qapi: Require boxed for conditional command and event arguments
[qemu/armbru.git] / docs / devel / migration.rst
blob6f65c23b47dc3ef31edff933f4f18bc36f10f314
1 =========
2 Migration
3 =========
5 QEMU has code to load/save the state of the guest that it is running.
6 These are two complementary operations.  Saving the state just does
7 that, saves the state for each device that the guest is running.
8 Restoring a guest is just the opposite operation: we need to load the
9 state of each device.
11 For this to work, QEMU has to be launched with the same arguments the
12 two times.  I.e. it can only restore the state in one guest that has
13 the same devices that the one it was saved (this last requirement can
14 be relaxed a bit, but for now we can consider that configuration has
15 to be exactly the same).
17 Once that we are able to save/restore a guest, a new functionality is
18 requested: migration.  This means that QEMU is able to start in one
19 machine and being "migrated" to another machine.  I.e. being moved to
20 another machine.
22 Next was the "live migration" functionality.  This is important
23 because some guests run with a lot of state (specially RAM), and it
24 can take a while to move all state from one machine to another.  Live
25 migration allows the guest to continue running while the state is
26 transferred.  Only while the last part of the state is transferred has
27 the guest to be stopped.  Typically the time that the guest is
28 unresponsive during live migration is the low hundred of milliseconds
29 (notice that this depends on a lot of things).
31 Transports
32 ==========
34 The migration stream is normally just a byte stream that can be passed
35 over any transport.
37 - tcp migration: do the migration using tcp sockets
38 - unix migration: do the migration using unix sockets
39 - exec migration: do the migration using the stdin/stdout through a process.
40 - fd migration: do the migration using a file descriptor that is
41   passed to QEMU.  QEMU doesn't care how this file descriptor is opened.
43 In addition, support is included for migration using RDMA, which
44 transports the page data using ``RDMA``, where the hardware takes care of
45 transporting the pages, and the load on the CPU is much lower.  While the
46 internals of RDMA migration are a bit different, this isn't really visible
47 outside the RAM migration code.
49 All these migration protocols use the same infrastructure to
50 save/restore state devices.  This infrastructure is shared with the
51 savevm/loadvm functionality.
53 Debugging
54 =========
56 The migration stream can be analyzed thanks to ``scripts/analyze-migration.py``.
58 Example usage:
60 .. code-block:: shell
62   $ qemu-system-x86_64 -display none -monitor stdio
63   (qemu) migrate "exec:cat > mig"
64   (qemu) q
65   $ ./scripts/analyze-migration.py -f mig
66   {
67     "ram (3)": {
68         "section sizes": {
69             "pc.ram": "0x0000000008000000",
70   ...
72 See also ``analyze-migration.py -h`` help for more options.
74 Common infrastructure
75 =====================
77 The files, sockets or fd's that carry the migration stream are abstracted by
78 the  ``QEMUFile`` type (see ``migration/qemu-file.h``).  In most cases this
79 is connected to a subtype of ``QIOChannel`` (see ``io/``).
82 Saving the state of one device
83 ==============================
85 For most devices, the state is saved in a single call to the migration
86 infrastructure; these are *non-iterative* devices.  The data for these
87 devices is sent at the end of precopy migration, when the CPUs are paused.
88 There are also *iterative* devices, which contain a very large amount of
89 data (e.g. RAM or large tables).  See the iterative device section below.
91 General advice for device developers
92 ------------------------------------
94 - The migration state saved should reflect the device being modelled rather
95   than the way your implementation works.  That way if you change the implementation
96   later the migration stream will stay compatible.  That model may include
97   internal state that's not directly visible in a register.
99 - When saving a migration stream the device code may walk and check
100   the state of the device.  These checks might fail in various ways (e.g.
101   discovering internal state is corrupt or that the guest has done something bad).
102   Consider carefully before asserting/aborting at this point, since the
103   normal response from users is that *migration broke their VM* since it had
104   apparently been running fine until then.  In these error cases, the device
105   should log a message indicating the cause of error, and should consider
106   putting the device into an error state, allowing the rest of the VM to
107   continue execution.
109 - The migration might happen at an inconvenient point,
110   e.g. right in the middle of the guest reprogramming the device, during
111   guest reboot or shutdown or while the device is waiting for external IO.
112   It's strongly preferred that migrations do not fail in this situation,
113   since in the cloud environment migrations might happen automatically to
114   VMs that the administrator doesn't directly control.
116 - If you do need to fail a migration, ensure that sufficient information
117   is logged to identify what went wrong.
119 - The destination should treat an incoming migration stream as hostile
120   (which we do to varying degrees in the existing code).  Check that offsets
121   into buffers and the like can't cause overruns.  Fail the incoming migration
122   in the case of a corrupted stream like this.
124 - Take care with internal device state or behaviour that might become
125   migration version dependent.  For example, the order of PCI capabilities
126   is required to stay constant across migration.  Another example would
127   be that a special case handled by subsections (see below) might become
128   much more common if a default behaviour is changed.
130 - The state of the source should not be changed or destroyed by the
131   outgoing migration.  Migrations timing out or being failed by
132   higher levels of management, or failures of the destination host are
133   not unusual, and in that case the VM is restarted on the source.
134   Note that the management layer can validly revert the migration
135   even though the QEMU level of migration has succeeded as long as it
136   does it before starting execution on the destination.
138 - Buses and devices should be able to explicitly specify addresses when
139   instantiated, and management tools should use those.  For example,
140   when hot adding USB devices it's important to specify the ports
141   and addresses, since implicit ordering based on the command line order
142   may be different on the destination.  This can result in the
143   device state being loaded into the wrong device.
145 VMState
146 -------
148 Most device data can be described using the ``VMSTATE`` macros (mostly defined
149 in ``include/migration/vmstate.h``).
151 An example (from hw/input/pckbd.c)
153 .. code:: c
155   static const VMStateDescription vmstate_kbd = {
156       .name = "pckbd",
157       .version_id = 3,
158       .minimum_version_id = 3,
159       .fields = (VMStateField[]) {
160           VMSTATE_UINT8(write_cmd, KBDState),
161           VMSTATE_UINT8(status, KBDState),
162           VMSTATE_UINT8(mode, KBDState),
163           VMSTATE_UINT8(pending, KBDState),
164           VMSTATE_END_OF_LIST()
165       }
166   };
168 We are declaring the state with name "pckbd".
169 The ``version_id`` is 3, and the fields are 4 uint8_t in a KBDState structure.
170 We registered this with:
172 .. code:: c
174     vmstate_register(NULL, 0, &vmstate_kbd, s);
176 For devices that are ``qdev`` based, we can register the device in the class
177 init function:
179 .. code:: c
181     dc->vmsd = &vmstate_kbd_isa;
183 The VMState macros take care of ensuring that the device data section
184 is formatted portably (normally big endian) and make some compile time checks
185 against the types of the fields in the structures.
187 VMState macros can include other VMStateDescriptions to store substructures
188 (see ``VMSTATE_STRUCT_``), arrays (``VMSTATE_ARRAY_``) and variable length
189 arrays (``VMSTATE_VARRAY_``).  Various other macros exist for special
190 cases.
192 Note that the format on the wire is still very raw; i.e. a VMSTATE_UINT32
193 ends up with a 4 byte bigendian representation on the wire; in the future
194 it might be possible to use a more structured format.
196 Legacy way
197 ----------
199 This way is going to disappear as soon as all current users are ported to VMSTATE;
200 although converting existing code can be tricky, and thus 'soon' is relative.
202 Each device has to register two functions, one to save the state and
203 another to load the state back.
205 .. code:: c
207   int register_savevm_live(const char *idstr,
208                            int instance_id,
209                            int version_id,
210                            SaveVMHandlers *ops,
211                            void *opaque);
213 Two functions in the ``ops`` structure are the ``save_state``
214 and ``load_state`` functions.  Notice that ``load_state`` receives a version_id
215 parameter to know what state format is receiving.  ``save_state`` doesn't
216 have a version_id parameter because it always uses the latest version.
218 Note that because the VMState macros still save the data in a raw
219 format, in many cases it's possible to replace legacy code
220 with a carefully constructed VMState description that matches the
221 byte layout of the existing code.
223 Changing migration data structures
224 ----------------------------------
226 When we migrate a device, we save/load the state as a series
227 of fields.  Sometimes, due to bugs or new functionality, we need to
228 change the state to store more/different information.  Changing the migration
229 state saved for a device can break migration compatibility unless
230 care is taken to use the appropriate techniques.  In general QEMU tries
231 to maintain forward migration compatibility (i.e. migrating from
232 QEMU n->n+1) and there are users who benefit from backward compatibility
233 as well.
235 Subsections
236 -----------
238 The most common structure change is adding new data, e.g. when adding
239 a newer form of device, or adding that state that you previously
240 forgot to migrate.  This is best solved using a subsection.
242 A subsection is "like" a device vmstate, but with a particularity, it
243 has a Boolean function that tells if that values are needed to be sent
244 or not.  If this functions returns false, the subsection is not sent.
245 Subsections have a unique name, that is looked for on the receiving
246 side.
248 On the receiving side, if we found a subsection for a device that we
249 don't understand, we just fail the migration.  If we understand all
250 the subsections, then we load the state with success.  There's no check
251 that a subsection is loaded, so a newer QEMU that knows about a subsection
252 can (with care) load a stream from an older QEMU that didn't send
253 the subsection.
255 If the new data is only needed in a rare case, then the subsection
256 can be made conditional on that case and the migration will still
257 succeed to older QEMUs in most cases.  This is OK for data that's
258 critical, but in some use cases it's preferred that the migration
259 should succeed even with the data missing.  To support this the
260 subsection can be connected to a device property and from there
261 to a versioned machine type.
263 The 'pre_load' and 'post_load' functions on subsections are only
264 called if the subsection is loaded.
266 One important note is that the outer post_load() function is called "after"
267 loading all subsections, because a newer subsection could change the same
268 value that it uses.  A flag, and the combination of outer pre_load and
269 post_load can be used to detect whether a subsection was loaded, and to
270 fall back on default behaviour when the subsection isn't present.
272 Example:
274 .. code:: c
276   static bool ide_drive_pio_state_needed(void *opaque)
277   {
278       IDEState *s = opaque;
280       return ((s->status & DRQ_STAT) != 0)
281           || (s->bus->error_status & BM_STATUS_PIO_RETRY);
282   }
284   const VMStateDescription vmstate_ide_drive_pio_state = {
285       .name = "ide_drive/pio_state",
286       .version_id = 1,
287       .minimum_version_id = 1,
288       .pre_save = ide_drive_pio_pre_save,
289       .post_load = ide_drive_pio_post_load,
290       .needed = ide_drive_pio_state_needed,
291       .fields = (VMStateField[]) {
292           VMSTATE_INT32(req_nb_sectors, IDEState),
293           VMSTATE_VARRAY_INT32(io_buffer, IDEState, io_buffer_total_len, 1,
294                                vmstate_info_uint8, uint8_t),
295           VMSTATE_INT32(cur_io_buffer_offset, IDEState),
296           VMSTATE_INT32(cur_io_buffer_len, IDEState),
297           VMSTATE_UINT8(end_transfer_fn_idx, IDEState),
298           VMSTATE_INT32(elementary_transfer_size, IDEState),
299           VMSTATE_INT32(packet_transfer_size, IDEState),
300           VMSTATE_END_OF_LIST()
301       }
302   };
304   const VMStateDescription vmstate_ide_drive = {
305       .name = "ide_drive",
306       .version_id = 3,
307       .minimum_version_id = 0,
308       .post_load = ide_drive_post_load,
309       .fields = (VMStateField[]) {
310           .... several fields ....
311           VMSTATE_END_OF_LIST()
312       },
313       .subsections = (const VMStateDescription*[]) {
314           &vmstate_ide_drive_pio_state,
315           NULL
316       }
317   };
319 Here we have a subsection for the pio state.  We only need to
320 save/send this state when we are in the middle of a pio operation
321 (that is what ``ide_drive_pio_state_needed()`` checks).  If DRQ_STAT is
322 not enabled, the values on that fields are garbage and don't need to
323 be sent.
325 Connecting subsections to properties
326 ------------------------------------
328 Using a condition function that checks a 'property' to determine whether
329 to send a subsection allows backward migration compatibility when
330 new subsections are added, especially when combined with versioned
331 machine types.
333 For example:
335    a) Add a new property using ``DEFINE_PROP_BOOL`` - e.g. support-foo and
336       default it to true.
337    b) Add an entry to the ``hw_compat_`` for the previous version that sets
338       the property to false.
339    c) Add a static bool  support_foo function that tests the property.
340    d) Add a subsection with a .needed set to the support_foo function
341    e) (potentially) Add an outer pre_load that sets up a default value
342       for 'foo' to be used if the subsection isn't loaded.
344 Now that subsection will not be generated when using an older
345 machine type and the migration stream will be accepted by older
346 QEMU versions.
348 Not sending existing elements
349 -----------------------------
351 Sometimes members of the VMState are no longer needed:
353   - removing them will break migration compatibility
355   - making them version dependent and bumping the version will break backward migration
356     compatibility.
358 Adding a dummy field into the migration stream is normally the best way to preserve
359 compatibility.
361 If the field really does need to be removed then:
363   a) Add a new property/compatibility/function in the same way for subsections above.
364   b) replace the VMSTATE macro with the _TEST version of the macro, e.g.:
366    ``VMSTATE_UINT32(foo, barstruct)``
368    becomes
370    ``VMSTATE_UINT32_TEST(foo, barstruct, pre_version_baz)``
372    Sometime in the future when we no longer care about the ancient versions these can be killed off.
373    Note that for backward compatibility it's important to fill in the structure with
374    data that the destination will understand.
376 Any difference in the predicates on the source and destination will end up
377 with different fields being enabled and data being loaded into the wrong
378 fields; for this reason conditional fields like this are very fragile.
380 Versions
381 --------
383 Version numbers are intended for major incompatible changes to the
384 migration of a device, and using them breaks backward-migration
385 compatibility; in general most changes can be made by adding Subsections
386 (see above) or _TEST macros (see above) which won't break compatibility.
388 Each version is associated with a series of fields saved.  The ``save_state`` always saves
389 the state as the newer version.  But ``load_state`` sometimes is able to
390 load state from an older version.
392 You can see that there are two version fields:
394 - ``version_id``: the maximum version_id supported by VMState for that device.
395 - ``minimum_version_id``: the minimum version_id that VMState is able to understand
396   for that device.
398 VMState is able to read versions from minimum_version_id to version_id.
400 There are *_V* forms of many ``VMSTATE_`` macros to load fields for version dependent fields,
401 e.g.
403 .. code:: c
405    VMSTATE_UINT16_V(ip_id, Slirp, 2),
407 only loads that field for versions 2 and newer.
409 Saving state will always create a section with the 'version_id' value
410 and thus can't be loaded by any older QEMU.
412 Massaging functions
413 -------------------
415 Sometimes, it is not enough to be able to save the state directly
416 from one structure, we need to fill the correct values there.  One
417 example is when we are using kvm.  Before saving the cpu state, we
418 need to ask kvm to copy to QEMU the state that it is using.  And the
419 opposite when we are loading the state, we need a way to tell kvm to
420 load the state for the cpu that we have just loaded from the QEMUFile.
422 The functions to do that are inside a vmstate definition, and are called:
424 - ``int (*pre_load)(void *opaque);``
426   This function is called before we load the state of one device.
428 - ``int (*post_load)(void *opaque, int version_id);``
430   This function is called after we load the state of one device.
432 - ``int (*pre_save)(void *opaque);``
434   This function is called before we save the state of one device.
436 - ``int (*post_save)(void *opaque);``
438   This function is called after we save the state of one device
439   (even upon failure, unless the call to pre_save returned an error).
441 Example: You can look at hpet.c, that uses the first three functions
442 to massage the state that is transferred.
444 The ``VMSTATE_WITH_TMP`` macro may be useful when the migration
445 data doesn't match the stored device data well; it allows an
446 intermediate temporary structure to be populated with migration
447 data and then transferred to the main structure.
449 If you use memory API functions that update memory layout outside
450 initialization (i.e., in response to a guest action), this is a strong
451 indication that you need to call these functions in a ``post_load`` callback.
452 Examples of such memory API functions are:
454   - memory_region_add_subregion()
455   - memory_region_del_subregion()
456   - memory_region_set_readonly()
457   - memory_region_set_nonvolatile()
458   - memory_region_set_enabled()
459   - memory_region_set_address()
460   - memory_region_set_alias_offset()
462 Iterative device migration
463 --------------------------
465 Some devices, such as RAM, Block storage or certain platform devices,
466 have large amounts of data that would mean that the CPUs would be
467 paused for too long if they were sent in one section.  For these
468 devices an *iterative* approach is taken.
470 The iterative devices generally don't use VMState macros
471 (although it may be possible in some cases) and instead use
472 qemu_put_*/qemu_get_* macros to read/write data to the stream.  Specialist
473 versions exist for high bandwidth IO.
476 An iterative device must provide:
478   - A ``save_setup`` function that initialises the data structures and
479     transmits a first section containing information on the device.  In the
480     case of RAM this transmits a list of RAMBlocks and sizes.
482   - A ``load_setup`` function that initialises the data structures on the
483     destination.
485   - A ``state_pending_exact`` function that indicates how much more
486     data we must save.  The core migration code will use this to
487     determine when to pause the CPUs and complete the migration.
489   - A ``state_pending_estimate`` function that indicates how much more
490     data we must save.  When the estimated amount is smaller than the
491     threshold, we call ``state_pending_exact``.
493   - A ``save_live_iterate`` function should send a chunk of data until
494     the point that stream bandwidth limits tell it to stop.  Each call
495     generates one section.
497   - A ``save_live_complete_precopy`` function that must transmit the
498     last section for the device containing any remaining data.
500   - A ``load_state`` function used to load sections generated by
501     any of the save functions that generate sections.
503   - ``cleanup`` functions for both save and load that are called
504     at the end of migration.
506 Note that the contents of the sections for iterative migration tend
507 to be open-coded by the devices; care should be taken in parsing
508 the results and structuring the stream to make them easy to validate.
510 Device ordering
511 ---------------
513 There are cases in which the ordering of device loading matters; for
514 example in some systems where a device may assert an interrupt during loading,
515 if the interrupt controller is loaded later then it might lose the state.
517 Some ordering is implicitly provided by the order in which the machine
518 definition creates devices, however this is somewhat fragile.
520 The ``MigrationPriority`` enum provides a means of explicitly enforcing
521 ordering.  Numerically higher priorities are loaded earlier.
522 The priority is set by setting the ``priority`` field of the top level
523 ``VMStateDescription`` for the device.
525 Stream structure
526 ================
528 The stream tries to be word and endian agnostic, allowing migration between hosts
529 of different characteristics running the same VM.
531   - Header
533     - Magic
534     - Version
535     - VM configuration section
537        - Machine type
538        - Target page bits
539   - List of sections
540     Each section contains a device, or one iteration of a device save.
542     - section type
543     - section id
544     - ID string (First section of each device)
545     - instance id (First section of each device)
546     - version id (First section of each device)
547     - <device data>
548     - Footer mark
549   - EOF mark
550   - VM Description structure
551     Consisting of a JSON description of the contents for analysis only
553 The ``device data`` in each section consists of the data produced
554 by the code described above.  For non-iterative devices they have a single
555 section; iterative devices have an initial and last section and a set
556 of parts in between.
557 Note that there is very little checking by the common code of the integrity
558 of the ``device data`` contents, that's up to the devices themselves.
559 The ``footer mark`` provides a little bit of protection for the case where
560 the receiving side reads more or less data than expected.
562 The ``ID string`` is normally unique, having been formed from a bus name
563 and device address, PCI devices and storage devices hung off PCI controllers
564 fit this pattern well.  Some devices are fixed single instances (e.g. "pc-ram").
565 Others (especially either older devices or system devices which for
566 some reason don't have a bus concept) make use of the ``instance id``
567 for otherwise identically named devices.
569 Return path
570 -----------
572 Only a unidirectional stream is required for normal migration, however a
573 ``return path`` can be created when bidirectional communication is desired.
574 This is primarily used by postcopy, but is also used to return a success
575 flag to the source at the end of migration.
577 ``qemu_file_get_return_path(QEMUFile* fwdpath)`` gives the QEMUFile* for the return
578 path.
580   Source side
582      Forward path - written by migration thread
583      Return path  - opened by main thread, read by return-path thread
585   Destination side
587      Forward path - read by main thread
588      Return path  - opened by main thread, written by main thread AND postcopy
589      thread (protected by rp_mutex)
591 Postcopy
592 ========
594 'Postcopy' migration is a way to deal with migrations that refuse to converge
595 (or take too long to converge) its plus side is that there is an upper bound on
596 the amount of migration traffic and time it takes, the down side is that during
597 the postcopy phase, a failure of *either* side or the network connection causes
598 the guest to be lost.
600 In postcopy the destination CPUs are started before all the memory has been
601 transferred, and accesses to pages that are yet to be transferred cause
602 a fault that's translated by QEMU into a request to the source QEMU.
604 Postcopy can be combined with precopy (i.e. normal migration) so that if precopy
605 doesn't finish in a given time the switch is made to postcopy.
607 Enabling postcopy
608 -----------------
610 To enable postcopy, issue this command on the monitor (both source and
611 destination) prior to the start of migration:
613 ``migrate_set_capability postcopy-ram on``
615 The normal commands are then used to start a migration, which is still
616 started in precopy mode.  Issuing:
618 ``migrate_start_postcopy``
620 will now cause the transition from precopy to postcopy.
621 It can be issued immediately after migration is started or any
622 time later on.  Issuing it after the end of a migration is harmless.
624 Blocktime is a postcopy live migration metric, intended to show how
625 long the vCPU was in state of interruptible sleep due to pagefault.
626 That metric is calculated both for all vCPUs as overlapped value, and
627 separately for each vCPU. These values are calculated on destination
628 side.  To enable postcopy blocktime calculation, enter following
629 command on destination monitor:
631 ``migrate_set_capability postcopy-blocktime on``
633 Postcopy blocktime can be retrieved by query-migrate qmp command.
634 postcopy-blocktime value of qmp command will show overlapped blocking
635 time for all vCPU, postcopy-vcpu-blocktime will show list of blocking
636 time per vCPU.
638 .. note::
639   During the postcopy phase, the bandwidth limits set using
640   ``migrate_set_parameter`` is ignored (to avoid delaying requested pages that
641   the destination is waiting for).
643 Postcopy device transfer
644 ------------------------
646 Loading of device data may cause the device emulation to access guest RAM
647 that may trigger faults that have to be resolved by the source, as such
648 the migration stream has to be able to respond with page data *during* the
649 device load, and hence the device data has to be read from the stream completely
650 before the device load begins to free the stream up.  This is achieved by
651 'packaging' the device data into a blob that's read in one go.
653 Source behaviour
654 ----------------
656 Until postcopy is entered the migration stream is identical to normal
657 precopy, except for the addition of a 'postcopy advise' command at
658 the beginning, to tell the destination that postcopy might happen.
659 When postcopy starts the source sends the page discard data and then
660 forms the 'package' containing:
662    - Command: 'postcopy listen'
663    - The device state
665      A series of sections, identical to the precopy streams device state stream
666      containing everything except postcopiable devices (i.e. RAM)
667    - Command: 'postcopy run'
669 The 'package' is sent as the data part of a Command: ``CMD_PACKAGED``, and the
670 contents are formatted in the same way as the main migration stream.
672 During postcopy the source scans the list of dirty pages and sends them
673 to the destination without being requested (in much the same way as precopy),
674 however when a page request is received from the destination, the dirty page
675 scanning restarts from the requested location.  This causes requested pages
676 to be sent quickly, and also causes pages directly after the requested page
677 to be sent quickly in the hope that those pages are likely to be used
678 by the destination soon.
680 Destination behaviour
681 ---------------------
683 Initially the destination looks the same as precopy, with a single thread
684 reading the migration stream; the 'postcopy advise' and 'discard' commands
685 are processed to change the way RAM is managed, but don't affect the stream
686 processing.
690   ------------------------------------------------------------------------------
691                           1      2   3     4 5                      6   7
692   main -----DISCARD-CMD_PACKAGED ( LISTEN  DEVICE     DEVICE DEVICE RUN )
693   thread                             |       |
694                                      |     (page request)
695                                      |        \___
696                                      v            \
697   listen thread:                     --- page -- page -- page -- page -- page --
699                                      a   b        c
700   ------------------------------------------------------------------------------
702 - On receipt of ``CMD_PACKAGED`` (1)
704    All the data associated with the package - the ( ... ) section in the diagram -
705    is read into memory, and the main thread recurses into qemu_loadvm_state_main
706    to process the contents of the package (2) which contains commands (3,6) and
707    devices (4...)
709 - On receipt of 'postcopy listen' - 3 -(i.e. the 1st command in the package)
711    a new thread (a) is started that takes over servicing the migration stream,
712    while the main thread carries on loading the package.   It loads normal
713    background page data (b) but if during a device load a fault happens (5)
714    the returned page (c) is loaded by the listen thread allowing the main
715    threads device load to carry on.
717 - The last thing in the ``CMD_PACKAGED`` is a 'RUN' command (6)
719    letting the destination CPUs start running.  At the end of the
720    ``CMD_PACKAGED`` (7) the main thread returns to normal running behaviour and
721    is no longer used by migration, while the listen thread carries on servicing
722    page data until the end of migration.
724 Postcopy states
725 ---------------
727 Postcopy moves through a series of states (see postcopy_state) from
728 ADVISE->DISCARD->LISTEN->RUNNING->END
730  - Advise
732     Set at the start of migration if postcopy is enabled, even
733     if it hasn't had the start command; here the destination
734     checks that its OS has the support needed for postcopy, and performs
735     setup to ensure the RAM mappings are suitable for later postcopy.
736     The destination will fail early in migration at this point if the
737     required OS support is not present.
738     (Triggered by reception of POSTCOPY_ADVISE command)
740  - Discard
742     Entered on receipt of the first 'discard' command; prior to
743     the first Discard being performed, hugepages are switched off
744     (using madvise) to ensure that no new huge pages are created
745     during the postcopy phase, and to cause any huge pages that
746     have discards on them to be broken.
748  - Listen
750     The first command in the package, POSTCOPY_LISTEN, switches
751     the destination state to Listen, and starts a new thread
752     (the 'listen thread') which takes over the job of receiving
753     pages off the migration stream, while the main thread carries
754     on processing the blob.  With this thread able to process page
755     reception, the destination now 'sensitises' the RAM to detect
756     any access to missing pages (on Linux using the 'userfault'
757     system).
759  - Running
761     POSTCOPY_RUN causes the destination to synchronise all
762     state and start the CPUs and IO devices running.  The main
763     thread now finishes processing the migration package and
764     now carries on as it would for normal precopy migration
765     (although it can't do the cleanup it would do as it
766     finishes a normal migration).
768  - End
770     The listen thread can now quit, and perform the cleanup of migration
771     state, the migration is now complete.
773 Source side page maps
774 ---------------------
776 The source side keeps two bitmaps during postcopy; 'the migration bitmap'
777 and 'unsent map'.  The 'migration bitmap' is basically the same as in
778 the precopy case, and holds a bit to indicate that page is 'dirty' -
779 i.e. needs sending.  During the precopy phase this is updated as the CPU
780 dirties pages, however during postcopy the CPUs are stopped and nothing
781 should dirty anything any more.
783 The 'unsent map' is used for the transition to postcopy. It is a bitmap that
784 has a bit cleared whenever a page is sent to the destination, however during
785 the transition to postcopy mode it is combined with the migration bitmap
786 to form a set of pages that:
788    a) Have been sent but then redirtied (which must be discarded)
789    b) Have not yet been sent - which also must be discarded to cause any
790       transparent huge pages built during precopy to be broken.
792 Note that the contents of the unsentmap are sacrificed during the calculation
793 of the discard set and thus aren't valid once in postcopy.  The dirtymap
794 is still valid and is used to ensure that no page is sent more than once.  Any
795 request for a page that has already been sent is ignored.  Duplicate requests
796 such as this can happen as a page is sent at about the same time the
797 destination accesses it.
799 Postcopy with hugepages
800 -----------------------
802 Postcopy now works with hugetlbfs backed memory:
804   a) The linux kernel on the destination must support userfault on hugepages.
805   b) The huge-page configuration on the source and destination VMs must be
806      identical; i.e. RAMBlocks on both sides must use the same page size.
807   c) Note that ``-mem-path /dev/hugepages``  will fall back to allocating normal
808      RAM if it doesn't have enough hugepages, triggering (b) to fail.
809      Using ``-mem-prealloc`` enforces the allocation using hugepages.
810   d) Care should be taken with the size of hugepage used; postcopy with 2MB
811      hugepages works well, however 1GB hugepages are likely to be problematic
812      since it takes ~1 second to transfer a 1GB hugepage across a 10Gbps link,
813      and until the full page is transferred the destination thread is blocked.
815 Postcopy with shared memory
816 ---------------------------
818 Postcopy migration with shared memory needs explicit support from the other
819 processes that share memory and from QEMU. There are restrictions on the type of
820 memory that userfault can support shared.
822 The Linux kernel userfault support works on ``/dev/shm`` memory and on ``hugetlbfs``
823 (although the kernel doesn't provide an equivalent to ``madvise(MADV_DONTNEED)``
824 for hugetlbfs which may be a problem in some configurations).
826 The vhost-user code in QEMU supports clients that have Postcopy support,
827 and the ``vhost-user-bridge`` (in ``tests/``) and the DPDK package have changes
828 to support postcopy.
830 The client needs to open a userfaultfd and register the areas
831 of memory that it maps with userfault.  The client must then pass the
832 userfaultfd back to QEMU together with a mapping table that allows
833 fault addresses in the clients address space to be converted back to
834 RAMBlock/offsets.  The client's userfaultfd is added to the postcopy
835 fault-thread and page requests are made on behalf of the client by QEMU.
836 QEMU performs 'wake' operations on the client's userfaultfd to allow it
837 to continue after a page has arrived.
839 .. note::
840   There are two future improvements that would be nice:
841     a) Some way to make QEMU ignorant of the addresses in the clients
842        address space
843     b) Avoiding the need for QEMU to perform ufd-wake calls after the
844        pages have arrived
846 Retro-fitting postcopy to existing clients is possible:
847   a) A mechanism is needed for the registration with userfault as above,
848      and the registration needs to be coordinated with the phases of
849      postcopy.  In vhost-user extra messages are added to the existing
850      control channel.
851   b) Any thread that can block due to guest memory accesses must be
852      identified and the implication understood; for example if the
853      guest memory access is made while holding a lock then all other
854      threads waiting for that lock will also be blocked.
856 Firmware
857 ========
859 Migration migrates the copies of RAM and ROM, and thus when running
860 on the destination it includes the firmware from the source. Even after
861 resetting a VM, the old firmware is used.  Only once QEMU has been restarted
862 is the new firmware in use.
864 - Changes in firmware size can cause changes in the required RAMBlock size
865   to hold the firmware and thus migration can fail.  In practice it's best
866   to pad firmware images to convenient powers of 2 with plenty of space
867   for growth.
869 - Care should be taken with device emulation code so that newer
870   emulation code can work with older firmware to allow forward migration.
872 - Care should be taken with newer firmware so that backward migration
873   to older systems with older device emulation code will work.
875 In some cases it may be best to tie specific firmware versions to specific
876 versioned machine types to cut down on the combinations that will need
877 support.  This is also useful when newer versions of firmware outgrow
878 the padding.