h8300: Add missing closing parenthesis in flat_get_addr_from_rp()
[linux/fpc-iii.git] / Documentation / cgroup-v2.txt
blobbde1771035671314c65d9def375b2e472ba274c7
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/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
22      2-3. [Un]populated Notification
23      2-4. Controlling Controllers
24        2-4-1. Enabling and Disabling
25        2-4-2. Top-down Constraint
26        2-4-3. No Internal Process Constraint
27      2-5. Delegation
28        2-5-1. Model of Delegation
29        2-5-2. Delegation Containment
30      2-6. Guidelines
31        2-6-1. Organize Once and Control
32        2-6-2. Avoid Name Collisions
33    3. Resource Distribution Models
34      3-1. Weights
35      3-2. Limits
36      3-3. Protections
37      3-4. Allocations
38    4. Interface Files
39      4-1. Format
40      4-2. Conventions
41      4-3. Core Interface Files
42    5. Controllers
43      5-1. CPU
44        5-1-1. CPU Interface Files
45      5-2. Memory
46        5-2-1. Memory Interface Files
47        5-2-2. Usage Guidelines
48        5-2-3. Memory Ownership
49      5-3. IO
50        5-3-1. IO Interface Files
51        5-3-2. Writeback
52      5-4. PID
53        5-4-1. PID Interface Files
54      5-5. RDMA
55        5-5-1. RDMA Interface Files
56      5-6. Misc
57        5-6-1. perf_event
58    6. Namespace
59      6-1. Basics
60      6-2. The Root and Views
61      6-3. Migration and setns(2)
62      6-4. Interaction with Other Namespaces
63    P. Information on Kernel Programming
64      P-1. Filesystem Support for Writeback
65    D. Deprecated v1 Core Features
66    R. Issues with v1 and Rationales for v2
67      R-1. Multiple Hierarchies
68      R-2. Thread Granularity
69      R-3. Competition Between Inner Nodes and Threads
70      R-4. Other Interface Issues
71      R-5. Controller Issues and Remedies
72        R-5-1. Memory
75 Introduction
76 ============
78 Terminology
79 -----------
81 "cgroup" stands for "control group" and is never capitalized.  The
82 singular form is used to designate the whole feature and also as a
83 qualifier as in "cgroup controllers".  When explicitly referring to
84 multiple individual control groups, the plural form "cgroups" is used.
87 What is cgroup?
88 ---------------
90 cgroup is a mechanism to organize processes hierarchically and
91 distribute system resources along the hierarchy in a controlled and
92 configurable manner.
94 cgroup is largely composed of two parts - the core and controllers.
95 cgroup core is primarily responsible for hierarchically organizing
96 processes.  A cgroup controller is usually responsible for
97 distributing a specific type of system resource along the hierarchy
98 although there are utility controllers which serve purposes other than
99 resource distribution.
101 cgroups form a tree structure and every process in the system belongs
102 to one and only one cgroup.  All threads of a process belong to the
103 same cgroup.  On creation, all processes are put in the cgroup that
104 the parent process belongs to at the time.  A process can be migrated
105 to another cgroup.  Migration of a process doesn't affect already
106 existing descendant processes.
108 Following certain structural constraints, controllers may be enabled or
109 disabled selectively on a cgroup.  All controller behaviors are
110 hierarchical - if a controller is enabled on a cgroup, it affects all
111 processes which belong to the cgroups consisting the inclusive
112 sub-hierarchy of the cgroup.  When a controller is enabled on a nested
113 cgroup, it always restricts the resource distribution further.  The
114 restrictions set closer to the root in the hierarchy can not be
115 overridden from further away.
118 Basic Operations
119 ================
121 Mounting
122 --------
124 Unlike v1, cgroup v2 has only single hierarchy.  The cgroup v2
125 hierarchy can be mounted with the following mount command::
127   # mount -t cgroup2 none $MOUNT_POINT
129 cgroup2 filesystem has the magic number 0x63677270 ("cgrp").  All
130 controllers which support v2 and are not bound to a v1 hierarchy are
131 automatically bound to the v2 hierarchy and show up at the root.
132 Controllers which are not in active use in the v2 hierarchy can be
133 bound to other hierarchies.  This allows mixing v2 hierarchy with the
134 legacy v1 multiple hierarchies in a fully backward compatible way.
136 A controller can be moved across hierarchies only after the controller
137 is no longer referenced in its current hierarchy.  Because per-cgroup
138 controller states are destroyed asynchronously and controllers may
139 have lingering references, a controller may not show up immediately on
140 the v2 hierarchy after the final umount of the previous hierarchy.
141 Similarly, a controller should be fully disabled to be moved out of
142 the unified hierarchy and it may take some time for the disabled
143 controller to become available for other hierarchies; furthermore, due
144 to inter-controller dependencies, other controllers may need to be
145 disabled too.
147 While useful for development and manual configurations, moving
148 controllers dynamically between the v2 and other hierarchies is
149 strongly discouraged for production use.  It is recommended to decide
150 the hierarchies and controller associations before starting using the
151 controllers after system boot.
153 During transition to v2, system management software might still
154 automount the v1 cgroup filesystem and so hijack all controllers
155 during boot, before manual intervention is possible. To make testing
156 and experimenting easier, the kernel parameter cgroup_no_v1= allows
157 disabling controllers in v1 and make them always available in v2.
159 cgroup v2 currently supports the following mount options.
161   nsdelegate
163         Consider cgroup namespaces as delegation boundaries.  This
164         option is system wide and can only be set on mount or modified
165         through remount from the init namespace.  The mount option is
166         ignored on non-init namespace mounts.  Please refer to the
167         Delegation section for details.
170 Organizing Processes
171 --------------------
173 Initially, only the root cgroup exists to which all processes belong.
174 A child cgroup can be created by creating a sub-directory::
176   # mkdir $CGROUP_NAME
178 A given cgroup may have multiple child cgroups forming a tree
179 structure.  Each cgroup has a read-writable interface file
180 "cgroup.procs".  When read, it lists the PIDs of all processes which
181 belong to the cgroup one-per-line.  The PIDs are not ordered and the
182 same PID may show up more than once if the process got moved to
183 another cgroup and then back or the PID got recycled while reading.
185 A process can be migrated into a cgroup by writing its PID to the
186 target cgroup's "cgroup.procs" file.  Only one process can be migrated
187 on a single write(2) call.  If a process is composed of multiple
188 threads, writing the PID of any thread migrates all threads of the
189 process.
191 When a process forks a child process, the new process is born into the
192 cgroup that the forking process belongs to at the time of the
193 operation.  After exit, a process stays associated with the cgroup
194 that it belonged to at the time of exit until it's reaped; however, a
195 zombie process does not appear in "cgroup.procs" and thus can't be
196 moved to another cgroup.
198 A cgroup which doesn't have any children or live processes can be
199 destroyed by removing the directory.  Note that a cgroup which doesn't
200 have any children and is associated only with zombie processes is
201 considered empty and can be removed::
203   # rmdir $CGROUP_NAME
205 "/proc/$PID/cgroup" lists a process's cgroup membership.  If legacy
206 cgroup is in use in the system, this file may contain multiple lines,
207 one for each hierarchy.  The entry for cgroup v2 is always in the
208 format "0::$PATH"::
210   # cat /proc/842/cgroup
211   ...
212   0::/test-cgroup/test-cgroup-nested
214 If the process becomes a zombie and the cgroup it was associated with
215 is removed subsequently, " (deleted)" is appended to the path::
217   # cat /proc/842/cgroup
218   ...
219   0::/test-cgroup/test-cgroup-nested (deleted)
222 [Un]populated Notification
223 --------------------------
225 Each non-root cgroup has a "cgroup.events" file which contains
226 "populated" field indicating whether the cgroup's sub-hierarchy has
227 live processes in it.  Its value is 0 if there is no live process in
228 the cgroup and its descendants; otherwise, 1.  poll and [id]notify
229 events are triggered when the value changes.  This can be used, for
230 example, to start a clean-up operation after all processes of a given
231 sub-hierarchy have exited.  The populated state updates and
232 notifications are recursive.  Consider the following sub-hierarchy
233 where the numbers in the parentheses represent the numbers of processes
234 in each cgroup::
236   A(4) - B(0) - C(1)
237               \ D(0)
239 A, B and C's "populated" fields would be 1 while D's 0.  After the one
240 process in C exits, B and C's "populated" fields would flip to "0" and
241 file modified events will be generated on the "cgroup.events" files of
242 both cgroups.
245 Controlling Controllers
246 -----------------------
248 Enabling and Disabling
249 ~~~~~~~~~~~~~~~~~~~~~~
251 Each cgroup has a "cgroup.controllers" file which lists all
252 controllers available for the cgroup to enable::
254   # cat cgroup.controllers
255   cpu io memory
257 No controller is enabled by default.  Controllers can be enabled and
258 disabled by writing to the "cgroup.subtree_control" file::
260   # echo "+cpu +memory -io" > cgroup.subtree_control
262 Only controllers which are listed in "cgroup.controllers" can be
263 enabled.  When multiple operations are specified as above, either they
264 all succeed or fail.  If multiple operations on the same controller
265 are specified, the last one is effective.
267 Enabling a controller in a cgroup indicates that the distribution of
268 the target resource across its immediate children will be controlled.
269 Consider the following sub-hierarchy.  The enabled controllers are
270 listed in parentheses::
272   A(cpu,memory) - B(memory) - C()
273                             \ D()
275 As A has "cpu" and "memory" enabled, A will control the distribution
276 of CPU cycles and memory to its children, in this case, B.  As B has
277 "memory" enabled but not "CPU", C and D will compete freely on CPU
278 cycles but their division of memory available to B will be controlled.
280 As a controller regulates the distribution of the target resource to
281 the cgroup's children, enabling it creates the controller's interface
282 files in the child cgroups.  In the above example, enabling "cpu" on B
283 would create the "cpu." prefixed controller interface files in C and
284 D.  Likewise, disabling "memory" from B would remove the "memory."
285 prefixed controller interface files from C and D.  This means that the
286 controller interface files - anything which doesn't start with
287 "cgroup." are owned by the parent rather than the cgroup itself.
290 Top-down Constraint
291 ~~~~~~~~~~~~~~~~~~~
293 Resources are distributed top-down and a cgroup can further distribute
294 a resource only if the resource has been distributed to it from the
295 parent.  This means that all non-root "cgroup.subtree_control" files
296 can only contain controllers which are enabled in the parent's
297 "cgroup.subtree_control" file.  A controller can be enabled only if
298 the parent has the controller enabled and a controller can't be
299 disabled if one or more children have it enabled.
302 No Internal Process Constraint
303 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
305 Non-root cgroups can only distribute resources to their children when
306 they don't have any processes of their own.  In other words, only
307 cgroups which don't contain any processes can have controllers enabled
308 in their "cgroup.subtree_control" files.
310 This guarantees that, when a controller is looking at the part of the
311 hierarchy which has it enabled, processes are always only on the
312 leaves.  This rules out situations where child cgroups compete against
313 internal processes of the parent.
315 The root cgroup is exempt from this restriction.  Root contains
316 processes and anonymous resource consumption which can't be associated
317 with any other cgroups and requires special treatment from most
318 controllers.  How resource consumption in the root cgroup is governed
319 is up to each controller.
321 Note that the restriction doesn't get in the way if there is no
322 enabled controller in the cgroup's "cgroup.subtree_control".  This is
323 important as otherwise it wouldn't be possible to create children of a
324 populated cgroup.  To control resource distribution of a cgroup, the
325 cgroup must create children and transfer all its processes to the
326 children before enabling controllers in its "cgroup.subtree_control"
327 file.
330 Delegation
331 ----------
333 Model of Delegation
334 ~~~~~~~~~~~~~~~~~~~
336 A cgroup can be delegated in two ways.  First, to a less privileged
337 user by granting write access of the directory and its "cgroup.procs"
338 and "cgroup.subtree_control" files to the user.  Second, if the
339 "nsdelegate" mount option is set, automatically to a cgroup namespace
340 on namespace creation.
342 Because the resource control interface files in a given directory
343 control the distribution of the parent's resources, the delegatee
344 shouldn't be allowed to write to them.  For the first method, this is
345 achieved by not granting access to these files.  For the second, the
346 kernel rejects writes to all files other than "cgroup.procs" and
347 "cgroup.subtree_control" on a namespace root from inside the
348 namespace.
350 The end results are equivalent for both delegation types.  Once
351 delegated, the user can build sub-hierarchy under the directory,
352 organize processes inside it as it sees fit and further distribute the
353 resources it received from the parent.  The limits and other settings
354 of all resource controllers are hierarchical and regardless of what
355 happens in the delegated sub-hierarchy, nothing can escape the
356 resource restrictions imposed by the parent.
358 Currently, cgroup doesn't impose any restrictions on the number of
359 cgroups in or nesting depth of a delegated sub-hierarchy; however,
360 this may be limited explicitly in the future.
363 Delegation Containment
364 ~~~~~~~~~~~~~~~~~~~~~~
366 A delegated sub-hierarchy is contained in the sense that processes
367 can't be moved into or out of the sub-hierarchy by the delegatee.
369 For delegations to a less privileged user, this is achieved by
370 requiring the following conditions for a process with a non-root euid
371 to migrate a target process into a cgroup by writing its PID to the
372 "cgroup.procs" file.
374 - The writer must have write access to the "cgroup.procs" file.
376 - The writer must have write access to the "cgroup.procs" file of the
377   common ancestor of the source and destination cgroups.
379 The above two constraints ensure that while a delegatee may migrate
380 processes around freely in the delegated sub-hierarchy it can't pull
381 in from or push out to outside the sub-hierarchy.
383 For an example, let's assume cgroups C0 and C1 have been delegated to
384 user U0 who created C00, C01 under C0 and C10 under C1 as follows and
385 all processes under C0 and C1 belong to U0::
387   ~~~~~~~~~~~~~ - C0 - C00
388   ~ cgroup    ~      \ C01
389   ~ hierarchy ~
390   ~~~~~~~~~~~~~ - C1 - C10
392 Let's also say U0 wants to write the PID of a process which is
393 currently in C10 into "C00/cgroup.procs".  U0 has write access to the
394 file; however, the common ancestor of the source cgroup C10 and the
395 destination cgroup C00 is above the points of delegation and U0 would
396 not have write access to its "cgroup.procs" files and thus the write
397 will be denied with -EACCES.
399 For delegations to namespaces, containment is achieved by requiring
400 that both the source and destination cgroups are reachable from the
401 namespace of the process which is attempting the migration.  If either
402 is not reachable, the migration is rejected with -ENOENT.
405 Guidelines
406 ----------
408 Organize Once and Control
409 ~~~~~~~~~~~~~~~~~~~~~~~~~
411 Migrating a process across cgroups is a relatively expensive operation
412 and stateful resources such as memory are not moved together with the
413 process.  This is an explicit design decision as there often exist
414 inherent trade-offs between migration and various hot paths in terms
415 of synchronization cost.
417 As such, migrating processes across cgroups frequently as a means to
418 apply different resource restrictions is discouraged.  A workload
419 should be assigned to a cgroup according to the system's logical and
420 resource structure once on start-up.  Dynamic adjustments to resource
421 distribution can be made by changing controller configuration through
422 the interface files.
425 Avoid Name Collisions
426 ~~~~~~~~~~~~~~~~~~~~~
428 Interface files for a cgroup and its children cgroups occupy the same
429 directory and it is possible to create children cgroups which collide
430 with interface files.
432 All cgroup core interface files are prefixed with "cgroup." and each
433 controller's interface files are prefixed with the controller name and
434 a dot.  A controller's name is composed of lower case alphabets and
435 '_'s but never begins with an '_' so it can be used as the prefix
436 character for collision avoidance.  Also, interface file names won't
437 start or end with terms which are often used in categorizing workloads
438 such as job, service, slice, unit or workload.
440 cgroup doesn't do anything to prevent name collisions and it's the
441 user's responsibility to avoid them.
444 Resource Distribution Models
445 ============================
447 cgroup controllers implement several resource distribution schemes
448 depending on the resource type and expected use cases.  This section
449 describes major schemes in use along with their expected behaviors.
452 Weights
453 -------
455 A parent's resource is distributed by adding up the weights of all
456 active children and giving each the fraction matching the ratio of its
457 weight against the sum.  As only children which can make use of the
458 resource at the moment participate in the distribution, this is
459 work-conserving.  Due to the dynamic nature, this model is usually
460 used for stateless resources.
462 All weights are in the range [1, 10000] with the default at 100.  This
463 allows symmetric multiplicative biases in both directions at fine
464 enough granularity while staying in the intuitive range.
466 As long as the weight is in range, all configuration combinations are
467 valid and there is no reason to reject configuration changes or
468 process migrations.
470 "cpu.weight" proportionally distributes CPU cycles to active children
471 and is an example of this type.
474 Limits
475 ------
477 A child can only consume upto the configured amount of the resource.
478 Limits can be over-committed - the sum of the limits of children can
479 exceed the amount of resource available to the parent.
481 Limits are in the range [0, max] and defaults to "max", which is noop.
483 As limits can be over-committed, all configuration combinations are
484 valid and there is no reason to reject configuration changes or
485 process migrations.
487 "io.max" limits the maximum BPS and/or IOPS that a cgroup can consume
488 on an IO device and is an example of this type.
491 Protections
492 -----------
494 A cgroup is protected to be allocated upto the configured amount of
495 the resource if the usages of all its ancestors are under their
496 protected levels.  Protections can be hard guarantees or best effort
497 soft boundaries.  Protections can also be over-committed in which case
498 only upto the amount available to the parent is protected among
499 children.
501 Protections are in the range [0, max] and defaults to 0, which is
502 noop.
504 As protections can be over-committed, all configuration combinations
505 are valid and there is no reason to reject configuration changes or
506 process migrations.
508 "memory.low" implements best-effort memory protection and is an
509 example of this type.
512 Allocations
513 -----------
515 A cgroup is exclusively allocated a certain amount of a finite
516 resource.  Allocations can't be over-committed - the sum of the
517 allocations of children can not exceed the amount of resource
518 available to the parent.
520 Allocations are in the range [0, max] and defaults to 0, which is no
521 resource.
523 As allocations can't be over-committed, some configuration
524 combinations are invalid and should be rejected.  Also, if the
525 resource is mandatory for execution of processes, process migrations
526 may be rejected.
528 "cpu.rt.max" hard-allocates realtime slices and is an example of this
529 type.
532 Interface Files
533 ===============
535 Format
536 ------
538 All interface files should be in one of the following formats whenever
539 possible::
541   New-line separated values
542   (when only one value can be written at once)
544         VAL0\n
545         VAL1\n
546         ...
548   Space separated values
549   (when read-only or multiple values can be written at once)
551         VAL0 VAL1 ...\n
553   Flat keyed
555         KEY0 VAL0\n
556         KEY1 VAL1\n
557         ...
559   Nested keyed
561         KEY0 SUB_KEY0=VAL00 SUB_KEY1=VAL01...
562         KEY1 SUB_KEY0=VAL10 SUB_KEY1=VAL11...
563         ...
565 For a writable file, the format for writing should generally match
566 reading; however, controllers may allow omitting later fields or
567 implement restricted shortcuts for most common use cases.
569 For both flat and nested keyed files, only the values for a single key
570 can be written at a time.  For nested keyed files, the sub key pairs
571 may be specified in any order and not all pairs have to be specified.
574 Conventions
575 -----------
577 - Settings for a single feature should be contained in a single file.
579 - The root cgroup should be exempt from resource control and thus
580   shouldn't have resource control interface files.  Also,
581   informational files on the root cgroup which end up showing global
582   information available elsewhere shouldn't exist.
584 - If a controller implements weight based resource distribution, its
585   interface file should be named "weight" and have the range [1,
586   10000] with 100 as the default.  The values are chosen to allow
587   enough and symmetric bias in both directions while keeping it
588   intuitive (the default is 100%).
590 - If a controller implements an absolute resource guarantee and/or
591   limit, the interface files should be named "min" and "max"
592   respectively.  If a controller implements best effort resource
593   guarantee and/or limit, the interface files should be named "low"
594   and "high" respectively.
596   In the above four control files, the special token "max" should be
597   used to represent upward infinity for both reading and writing.
599 - If a setting has a configurable default value and keyed specific
600   overrides, the default entry should be keyed with "default" and
601   appear as the first entry in the file.
603   The default value can be updated by writing either "default $VAL" or
604   "$VAL".
606   When writing to update a specific override, "default" can be used as
607   the value to indicate removal of the override.  Override entries
608   with "default" as the value must not appear when read.
610   For example, a setting which is keyed by major:minor device numbers
611   with integer values may look like the following::
613     # cat cgroup-example-interface-file
614     default 150
615     8:0 300
617   The default value can be updated by::
619     # echo 125 > cgroup-example-interface-file
621   or::
623     # echo "default 125" > cgroup-example-interface-file
625   An override can be set by::
627     # echo "8:16 170" > cgroup-example-interface-file
629   and cleared by::
631     # echo "8:0 default" > cgroup-example-interface-file
632     # cat cgroup-example-interface-file
633     default 125
634     8:16 170
636 - For events which are not very high frequency, an interface file
637   "events" should be created which lists event key value pairs.
638   Whenever a notifiable event happens, file modified event should be
639   generated on the file.
642 Core Interface Files
643 --------------------
645 All cgroup core files are prefixed with "cgroup."
647   cgroup.procs
648         A read-write new-line separated values file which exists on
649         all cgroups.
651         When read, it lists the PIDs of all processes which belong to
652         the cgroup one-per-line.  The PIDs are not ordered and the
653         same PID may show up more than once if the process got moved
654         to another cgroup and then back or the PID got recycled while
655         reading.
657         A PID can be written to migrate the process associated with
658         the PID to the cgroup.  The writer should match all of the
659         following conditions.
661         - Its euid is either root or must match either uid or suid of
662           the target process.
664         - It must have write access to the "cgroup.procs" file.
666         - It must have write access to the "cgroup.procs" file of the
667           common ancestor of the source and destination cgroups.
669         When delegating a sub-hierarchy, write access to this file
670         should be granted along with the containing directory.
672   cgroup.controllers
673         A read-only space separated values file which exists on all
674         cgroups.
676         It shows space separated list of all controllers available to
677         the cgroup.  The controllers are not ordered.
679   cgroup.subtree_control
680         A read-write space separated values file which exists on all
681         cgroups.  Starts out empty.
683         When read, it shows space separated list of the controllers
684         which are enabled to control resource distribution from the
685         cgroup to its children.
687         Space separated list of controllers prefixed with '+' or '-'
688         can be written to enable or disable controllers.  A controller
689         name prefixed with '+' enables the controller and '-'
690         disables.  If a controller appears more than once on the list,
691         the last one is effective.  When multiple enable and disable
692         operations are specified, either all succeed or all fail.
694   cgroup.events
695         A read-only flat-keyed file which exists on non-root cgroups.
696         The following entries are defined.  Unless specified
697         otherwise, a value change in this file generates a file
698         modified event.
700           populated
701                 1 if the cgroup or its descendants contains any live
702                 processes; otherwise, 0.
705 Controllers
706 ===========
711 .. note::
713         The interface for the cpu controller hasn't been merged yet
715 The "cpu" controllers regulates distribution of CPU cycles.  This
716 controller implements weight and absolute bandwidth limit models for
717 normal scheduling policy and absolute bandwidth allocation model for
718 realtime scheduling policy.
721 CPU Interface Files
722 ~~~~~~~~~~~~~~~~~~~
724 All time durations are in microseconds.
726   cpu.stat
727         A read-only flat-keyed file which exists on non-root cgroups.
729         It reports the following six stats:
731         - usage_usec
732         - user_usec
733         - system_usec
734         - nr_periods
735         - nr_throttled
736         - throttled_usec
738   cpu.weight
739         A read-write single value file which exists on non-root
740         cgroups.  The default is "100".
742         The weight in the range [1, 10000].
744   cpu.max
745         A read-write two value file which exists on non-root cgroups.
746         The default is "max 100000".
748         The maximum bandwidth limit.  It's in the following format::
750           $MAX $PERIOD
752         which indicates that the group may consume upto $MAX in each
753         $PERIOD duration.  "max" for $MAX indicates no limit.  If only
754         one number is written, $MAX is updated.
756   cpu.rt.max
757         .. note::
759            The semantics of this file is still under discussion and the
760            interface hasn't been merged yet
762         A read-write two value file which exists on all cgroups.
763         The default is "0 100000".
765         The maximum realtime runtime allocation.  Over-committing
766         configurations are disallowed and process migrations are
767         rejected if not enough bandwidth is available.  It's in the
768         following format::
770           $MAX $PERIOD
772         which indicates that the group may consume upto $MAX in each
773         $PERIOD duration.  If only one number is written, $MAX is
774         updated.
777 Memory
778 ------
780 The "memory" controller regulates distribution of memory.  Memory is
781 stateful and implements both limit and protection models.  Due to the
782 intertwining between memory usage and reclaim pressure and the
783 stateful nature of memory, the distribution model is relatively
784 complex.
786 While not completely water-tight, all major memory usages by a given
787 cgroup are tracked so that the total memory consumption can be
788 accounted and controlled to a reasonable extent.  Currently, the
789 following types of memory usages are tracked.
791 - Userland memory - page cache and anonymous memory.
793 - Kernel data structures such as dentries and inodes.
795 - TCP socket buffers.
797 The above list may expand in the future for better coverage.
800 Memory Interface Files
801 ~~~~~~~~~~~~~~~~~~~~~~
803 All memory amounts are in bytes.  If a value which is not aligned to
804 PAGE_SIZE is written, the value may be rounded up to the closest
805 PAGE_SIZE multiple when read back.
807   memory.current
808         A read-only single value file which exists on non-root
809         cgroups.
811         The total amount of memory currently being used by the cgroup
812         and its descendants.
814   memory.low
815         A read-write single value file which exists on non-root
816         cgroups.  The default is "0".
818         Best-effort memory protection.  If the memory usages of a
819         cgroup and all its ancestors are below their low boundaries,
820         the cgroup's memory won't be reclaimed unless memory can be
821         reclaimed from unprotected cgroups.
823         Putting more memory than generally available under this
824         protection is discouraged.
826   memory.high
827         A read-write single value file which exists on non-root
828         cgroups.  The default is "max".
830         Memory usage throttle limit.  This is the main mechanism to
831         control memory usage of a cgroup.  If a cgroup's usage goes
832         over the high boundary, the processes of the cgroup are
833         throttled and put under heavy reclaim pressure.
835         Going over the high limit never invokes the OOM killer and
836         under extreme conditions the limit may be breached.
838   memory.max
839         A read-write single value file which exists on non-root
840         cgroups.  The default is "max".
842         Memory usage hard limit.  This is the final protection
843         mechanism.  If a cgroup's memory usage reaches this limit and
844         can't be reduced, the OOM killer is invoked in the cgroup.
845         Under certain circumstances, the usage may go over the limit
846         temporarily.
848         This is the ultimate protection mechanism.  As long as the
849         high limit is used and monitored properly, this limit's
850         utility is limited to providing the final safety net.
852   memory.events
853         A read-only flat-keyed file which exists on non-root cgroups.
854         The following entries are defined.  Unless specified
855         otherwise, a value change in this file generates a file
856         modified event.
858           low
859                 The number of times the cgroup is reclaimed due to
860                 high memory pressure even though its usage is under
861                 the low boundary.  This usually indicates that the low
862                 boundary is over-committed.
864           high
865                 The number of times processes of the cgroup are
866                 throttled and routed to perform direct memory reclaim
867                 because the high memory boundary was exceeded.  For a
868                 cgroup whose memory usage is capped by the high limit
869                 rather than global memory pressure, this event's
870                 occurrences are expected.
872           max
873                 The number of times the cgroup's memory usage was
874                 about to go over the max boundary.  If direct reclaim
875                 fails to bring it down, the cgroup goes to OOM state.
877           oom
878                 The number of time the cgroup's memory usage was
879                 reached the limit and allocation was about to fail.
881                 Depending on context result could be invocation of OOM
882                 killer and retrying allocation or failing alloction.
884                 Failed allocation in its turn could be returned into
885                 userspace as -ENOMEM or siletly ignored in cases like
886                 disk readahead.  For now OOM in memory cgroup kills
887                 tasks iff shortage has happened inside page fault.
889           oom_kill
890                 The number of processes belonging to this cgroup
891                 killed by any kind of OOM killer.
893   memory.stat
894         A read-only flat-keyed file which exists on non-root cgroups.
896         This breaks down the cgroup's memory footprint into different
897         types of memory, type-specific details, and other information
898         on the state and past events of the memory management system.
900         All memory amounts are in bytes.
902         The entries are ordered to be human readable, and new entries
903         can show up in the middle. Don't rely on items remaining in a
904         fixed position; use the keys to look up specific values!
906           anon
907                 Amount of memory used in anonymous mappings such as
908                 brk(), sbrk(), and mmap(MAP_ANONYMOUS)
910           file
911                 Amount of memory used to cache filesystem data,
912                 including tmpfs and shared memory.
914           kernel_stack
915                 Amount of memory allocated to kernel stacks.
917           slab
918                 Amount of memory used for storing in-kernel data
919                 structures.
921           sock
922                 Amount of memory used in network transmission buffers
924           shmem
925                 Amount of cached filesystem data that is swap-backed,
926                 such as tmpfs, shm segments, shared anonymous mmap()s
928           file_mapped
929                 Amount of cached filesystem data mapped with mmap()
931           file_dirty
932                 Amount of cached filesystem data that was modified but
933                 not yet written back to disk
935           file_writeback
936                 Amount of cached filesystem data that was modified and
937                 is currently being written back to disk
939           inactive_anon, active_anon, inactive_file, active_file, unevictable
940                 Amount of memory, swap-backed and filesystem-backed,
941                 on the internal memory management lists used by the
942                 page reclaim algorithm
944           slab_reclaimable
945                 Part of "slab" that might be reclaimed, such as
946                 dentries and inodes.
948           slab_unreclaimable
949                 Part of "slab" that cannot be reclaimed on memory
950                 pressure.
952           pgfault
953                 Total number of page faults incurred
955           pgmajfault
956                 Number of major page faults incurred
958           workingset_refault
960                 Number of refaults of previously evicted pages
962           workingset_activate
964                 Number of refaulted pages that were immediately activated
966           workingset_nodereclaim
968                 Number of times a shadow node has been reclaimed
970           pgrefill
972                 Amount of scanned pages (in an active LRU list)
974           pgscan
976                 Amount of scanned pages (in an inactive LRU list)
978           pgsteal
980                 Amount of reclaimed pages
982           pgactivate
984                 Amount of pages moved to the active LRU list
986           pgdeactivate
988                 Amount of pages moved to the inactive LRU lis
990           pglazyfree
992                 Amount of pages postponed to be freed under memory pressure
994           pglazyfreed
996                 Amount of reclaimed lazyfree pages
998   memory.swap.current
999         A read-only single value file which exists on non-root
1000         cgroups.
1002         The total amount of swap currently being used by the cgroup
1003         and its descendants.
1005   memory.swap.max
1006         A read-write single value file which exists on non-root
1007         cgroups.  The default is "max".
1009         Swap usage hard limit.  If a cgroup's swap usage reaches this
1010         limit, anonymous meomry of the cgroup will not be swapped out.
1013 Usage Guidelines
1014 ~~~~~~~~~~~~~~~~
1016 "memory.high" is the main mechanism to control memory usage.
1017 Over-committing on high limit (sum of high limits > available memory)
1018 and letting global memory pressure to distribute memory according to
1019 usage is a viable strategy.
1021 Because breach of the high limit doesn't trigger the OOM killer but
1022 throttles the offending cgroup, a management agent has ample
1023 opportunities to monitor and take appropriate actions such as granting
1024 more memory or terminating the workload.
1026 Determining whether a cgroup has enough memory is not trivial as
1027 memory usage doesn't indicate whether the workload can benefit from
1028 more memory.  For example, a workload which writes data received from
1029 network to a file can use all available memory but can also operate as
1030 performant with a small amount of memory.  A measure of memory
1031 pressure - how much the workload is being impacted due to lack of
1032 memory - is necessary to determine whether a workload needs more
1033 memory; unfortunately, memory pressure monitoring mechanism isn't
1034 implemented yet.
1037 Memory Ownership
1038 ~~~~~~~~~~~~~~~~
1040 A memory area is charged to the cgroup which instantiated it and stays
1041 charged to the cgroup until the area is released.  Migrating a process
1042 to a different cgroup doesn't move the memory usages that it
1043 instantiated while in the previous cgroup to the new cgroup.
1045 A memory area may be used by processes belonging to different cgroups.
1046 To which cgroup the area will be charged is in-deterministic; however,
1047 over time, the memory area is likely to end up in a cgroup which has
1048 enough memory allowance to avoid high reclaim pressure.
1050 If a cgroup sweeps a considerable amount of memory which is expected
1051 to be accessed repeatedly by other cgroups, it may make sense to use
1052 POSIX_FADV_DONTNEED to relinquish the ownership of memory areas
1053 belonging to the affected files to ensure correct memory ownership.
1059 The "io" controller regulates the distribution of IO resources.  This
1060 controller implements both weight based and absolute bandwidth or IOPS
1061 limit distribution; however, weight based distribution is available
1062 only if cfq-iosched is in use and neither scheme is available for
1063 blk-mq devices.
1066 IO Interface Files
1067 ~~~~~~~~~~~~~~~~~~
1069   io.stat
1070         A read-only nested-keyed file which exists on non-root
1071         cgroups.
1073         Lines are keyed by $MAJ:$MIN device numbers and not ordered.
1074         The following nested keys are defined.
1076           ======        ===================
1077           rbytes        Bytes read
1078           wbytes        Bytes written
1079           rios          Number of read IOs
1080           wios          Number of write IOs
1081           ======        ===================
1083         An example read output follows:
1085           8:16 rbytes=1459200 wbytes=314773504 rios=192 wios=353
1086           8:0 rbytes=90430464 wbytes=299008000 rios=8950 wios=1252
1088   io.weight
1089         A read-write flat-keyed file which exists on non-root cgroups.
1090         The default is "default 100".
1092         The first line is the default weight applied to devices
1093         without specific override.  The rest are overrides keyed by
1094         $MAJ:$MIN device numbers and not ordered.  The weights are in
1095         the range [1, 10000] and specifies the relative amount IO time
1096         the cgroup can use in relation to its siblings.
1098         The default weight can be updated by writing either "default
1099         $WEIGHT" or simply "$WEIGHT".  Overrides can be set by writing
1100         "$MAJ:$MIN $WEIGHT" and unset by writing "$MAJ:$MIN default".
1102         An example read output follows::
1104           default 100
1105           8:16 200
1106           8:0 50
1108   io.max
1109         A read-write nested-keyed file which exists on non-root
1110         cgroups.
1112         BPS and IOPS based IO limit.  Lines are keyed by $MAJ:$MIN
1113         device numbers and not ordered.  The following nested keys are
1114         defined.
1116           =====         ==================================
1117           rbps          Max read bytes per second
1118           wbps          Max write bytes per second
1119           riops         Max read IO operations per second
1120           wiops         Max write IO operations per second
1121           =====         ==================================
1123         When writing, any number of nested key-value pairs can be
1124         specified in any order.  "max" can be specified as the value
1125         to remove a specific limit.  If the same key is specified
1126         multiple times, the outcome is undefined.
1128         BPS and IOPS are measured in each IO direction and IOs are
1129         delayed if limit is reached.  Temporary bursts are allowed.
1131         Setting read limit at 2M BPS and write at 120 IOPS for 8:16::
1133           echo "8:16 rbps=2097152 wiops=120" > io.max
1135         Reading returns the following::
1137           8:16 rbps=2097152 wbps=max riops=max wiops=120
1139         Write IOPS limit can be removed by writing the following::
1141           echo "8:16 wiops=max" > io.max
1143         Reading now returns the following::
1145           8:16 rbps=2097152 wbps=max riops=max wiops=max
1148 Writeback
1149 ~~~~~~~~~
1151 Page cache is dirtied through buffered writes and shared mmaps and
1152 written asynchronously to the backing filesystem by the writeback
1153 mechanism.  Writeback sits between the memory and IO domains and
1154 regulates the proportion of dirty memory by balancing dirtying and
1155 write IOs.
1157 The io controller, in conjunction with the memory controller,
1158 implements control of page cache writeback IOs.  The memory controller
1159 defines the memory domain that dirty memory ratio is calculated and
1160 maintained for and the io controller defines the io domain which
1161 writes out dirty pages for the memory domain.  Both system-wide and
1162 per-cgroup dirty memory states are examined and the more restrictive
1163 of the two is enforced.
1165 cgroup writeback requires explicit support from the underlying
1166 filesystem.  Currently, cgroup writeback is implemented on ext2, ext4
1167 and btrfs.  On other filesystems, all writeback IOs are attributed to
1168 the root cgroup.
1170 There are inherent differences in memory and writeback management
1171 which affects how cgroup ownership is tracked.  Memory is tracked per
1172 page while writeback per inode.  For the purpose of writeback, an
1173 inode is assigned to a cgroup and all IO requests to write dirty pages
1174 from the inode are attributed to that cgroup.
1176 As cgroup ownership for memory is tracked per page, there can be pages
1177 which are associated with different cgroups than the one the inode is
1178 associated with.  These are called foreign pages.  The writeback
1179 constantly keeps track of foreign pages and, if a particular foreign
1180 cgroup becomes the majority over a certain period of time, switches
1181 the ownership of the inode to that cgroup.
1183 While this model is enough for most use cases where a given inode is
1184 mostly dirtied by a single cgroup even when the main writing cgroup
1185 changes over time, use cases where multiple cgroups write to a single
1186 inode simultaneously are not supported well.  In such circumstances, a
1187 significant portion of IOs are likely to be attributed incorrectly.
1188 As memory controller assigns page ownership on the first use and
1189 doesn't update it until the page is released, even if writeback
1190 strictly follows page ownership, multiple cgroups dirtying overlapping
1191 areas wouldn't work as expected.  It's recommended to avoid such usage
1192 patterns.
1194 The sysctl knobs which affect writeback behavior are applied to cgroup
1195 writeback as follows.
1197   vm.dirty_background_ratio, vm.dirty_ratio
1198         These ratios apply the same to cgroup writeback with the
1199         amount of available memory capped by limits imposed by the
1200         memory controller and system-wide clean memory.
1202   vm.dirty_background_bytes, vm.dirty_bytes
1203         For cgroup writeback, this is calculated into ratio against
1204         total available memory and applied the same way as
1205         vm.dirty[_background]_ratio.
1211 The process number controller is used to allow a cgroup to stop any
1212 new tasks from being fork()'d or clone()'d after a specified limit is
1213 reached.
1215 The number of tasks in a cgroup can be exhausted in ways which other
1216 controllers cannot prevent, thus warranting its own controller.  For
1217 example, a fork bomb is likely to exhaust the number of tasks before
1218 hitting memory restrictions.
1220 Note that PIDs used in this controller refer to TIDs, process IDs as
1221 used by the kernel.
1224 PID Interface Files
1225 ~~~~~~~~~~~~~~~~~~~
1227   pids.max
1228         A read-write single value file which exists on non-root
1229         cgroups.  The default is "max".
1231         Hard limit of number of processes.
1233   pids.current
1234         A read-only single value file which exists on all cgroups.
1236         The number of processes currently in the cgroup and its
1237         descendants.
1239 Organisational operations are not blocked by cgroup policies, so it is
1240 possible to have pids.current > pids.max.  This can be done by either
1241 setting the limit to be smaller than pids.current, or attaching enough
1242 processes to the cgroup such that pids.current is larger than
1243 pids.max.  However, it is not possible to violate a cgroup PID policy
1244 through fork() or clone(). These will return -EAGAIN if the creation
1245 of a new process would cause a cgroup policy to be violated.
1248 RDMA
1249 ----
1251 The "rdma" controller regulates the distribution and accounting of
1252 of RDMA resources.
1254 RDMA Interface Files
1255 ~~~~~~~~~~~~~~~~~~~~
1257   rdma.max
1258         A readwrite nested-keyed file that exists for all the cgroups
1259         except root that describes current configured resource limit
1260         for a RDMA/IB device.
1262         Lines are keyed by device name and are not ordered.
1263         Each line contains space separated resource name and its configured
1264         limit that can be distributed.
1266         The following nested keys are defined.
1268           ==========    =============================
1269           hca_handle    Maximum number of HCA Handles
1270           hca_object    Maximum number of HCA Objects
1271           ==========    =============================
1273         An example for mlx4 and ocrdma device follows::
1275           mlx4_0 hca_handle=2 hca_object=2000
1276           ocrdma1 hca_handle=3 hca_object=max
1278   rdma.current
1279         A read-only file that describes current resource usage.
1280         It exists for all the cgroup except root.
1282         An example for mlx4 and ocrdma device follows::
1284           mlx4_0 hca_handle=1 hca_object=20
1285           ocrdma1 hca_handle=1 hca_object=23
1288 Misc
1289 ----
1291 perf_event
1292 ~~~~~~~~~~
1294 perf_event controller, if not mounted on a legacy hierarchy, is
1295 automatically enabled on the v2 hierarchy so that perf events can
1296 always be filtered by cgroup v2 path.  The controller can still be
1297 moved to a legacy hierarchy after v2 hierarchy is populated.
1300 Namespace
1301 =========
1303 Basics
1304 ------
1306 cgroup namespace provides a mechanism to virtualize the view of the
1307 "/proc/$PID/cgroup" file and cgroup mounts.  The CLONE_NEWCGROUP clone
1308 flag can be used with clone(2) and unshare(2) to create a new cgroup
1309 namespace.  The process running inside the cgroup namespace will have
1310 its "/proc/$PID/cgroup" output restricted to cgroupns root.  The
1311 cgroupns root is the cgroup of the process at the time of creation of
1312 the cgroup namespace.
1314 Without cgroup namespace, the "/proc/$PID/cgroup" file shows the
1315 complete path of the cgroup of a process.  In a container setup where
1316 a set of cgroups and namespaces are intended to isolate processes the
1317 "/proc/$PID/cgroup" file may leak potential system level information
1318 to the isolated processes.  For Example::
1320   # cat /proc/self/cgroup
1321   0::/batchjobs/container_id1
1323 The path '/batchjobs/container_id1' can be considered as system-data
1324 and undesirable to expose to the isolated processes.  cgroup namespace
1325 can be used to restrict visibility of this path.  For example, before
1326 creating a cgroup namespace, one would see::
1328   # ls -l /proc/self/ns/cgroup
1329   lrwxrwxrwx 1 root root 0 2014-07-15 10:37 /proc/self/ns/cgroup -> cgroup:[4026531835]
1330   # cat /proc/self/cgroup
1331   0::/batchjobs/container_id1
1333 After unsharing a new namespace, the view changes::
1335   # ls -l /proc/self/ns/cgroup
1336   lrwxrwxrwx 1 root root 0 2014-07-15 10:35 /proc/self/ns/cgroup -> cgroup:[4026532183]
1337   # cat /proc/self/cgroup
1338   0::/
1340 When some thread from a multi-threaded process unshares its cgroup
1341 namespace, the new cgroupns gets applied to the entire process (all
1342 the threads).  This is natural for the v2 hierarchy; however, for the
1343 legacy hierarchies, this may be unexpected.
1345 A cgroup namespace is alive as long as there are processes inside or
1346 mounts pinning it.  When the last usage goes away, the cgroup
1347 namespace is destroyed.  The cgroupns root and the actual cgroups
1348 remain.
1351 The Root and Views
1352 ------------------
1354 The 'cgroupns root' for a cgroup namespace is the cgroup in which the
1355 process calling unshare(2) is running.  For example, if a process in
1356 /batchjobs/container_id1 cgroup calls unshare, cgroup
1357 /batchjobs/container_id1 becomes the cgroupns root.  For the
1358 init_cgroup_ns, this is the real root ('/') cgroup.
1360 The cgroupns root cgroup does not change even if the namespace creator
1361 process later moves to a different cgroup::
1363   # ~/unshare -c # unshare cgroupns in some cgroup
1364   # cat /proc/self/cgroup
1365   0::/
1366   # mkdir sub_cgrp_1
1367   # echo 0 > sub_cgrp_1/cgroup.procs
1368   # cat /proc/self/cgroup
1369   0::/sub_cgrp_1
1371 Each process gets its namespace-specific view of "/proc/$PID/cgroup"
1373 Processes running inside the cgroup namespace will be able to see
1374 cgroup paths (in /proc/self/cgroup) only inside their root cgroup.
1375 From within an unshared cgroupns::
1377   # sleep 100000 &
1378   [1] 7353
1379   # echo 7353 > sub_cgrp_1/cgroup.procs
1380   # cat /proc/7353/cgroup
1381   0::/sub_cgrp_1
1383 From the initial cgroup namespace, the real cgroup path will be
1384 visible::
1386   $ cat /proc/7353/cgroup
1387   0::/batchjobs/container_id1/sub_cgrp_1
1389 From a sibling cgroup namespace (that is, a namespace rooted at a
1390 different cgroup), the cgroup path relative to its own cgroup
1391 namespace root will be shown.  For instance, if PID 7353's cgroup
1392 namespace root is at '/batchjobs/container_id2', then it will see::
1394   # cat /proc/7353/cgroup
1395   0::/../container_id2/sub_cgrp_1
1397 Note that the relative path always starts with '/' to indicate that
1398 its relative to the cgroup namespace root of the caller.
1401 Migration and setns(2)
1402 ----------------------
1404 Processes inside a cgroup namespace can move into and out of the
1405 namespace root if they have proper access to external cgroups.  For
1406 example, from inside a namespace with cgroupns root at
1407 /batchjobs/container_id1, and assuming that the global hierarchy is
1408 still accessible inside cgroupns::
1410   # cat /proc/7353/cgroup
1411   0::/sub_cgrp_1
1412   # echo 7353 > batchjobs/container_id2/cgroup.procs
1413   # cat /proc/7353/cgroup
1414   0::/../container_id2
1416 Note that this kind of setup is not encouraged.  A task inside cgroup
1417 namespace should only be exposed to its own cgroupns hierarchy.
1419 setns(2) to another cgroup namespace is allowed when:
1421 (a) the process has CAP_SYS_ADMIN against its current user namespace
1422 (b) the process has CAP_SYS_ADMIN against the target cgroup
1423     namespace's userns
1425 No implicit cgroup changes happen with attaching to another cgroup
1426 namespace.  It is expected that the someone moves the attaching
1427 process under the target cgroup namespace root.
1430 Interaction with Other Namespaces
1431 ---------------------------------
1433 Namespace specific cgroup hierarchy can be mounted by a process
1434 running inside a non-init cgroup namespace::
1436   # mount -t cgroup2 none $MOUNT_POINT
1438 This will mount the unified cgroup hierarchy with cgroupns root as the
1439 filesystem root.  The process needs CAP_SYS_ADMIN against its user and
1440 mount namespaces.
1442 The virtualization of /proc/self/cgroup file combined with restricting
1443 the view of cgroup hierarchy by namespace-private cgroupfs mount
1444 provides a properly isolated cgroup view inside the container.
1447 Information on Kernel Programming
1448 =================================
1450 This section contains kernel programming information in the areas
1451 where interacting with cgroup is necessary.  cgroup core and
1452 controllers are not covered.
1455 Filesystem Support for Writeback
1456 --------------------------------
1458 A filesystem can support cgroup writeback by updating
1459 address_space_operations->writepage[s]() to annotate bio's using the
1460 following two functions.
1462   wbc_init_bio(@wbc, @bio)
1463         Should be called for each bio carrying writeback data and
1464         associates the bio with the inode's owner cgroup.  Can be
1465         called anytime between bio allocation and submission.
1467   wbc_account_io(@wbc, @page, @bytes)
1468         Should be called for each data segment being written out.
1469         While this function doesn't care exactly when it's called
1470         during the writeback session, it's the easiest and most
1471         natural to call it as data segments are added to a bio.
1473 With writeback bio's annotated, cgroup support can be enabled per
1474 super_block by setting SB_I_CGROUPWB in ->s_iflags.  This allows for
1475 selective disabling of cgroup writeback support which is helpful when
1476 certain filesystem features, e.g. journaled data mode, are
1477 incompatible.
1479 wbc_init_bio() binds the specified bio to its cgroup.  Depending on
1480 the configuration, the bio may be executed at a lower priority and if
1481 the writeback session is holding shared resources, e.g. a journal
1482 entry, may lead to priority inversion.  There is no one easy solution
1483 for the problem.  Filesystems can try to work around specific problem
1484 cases by skipping wbc_init_bio() or using bio_associate_blkcg()
1485 directly.
1488 Deprecated v1 Core Features
1489 ===========================
1491 - Multiple hierarchies including named ones are not supported.
1493 - All v1 mount options are not supported.
1495 - The "tasks" file is removed and "cgroup.procs" is not sorted.
1497 - "cgroup.clone_children" is removed.
1499 - /proc/cgroups is meaningless for v2.  Use "cgroup.controllers" file
1500   at the root instead.
1503 Issues with v1 and Rationales for v2
1504 ====================================
1506 Multiple Hierarchies
1507 --------------------
1509 cgroup v1 allowed an arbitrary number of hierarchies and each
1510 hierarchy could host any number of controllers.  While this seemed to
1511 provide a high level of flexibility, it wasn't useful in practice.
1513 For example, as there is only one instance of each controller, utility
1514 type controllers such as freezer which can be useful in all
1515 hierarchies could only be used in one.  The issue is exacerbated by
1516 the fact that controllers couldn't be moved to another hierarchy once
1517 hierarchies were populated.  Another issue was that all controllers
1518 bound to a hierarchy were forced to have exactly the same view of the
1519 hierarchy.  It wasn't possible to vary the granularity depending on
1520 the specific controller.
1522 In practice, these issues heavily limited which controllers could be
1523 put on the same hierarchy and most configurations resorted to putting
1524 each controller on its own hierarchy.  Only closely related ones, such
1525 as the cpu and cpuacct controllers, made sense to be put on the same
1526 hierarchy.  This often meant that userland ended up managing multiple
1527 similar hierarchies repeating the same steps on each hierarchy
1528 whenever a hierarchy management operation was necessary.
1530 Furthermore, support for multiple hierarchies came at a steep cost.
1531 It greatly complicated cgroup core implementation but more importantly
1532 the support for multiple hierarchies restricted how cgroup could be
1533 used in general and what controllers was able to do.
1535 There was no limit on how many hierarchies there might be, which meant
1536 that a thread's cgroup membership couldn't be described in finite
1537 length.  The key might contain any number of entries and was unlimited
1538 in length, which made it highly awkward to manipulate and led to
1539 addition of controllers which existed only to identify membership,
1540 which in turn exacerbated the original problem of proliferating number
1541 of hierarchies.
1543 Also, as a controller couldn't have any expectation regarding the
1544 topologies of hierarchies other controllers might be on, each
1545 controller had to assume that all other controllers were attached to
1546 completely orthogonal hierarchies.  This made it impossible, or at
1547 least very cumbersome, for controllers to cooperate with each other.
1549 In most use cases, putting controllers on hierarchies which are
1550 completely orthogonal to each other isn't necessary.  What usually is
1551 called for is the ability to have differing levels of granularity
1552 depending on the specific controller.  In other words, hierarchy may
1553 be collapsed from leaf towards root when viewed from specific
1554 controllers.  For example, a given configuration might not care about
1555 how memory is distributed beyond a certain level while still wanting
1556 to control how CPU cycles are distributed.
1559 Thread Granularity
1560 ------------------
1562 cgroup v1 allowed threads of a process to belong to different cgroups.
1563 This didn't make sense for some controllers and those controllers
1564 ended up implementing different ways to ignore such situations but
1565 much more importantly it blurred the line between API exposed to
1566 individual applications and system management interface.
1568 Generally, in-process knowledge is available only to the process
1569 itself; thus, unlike service-level organization of processes,
1570 categorizing threads of a process requires active participation from
1571 the application which owns the target process.
1573 cgroup v1 had an ambiguously defined delegation model which got abused
1574 in combination with thread granularity.  cgroups were delegated to
1575 individual applications so that they can create and manage their own
1576 sub-hierarchies and control resource distributions along them.  This
1577 effectively raised cgroup to the status of a syscall-like API exposed
1578 to lay programs.
1580 First of all, cgroup has a fundamentally inadequate interface to be
1581 exposed this way.  For a process to access its own knobs, it has to
1582 extract the path on the target hierarchy from /proc/self/cgroup,
1583 construct the path by appending the name of the knob to the path, open
1584 and then read and/or write to it.  This is not only extremely clunky
1585 and unusual but also inherently racy.  There is no conventional way to
1586 define transaction across the required steps and nothing can guarantee
1587 that the process would actually be operating on its own sub-hierarchy.
1589 cgroup controllers implemented a number of knobs which would never be
1590 accepted as public APIs because they were just adding control knobs to
1591 system-management pseudo filesystem.  cgroup ended up with interface
1592 knobs which were not properly abstracted or refined and directly
1593 revealed kernel internal details.  These knobs got exposed to
1594 individual applications through the ill-defined delegation mechanism
1595 effectively abusing cgroup as a shortcut to implementing public APIs
1596 without going through the required scrutiny.
1598 This was painful for both userland and kernel.  Userland ended up with
1599 misbehaving and poorly abstracted interfaces and kernel exposing and
1600 locked into constructs inadvertently.
1603 Competition Between Inner Nodes and Threads
1604 -------------------------------------------
1606 cgroup v1 allowed threads to be in any cgroups which created an
1607 interesting problem where threads belonging to a parent cgroup and its
1608 children cgroups competed for resources.  This was nasty as two
1609 different types of entities competed and there was no obvious way to
1610 settle it.  Different controllers did different things.
1612 The cpu controller considered threads and cgroups as equivalents and
1613 mapped nice levels to cgroup weights.  This worked for some cases but
1614 fell flat when children wanted to be allocated specific ratios of CPU
1615 cycles and the number of internal threads fluctuated - the ratios
1616 constantly changed as the number of competing entities fluctuated.
1617 There also were other issues.  The mapping from nice level to weight
1618 wasn't obvious or universal, and there were various other knobs which
1619 simply weren't available for threads.
1621 The io controller implicitly created a hidden leaf node for each
1622 cgroup to host the threads.  The hidden leaf had its own copies of all
1623 the knobs with ``leaf_`` prefixed.  While this allowed equivalent
1624 control over internal threads, it was with serious drawbacks.  It
1625 always added an extra layer of nesting which wouldn't be necessary
1626 otherwise, made the interface messy and significantly complicated the
1627 implementation.
1629 The memory controller didn't have a way to control what happened
1630 between internal tasks and child cgroups and the behavior was not
1631 clearly defined.  There were attempts to add ad-hoc behaviors and
1632 knobs to tailor the behavior to specific workloads which would have
1633 led to problems extremely difficult to resolve in the long term.
1635 Multiple controllers struggled with internal tasks and came up with
1636 different ways to deal with it; unfortunately, all the approaches were
1637 severely flawed and, furthermore, the widely different behaviors
1638 made cgroup as a whole highly inconsistent.
1640 This clearly is a problem which needs to be addressed from cgroup core
1641 in a uniform way.
1644 Other Interface Issues
1645 ----------------------
1647 cgroup v1 grew without oversight and developed a large number of
1648 idiosyncrasies and inconsistencies.  One issue on the cgroup core side
1649 was how an empty cgroup was notified - a userland helper binary was
1650 forked and executed for each event.  The event delivery wasn't
1651 recursive or delegatable.  The limitations of the mechanism also led
1652 to in-kernel event delivery filtering mechanism further complicating
1653 the interface.
1655 Controller interfaces were problematic too.  An extreme example is
1656 controllers completely ignoring hierarchical organization and treating
1657 all cgroups as if they were all located directly under the root
1658 cgroup.  Some controllers exposed a large amount of inconsistent
1659 implementation details to userland.
1661 There also was no consistency across controllers.  When a new cgroup
1662 was created, some controllers defaulted to not imposing extra
1663 restrictions while others disallowed any resource usage until
1664 explicitly configured.  Configuration knobs for the same type of
1665 control used widely differing naming schemes and formats.  Statistics
1666 and information knobs were named arbitrarily and used different
1667 formats and units even in the same controller.
1669 cgroup v2 establishes common conventions where appropriate and updates
1670 controllers so that they expose minimal and consistent interfaces.
1673 Controller Issues and Remedies
1674 ------------------------------
1676 Memory
1677 ~~~~~~
1679 The original lower boundary, the soft limit, is defined as a limit
1680 that is per default unset.  As a result, the set of cgroups that
1681 global reclaim prefers is opt-in, rather than opt-out.  The costs for
1682 optimizing these mostly negative lookups are so high that the
1683 implementation, despite its enormous size, does not even provide the
1684 basic desirable behavior.  First off, the soft limit has no
1685 hierarchical meaning.  All configured groups are organized in a global
1686 rbtree and treated like equal peers, regardless where they are located
1687 in the hierarchy.  This makes subtree delegation impossible.  Second,
1688 the soft limit reclaim pass is so aggressive that it not just
1689 introduces high allocation latencies into the system, but also impacts
1690 system performance due to overreclaim, to the point where the feature
1691 becomes self-defeating.
1693 The memory.low boundary on the other hand is a top-down allocated
1694 reserve.  A cgroup enjoys reclaim protection when it and all its
1695 ancestors are below their low boundaries, which makes delegation of
1696 subtrees possible.  Secondly, new cgroups have no reserve per default
1697 and in the common case most cgroups are eligible for the preferred
1698 reclaim pass.  This allows the new low boundary to be efficiently
1699 implemented with just a minor addition to the generic reclaim code,
1700 without the need for out-of-band data structures and reclaim passes.
1701 Because the generic reclaim code considers all cgroups except for the
1702 ones running low in the preferred first reclaim pass, overreclaim of
1703 individual groups is eliminated as well, resulting in much better
1704 overall workload performance.
1706 The original high boundary, the hard limit, is defined as a strict
1707 limit that can not budge, even if the OOM killer has to be called.
1708 But this generally goes against the goal of making the most out of the
1709 available memory.  The memory consumption of workloads varies during
1710 runtime, and that requires users to overcommit.  But doing that with a
1711 strict upper limit requires either a fairly accurate prediction of the
1712 working set size or adding slack to the limit.  Since working set size
1713 estimation is hard and error prone, and getting it wrong results in
1714 OOM kills, most users tend to err on the side of a looser limit and
1715 end up wasting precious resources.
1717 The memory.high boundary on the other hand can be set much more
1718 conservatively.  When hit, it throttles allocations by forcing them
1719 into direct reclaim to work off the excess, but it never invokes the
1720 OOM killer.  As a result, a high boundary that is chosen too
1721 aggressively will not terminate the processes, but instead it will
1722 lead to gradual performance degradation.  The user can monitor this
1723 and make corrections until the minimal memory footprint that still
1724 gives acceptable performance is found.
1726 In extreme cases, with many concurrent allocations and a complete
1727 breakdown of reclaim progress within the group, the high boundary can
1728 be exceeded.  But even then it's mostly better to satisfy the
1729 allocation from the slack available in other groups or the rest of the
1730 system than killing the group.  Otherwise, memory.max is there to
1731 limit this type of spillover and ultimately contain buggy or even
1732 malicious applications.
1734 Setting the original memory.limit_in_bytes below the current usage was
1735 subject to a race condition, where concurrent charges could cause the
1736 limit setting to fail. memory.max on the other hand will first set the
1737 limit to prevent new charges, and then reclaim and OOM kill until the
1738 new limit is met - or the task writing to memory.max is killed.
1740 The combined memory+swap accounting and limiting is replaced by real
1741 control over swap space.
1743 The main argument for a combined memory+swap facility in the original
1744 cgroup design was that global or parental pressure would always be
1745 able to swap all anonymous memory of a child group, regardless of the
1746 child's own (possibly untrusted) configuration.  However, untrusted
1747 groups can sabotage swapping by other means - such as referencing its
1748 anonymous memory in a tight loop - and an admin can not assume full
1749 swappability when overcommitting untrusted jobs.
1751 For trusted jobs, on the other hand, a combined counter is not an
1752 intuitive userspace interface, and it flies in the face of the idea
1753 that cgroup controllers should account and limit specific physical
1754 resources.  Swap space is a resource like all others in the system,
1755 and that's why unified hierarchy allows distributing it separately.