusted jobs.
2541 For trusted jobs, on the other hand, a combined counter is not an
2542 intuitive userspace interface, and it flies in the face of the idea
2543 that cgroup controllers should account and limit specific physical
2544 resources.  Swap space is a resource like all others in the system,
2545 and that's why unified hierarchy allows distributing it separately.