Linux 4.11-rc5
[linux/fpc-iii.git] / Documentation / bcache.txt
bloba9259b562d5c8b188576f22cfd9ed532ad522d79
1 Say you've got a big slow raid 6, and an ssd or three. Wouldn't it be
2 nice if you could use them as cache... Hence bcache.
4 Wiki and git repositories are at:
5   http://bcache.evilpiepirate.org
6   http://evilpiepirate.org/git/linux-bcache.git
7   http://evilpiepirate.org/git/bcache-tools.git
9 It's designed around the performance characteristics of SSDs - it only allocates
10 in erase block sized buckets, and it uses a hybrid btree/log to track cached
11 extents (which can be anywhere from a single sector to the bucket size). It's
12 designed to avoid random writes at all costs; it fills up an erase block
13 sequentially, then issues a discard before reusing it.
15 Both writethrough and writeback caching are supported. Writeback defaults to
16 off, but can be switched on and off arbitrarily at runtime. Bcache goes to
17 great lengths to protect your data - it reliably handles unclean shutdown. (It
18 doesn't even have a notion of a clean shutdown; bcache simply doesn't return
19 writes as completed until they're on stable storage).
21 Writeback caching can use most of the cache for buffering writes - writing
22 dirty data to the backing device is always done sequentially, scanning from the
23 start to the end of the index.
25 Since random IO is what SSDs excel at, there generally won't be much benefit
26 to caching large sequential IO. Bcache detects sequential IO and skips it;
27 it also keeps a rolling average of the IO sizes per task, and as long as the
28 average is above the cutoff it will skip all IO from that task - instead of
29 caching the first 512k after every seek. Backups and large file copies should
30 thus entirely bypass the cache.
32 In the event of a data IO error on the flash it will try to recover by reading
33 from disk or invalidating cache entries.  For unrecoverable errors (meta data
34 or dirty data), caching is automatically disabled; if dirty data was present
35 in the cache it first disables writeback caching and waits for all dirty data
36 to be flushed.
38 Getting started:
39 You'll need make-bcache from the bcache-tools repository. Both the cache device
40 and backing device must be formatted before use.
41   make-bcache -B /dev/sdb
42   make-bcache -C /dev/sdc
44 make-bcache has the ability to format multiple devices at the same time - if
45 you format your backing devices and cache device at the same time, you won't
46 have to manually attach:
47   make-bcache -B /dev/sda /dev/sdb -C /dev/sdc
49 bcache-tools now ships udev rules, and bcache devices are known to the kernel
50 immediately.  Without udev, you can manually register devices like this:
52   echo /dev/sdb > /sys/fs/bcache/register
53   echo /dev/sdc > /sys/fs/bcache/register
55 Registering the backing device makes the bcache device show up in /dev; you can
56 now format it and use it as normal. But the first time using a new bcache
57 device, it'll be running in passthrough mode until you attach it to a cache.
58 If you are thinking about using bcache later, it is recommended to setup all your
59 slow devices as bcache backing devices without a cache, and you can choose to add
60 a caching device later.
61 See 'ATTACHING' section below.
63 The devices show up as:
65   /dev/bcache<N>
67 As well as (with udev):
69   /dev/bcache/by-uuid/<uuid>
70   /dev/bcache/by-label/<label>
72 To get started:
74   mkfs.ext4 /dev/bcache0
75   mount /dev/bcache0 /mnt
77 You can control bcache devices through sysfs at /sys/block/bcache<N>/bcache .
78 You can also control them through /sys/fs//bcache/<cset-uuid>/ .
80 Cache devices are managed as sets; multiple caches per set isn't supported yet
81 but will allow for mirroring of metadata and dirty data in the future. Your new
82 cache set shows up as /sys/fs/bcache/<UUID>
84 ATTACHING
85 ---------
87 After your cache device and backing device are registered, the backing device
88 must be attached to your cache set to enable caching. Attaching a backing
89 device to a cache set is done thusly, with the UUID of the cache set in
90 /sys/fs/bcache:
92   echo <CSET-UUID> > /sys/block/bcache0/bcache/attach
94 This only has to be done once. The next time you reboot, just reregister all
95 your bcache devices. If a backing device has data in a cache somewhere, the
96 /dev/bcache<N> device won't be created until the cache shows up - particularly
97 important if you have writeback caching turned on.
99 If you're booting up and your cache device is gone and never coming back, you
100 can force run the backing device:
102   echo 1 > /sys/block/sdb/bcache/running
104 (You need to use /sys/block/sdb (or whatever your backing device is called), not
105 /sys/block/bcache0, because bcache0 doesn't exist yet. If you're using a
106 partition, the bcache directory would be at /sys/block/sdb/sdb2/bcache)
108 The backing device will still use that cache set if it shows up in the future,
109 but all the cached data will be invalidated. If there was dirty data in the
110 cache, don't expect the filesystem to be recoverable - you will have massive
111 filesystem corruption, though ext4's fsck does work miracles.
113 ERROR HANDLING
114 --------------
116 Bcache tries to transparently handle IO errors to/from the cache device without
117 affecting normal operation; if it sees too many errors (the threshold is
118 configurable, and defaults to 0) it shuts down the cache device and switches all
119 the backing devices to passthrough mode.
121  - For reads from the cache, if they error we just retry the read from the
122    backing device.
124  - For writethrough writes, if the write to the cache errors we just switch to
125    invalidating the data at that lba in the cache (i.e. the same thing we do for
126    a write that bypasses the cache)
128  - For writeback writes, we currently pass that error back up to the
129    filesystem/userspace. This could be improved - we could retry it as a write
130    that skips the cache so we don't have to error the write.
132  - When we detach, we first try to flush any dirty data (if we were running in
133    writeback mode). It currently doesn't do anything intelligent if it fails to
134    read some of the dirty data, though.
137 HOWTO/COOKBOOK
138 --------------
140 A) Starting a bcache with a missing caching device
142 If registering the backing device doesn't help, it's already there, you just need
143 to force it to run without the cache:
144         host:~# echo /dev/sdb1 > /sys/fs/bcache/register
145         [  119.844831] bcache: register_bcache() error opening /dev/sdb1: device already registered
147 Next, you try to register your caching device if it's present. However
148 if it's absent, or registration fails for some reason, you can still
149 start your bcache without its cache, like so:
150         host:/sys/block/sdb/sdb1/bcache# echo 1 > running
152 Note that this may cause data loss if you were running in writeback mode.
155 B) Bcache does not find its cache
157         host:/sys/block/md5/bcache# echo 0226553a-37cf-41d5-b3ce-8b1e944543a8 > attach
158         [ 1933.455082] bcache: bch_cached_dev_attach() Couldn't find uuid for md5 in set
159         [ 1933.478179] bcache: __cached_dev_store() Can't attach 0226553a-37cf-41d5-b3ce-8b1e944543a8
160         [ 1933.478179] : cache set not found
162 In this case, the caching device was simply not registered at boot
163 or disappeared and came back, and needs to be (re-)registered:
164         host:/sys/block/md5/bcache# echo /dev/sdh2 > /sys/fs/bcache/register
167 C) Corrupt bcache crashes the kernel at device registration time:
169 This should never happen.  If it does happen, then you have found a bug!
170 Please report it to the bcache development list: linux-bcache@vger.kernel.org
172 Be sure to provide as much information that you can including kernel dmesg
173 output if available so that we may assist.
176 D) Recovering data without bcache:
178 If bcache is not available in the kernel, a filesystem on the backing
179 device is still available at an 8KiB offset. So either via a loopdev
180 of the backing device created with --offset 8K, or any value defined by
181 --data-offset when you originally formatted bcache with `make-bcache`.
183 For example:
184         losetup -o 8192 /dev/loop0 /dev/your_bcache_backing_dev
186 This should present your unmodified backing device data in /dev/loop0
188 If your cache is in writethrough mode, then you can safely discard the
189 cache device without loosing data.
192 E) Wiping a cache device
194 host:~# wipefs -a /dev/sdh2
195 16 bytes were erased at offset 0x1018 (bcache)
196 they were: c6 85 73 f6 4e 1a 45 ca 82 65 f5 7f 48 ba 6d 81
198 After you boot back with bcache enabled, you recreate the cache and attach it:
199 host:~# make-bcache -C /dev/sdh2
200 UUID:                   7be7e175-8f4c-4f99-94b2-9c904d227045
201 Set UUID:               5bc072a8-ab17-446d-9744-e247949913c1
202 version:                0
203 nbuckets:               106874
204 block_size:             1
205 bucket_size:            1024
206 nr_in_set:              1
207 nr_this_dev:            0
208 first_bucket:           1
209 [  650.511912] bcache: run_cache_set() invalidating existing data
210 [  650.549228] bcache: register_cache() registered cache device sdh2
212 start backing device with missing cache:
213 host:/sys/block/md5/bcache# echo 1 > running
215 attach new cache:
216 host:/sys/block/md5/bcache# echo 5bc072a8-ab17-446d-9744-e247949913c1 > attach
217 [  865.276616] bcache: bch_cached_dev_attach() Caching md5 as bcache0 on set 5bc072a8-ab17-446d-9744-e247949913c1
220 F) Remove or replace a caching device
222         host:/sys/block/sda/sda7/bcache# echo 1 > detach
223         [  695.872542] bcache: cached_dev_detach_finish() Caching disabled for sda7
225         host:~# wipefs -a /dev/nvme0n1p4
226         wipefs: error: /dev/nvme0n1p4: probing initialization failed: Device or resource busy
227         Ooops, it's disabled, but not unregistered, so it's still protected
229 We need to go and unregister it:
230         host:/sys/fs/bcache/b7ba27a1-2398-4649-8ae3-0959f57ba128# ls -l cache0
231         lrwxrwxrwx 1 root root 0 Feb 25 18:33 cache0 -> ../../../devices/pci0000:00/0000:00:1d.0/0000:70:00.0/nvme/nvme0/nvme0n1/nvme0n1p4/bcache/
232         host:/sys/fs/bcache/b7ba27a1-2398-4649-8ae3-0959f57ba128# echo 1 > stop
233         kernel: [  917.041908] bcache: cache_set_free() Cache set b7ba27a1-2398-4649-8ae3-0959f57ba128 unregistered
235 Now we can wipe it:
236         host:~# wipefs -a /dev/nvme0n1p4
237         /dev/nvme0n1p4: 16 bytes were erased at offset 0x00001018 (bcache): c6 85 73 f6 4e 1a 45 ca 82 65 f5 7f 48 ba 6d 81
240 G) dm-crypt and bcache
242 First setup bcache unencrypted and then install dmcrypt on top of
243 /dev/bcache<N> This will work faster than if you dmcrypt both the backing
244 and caching devices and then install bcache on top. [benchmarks?]
247 H) Stop/free a registered bcache to wipe and/or recreate it
249 Suppose that you need to free up all bcache references so that you can
250 fdisk run and re-register a changed partition table, which won't work
251 if there are any active backing or caching devices left on it:
253 1) Is it present in /dev/bcache* ? (there are times where it won't be)
255 If so, it's easy:
256         host:/sys/block/bcache0/bcache# echo 1 > stop
258 2) But if your backing device is gone, this won't work:
259         host:/sys/block/bcache0# cd bcache
260         bash: cd: bcache: No such file or directory
262 In this case, you may have to unregister the dmcrypt block device that
263 references this bcache to free it up:
264         host:~# dmsetup remove oldds1
265         bcache: bcache_device_free() bcache0 stopped
266         bcache: cache_set_free() Cache set 5bc072a8-ab17-446d-9744-e247949913c1 unregistered
268 This causes the backing bcache to be removed from /sys/fs/bcache and
269 then it can be reused.  This would be true of any block device stacking
270 where bcache is a lower device.
272 3) In other cases, you can also look in /sys/fs/bcache/:
274 host:/sys/fs/bcache# ls -l */{cache?,bdev?}
275 lrwxrwxrwx 1 root root 0 Mar  5 09:39 0226553a-37cf-41d5-b3ce-8b1e944543a8/bdev1 -> ../../../devices/virtual/block/dm-1/bcache/
276 lrwxrwxrwx 1 root root 0 Mar  5 09:39 0226553a-37cf-41d5-b3ce-8b1e944543a8/cache0 -> ../../../devices/virtual/block/dm-4/bcache/
277 lrwxrwxrwx 1 root root 0 Mar  5 09:39 5bc072a8-ab17-446d-9744-e247949913c1/cache0 -> ../../../devices/pci0000:00/0000:00:01.0/0000:01:00.0/ata10/host9/target9:0:0/9:0:0:0/block/sdl/sdl2/bcache/
279 The device names will show which UUID is relevant, cd in that directory
280 and stop the cache:
281         host:/sys/fs/bcache/5bc072a8-ab17-446d-9744-e247949913c1# echo 1 > stop
283 This will free up bcache references and let you reuse the partition for
284 other purposes.
288 TROUBLESHOOTING PERFORMANCE
289 ---------------------------
291 Bcache has a bunch of config options and tunables. The defaults are intended to
292 be reasonable for typical desktop and server workloads, but they're not what you
293 want for getting the best possible numbers when benchmarking.
295  - Backing device alignment
297    The default metadata size in bcache is 8k.  If your backing device is
298    RAID based, then be sure to align this by a multiple of your stride
299    width using `make-bcache --data-offset`. If you intend to expand your
300    disk array in the future, then multiply a series of primes by your
301    raid stripe size to get the disk multiples that you would like.
303    For example:  If you have a 64k stripe size, then the following offset
304    would provide alignment for many common RAID5 data spindle counts:
305         64k * 2*2*2*3*3*5*7 bytes = 161280k
307    That space is wasted, but for only 157.5MB you can grow your RAID 5
308    volume to the following data-spindle counts without re-aligning:
309         3,4,5,6,7,8,9,10,12,14,15,18,20,21 ...
311  - Bad write performance
313    If write performance is not what you expected, you probably wanted to be
314    running in writeback mode, which isn't the default (not due to a lack of
315    maturity, but simply because in writeback mode you'll lose data if something
316    happens to your SSD)
318    # echo writeback > /sys/block/bcache0/bcache/cache_mode
320  - Bad performance, or traffic not going to the SSD that you'd expect
322    By default, bcache doesn't cache everything. It tries to skip sequential IO -
323    because you really want to be caching the random IO, and if you copy a 10
324    gigabyte file you probably don't want that pushing 10 gigabytes of randomly
325    accessed data out of your cache.
327    But if you want to benchmark reads from cache, and you start out with fio
328    writing an 8 gigabyte test file - so you want to disable that.
330    # echo 0 > /sys/block/bcache0/bcache/sequential_cutoff
332    To set it back to the default (4 mb), do
334    # echo 4M > /sys/block/bcache0/bcache/sequential_cutoff
336  - Traffic's still going to the spindle/still getting cache misses
338    In the real world, SSDs don't always keep up with disks - particularly with
339    slower SSDs, many disks being cached by one SSD, or mostly sequential IO. So
340    you want to avoid being bottlenecked by the SSD and having it slow everything
341    down.
343    To avoid that bcache tracks latency to the cache device, and gradually
344    throttles traffic if the latency exceeds a threshold (it does this by
345    cranking down the sequential bypass).
347    You can disable this if you need to by setting the thresholds to 0:
349    # echo 0 > /sys/fs/bcache/<cache set>/congested_read_threshold_us
350    # echo 0 > /sys/fs/bcache/<cache set>/congested_write_threshold_us
352    The default is 2000 us (2 milliseconds) for reads, and 20000 for writes.
354  - Still getting cache misses, of the same data
356    One last issue that sometimes trips people up is actually an old bug, due to
357    the way cache coherency is handled for cache misses. If a btree node is full,
358    a cache miss won't be able to insert a key for the new data and the data
359    won't be written to the cache.
361    In practice this isn't an issue because as soon as a write comes along it'll
362    cause the btree node to be split, and you need almost no write traffic for
363    this to not show up enough to be noticeable (especially since bcache's btree
364    nodes are huge and index large regions of the device). But when you're
365    benchmarking, if you're trying to warm the cache by reading a bunch of data
366    and there's no other traffic - that can be a problem.
368    Solution: warm the cache by doing writes, or use the testing branch (there's
369    a fix for the issue there).
372 SYSFS - BACKING DEVICE
373 ----------------------
375 Available at /sys/block/<bdev>/bcache, /sys/block/bcache*/bcache and
376 (if attached) /sys/fs/bcache/<cset-uuid>/bdev*
378 attach
379   Echo the UUID of a cache set to this file to enable caching.
381 cache_mode
382   Can be one of either writethrough, writeback, writearound or none.
384 clear_stats
385   Writing to this file resets the running total stats (not the day/hour/5 minute
386   decaying versions).
388 detach
389   Write to this file to detach from a cache set. If there is dirty data in the
390   cache, it will be flushed first.
392 dirty_data
393   Amount of dirty data for this backing device in the cache. Continuously
394   updated unlike the cache set's version, but may be slightly off.
396 label
397   Name of underlying device.
399 readahead
400   Size of readahead that should be performed.  Defaults to 0.  If set to e.g.
401   1M, it will round cache miss reads up to that size, but without overlapping
402   existing cache entries.
404 running
405   1 if bcache is running (i.e. whether the /dev/bcache device exists, whether
406   it's in passthrough mode or caching).
408 sequential_cutoff
409   A sequential IO will bypass the cache once it passes this threshold; the
410   most recent 128 IOs are tracked so sequential IO can be detected even when
411   it isn't all done at once.
413 sequential_merge
414   If non zero, bcache keeps a list of the last 128 requests submitted to compare
415   against all new requests to determine which new requests are sequential
416   continuations of previous requests for the purpose of determining sequential
417   cutoff. This is necessary if the sequential cutoff value is greater than the
418   maximum acceptable sequential size for any single request.
420 state
421   The backing device can be in one of four different states:
423   no cache: Has never been attached to a cache set.
425   clean: Part of a cache set, and there is no cached dirty data.
427   dirty: Part of a cache set, and there is cached dirty data.
429   inconsistent: The backing device was forcibly run by the user when there was
430   dirty data cached but the cache set was unavailable; whatever data was on the
431   backing device has likely been corrupted.
433 stop
434   Write to this file to shut down the bcache device and close the backing
435   device.
437 writeback_delay
438   When dirty data is written to the cache and it previously did not contain
439   any, waits some number of seconds before initiating writeback. Defaults to
440   30.
442 writeback_percent
443   If nonzero, bcache tries to keep around this percentage of the cache dirty by
444   throttling background writeback and using a PD controller to smoothly adjust
445   the rate.
447 writeback_rate
448   Rate in sectors per second - if writeback_percent is nonzero, background
449   writeback is throttled to this rate. Continuously adjusted by bcache but may
450   also be set by the user.
452 writeback_running
453   If off, writeback of dirty data will not take place at all. Dirty data will
454   still be added to the cache until it is mostly full; only meant for
455   benchmarking. Defaults to on.
457 SYSFS - BACKING DEVICE STATS:
459 There are directories with these numbers for a running total, as well as
460 versions that decay over the past day, hour and 5 minutes; they're also
461 aggregated in the cache set directory as well.
463 bypassed
464   Amount of IO (both reads and writes) that has bypassed the cache
466 cache_hits
467 cache_misses
468 cache_hit_ratio
469   Hits and misses are counted per individual IO as bcache sees them; a
470   partial hit is counted as a miss.
472 cache_bypass_hits
473 cache_bypass_misses
474   Hits and misses for IO that is intended to skip the cache are still counted,
475   but broken out here.
477 cache_miss_collisions
478   Counts instances where data was going to be inserted into the cache from a
479   cache miss, but raced with a write and data was already present (usually 0
480   since the synchronization for cache misses was rewritten)
482 cache_readaheads
483   Count of times readahead occurred.
485 SYSFS - CACHE SET:
487 Available at /sys/fs/bcache/<cset-uuid>
489 average_key_size
490   Average data per key in the btree.
492 bdev<0..n>
493   Symlink to each of the attached backing devices.
495 block_size
496   Block size of the cache devices.
498 btree_cache_size
499   Amount of memory currently used by the btree cache
501 bucket_size
502   Size of buckets
504 cache<0..n>
505   Symlink to each of the cache devices comprising this cache set.
507 cache_available_percent
508   Percentage of cache device which doesn't contain dirty data, and could
509   potentially be used for writeback.  This doesn't mean this space isn't used
510   for clean cached data; the unused statistic (in priority_stats) is typically
511   much lower.
513 clear_stats
514   Clears the statistics associated with this cache
516 dirty_data
517   Amount of dirty data is in the cache (updated when garbage collection runs).
519 flash_vol_create
520   Echoing a size to this file (in human readable units, k/M/G) creates a thinly
521   provisioned volume backed by the cache set.
523 io_error_halflife
524 io_error_limit
525   These determines how many errors we accept before disabling the cache.
526   Each error is decayed by the half life (in # ios).  If the decaying count
527   reaches io_error_limit dirty data is written out and the cache is disabled.
529 journal_delay_ms
530   Journal writes will delay for up to this many milliseconds, unless a cache
531   flush happens sooner. Defaults to 100.
533 root_usage_percent
534   Percentage of the root btree node in use.  If this gets too high the node
535   will split, increasing the tree depth.
537 stop
538   Write to this file to shut down the cache set - waits until all attached
539   backing devices have been shut down.
541 tree_depth
542   Depth of the btree (A single node btree has depth 0).
544 unregister
545   Detaches all backing devices and closes the cache devices; if dirty data is
546   present it will disable writeback caching and wait for it to be flushed.
548 SYSFS - CACHE SET INTERNAL:
550 This directory also exposes timings for a number of internal operations, with
551 separate files for average duration, average frequency, last occurrence and max
552 duration: garbage collection, btree read, btree node sorts and btree splits.
554 active_journal_entries
555   Number of journal entries that are newer than the index.
557 btree_nodes
558   Total nodes in the btree.
560 btree_used_percent
561   Average fraction of btree in use.
563 bset_tree_stats
564   Statistics about the auxiliary search trees
566 btree_cache_max_chain
567   Longest chain in the btree node cache's hash table
569 cache_read_races
570   Counts instances where while data was being read from the cache, the bucket
571   was reused and invalidated - i.e. where the pointer was stale after the read
572   completed. When this occurs the data is reread from the backing device.
574 trigger_gc
575   Writing to this file forces garbage collection to run.
577 SYSFS - CACHE DEVICE:
579 Available at /sys/block/<cdev>/bcache
581 block_size
582   Minimum granularity of writes - should match hardware sector size.
584 btree_written
585   Sum of all btree writes, in (kilo/mega/giga) bytes
587 bucket_size
588   Size of buckets
590 cache_replacement_policy
591   One of either lru, fifo or random.
593 discard
594   Boolean; if on a discard/TRIM will be issued to each bucket before it is
595   reused. Defaults to off, since SATA TRIM is an unqueued command (and thus
596   slow).
598 freelist_percent
599   Size of the freelist as a percentage of nbuckets. Can be written to to
600   increase the number of buckets kept on the freelist, which lets you
601   artificially reduce the size of the cache at runtime. Mostly for testing
602   purposes (i.e. testing how different size caches affect your hit rate), but
603   since buckets are discarded when they move on to the freelist will also make
604   the SSD's garbage collection easier by effectively giving it more reserved
605   space.
607 io_errors
608   Number of errors that have occurred, decayed by io_error_halflife.
610 metadata_written
611   Sum of all non data writes (btree writes and all other metadata).
613 nbuckets
614   Total buckets in this cache
616 priority_stats
617   Statistics about how recently data in the cache has been accessed.
618   This can reveal your working set size.  Unused is the percentage of
619   the cache that doesn't contain any data.  Metadata is bcache's
620   metadata overhead.  Average is the average priority of cache buckets.
621   Next is a list of quantiles with the priority threshold of each.
623 written
624   Sum of all data that has been written to the cache; comparison with
625   btree_written gives the amount of write inflation in bcache.