powerpc/64: Implement and use soft_enabled_set_return API
[linux/fpc-iii.git] / Documentation / cgroup-v2.txt
blob779211fbb69ffac450f22b0ad6864c7c6c2bd98f
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 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      5-4. PID
55        5-4-1. PID Interface Files
56      5-5. RDMA
57        5-5-1. RDMA Interface Files
58      5-6. Misc
59        5-6-1. perf_event
60    6. Namespace
61      6-1. Basics
62      6-2. The Root and Views
63      6-3. Migration and setns(2)
64      6-4. Interaction with Other Namespaces
65    P. Information on Kernel Programming
66      P-1. Filesystem Support for Writeback
67    D. Deprecated v1 Core Features
68    R. Issues with v1 and Rationales for v2
69      R-1. Multiple Hierarchies
70      R-2. Thread Granularity
71      R-3. Competition Between Inner Nodes and Threads
72      R-4. Other Interface Issues
73      R-5. Controller Issues and Remedies
74        R-5-1. Memory
77 Introduction
78 ============
80 Terminology
81 -----------
83 "cgroup" stands for "control group" and is never capitalized.  The
84 singular form is used to designate the whole feature and also as a
85 qualifier as in "cgroup controllers".  When explicitly referring to
86 multiple individual control groups, the plural form "cgroups" is used.
89 What is cgroup?
90 ---------------
92 cgroup is a mechanism to organize processes hierarchically and
93 distribute system resources along the hierarchy in a controlled and
94 configurable manner.
96 cgroup is largely composed of two parts - the core and controllers.
97 cgroup core is primarily responsible for hierarchically organizing
98 processes.  A cgroup controller is usually responsible for
99 distributing a specific type of system resource along the hierarchy
100 although there are utility controllers which serve purposes other than
101 resource distribution.
103 cgroups form a tree structure and every process in the system belongs
104 to one and only one cgroup.  All threads of a process belong to the
105 same cgroup.  On creation, all processes are put in the cgroup that
106 the parent process belongs to at the time.  A process can be migrated
107 to another cgroup.  Migration of a process doesn't affect already
108 existing descendant processes.
110 Following certain structural constraints, controllers may be enabled or
111 disabled selectively on a cgroup.  All controller behaviors are
112 hierarchical - if a controller is enabled on a cgroup, it affects all
113 processes which belong to the cgroups consisting the inclusive
114 sub-hierarchy of the cgroup.  When a controller is enabled on a nested
115 cgroup, it always restricts the resource distribution further.  The
116 restrictions set closer to the root in the hierarchy can not be
117 overridden from further away.
120 Basic Operations
121 ================
123 Mounting
124 --------
126 Unlike v1, cgroup v2 has only single hierarchy.  The cgroup v2
127 hierarchy can be mounted with the following mount command::
129   # mount -t cgroup2 none $MOUNT_POINT
131 cgroup2 filesystem has the magic number 0x63677270 ("cgrp").  All
132 controllers which support v2 and are not bound to a v1 hierarchy are
133 automatically bound to the v2 hierarchy and show up at the root.
134 Controllers which are not in active use in the v2 hierarchy can be
135 bound to other hierarchies.  This allows mixing v2 hierarchy with the
136 legacy v1 multiple hierarchies in a fully backward compatible way.
138 A controller can be moved across hierarchies only after the controller
139 is no longer referenced in its current hierarchy.  Because per-cgroup
140 controller states are destroyed asynchronously and controllers may
141 have lingering references, a controller may not show up immediately on
142 the v2 hierarchy after the final umount of the previous hierarchy.
143 Similarly, a controller should be fully disabled to be moved out of
144 the unified hierarchy and it may take some time for the disabled
145 controller to become available for other hierarchies; furthermore, due
146 to inter-controller dependencies, other controllers may need to be
147 disabled too.
149 While useful for development and manual configurations, moving
150 controllers dynamically between the v2 and other hierarchies is
151 strongly discouraged for production use.  It is recommended to decide
152 the hierarchies and controller associations before starting using the
153 controllers after system boot.
155 During transition to v2, system management software might still
156 automount the v1 cgroup filesystem and so hijack all controllers
157 during boot, before manual intervention is possible. To make testing
158 and experimenting easier, the kernel parameter cgroup_no_v1= allows
159 disabling controllers in v1 and make them always available in v2.
161 cgroup v2 currently supports the following mount options.
163   nsdelegate
165         Consider cgroup namespaces as delegation boundaries.  This
166         option is system wide and can only be set on mount or modified
167         through remount from the init namespace.  The mount option is
168         ignored on non-init namespace mounts.  Please refer to the
169         Delegation section for details.
172 Organizing Processes and Threads
173 --------------------------------
175 Processes
176 ~~~~~~~~~
178 Initially, only the root cgroup exists to which all processes belong.
179 A child cgroup can be created by creating a sub-directory::
181   # mkdir $CGROUP_NAME
183 A given cgroup may have multiple child cgroups forming a tree
184 structure.  Each cgroup has a read-writable interface file
185 "cgroup.procs".  When read, it lists the PIDs of all processes which
186 belong to the cgroup one-per-line.  The PIDs are not ordered and the
187 same PID may show up more than once if the process got moved to
188 another cgroup and then back or the PID got recycled while reading.
190 A process can be migrated into a cgroup by writing its PID to the
191 target cgroup's "cgroup.procs" file.  Only one process can be migrated
192 on a single write(2) call.  If a process is composed of multiple
193 threads, writing the PID of any thread migrates all threads of the
194 process.
196 When a process forks a child process, the new process is born into the
197 cgroup that the forking process belongs to at the time of the
198 operation.  After exit, a process stays associated with the cgroup
199 that it belonged to at the time of exit until it's reaped; however, a
200 zombie process does not appear in "cgroup.procs" and thus can't be
201 moved to another cgroup.
203 A cgroup which doesn't have any children or live processes can be
204 destroyed by removing the directory.  Note that a cgroup which doesn't
205 have any children and is associated only with zombie processes is
206 considered empty and can be removed::
208   # rmdir $CGROUP_NAME
210 "/proc/$PID/cgroup" lists a process's cgroup membership.  If legacy
211 cgroup is in use in the system, this file may contain multiple lines,
212 one for each hierarchy.  The entry for cgroup v2 is always in the
213 format "0::$PATH"::
215   # cat /proc/842/cgroup
216   ...
217   0::/test-cgroup/test-cgroup-nested
219 If the process becomes a zombie and the cgroup it was associated with
220 is removed subsequently, " (deleted)" is appended to the path::
222   # cat /proc/842/cgroup
223   ...
224   0::/test-cgroup/test-cgroup-nested (deleted)
227 Threads
228 ~~~~~~~
230 cgroup v2 supports thread granularity for a subset of controllers to
231 support use cases requiring hierarchical resource distribution across
232 the threads of a group of processes.  By default, all threads of a
233 process belong to the same cgroup, which also serves as the resource
234 domain to host resource consumptions which are not specific to a
235 process or thread.  The thread mode allows threads to be spread across
236 a subtree while still maintaining the common resource domain for them.
238 Controllers which support thread mode are called threaded controllers.
239 The ones which don't are called domain controllers.
241 Marking a cgroup threaded makes it join the resource domain of its
242 parent as a threaded cgroup.  The parent may be another threaded
243 cgroup whose resource domain is further up in the hierarchy.  The root
244 of a threaded subtree, that is, the nearest ancestor which is not
245 threaded, is called threaded domain or thread root interchangeably and
246 serves as the resource domain for the entire subtree.
248 Inside a threaded subtree, threads of a process can be put in
249 different cgroups and are not subject to the no internal process
250 constraint - threaded controllers can be enabled on non-leaf cgroups
251 whether they have threads in them or not.
253 As the threaded domain cgroup hosts all the domain resource
254 consumptions of the subtree, it is considered to have internal
255 resource consumptions whether there are processes in it or not and
256 can't have populated child cgroups which aren't threaded.  Because the
257 root cgroup is not subject to no internal process constraint, it can
258 serve both as a threaded domain and a parent to domain cgroups.
260 The current operation mode or type of the cgroup is shown in the
261 "cgroup.type" file which indicates whether the cgroup is a normal
262 domain, a domain which is serving as the domain of a threaded subtree,
263 or a threaded cgroup.
265 On creation, a cgroup is always a domain cgroup and can be made
266 threaded by writing "threaded" to the "cgroup.type" file.  The
267 operation is single direction::
269   # echo threaded > cgroup.type
271 Once threaded, the cgroup can't be made a domain again.  To enable the
272 thread mode, the following conditions must be met.
274 - As the cgroup will join the parent's resource domain.  The parent
275   must either be a valid (threaded) domain or a threaded cgroup.
277 - When the parent is an unthreaded domain, it must not have any domain
278   controllers enabled or populated domain children.  The root is
279   exempt from this requirement.
281 Topology-wise, a cgroup can be in an invalid state.  Please consider
282 the following toplogy::
284   A (threaded domain) - B (threaded) - C (domain, just created)
286 C is created as a domain but isn't connected to a parent which can
287 host child domains.  C can't be used until it is turned into a
288 threaded cgroup.  "cgroup.type" file will report "domain (invalid)" in
289 these cases.  Operations which fail due to invalid topology use
290 EOPNOTSUPP as the errno.
292 A domain cgroup is turned into a threaded domain when one of its child
293 cgroup becomes threaded or threaded controllers are enabled in the
294 "cgroup.subtree_control" file while there are processes in the cgroup.
295 A threaded domain reverts to a normal domain when the conditions
296 clear.
298 When read, "cgroup.threads" contains the list of the thread IDs of all
299 threads in the cgroup.  Except that the operations are per-thread
300 instead of per-process, "cgroup.threads" has the same format and
301 behaves the same way as "cgroup.procs".  While "cgroup.threads" can be
302 written to in any cgroup, as it can only move threads inside the same
303 threaded domain, its operations are confined inside each threaded
304 subtree.
306 The threaded domain cgroup serves as the resource domain for the whole
307 subtree, and, while the threads can be scattered across the subtree,
308 all the processes are considered to be in the threaded domain cgroup.
309 "cgroup.procs" in a threaded domain cgroup contains the PIDs of all
310 processes in the subtree and is not readable in the subtree proper.
311 However, "cgroup.procs" can be written to from anywhere in the subtree
312 to migrate all threads of the matching process to the cgroup.
314 Only threaded controllers can be enabled in a threaded subtree.  When
315 a threaded controller is enabled inside a threaded subtree, it only
316 accounts for and controls resource consumptions associated with the
317 threads in the cgroup and its descendants.  All consumptions which
318 aren't tied to a specific thread belong to the threaded domain cgroup.
320 Because a threaded subtree is exempt from no internal process
321 constraint, a threaded controller must be able to handle competition
322 between threads in a non-leaf cgroup and its child cgroups.  Each
323 threaded controller defines how such competitions are handled.
326 [Un]populated Notification
327 --------------------------
329 Each non-root cgroup has a "cgroup.events" file which contains
330 "populated" field indicating whether the cgroup's sub-hierarchy has
331 live processes in it.  Its value is 0 if there is no live process in
332 the cgroup and its descendants; otherwise, 1.  poll and [id]notify
333 events are triggered when the value changes.  This can be used, for
334 example, to start a clean-up operation after all processes of a given
335 sub-hierarchy have exited.  The populated state updates and
336 notifications are recursive.  Consider the following sub-hierarchy
337 where the numbers in the parentheses represent the numbers of processes
338 in each cgroup::
340   A(4) - B(0) - C(1)
341               \ D(0)
343 A, B and C's "populated" fields would be 1 while D's 0.  After the one
344 process in C exits, B and C's "populated" fields would flip to "0" and
345 file modified events will be generated on the "cgroup.events" files of
346 both cgroups.
349 Controlling Controllers
350 -----------------------
352 Enabling and Disabling
353 ~~~~~~~~~~~~~~~~~~~~~~
355 Each cgroup has a "cgroup.controllers" file which lists all
356 controllers available for the cgroup to enable::
358   # cat cgroup.controllers
359   cpu io memory
361 No controller is enabled by default.  Controllers can be enabled and
362 disabled by writing to the "cgroup.subtree_control" file::
364   # echo "+cpu +memory -io" > cgroup.subtree_control
366 Only controllers which are listed in "cgroup.controllers" can be
367 enabled.  When multiple operations are specified as above, either they
368 all succeed or fail.  If multiple operations on the same controller
369 are specified, the last one is effective.
371 Enabling a controller in a cgroup indicates that the distribution of
372 the target resource across its immediate children will be controlled.
373 Consider the following sub-hierarchy.  The enabled controllers are
374 listed in parentheses::
376   A(cpu,memory) - B(memory) - C()
377                             \ D()
379 As A has "cpu" and "memory" enabled, A will control the distribution
380 of CPU cycles and memory to its children, in this case, B.  As B has
381 "memory" enabled but not "CPU", C and D will compete freely on CPU
382 cycles but their division of memory available to B will be controlled.
384 As a controller regulates the distribution of the target resource to
385 the cgroup's children, enabling it creates the controller's interface
386 files in the child cgroups.  In the above example, enabling "cpu" on B
387 would create the "cpu." prefixed controller interface files in C and
388 D.  Likewise, disabling "memory" from B would remove the "memory."
389 prefixed controller interface files from C and D.  This means that the
390 controller interface files - anything which doesn't start with
391 "cgroup." are owned by the parent rather than the cgroup itself.
394 Top-down Constraint
395 ~~~~~~~~~~~~~~~~~~~
397 Resources are distributed top-down and a cgroup can further distribute
398 a resource only if the resource has been distributed to it from the
399 parent.  This means that all non-root "cgroup.subtree_control" files
400 can only contain controllers which are enabled in the parent's
401 "cgroup.subtree_control" file.  A controller can be enabled only if
402 the parent has the controller enabled and a controller can't be
403 disabled if one or more children have it enabled.
406 No Internal Process Constraint
407 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
409 Non-root cgroups can distribute domain resources to their children
410 only when they don't have any processes of their own.  In other words,
411 only domain cgroups which don't contain any processes can have domain
412 controllers enabled in their "cgroup.subtree_control" files.
414 This guarantees that, when a domain controller is looking at the part
415 of the hierarchy which has it enabled, processes are always only on
416 the leaves.  This rules out situations where child cgroups compete
417 against internal processes of the parent.
419 The root cgroup is exempt from this restriction.  Root contains
420 processes and anonymous resource consumption which can't be associated
421 with any other cgroups and requires special treatment from most
422 controllers.  How resource consumption in the root cgroup is governed
423 is up to each controller.
425 Note that the restriction doesn't get in the way if there is no
426 enabled controller in the cgroup's "cgroup.subtree_control".  This is
427 important as otherwise it wouldn't be possible to create children of a
428 populated cgroup.  To control resource distribution of a cgroup, the
429 cgroup must create children and transfer all its processes to the
430 children before enabling controllers in its "cgroup.subtree_control"
431 file.
434 Delegation
435 ----------
437 Model of Delegation
438 ~~~~~~~~~~~~~~~~~~~
440 A cgroup can be delegated in two ways.  First, to a less privileged
441 user by granting write access of the directory and its "cgroup.procs",
442 "cgroup.threads" and "cgroup.subtree_control" files to the user.
443 Second, if the "nsdelegate" mount option is set, automatically to a
444 cgroup namespace on namespace creation.
446 Because the resource control interface files in a given directory
447 control the distribution of the parent's resources, the delegatee
448 shouldn't be allowed to write to them.  For the first method, this is
449 achieved by not granting access to these files.  For the second, the
450 kernel rejects writes to all files other than "cgroup.procs" and
451 "cgroup.subtree_control" on a namespace root from inside the
452 namespace.
454 The end results are equivalent for both delegation types.  Once
455 delegated, the user can build sub-hierarchy under the directory,
456 organize processes inside it as it sees fit and further distribute the
457 resources it received from the parent.  The limits and other settings
458 of all resource controllers are hierarchical and regardless of what
459 happens in the delegated sub-hierarchy, nothing can escape the
460 resource restrictions imposed by the parent.
462 Currently, cgroup doesn't impose any restrictions on the number of
463 cgroups in or nesting depth of a delegated sub-hierarchy; however,
464 this may be limited explicitly in the future.
467 Delegation Containment
468 ~~~~~~~~~~~~~~~~~~~~~~
470 A delegated sub-hierarchy is contained in the sense that processes
471 can't be moved into or out of the sub-hierarchy by the delegatee.
473 For delegations to a less privileged user, this is achieved by
474 requiring the following conditions for a process with a non-root euid
475 to migrate a target process into a cgroup by writing its PID to the
476 "cgroup.procs" file.
478 - The writer must have write access to the "cgroup.procs" file.
480 - The writer must have write access to the "cgroup.procs" file of the
481   common ancestor of the source and destination cgroups.
483 The above two constraints ensure that while a delegatee may migrate
484 processes around freely in the delegated sub-hierarchy it can't pull
485 in from or push out to outside the sub-hierarchy.
487 For an example, let's assume cgroups C0 and C1 have been delegated to
488 user U0 who created C00, C01 under C0 and C10 under C1 as follows and
489 all processes under C0 and C1 belong to U0::
491   ~~~~~~~~~~~~~ - C0 - C00
492   ~ cgroup    ~      \ C01
493   ~ hierarchy ~
494   ~~~~~~~~~~~~~ - C1 - C10
496 Let's also say U0 wants to write the PID of a process which is
497 currently in C10 into "C00/cgroup.procs".  U0 has write access to the
498 file; however, the common ancestor of the source cgroup C10 and the
499 destination cgroup C00 is above the points of delegation and U0 would
500 not have write access to its "cgroup.procs" files and thus the write
501 will be denied with -EACCES.
503 For delegations to namespaces, containment is achieved by requiring
504 that both the source and destination cgroups are reachable from the
505 namespace of the process which is attempting the migration.  If either
506 is not reachable, the migration is rejected with -ENOENT.
509 Guidelines
510 ----------
512 Organize Once and Control
513 ~~~~~~~~~~~~~~~~~~~~~~~~~
515 Migrating a process across cgroups is a relatively expensive operation
516 and stateful resources such as memory are not moved together with the
517 process.  This is an explicit design decision as there often exist
518 inherent trade-offs between migration and various hot paths in terms
519 of synchronization cost.
521 As such, migrating processes across cgroups frequently as a means to
522 apply different resource restrictions is discouraged.  A workload
523 should be assigned to a cgroup according to the system's logical and
524 resource structure once on start-up.  Dynamic adjustments to resource
525 distribution can be made by changing controller configuration through
526 the interface files.
529 Avoid Name Collisions
530 ~~~~~~~~~~~~~~~~~~~~~
532 Interface files for a cgroup and its children cgroups occupy the same
533 directory and it is possible to create children cgroups which collide
534 with interface files.
536 All cgroup core interface files are prefixed with "cgroup." and each
537 controller's interface files are prefixed with the controller name and
538 a dot.  A controller's name is composed of lower case alphabets and
539 '_'s but never begins with an '_' so it can be used as the prefix
540 character for collision avoidance.  Also, interface file names won't
541 start or end with terms which are often used in categorizing workloads
542 such as job, service, slice, unit or workload.
544 cgroup doesn't do anything to prevent name collisions and it's the
545 user's responsibility to avoid them.
548 Resource Distribution Models
549 ============================
551 cgroup controllers implement several resource distribution schemes
552 depending on the resource type and expected use cases.  This section
553 describes major schemes in use along with their expected behaviors.
556 Weights
557 -------
559 A parent's resource is distributed by adding up the weights of all
560 active children and giving each the fraction matching the ratio of its
561 weight against the sum.  As only children which can make use of the
562 resource at the moment participate in the distribution, this is
563 work-conserving.  Due to the dynamic nature, this model is usually
564 used for stateless resources.
566 All weights are in the range [1, 10000] with the default at 100.  This
567 allows symmetric multiplicative biases in both directions at fine
568 enough granularity while staying in the intuitive range.
570 As long as the weight is in range, all configuration combinations are
571 valid and there is no reason to reject configuration changes or
572 process migrations.
574 "cpu.weight" proportionally distributes CPU cycles to active children
575 and is an example of this type.
578 Limits
579 ------
581 A child can only consume upto the configured amount of the resource.
582 Limits can be over-committed - the sum of the limits of children can
583 exceed the amount of resource available to the parent.
585 Limits are in the range [0, max] and defaults to "max", which is noop.
587 As limits can be over-committed, all configuration combinations are
588 valid and there is no reason to reject configuration changes or
589 process migrations.
591 "io.max" limits the maximum BPS and/or IOPS that a cgroup can consume
592 on an IO device and is an example of this type.
595 Protections
596 -----------
598 A cgroup is protected to be allocated upto the configured amount of
599 the resource if the usages of all its ancestors are under their
600 protected levels.  Protections can be hard guarantees or best effort
601 soft boundaries.  Protections can also be over-committed in which case
602 only upto the amount available to the parent is protected among
603 children.
605 Protections are in the range [0, max] and defaults to 0, which is
606 noop.
608 As protections can be over-committed, all configuration combinations
609 are valid and there is no reason to reject configuration changes or
610 process migrations.
612 "memory.low" implements best-effort memory protection and is an
613 example of this type.
616 Allocations
617 -----------
619 A cgroup is exclusively allocated a certain amount of a finite
620 resource.  Allocations can't be over-committed - the sum of the
621 allocations of children can not exceed the amount of resource
622 available to the parent.
624 Allocations are in the range [0, max] and defaults to 0, which is no
625 resource.
627 As allocations can't be over-committed, some configuration
628 combinations are invalid and should be rejected.  Also, if the
629 resource is mandatory for execution of processes, process migrations
630 may be rejected.
632 "cpu.rt.max" hard-allocates realtime slices and is an example of this
633 type.
636 Interface Files
637 ===============
639 Format
640 ------
642 All interface files should be in one of the following formats whenever
643 possible::
645   New-line separated values
646   (when only one value can be written at once)
648         VAL0\n
649         VAL1\n
650         ...
652   Space separated values
653   (when read-only or multiple values can be written at once)
655         VAL0 VAL1 ...\n
657   Flat keyed
659         KEY0 VAL0\n
660         KEY1 VAL1\n
661         ...
663   Nested keyed
665         KEY0 SUB_KEY0=VAL00 SUB_KEY1=VAL01...
666         KEY1 SUB_KEY0=VAL10 SUB_KEY1=VAL11...
667         ...
669 For a writable file, the format for writing should generally match
670 reading; however, controllers may allow omitting later fields or
671 implement restricted shortcuts for most common use cases.
673 For both flat and nested keyed files, only the values for a single key
674 can be written at a time.  For nested keyed files, the sub key pairs
675 may be specified in any order and not all pairs have to be specified.
678 Conventions
679 -----------
681 - Settings for a single feature should be contained in a single file.
683 - The root cgroup should be exempt from resource control and thus
684   shouldn't have resource control interface files.  Also,
685   informational files on the root cgroup which end up showing global
686   information available elsewhere shouldn't exist.
688 - If a controller implements weight based resource distribution, its
689   interface file should be named "weight" and have the range [1,
690   10000] with 100 as the default.  The values are chosen to allow
691   enough and symmetric bias in both directions while keeping it
692   intuitive (the default is 100%).
694 - If a controller implements an absolute resource guarantee and/or
695   limit, the interface files should be named "min" and "max"
696   respectively.  If a controller implements best effort resource
697   guarantee and/or limit, the interface files should be named "low"
698   and "high" respectively.
700   In the above four control files, the special token "max" should be
701   used to represent upward infinity for both reading and writing.
703 - If a setting has a configurable default value and keyed specific
704   overrides, the default entry should be keyed with "default" and
705   appear as the first entry in the file.
707   The default value can be updated by writing either "default $VAL" or
708   "$VAL".
710   When writing to update a specific override, "default" can be used as
711   the value to indicate removal of the override.  Override entries
712   with "default" as the value must not appear when read.
714   For example, a setting which is keyed by major:minor device numbers
715   with integer values may look like the following::
717     # cat cgroup-example-interface-file
718     default 150
719     8:0 300
721   The default value can be updated by::
723     # echo 125 > cgroup-example-interface-file
725   or::
727     # echo "default 125" > cgroup-example-interface-file
729   An override can be set by::
731     # echo "8:16 170" > cgroup-example-interface-file
733   and cleared by::
735     # echo "8:0 default" > cgroup-example-interface-file
736     # cat cgroup-example-interface-file
737     default 125
738     8:16 170
740 - For events which are not very high frequency, an interface file
741   "events" should be created which lists event key value pairs.
742   Whenever a notifiable event happens, file modified event should be
743   generated on the file.
746 Core Interface Files
747 --------------------
749 All cgroup core files are prefixed with "cgroup."
751   cgroup.type
753         A read-write single value file which exists on non-root
754         cgroups.
756         When read, it indicates the current type of the cgroup, which
757         can be one of the following values.
759         - "domain" : A normal valid domain cgroup.
761         - "domain threaded" : A threaded domain cgroup which is
762           serving as the root of a threaded subtree.
764         - "domain invalid" : A cgroup which is in an invalid state.
765           It can't be populated or have controllers enabled.  It may
766           be allowed to become a threaded cgroup.
768         - "threaded" : A threaded cgroup which is a member of a
769           threaded subtree.
771         A cgroup can be turned into a threaded cgroup by writing
772         "threaded" to this file.
774   cgroup.procs
775         A read-write new-line separated values file which exists on
776         all cgroups.
778         When read, it lists the PIDs of all processes which belong to
779         the cgroup one-per-line.  The PIDs are not ordered and the
780         same PID may show up more than once if the process got moved
781         to another cgroup and then back or the PID got recycled while
782         reading.
784         A PID can be written to migrate the process associated with
785         the PID to the cgroup.  The writer should match all of the
786         following conditions.
788         - It must have write access to the "cgroup.procs" file.
790         - It must have write access to the "cgroup.procs" file of the
791           common ancestor of the source and destination cgroups.
793         When delegating a sub-hierarchy, write access to this file
794         should be granted along with the containing directory.
796         In a threaded cgroup, reading this file fails with EOPNOTSUPP
797         as all the processes belong to the thread root.  Writing is
798         supported and moves every thread of the process to the cgroup.
800   cgroup.threads
801         A read-write new-line separated values file which exists on
802         all cgroups.
804         When read, it lists the TIDs of all threads which belong to
805         the cgroup one-per-line.  The TIDs are not ordered and the
806         same TID may show up more than once if the thread got moved to
807         another cgroup and then back or the TID got recycled while
808         reading.
810         A TID can be written to migrate the thread associated with the
811         TID to the cgroup.  The writer should match all of the
812         following conditions.
814         - It must have write access to the "cgroup.threads" file.
816         - The cgroup that the thread is currently in must be in the
817           same resource domain as the destination cgroup.
819         - It must have write access to the "cgroup.procs" file of the
820           common ancestor of the source and destination cgroups.
822         When delegating a sub-hierarchy, write access to this file
823         should be granted along with the containing directory.
825   cgroup.controllers
826         A read-only space separated values file which exists on all
827         cgroups.
829         It shows space separated list of all controllers available to
830         the cgroup.  The controllers are not ordered.
832   cgroup.subtree_control
833         A read-write space separated values file which exists on all
834         cgroups.  Starts out empty.
836         When read, it shows space separated list of the controllers
837         which are enabled to control resource distribution from the
838         cgroup to its children.
840         Space separated list of controllers prefixed with '+' or '-'
841         can be written to enable or disable controllers.  A controller
842         name prefixed with '+' enables the controller and '-'
843         disables.  If a controller appears more than once on the list,
844         the last one is effective.  When multiple enable and disable
845         operations are specified, either all succeed or all fail.
847   cgroup.events
848         A read-only flat-keyed file which exists on non-root cgroups.
849         The following entries are defined.  Unless specified
850         otherwise, a value change in this file generates a file
851         modified event.
853           populated
854                 1 if the cgroup or its descendants contains any live
855                 processes; otherwise, 0.
857   cgroup.max.descendants
858         A read-write single value files.  The default is "max".
860         Maximum allowed number of descent cgroups.
861         If the actual number of descendants is equal or larger,
862         an attempt to create a new cgroup in the hierarchy will fail.
864   cgroup.max.depth
865         A read-write single value files.  The default is "max".
867         Maximum allowed descent depth below the current cgroup.
868         If the actual descent depth is equal or larger,
869         an attempt to create a new child cgroup will fail.
871   cgroup.stat
872         A read-only flat-keyed file with the following entries:
874           nr_descendants
875                 Total number of visible descendant cgroups.
877           nr_dying_descendants
878                 Total number of dying descendant cgroups. A cgroup becomes
879                 dying after being deleted by a user. The cgroup will remain
880                 in dying state for some time undefined time (which can depend
881                 on system load) before being completely destroyed.
883                 A process can't enter a dying cgroup under any circumstances,
884                 a dying cgroup can't revive.
886                 A dying cgroup can consume system resources not exceeding
887                 limits, which were active at the moment of cgroup deletion.
890 Controllers
891 ===========
896 The "cpu" controllers regulates distribution of CPU cycles.  This
897 controller implements weight and absolute bandwidth limit models for
898 normal scheduling policy and absolute bandwidth allocation model for
899 realtime scheduling policy.
902 CPU Interface Files
903 ~~~~~~~~~~~~~~~~~~~
905 All time durations are in microseconds.
907   cpu.stat
908         A read-only flat-keyed file which exists on non-root cgroups.
909         This file exists whether the controller is enabled or not.
911         It always reports the following three stats:
913         - usage_usec
914         - user_usec
915         - system_usec
917         and the following three when the controller is enabled:
919         - nr_periods
920         - nr_throttled
921         - throttled_usec
923   cpu.weight
924         A read-write single value file which exists on non-root
925         cgroups.  The default is "100".
927         The weight in the range [1, 10000].
929   cpu.weight.nice
930         A read-write single value file which exists on non-root
931         cgroups.  The default is "0".
933         The nice value is in the range [-20, 19].
935         This interface file is an alternative interface for
936         "cpu.weight" and allows reading and setting weight using the
937         same values used by nice(2).  Because the range is smaller and
938         granularity is coarser for the nice values, the read value is
939         the closest approximation of the current weight.
941   cpu.max
942         A read-write two value file which exists on non-root cgroups.
943         The default is "max 100000".
945         The maximum bandwidth limit.  It's in the following format::
947           $MAX $PERIOD
949         which indicates that the group may consume upto $MAX in each
950         $PERIOD duration.  "max" for $MAX indicates no limit.  If only
951         one number is written, $MAX is updated.
954 Memory
955 ------
957 The "memory" controller regulates distribution of memory.  Memory is
958 stateful and implements both limit and protection models.  Due to the
959 intertwining between memory usage and reclaim pressure and the
960 stateful nature of memory, the distribution model is relatively
961 complex.
963 While not completely water-tight, all major memory usages by a given
964 cgroup are tracked so that the total memory consumption can be
965 accounted and controlled to a reasonable extent.  Currently, the
966 following types of memory usages are tracked.
968 - Userland memory - page cache and anonymous memory.
970 - Kernel data structures such as dentries and inodes.
972 - TCP socket buffers.
974 The above list may expand in the future for better coverage.
977 Memory Interface Files
978 ~~~~~~~~~~~~~~~~~~~~~~
980 All memory amounts are in bytes.  If a value which is not aligned to
981 PAGE_SIZE is written, the value may be rounded up to the closest
982 PAGE_SIZE multiple when read back.
984   memory.current
985         A read-only single value file which exists on non-root
986         cgroups.
988         The total amount of memory currently being used by the cgroup
989         and its descendants.
991   memory.low
992         A read-write single value file which exists on non-root
993         cgroups.  The default is "0".
995         Best-effort memory protection.  If the memory usages of a
996         cgroup and all its ancestors are below their low boundaries,
997         the cgroup's memory won't be reclaimed unless memory can be
998         reclaimed from unprotected cgroups.
1000         Putting more memory than generally available under this
1001         protection is discouraged.
1003   memory.high
1004         A read-write single value file which exists on non-root
1005         cgroups.  The default is "max".
1007         Memory usage throttle limit.  This is the main mechanism to
1008         control memory usage of a cgroup.  If a cgroup's usage goes
1009         over the high boundary, the processes of the cgroup are
1010         throttled and put under heavy reclaim pressure.
1012         Going over the high limit never invokes the OOM killer and
1013         under extreme conditions the limit may be breached.
1015   memory.max
1016         A read-write single value file which exists on non-root
1017         cgroups.  The default is "max".
1019         Memory usage hard limit.  This is the final protection
1020         mechanism.  If a cgroup's memory usage reaches this limit and
1021         can't be reduced, the OOM killer is invoked in the cgroup.
1022         Under certain circumstances, the usage may go over the limit
1023         temporarily.
1025         This is the ultimate protection mechanism.  As long as the
1026         high limit is used and monitored properly, this limit's
1027         utility is limited to providing the final safety net.
1029   memory.events
1030         A read-only flat-keyed file which exists on non-root cgroups.
1031         The following entries are defined.  Unless specified
1032         otherwise, a value change in this file generates a file
1033         modified event.
1035           low
1036                 The number of times the cgroup is reclaimed due to
1037                 high memory pressure even though its usage is under
1038                 the low boundary.  This usually indicates that the low
1039                 boundary is over-committed.
1041           high
1042                 The number of times processes of the cgroup are
1043                 throttled and routed to perform direct memory reclaim
1044                 because the high memory boundary was exceeded.  For a
1045                 cgroup whose memory usage is capped by the high limit
1046                 rather than global memory pressure, this event's
1047                 occurrences are expected.
1049           max
1050                 The number of times the cgroup's memory usage was
1051                 about to go over the max boundary.  If direct reclaim
1052                 fails to bring it down, the cgroup goes to OOM state.
1054           oom
1055                 The number of time the cgroup's memory usage was
1056                 reached the limit and allocation was about to fail.
1058                 Depending on context result could be invocation of OOM
1059                 killer and retrying allocation or failing alloction.
1061                 Failed allocation in its turn could be returned into
1062                 userspace as -ENOMEM or siletly ignored in cases like
1063                 disk readahead.  For now OOM in memory cgroup kills
1064                 tasks iff shortage has happened inside page fault.
1066           oom_kill
1067                 The number of processes belonging to this cgroup
1068                 killed by any kind of OOM killer.
1070   memory.stat
1071         A read-only flat-keyed file which exists on non-root cgroups.
1073         This breaks down the cgroup's memory footprint into different
1074         types of memory, type-specific details, and other information
1075         on the state and past events of the memory management system.
1077         All memory amounts are in bytes.
1079         The entries are ordered to be human readable, and new entries
1080         can show up in the middle. Don't rely on items remaining in a
1081         fixed position; use the keys to look up specific values!
1083           anon
1084                 Amount of memory used in anonymous mappings such as
1085                 brk(), sbrk(), and mmap(MAP_ANONYMOUS)
1087           file
1088                 Amount of memory used to cache filesystem data,
1089                 including tmpfs and shared memory.
1091           kernel_stack
1092                 Amount of memory allocated to kernel stacks.
1094           slab
1095                 Amount of memory used for storing in-kernel data
1096                 structures.
1098           sock
1099                 Amount of memory used in network transmission buffers
1101           shmem
1102                 Amount of cached filesystem data that is swap-backed,
1103                 such as tmpfs, shm segments, shared anonymous mmap()s
1105           file_mapped
1106                 Amount of cached filesystem data mapped with mmap()
1108           file_dirty
1109                 Amount of cached filesystem data that was modified but
1110                 not yet written back to disk
1112           file_writeback
1113                 Amount of cached filesystem data that was modified and
1114                 is currently being written back to disk
1116           inactive_anon, active_anon, inactive_file, active_file, unevictable
1117                 Amount of memory, swap-backed and filesystem-backed,
1118                 on the internal memory management lists used by the
1119                 page reclaim algorithm
1121           slab_reclaimable
1122                 Part of "slab" that might be reclaimed, such as
1123                 dentries and inodes.
1125           slab_unreclaimable
1126                 Part of "slab" that cannot be reclaimed on memory
1127                 pressure.
1129           pgfault
1130                 Total number of page faults incurred
1132           pgmajfault
1133                 Number of major page faults incurred
1135           workingset_refault
1137                 Number of refaults of previously evicted pages
1139           workingset_activate
1141                 Number of refaulted pages that were immediately activated
1143           workingset_nodereclaim
1145                 Number of times a shadow node has been reclaimed
1147           pgrefill
1149                 Amount of scanned pages (in an active LRU list)
1151           pgscan
1153                 Amount of scanned pages (in an inactive LRU list)
1155           pgsteal
1157                 Amount of reclaimed pages
1159           pgactivate
1161                 Amount of pages moved to the active LRU list
1163           pgdeactivate
1165                 Amount of pages moved to the inactive LRU lis
1167           pglazyfree
1169                 Amount of pages postponed to be freed under memory pressure
1171           pglazyfreed
1173                 Amount of reclaimed lazyfree pages
1175   memory.swap.current
1176         A read-only single value file which exists on non-root
1177         cgroups.
1179         The total amount of swap currently being used by the cgroup
1180         and its descendants.
1182   memory.swap.max
1183         A read-write single value file which exists on non-root
1184         cgroups.  The default is "max".
1186         Swap usage hard limit.  If a cgroup's swap usage reaches this
1187         limit, anonymous meomry of the cgroup will not be swapped out.
1190 Usage Guidelines
1191 ~~~~~~~~~~~~~~~~
1193 "memory.high" is the main mechanism to control memory usage.
1194 Over-committing on high limit (sum of high limits > available memory)
1195 and letting global memory pressure to distribute memory according to
1196 usage is a viable strategy.
1198 Because breach of the high limit doesn't trigger the OOM killer but
1199 throttles the offending cgroup, a management agent has ample
1200 opportunities to monitor and take appropriate actions such as granting
1201 more memory or terminating the workload.
1203 Determining whether a cgroup has enough memory is not trivial as
1204 memory usage doesn't indicate whether the workload can benefit from
1205 more memory.  For example, a workload which writes data received from
1206 network to a file can use all available memory but can also operate as
1207 performant with a small amount of memory.  A measure of memory
1208 pressure - how much the workload is being impacted due to lack of
1209 memory - is necessary to determine whether a workload needs more
1210 memory; unfortunately, memory pressure monitoring mechanism isn't
1211 implemented yet.
1214 Memory Ownership
1215 ~~~~~~~~~~~~~~~~
1217 A memory area is charged to the cgroup which instantiated it and stays
1218 charged to the cgroup until the area is released.  Migrating a process
1219 to a different cgroup doesn't move the memory usages that it
1220 instantiated while in the previous cgroup to the new cgroup.
1222 A memory area may be used by processes belonging to different cgroups.
1223 To which cgroup the area will be charged is in-deterministic; however,
1224 over time, the memory area is likely to end up in a cgroup which has
1225 enough memory allowance to avoid high reclaim pressure.
1227 If a cgroup sweeps a considerable amount of memory which is expected
1228 to be accessed repeatedly by other cgroups, it may make sense to use
1229 POSIX_FADV_DONTNEED to relinquish the ownership of memory areas
1230 belonging to the affected files to ensure correct memory ownership.
1236 The "io" controller regulates the distribution of IO resources.  This
1237 controller implements both weight based and absolute bandwidth or IOPS
1238 limit distribution; however, weight based distribution is available
1239 only if cfq-iosched is in use and neither scheme is available for
1240 blk-mq devices.
1243 IO Interface Files
1244 ~~~~~~~~~~~~~~~~~~
1246   io.stat
1247         A read-only nested-keyed file which exists on non-root
1248         cgroups.
1250         Lines are keyed by $MAJ:$MIN device numbers and not ordered.
1251         The following nested keys are defined.
1253           ======        ===================
1254           rbytes        Bytes read
1255           wbytes        Bytes written
1256           rios          Number of read IOs
1257           wios          Number of write IOs
1258           ======        ===================
1260         An example read output follows:
1262           8:16 rbytes=1459200 wbytes=314773504 rios=192 wios=353
1263           8:0 rbytes=90430464 wbytes=299008000 rios=8950 wios=1252
1265   io.weight
1266         A read-write flat-keyed file which exists on non-root cgroups.
1267         The default is "default 100".
1269         The first line is the default weight applied to devices
1270         without specific override.  The rest are overrides keyed by
1271         $MAJ:$MIN device numbers and not ordered.  The weights are in
1272         the range [1, 10000] and specifies the relative amount IO time
1273         the cgroup can use in relation to its siblings.
1275         The default weight can be updated by writing either "default
1276         $WEIGHT" or simply "$WEIGHT".  Overrides can be set by writing
1277         "$MAJ:$MIN $WEIGHT" and unset by writing "$MAJ:$MIN default".
1279         An example read output follows::
1281           default 100
1282           8:16 200
1283           8:0 50
1285   io.max
1286         A read-write nested-keyed file which exists on non-root
1287         cgroups.
1289         BPS and IOPS based IO limit.  Lines are keyed by $MAJ:$MIN
1290         device numbers and not ordered.  The following nested keys are
1291         defined.
1293           =====         ==================================
1294           rbps          Max read bytes per second
1295           wbps          Max write bytes per second
1296           riops         Max read IO operations per second
1297           wiops         Max write IO operations per second
1298           =====         ==================================
1300         When writing, any number of nested key-value pairs can be
1301         specified in any order.  "max" can be specified as the value
1302         to remove a specific limit.  If the same key is specified
1303         multiple times, the outcome is undefined.
1305         BPS and IOPS are measured in each IO direction and IOs are
1306         delayed if limit is reached.  Temporary bursts are allowed.
1308         Setting read limit at 2M BPS and write at 120 IOPS for 8:16::
1310           echo "8:16 rbps=2097152 wiops=120" > io.max
1312         Reading returns the following::
1314           8:16 rbps=2097152 wbps=max riops=max wiops=120
1316         Write IOPS limit can be removed by writing the following::
1318           echo "8:16 wiops=max" > io.max
1320         Reading now returns the following::
1322           8:16 rbps=2097152 wbps=max riops=max wiops=max
1325 Writeback
1326 ~~~~~~~~~
1328 Page cache is dirtied through buffered writes and shared mmaps and
1329 written asynchronously to the backing filesystem by the writeback
1330 mechanism.  Writeback sits between the memory and IO domains and
1331 regulates the proportion of dirty memory by balancing dirtying and
1332 write IOs.
1334 The io controller, in conjunction with the memory controller,
1335 implements control of page cache writeback IOs.  The memory controller
1336 defines the memory domain that dirty memory ratio is calculated and
1337 maintained for and the io controller defines the io domain which
1338 writes out dirty pages for the memory domain.  Both system-wide and
1339 per-cgroup dirty memory states are examined and the more restrictive
1340 of the two is enforced.
1342 cgroup writeback requires explicit support from the underlying
1343 filesystem.  Currently, cgroup writeback is implemented on ext2, ext4
1344 and btrfs.  On other filesystems, all writeback IOs are attributed to
1345 the root cgroup.
1347 There are inherent differences in memory and writeback management
1348 which affects how cgroup ownership is tracked.  Memory is tracked per
1349 page while writeback per inode.  For the purpose of writeback, an
1350 inode is assigned to a cgroup and all IO requests to write dirty pages
1351 from the inode are attributed to that cgroup.
1353 As cgroup ownership for memory is tracked per page, there can be pages
1354 which are associated with different cgroups than the one the inode is
1355 associated with.  These are called foreign pages.  The writeback
1356 constantly keeps track of foreign pages and, if a particular foreign
1357 cgroup becomes the majority over a certain period of time, switches
1358 the ownership of the inode to that cgroup.
1360 While this model is enough for most use cases where a given inode is
1361 mostly dirtied by a single cgroup even when the main writing cgroup
1362 changes over time, use cases where multiple cgroups write to a single
1363 inode simultaneously are not supported well.  In such circumstances, a
1364 significant portion of IOs are likely to be attributed incorrectly.
1365 As memory controller assigns page ownership on the first use and
1366 doesn't update it until the page is released, even if writeback
1367 strictly follows page ownership, multiple cgroups dirtying overlapping
1368 areas wouldn't work as expected.  It's recommended to avoid such usage
1369 patterns.
1371 The sysctl knobs which affect writeback behavior are applied to cgroup
1372 writeback as follows.
1374   vm.dirty_background_ratio, vm.dirty_ratio
1375         These ratios apply the same to cgroup writeback with the
1376         amount of available memory capped by limits imposed by the
1377         memory controller and system-wide clean memory.
1379   vm.dirty_background_bytes, vm.dirty_bytes
1380         For cgroup writeback, this is calculated into ratio against
1381         total available memory and applied the same way as
1382         vm.dirty[_background]_ratio.
1388 The process number controller is used to allow a cgroup to stop any
1389 new tasks from being fork()'d or clone()'d after a specified limit is
1390 reached.
1392 The number of tasks in a cgroup can be exhausted in ways which other
1393 controllers cannot prevent, thus warranting its own controller.  For
1394 example, a fork bomb is likely to exhaust the number of tasks before
1395 hitting memory restrictions.
1397 Note that PIDs used in this controller refer to TIDs, process IDs as
1398 used by the kernel.
1401 PID Interface Files
1402 ~~~~~~~~~~~~~~~~~~~
1404   pids.max
1405         A read-write single value file which exists on non-root
1406         cgroups.  The default is "max".
1408         Hard limit of number of processes.
1410   pids.current
1411         A read-only single value file which exists on all cgroups.
1413         The number of processes currently in the cgroup and its
1414         descendants.
1416 Organisational operations are not blocked by cgroup policies, so it is
1417 possible to have pids.current > pids.max.  This can be done by either
1418 setting the limit to be smaller than pids.current, or attaching enough
1419 processes to the cgroup such that pids.current is larger than
1420 pids.max.  However, it is not possible to violate a cgroup PID policy
1421 through fork() or clone(). These will return -EAGAIN if the creation
1422 of a new process would cause a cgroup policy to be violated.
1425 RDMA
1426 ----
1428 The "rdma" controller regulates the distribution and accounting of
1429 of RDMA resources.
1431 RDMA Interface Files
1432 ~~~~~~~~~~~~~~~~~~~~
1434   rdma.max
1435         A readwrite nested-keyed file that exists for all the cgroups
1436         except root that describes current configured resource limit
1437         for a RDMA/IB device.
1439         Lines are keyed by device name and are not ordered.
1440         Each line contains space separated resource name and its configured
1441         limit that can be distributed.
1443         The following nested keys are defined.
1445           ==========    =============================
1446           hca_handle    Maximum number of HCA Handles
1447           hca_object    Maximum number of HCA Objects
1448           ==========    =============================
1450         An example for mlx4 and ocrdma device follows::
1452           mlx4_0 hca_handle=2 hca_object=2000
1453           ocrdma1 hca_handle=3 hca_object=max
1455   rdma.current
1456         A read-only file that describes current resource usage.
1457         It exists for all the cgroup except root.
1459         An example for mlx4 and ocrdma device follows::
1461           mlx4_0 hca_handle=1 hca_object=20
1462           ocrdma1 hca_handle=1 hca_object=23
1465 Misc
1466 ----
1468 perf_event
1469 ~~~~~~~~~~
1471 perf_event controller, if not mounted on a legacy hierarchy, is
1472 automatically enabled on the v2 hierarchy so that perf events can
1473 always be filtered by cgroup v2 path.  The controller can still be
1474 moved to a legacy hierarchy after v2 hierarchy is populated.
1477 Namespace
1478 =========
1480 Basics
1481 ------
1483 cgroup namespace provides a mechanism to virtualize the view of the
1484 "/proc/$PID/cgroup" file and cgroup mounts.  The CLONE_NEWCGROUP clone
1485 flag can be used with clone(2) and unshare(2) to create a new cgroup
1486 namespace.  The process running inside the cgroup namespace will have
1487 its "/proc/$PID/cgroup" output restricted to cgroupns root.  The
1488 cgroupns root is the cgroup of the process at the time of creation of
1489 the cgroup namespace.
1491 Without cgroup namespace, the "/proc/$PID/cgroup" file shows the
1492 complete path of the cgroup of a process.  In a container setup where
1493 a set of cgroups and namespaces are intended to isolate processes the
1494 "/proc/$PID/cgroup" file may leak potential system level information
1495 to the isolated processes.  For Example::
1497   # cat /proc/self/cgroup
1498   0::/batchjobs/container_id1
1500 The path '/batchjobs/container_id1' can be considered as system-data
1501 and undesirable to expose to the isolated processes.  cgroup namespace
1502 can be used to restrict visibility of this path.  For example, before
1503 creating a cgroup namespace, one would see::
1505   # ls -l /proc/self/ns/cgroup
1506   lrwxrwxrwx 1 root root 0 2014-07-15 10:37 /proc/self/ns/cgroup -> cgroup:[4026531835]
1507   # cat /proc/self/cgroup
1508   0::/batchjobs/container_id1
1510 After unsharing a new namespace, the view changes::
1512   # ls -l /proc/self/ns/cgroup
1513   lrwxrwxrwx 1 root root 0 2014-07-15 10:35 /proc/self/ns/cgroup -> cgroup:[4026532183]
1514   # cat /proc/self/cgroup
1515   0::/
1517 When some thread from a multi-threaded process unshares its cgroup
1518 namespace, the new cgroupns gets applied to the entire process (all
1519 the threads).  This is natural for the v2 hierarchy; however, for the
1520 legacy hierarchies, this may be unexpected.
1522 A cgroup namespace is alive as long as there are processes inside or
1523 mounts pinning it.  When the last usage goes away, the cgroup
1524 namespace is destroyed.  The cgroupns root and the actual cgroups
1525 remain.
1528 The Root and Views
1529 ------------------
1531 The 'cgroupns root' for a cgroup namespace is the cgroup in which the
1532 process calling unshare(2) is running.  For example, if a process in
1533 /batchjobs/container_id1 cgroup calls unshare, cgroup
1534 /batchjobs/container_id1 becomes the cgroupns root.  For the
1535 init_cgroup_ns, this is the real root ('/') cgroup.
1537 The cgroupns root cgroup does not change even if the namespace creator
1538 process later moves to a different cgroup::
1540   # ~/unshare -c # unshare cgroupns in some cgroup
1541   # cat /proc/self/cgroup
1542   0::/
1543   # mkdir sub_cgrp_1
1544   # echo 0 > sub_cgrp_1/cgroup.procs
1545   # cat /proc/self/cgroup
1546   0::/sub_cgrp_1
1548 Each process gets its namespace-specific view of "/proc/$PID/cgroup"
1550 Processes running inside the cgroup namespace will be able to see
1551 cgroup paths (in /proc/self/cgroup) only inside their root cgroup.
1552 From within an unshared cgroupns::
1554   # sleep 100000 &
1555   [1] 7353
1556   # echo 7353 > sub_cgrp_1/cgroup.procs
1557   # cat /proc/7353/cgroup
1558   0::/sub_cgrp_1
1560 From the initial cgroup namespace, the real cgroup path will be
1561 visible::
1563   $ cat /proc/7353/cgroup
1564   0::/batchjobs/container_id1/sub_cgrp_1
1566 From a sibling cgroup namespace (that is, a namespace rooted at a
1567 different cgroup), the cgroup path relative to its own cgroup
1568 namespace root will be shown.  For instance, if PID 7353's cgroup
1569 namespace root is at '/batchjobs/container_id2', then it will see::
1571   # cat /proc/7353/cgroup
1572   0::/../container_id2/sub_cgrp_1
1574 Note that the relative path always starts with '/' to indicate that
1575 its relative to the cgroup namespace root of the caller.
1578 Migration and setns(2)
1579 ----------------------
1581 Processes inside a cgroup namespace can move into and out of the
1582 namespace root if they have proper access to external cgroups.  For
1583 example, from inside a namespace with cgroupns root at
1584 /batchjobs/container_id1, and assuming that the global hierarchy is
1585 still accessible inside cgroupns::
1587   # cat /proc/7353/cgroup
1588   0::/sub_cgrp_1
1589   # echo 7353 > batchjobs/container_id2/cgroup.procs
1590   # cat /proc/7353/cgroup
1591   0::/../container_id2
1593 Note that this kind of setup is not encouraged.  A task inside cgroup
1594 namespace should only be exposed to its own cgroupns hierarchy.
1596 setns(2) to another cgroup namespace is allowed when:
1598 (a) the process has CAP_SYS_ADMIN against its current user namespace
1599 (b) the process has CAP_SYS_ADMIN against the target cgroup
1600     namespace's userns
1602 No implicit cgroup changes happen with attaching to another cgroup
1603 namespace.  It is expected that the someone moves the attaching
1604 process under the target cgroup namespace root.
1607 Interaction with Other Namespaces
1608 ---------------------------------
1610 Namespace specific cgroup hierarchy can be mounted by a process
1611 running inside a non-init cgroup namespace::
1613   # mount -t cgroup2 none $MOUNT_POINT
1615 This will mount the unified cgroup hierarchy with cgroupns root as the
1616 filesystem root.  The process needs CAP_SYS_ADMIN against its user and
1617 mount namespaces.
1619 The virtualization of /proc/self/cgroup file combined with restricting
1620 the view of cgroup hierarchy by namespace-private cgroupfs mount
1621 provides a properly isolated cgroup view inside the container.
1624 Information on Kernel Programming
1625 =================================
1627 This section contains kernel programming information in the areas
1628 where interacting with cgroup is necessary.  cgroup core and
1629 controllers are not covered.
1632 Filesystem Support for Writeback
1633 --------------------------------
1635 A filesystem can support cgroup writeback by updating
1636 address_space_operations->writepage[s]() to annotate bio's using the
1637 following two functions.
1639   wbc_init_bio(@wbc, @bio)
1640         Should be called for each bio carrying writeback data and
1641         associates the bio with the inode's owner cgroup.  Can be
1642         called anytime between bio allocation and submission.
1644   wbc_account_io(@wbc, @page, @bytes)
1645         Should be called for each data segment being written out.
1646         While this function doesn't care exactly when it's called
1647         during the writeback session, it's the easiest and most
1648         natural to call it as data segments are added to a bio.
1650 With writeback bio's annotated, cgroup support can be enabled per
1651 super_block by setting SB_I_CGROUPWB in ->s_iflags.  This allows for
1652 selective disabling of cgroup writeback support which is helpful when
1653 certain filesystem features, e.g. journaled data mode, are
1654 incompatible.
1656 wbc_init_bio() binds the specified bio to its cgroup.  Depending on
1657 the configuration, the bio may be executed at a lower priority and if
1658 the writeback session is holding shared resources, e.g. a journal
1659 entry, may lead to priority inversion.  There is no one easy solution
1660 for the problem.  Filesystems can try to work around specific problem
1661 cases by skipping wbc_init_bio() or using bio_associate_blkcg()
1662 directly.
1665 Deprecated v1 Core Features
1666 ===========================
1668 - Multiple hierarchies including named ones are not supported.
1670 - All v1 mount options are not supported.
1672 - The "tasks" file is removed and "cgroup.procs" is not sorted.
1674 - "cgroup.clone_children" is removed.
1676 - /proc/cgroups is meaningless for v2.  Use "cgroup.controllers" file
1677   at the root instead.
1680 Issues with v1 and Rationales for v2
1681 ====================================
1683 Multiple Hierarchies
1684 --------------------
1686 cgroup v1 allowed an arbitrary number of hierarchies and each
1687 hierarchy could host any number of controllers.  While this seemed to
1688 provide a high level of flexibility, it wasn't useful in practice.
1690 For example, as there is only one instance of each controller, utility
1691 type controllers such as freezer which can be useful in all
1692 hierarchies could only be used in one.  The issue is exacerbated by
1693 the fact that controllers couldn't be moved to another hierarchy once
1694 hierarchies were populated.  Another issue was that all controllers
1695 bound to a hierarchy were forced to have exactly the same view of the
1696 hierarchy.  It wasn't possible to vary the granularity depending on
1697 the specific controller.
1699 In practice, these issues heavily limited which controllers could be
1700 put on the same hierarchy and most configurations resorted to putting
1701 each controller on its own hierarchy.  Only closely related ones, such
1702 as the cpu and cpuacct controllers, made sense to be put on the same
1703 hierarchy.  This often meant that userland ended up managing multiple
1704 similar hierarchies repeating the same steps on each hierarchy
1705 whenever a hierarchy management operation was necessary.
1707 Furthermore, support for multiple hierarchies came at a steep cost.
1708 It greatly complicated cgroup core implementation but more importantly
1709 the support for multiple hierarchies restricted how cgroup could be
1710 used in general and what controllers was able to do.
1712 There was no limit on how many hierarchies there might be, which meant
1713 that a thread's cgroup membership couldn't be described in finite
1714 length.  The key might contain any number of entries and was unlimited
1715 in length, which made it highly awkward to manipulate and led to
1716 addition of controllers which existed only to identify membership,
1717 which in turn exacerbated the original problem of proliferating number
1718 of hierarchies.
1720 Also, as a controller couldn't have any expectation regarding the
1721 topologies of hierarchies other controllers might be on, each
1722 controller had to assume that all other controllers were attached to
1723 completely orthogonal hierarchies.  This made it impossible, or at
1724 least very cumbersome, for controllers to cooperate with each other.
1726 In most use cases, putting controllers on hierarchies which are
1727 completely orthogonal to each other isn't necessary.  What usually is
1728 called for is the ability to have differing levels of granularity
1729 depending on the specific controller.  In other words, hierarchy may
1730 be collapsed from leaf towards root when viewed from specific
1731 controllers.  For example, a given configuration might not care about
1732 how memory is distributed beyond a certain level while still wanting
1733 to control how CPU cycles are distributed.
1736 Thread Granularity
1737 ------------------
1739 cgroup v1 allowed threads of a process to belong to different cgroups.
1740 This didn't make sense for some controllers and those controllers
1741 ended up implementing different ways to ignore such situations but
1742 much more importantly it blurred the line between API exposed to
1743 individual applications and system management interface.
1745 Generally, in-process knowledge is available only to the process
1746 itself; thus, unlike service-level organization of processes,
1747 categorizing threads of a process requires active participation from
1748 the application which owns the target process.
1750 cgroup v1 had an ambiguously defined delegation model which got abused
1751 in combination with thread granularity.  cgroups were delegated to
1752 individual applications so that they can create and manage their own
1753 sub-hierarchies and control resource distributions along them.  This
1754 effectively raised cgroup to the status of a syscall-like API exposed
1755 to lay programs.
1757 First of all, cgroup has a fundamentally inadequate interface to be
1758 exposed this way.  For a process to access its own knobs, it has to
1759 extract the path on the target hierarchy from /proc/self/cgroup,
1760 construct the path by appending the name of the knob to the path, open
1761 and then read and/or write to it.  This is not only extremely clunky
1762 and unusual but also inherently racy.  There is no conventional way to
1763 define transaction across the required steps and nothing can guarantee
1764 that the process would actually be operating on its own sub-hierarchy.
1766 cgroup controllers implemented a number of knobs which would never be
1767 accepted as public APIs because they were just adding control knobs to
1768 system-management pseudo filesystem.  cgroup ended up with interface
1769 knobs which were not properly abstracted or refined and directly
1770 revealed kernel internal details.  These knobs got exposed to
1771 individual applications through the ill-defined delegation mechanism
1772 effectively abusing cgroup as a shortcut to implementing public APIs
1773 without going through the required scrutiny.
1775 This was painful for both userland and kernel.  Userland ended up with
1776 misbehaving and poorly abstracted interfaces and kernel exposing and
1777 locked into constructs inadvertently.
1780 Competition Between Inner Nodes and Threads
1781 -------------------------------------------
1783 cgroup v1 allowed threads to be in any cgroups which created an
1784 interesting problem where threads belonging to a parent cgroup and its
1785 children cgroups competed for resources.  This was nasty as two
1786 different types of entities competed and there was no obvious way to
1787 settle it.  Different controllers did different things.
1789 The cpu controller considered threads and cgroups as equivalents and
1790 mapped nice levels to cgroup weights.  This worked for some cases but
1791 fell flat when children wanted to be allocated specific ratios of CPU
1792 cycles and the number of internal threads fluctuated - the ratios
1793 constantly changed as the number of competing entities fluctuated.
1794 There also were other issues.  The mapping from nice level to weight
1795 wasn't obvious or universal, and there were various other knobs which
1796 simply weren't available for threads.
1798 The io controller implicitly created a hidden leaf node for each
1799 cgroup to host the threads.  The hidden leaf had its own copies of all
1800 the knobs with ``leaf_`` prefixed.  While this allowed equivalent
1801 control over internal threads, it was with serious drawbacks.  It
1802 always added an extra layer of nesting which wouldn't be necessary
1803 otherwise, made the interface messy and significantly complicated the
1804 implementation.
1806 The memory controller didn't have a way to control what happened
1807 between internal tasks and child cgroups and the behavior was not
1808 clearly defined.  There were attempts to add ad-hoc behaviors and
1809 knobs to tailor the behavior to specific workloads which would have
1810 led to problems extremely difficult to resolve in the long term.
1812 Multiple controllers struggled with internal tasks and came up with
1813 different ways to deal with it; unfortunately, all the approaches were
1814 severely flawed and, furthermore, the widely different behaviors
1815 made cgroup as a whole highly inconsistent.
1817 This clearly is a problem which needs to be addressed from cgroup core
1818 in a uniform way.
1821 Other Interface Issues
1822 ----------------------
1824 cgroup v1 grew without oversight and developed a large number of
1825 idiosyncrasies and inconsistencies.  One issue on the cgroup core side
1826 was how an empty cgroup was notified - a userland helper binary was
1827 forked and executed for each event.  The event delivery wasn't
1828 recursive or delegatable.  The limitations of the mechanism also led
1829 to in-kernel event delivery filtering mechanism further complicating
1830 the interface.
1832 Controller interfaces were problematic too.  An extreme example is
1833 controllers completely ignoring hierarchical organization and treating
1834 all cgroups as if they were all located directly under the root
1835 cgroup.  Some controllers exposed a large amount of inconsistent
1836 implementation details to userland.
1838 There also was no consistency across controllers.  When a new cgroup
1839 was created, some controllers defaulted to not imposing extra
1840 restrictions while others disallowed any resource usage until
1841 explicitly configured.  Configuration knobs for the same type of
1842 control used widely differing naming schemes and formats.  Statistics
1843 and information knobs were named arbitrarily and used different
1844 formats and units even in the same controller.
1846 cgroup v2 establishes common conventions where appropriate and updates
1847 controllers so that they expose minimal and consistent interfaces.
1850 Controller Issues and Remedies
1851 ------------------------------
1853 Memory
1854 ~~~~~~
1856 The original lower boundary, the soft limit, is defined as a limit
1857 that is per default unset.  As a result, the set of cgroups that
1858 global reclaim prefers is opt-in, rather than opt-out.  The costs for
1859 optimizing these mostly negative lookups are so high that the
1860 implementation, despite its enormous size, does not even provide the
1861 basic desirable behavior.  First off, the soft limit has no
1862 hierarchical meaning.  All configured groups are organized in a global
1863 rbtree and treated like equal peers, regardless where they are located
1864 in the hierarchy.  This makes subtree delegation impossible.  Second,
1865 the soft limit reclaim pass is so aggressive that it not just
1866 introduces high allocation latencies into the system, but also impacts
1867 system performance due to overreclaim, to the point where the feature
1868 becomes self-defeating.
1870 The memory.low boundary on the other hand is a top-down allocated
1871 reserve.  A cgroup enjoys reclaim protection when it and all its
1872 ancestors are below their low boundaries, which makes delegation of
1873 subtrees possible.  Secondly, new cgroups have no reserve per default
1874 and in the common case most cgroups are eligible for the preferred
1875 reclaim pass.  This allows the new low boundary to be efficiently
1876 implemented with just a minor addition to the generic reclaim code,
1877 without the need for out-of-band data structures and reclaim passes.
1878 Because the generic reclaim code considers all cgroups except for the
1879 ones running low in the preferred first reclaim pass, overreclaim of
1880 individual groups is eliminated as well, resulting in much better
1881 overall workload performance.
1883 The original high boundary, the hard limit, is defined as a strict
1884 limit that can not budge, even if the OOM killer has to be called.
1885 But this generally goes against the goal of making the most out of the
1886 available memory.  The memory consumption of workloads varies during
1887 runtime, and that requires users to overcommit.  But doing that with a
1888 strict upper limit requires either a fairly accurate prediction of the
1889 working set size or adding slack to the limit.  Since working set size
1890 estimation is hard and error prone, and getting it wrong results in
1891 OOM kills, most users tend to err on the side of a looser limit and
1892 end up wasting precious resources.
1894 The memory.high boundary on the other hand can be set much more
1895 conservatively.  When hit, it throttles allocations by forcing them
1896 into direct reclaim to work off the excess, but it never invokes the
1897 OOM killer.  As a result, a high boundary that is chosen too
1898 aggressively will not terminate the processes, but instead it will
1899 lead to gradual performance degradation.  The user can monitor this
1900 and make corrections until the minimal memory footprint that still
1901 gives acceptable performance is found.
1903 In extreme cases, with many concurrent allocations and a complete
1904 breakdown of reclaim progress within the group, the high boundary can
1905 be exceeded.  But even then it's mostly better to satisfy the
1906 allocation from the slack available in other groups or the rest of the
1907 system than killing the group.  Otherwise, memory.max is there to
1908 limit this type of spillover and ultimately contain buggy or even
1909 malicious applications.
1911 Setting the original memory.limit_in_bytes below the current usage was
1912 subject to a race condition, where concurrent charges could cause the
1913 limit setting to fail. memory.max on the other hand will first set the
1914 limit to prevent new charges, and then reclaim and OOM kill until the
1915 new limit is met - or the task writing to memory.max is killed.
1917 The combined memory+swap accounting and limiting is replaced by real
1918 control over swap space.
1920 The main argument for a combined memory+swap facility in the original
1921 cgroup design was that global or parental pressure would always be
1922 able to swap all anonymous memory of a child group, regardless of the
1923 child's own (possibly untrusted) configuration.  However, untrusted
1924 groups can sabotage swapping by other means - such as referencing its
1925 anonymous memory in a tight loop - and an admin can not assume full
1926 swappability when overcommitting untrusted jobs.
1928 For trusted jobs, on the other hand, a combined counter is not an
1929 intuitive userspace interface, and it flies in the face of the idea
1930 that cgroup controllers should account and limit specific physical
1931 resources.  Swap space is a resource like all others in the system,
1932 and that's why unified hierarchy allows distributing it separately.