Whamcloud - gitweb
LU-13441 osd-zfs: remove OSD thread info cache size assertion
[fs/lustre-release.git] / Documentation / clio.txt
1                ******************************************************
2                * Overview of the Lustre Client I/O (CLIO) subsystem *
3                ******************************************************
4
5 Original Authors:
6 =================
7 Nikita Danilov <Nikita_Danilov@xyratex.com>
8
9 Topics
10 ======
11
12 1. Overview
13         1.1. Goals
14         1.2. Terminology
15                 i.   I/O vs. Transfer
16                 ii.  Top-{object,lock,page}, Sub-{object,lock,page}
17                 iii. VVP, llite
18         1.3. Main Differences with the Pre-CLIO Client Code
19         1.4. Layered objects, Slices, Headers
20         1.5. Instantiation
21         1.6. Life Cycle
22         1.7. State Machines
23         1.8. Finalization
24         1.9. Code Structure
25 2. Layers
26         2.1. VVP, Echo-client
27         2.2. LOV, LOVSUB (layouts)
28         2.3. OSC
29 3. Objects
30         3.1. FID, Hashing, Caching, LRU
31         3.2. Top-object, Sub-object
32         3.3. Object Operations
33         3.4. Object Attributes
34         3.5. Object Layout
35 4. Pages
36         4.1. Page Indexing
37         4.2. Page Ownership
38         4.3. Page Transfer Locking
39         4.4. Page Operations
40         4.5. Page Initialization
41 5. Locks
42         5.1. Lock Life Cycle
43         5.2. cl_lock and LDLM Lock
44         5.3. Use Case: Lock Invalidation
45 6. IO
46         6.1. Fixed IO Types
47         6.2. IO State Machine
48         6.3. Parallel IO
49         6.4. Data-flow: From Stack to IO Slice
50 7. Transfer
51         7.1. Immediate vs. Opportunistic Transfers
52         7.2. Page Lists
53         7.3. Transfer States: Prepare, Completion
54         7.4. Page Completion Handlers, Synchronous Transfer
55 8. LU Environment (lu_env)
56         8.1. Motivation, Server Environment Usage
57         8.2. Client Usage
58         8.3. Sub-environments
59 9. Use Cases
60         9.1. Inode Creation
61         9.2. First IO to a File
62                 i. Read, Read-ahead
63                 ii. Write
64         9.3. Lock-less and No-cache IO
65
66 ================
67 = 1. Overview =
68 ================
69
70 1.1. Goals
71 ==========
72
73 CLIO is a re-write of interfaces between layers in the client data-path (read,
74 write, truncate). Its goals are:
75
76 - Reduce the number of bugs in the IO path;
77
78 - Introduce more logical layer interfaces instead of current all-in-one OBD
79   device interface;
80
81 - Define clear and precise semantics for the interface entry points;
82
83 - Simplify the structure of the client code.
84
85 - Support upcoming features:
86
87         . SNS,
88         . p2p caching,
89         . parallel non-blocking IO,
90         . pNFS;
91
92 - Reduce stack consumption.
93
94 Restrictions:
95
96 - No meta-data changes;
97 - No support for 2.4 kernels;
98 - Portable code;
99 - No changes to recovery;
100 - The same layers with mostly the same functionality;
101 - As few changes to the core logic of each Lustre data-stack layer as possible
102   (e.g., no changes to the read-ahead or OSC RPC logic).
103
104 1.2. Terminology
105 ================
106
107 Any discussion of client functionality has to talk about `read' and `write'
108 system calls on the one hand and about `read' and `write' requests to the
109 server on the other hand. To avoid confusion, the former high level operations
110 are called `IO', while the latter are called `transfer'.
111
112 Many concepts apply uniformly to pages, locks, files, and IO contexts, such as
113 reference counting, caching, etc. To describe such situations, a common term is
114 needed to denote things from any of the above classes. `Object' would be a
115 natural choice, but files and especially stripes are already called objects, so
116 the term `entity' is used instead.
117
118 Due to the striping it's often a case that some entity is composed of multiple
119 entities of the same kind: a file is composed of stripe objects, a logical lock
120 on a file is composed of stripe locks on the file's stripes, etc. In these
121 cases we shall talk about top-object, top-lock, top-page, top-IO, etc. being
122 constructed from sub-objects, sub-locks, sub-pages, sub-io's respectively.
123
124 The topmost module in the Linux client, is traditionally known as `llite'.  The
125 corresponding CLIO layer is called `VVP' (VFS, VM, POSIX) to reflect its
126 functional responsibilities.
127
128 1.3. Main Differences with the Pre-CLIO Client Code
129 ===================================================
130
131 - Locks on files (as opposed to locks on stripes) are first-class objects (i.e.
132   layered entities);
133
134 - Sub-objects (stripes) are first-class objects;
135
136 - Stripe-related logic is moved out of llite (almost);
137
138 - IO control flow is different:
139
140         . Pre-CLIO: llite implements control flow, calling underlying OBD
141           methods as necessary;
142
143         . CLIO: generic code (cl_io_loop()) controls IO logic calling all
144           layers, including VVP.
145
146   In other words, VVP (or any other top-layer) instead of calling some
147   pre-existing `lustre interface', also implements parts of this interface.
148
149 - The lu_env allocator from MDT is used on the client.
150
151 1.4. Layered Objects
152 ====================
153
154 CLIO continues the layered object approach that was found to be useful for the
155 MDS rewrite in Lustre 2.0. In this approach, instances of key entity types
156 (files, pages, locks, etc.) are represented as a header, containing attributes
157 shared by all layers. Each header contains a linked list of per-layer `slices',
158 each of which contains a pointer to a vector of function pointers. Generic
159 operations on layered objects are implemented by going through the list of
160 slices and invoking the corresponding function from the operation vector at
161 every layer.  In this way generic object behavior is delegated to the layers.
162
163 For example, a page entity is represented by struct cl_page, from which hangs
164 off a list of cl_page_slice structures, one for each layer in the stack.
165 cl_page_slice contains a pointer to struct cl_page_operations.
166 cl_page_operations has the field
167
168         void (*cpo_completion)(const struct lu_env *env,
169               const struct cl_page_slice *slice, int ioret);
170
171 When transfer of a page is finished, ->cpo_completion() methods are called in a
172 particular order (bottom to top in this case).
173
174 Allocation of slices is done during instance creation. If a layer needs some
175 private state for an object, it embeds the slice into its own data structure.
176 For example, the OSC layer defines
177
178         struct osc_lock {
179                 struct cl_lock_slice ols_cl;
180                 struct ldlm_lock *ols_lock;
181                 ...
182         };
183
184 When an operation from cl_lock_operations is called, it is given a pointer to
185 struct cl_lock_slice, and the layer casts it to its private structure (for
186 example, struct osc_lock) to access per-layer state.
187
188 The following types of layered objects exist in CLIO:
189
190 - File system objects (files and stripes): struct cl_object_header, slices
191   are of type struct cl_object;
192
193 - Cached pages with data: struct cl_page, slices are of type
194   cl_page_slice;
195
196 - Extent locks: struct cl_lock, slices are of type cl_lock_slice;
197
198 - IO content: struct cl_io, slices are of type cl_io_slice;
199
200 1.5. Instantiation
201 ==================
202
203 Entities with different sequences of slices can co-exist. A typical example of
204 this is a local vs. remote object on the MDS. A local object, based on some
205 file in the local file system has MDT, MDD, LOD and OSD as its layers, whereas
206 a remote object (representing an object local to some other MDT) has MDT, MDD,
207 LOD, and OSP layers.
208
209 When the client is being mounted, its device stack is configured according to
210 llog configuration records. The typical configuration is
211
212                            vvp_device
213                                 |
214                                 V
215                            lov_device
216                                 |
217                         +---+---+---+---+
218                         |   |   |   |   |
219                         V   V   V   V   V
220                       .... osc_device's ....
221
222 In this tree every node knows its descendants. When a new file (inode) is
223 created, every layer, starting from the top, creates a slice with a state and
224 an operation vector for this layer, appends this slice to the tail of a list
225 anchored at the object header, and then calls the corresponding lower layer
226 device to do the same. That is, the file object structure is determined by the
227 configuration of devices to which this file belongs.
228
229 Pages and locks, in turn, belong to the file objects, and when a new page is
230 created for a given object, slices of this object are iterated through and
231 every slice is asked to initialize a new page, which includes (usually)
232 allocation of a new page slice and its insertion into a list of page slices.
233 Locks and IO context instantiation is handled similarly.
234
235 1.6. Life cycle
236 ===============
237
238 All layered objects except locks, IO contexts and transfer requests (which
239 leaves file objects, pages) are reference counted and cached. They have a
240 uniform caching mechanism:
241
242 - Objects are kept in some sort of an index (global FID hash for file objects,
243   per-file radix tree for pages, and per-file list for locks);
244
245 - A reference for an object can be acquired by cl_{object,page}_find() functions
246   that search the index, and if object is not there, create a new one
247   and insert it into the index;
248
249 - A reference is released by cl_{object,page}_put() functions. When the last
250   reference is released, the object is returned to the cache (still in the
251   index), except when the user explicitly set `do not cache' flag for this
252   object. In the latter case the object is destroyed immediately.
253
254 Locks(cl_lock) are owned by individual IO threads. cl_lock is a container of
255 lock requirements for underlying DLM locks. cl_lock is allocated by
256 cl_lock_request() and destroyed by cl_lock_cancel(). DLM locks are cacheable
257 and can be reused by cl_locks.
258
259 IO contexts are owned by a thread (or, potentially a group of threads) doing
260 IO, and need neither reference counting nor indexing. Similarly, transfer
261 requests are owned by an OSC device, and their lifetime is from RPC creation
262 until completion notification.
263
264 1.7. State Machines
265 ===================
266
267 All types of layered objects contain a state-machine, although for the transfer
268 requests this machine is trivial (CREATED -> PREPARED -> INFLIGHT ->
269 COMPLETED), and for the file objects it is very simple.  Page, lock, and IO
270 state machines are described in more detail below.
271
272 As a generic rule, state machine transitions are made under some kind of lock:
273 VM lock for a page, and LU site spin-lock for an object. After some event that
274 might cause a state transition, such lock is taken, and the object state is
275 analysed to check whether transition is possible. If it is, the state machine
276 is advanced to the new state and the lock is released. IO state transitions do
277 not require concurrency control.
278
279 1.8. Finalization
280 =================
281
282 State machine and reference counting interact during object destruction. In
283 addition to temporary pointers to an entity (that are counted in its reference
284 counter), an entity is reachable through
285
286 - Indexing structures described above
287
288 - Pointers internal to some layer of this entity. For example, a page is
289   reachable through a pointer from VM page, and sub-{object, lock, page} might
290   be reachable through a pointer from its top-entity.
291
292 Entity destruction happens in three phases:
293
294 - First, a decision is made to destroy an entity, when, for example, a page is
295   truncated from a file, or an inode is destroyed. At this point the `do not
296   cache' bit is set in the entity header, and all ways to reach entity from
297   internal pointers are severed.
298
299   cl_{page,object}_get() functions never return an entity with the `do not
300   cache' bit set, so from this moment no new internal pointers can be
301   obtained.
302
303 - Pointers `drain' for some time as existing references are released. In
304   this phase the entity is reachable through
305
306         . temporary pointers, counted in its reference counter, and
307         . possibly a pointer in the indexing structure.
308
309 - When the last reference is released, the entity can be safely freed (after
310   possibly removing it from the index).
311
312   See lu_object_put(), cl_page_put().
313
314 1.9. Code Structure
315 ===================
316
317 The CLIO code resides in the following files:
318
319   {llite,lov,osc}/*_{dev,object,lock,page,io}.c
320   obdclass/cl_*.c
321   include/cl_object.h
322
323 All global CLIO data-types are defined in include/cl_object.h header which
324 contains detailed documentation. Generic clio code is in
325 obdclass/cl_{object,page,lock,io}.c
326
327 An implementation of CLIO interfaces for a layer foo is located in
328 foo/foo_{dev,object,page,lock,io}.c files.
329
330 Definitions of data-structures shared within a layer are in
331 foo/foo_cl_internal.h.
332
333 =============
334 = 2. Layers =
335 =============
336
337 This section briefly outlines responsibility of every layer in the stack. More
338 detailed description of functionality is in the following sections on objects,
339 pages and locks.
340
341 2.1. VVP, Echo-client
342 ==========================
343
344 There are currently 2 options for the top-most Lustre layer:
345
346 - VVP: linux kernel client,
347 - echo-client: special client used by the Lustre testing sub-system.
348
349 Other possibilities are:
350
351 - Client ports to other operating systems (OSX, Windows, Solaris),
352 - pNFS and NFS exports.
353
354 The responsibilities of the top-most layer include:
355
356 - Definition of the entry points through which Lustre is accessed by the
357   applications;
358 - Interaction with the hosting VM/MM system;
359 - Interaction with the hosting VFS or equivalent;
360 - Implementation of the desired semantics of top of Lustre (e.g. POSIX
361   or Win32 semantics).
362
363 Let's look at VVP in more detail. First, VVP implements VFS entry points
364 required by the Linux kernel interface: ll_file_{read,write,sendfile}(). Then,
365 VVP implements VM entry points: ll_{write,invalidate,release}page().
366
367 For file objects, VVP slice (vvp_object) contains a pointer to an inode.
368
369 For pages, the VVP slice (vvp_page) contains a pointer to the VM page
370 (struct page), a `defer up to date' flag to track read-ahead hits (similar to
371 the pre-CLIO client), and fields necessary for synchronous transfer (see
372 below).  VVP is responsible for implementation of the interaction between
373 client page (cl_page) and the VM.
374
375 There is no special VVP private state for locks.
376
377 For IO, VVP implements
378
379 - Mapping from Linux specific entry points (readv, writev, sendfile, etc.)
380   to Lustre IO loop,
381
382 - mmap,
383
384 - POSIX features like short reads, O_APPEND atomicity, etc.
385
386 - Read-ahead (this is arguably not the best layer in which to implement
387   read-ahead, as the existing read-ahead algorithm is network-aware).
388
389 2.2. LOV, LOVSUB
390 ================
391
392 The LOV layer implements RAID-0 striping. It maps top-entities (file objects,
393 locks, pages, IOs) to one or more sub-entities. LOVSUB is a companion layer
394 that does the reverse mapping.
395
396 2.3. OSC
397 ========
398
399 The OSC layer deals with networking stuff:
400
401 - It decides when an efficient RPC can be formed from cached data;
402
403 - It calls LNET to initiate a transfer and to get notification of completion;
404
405 - It calls LDLM to implement distributed cache coherency, and to get
406   notifications of lock cancellation requests;
407
408 ==============
409 = 3. Objects =
410 ==============
411
412 3.1. FID, Hashing, Caching, LRU
413 ===============================
414
415 Files and stripes are collectively known as (file system) `objects'. The CLIO
416 client reuses support for layered objects from the MDT stack. Both client and
417 MDT objects are based on struct lu_object type, representing a slice of a file
418 system object. lu_object's for a given object are linked through the
419 ->lo_linkage field into a list hanging off field ->loh_layers of struct
420 lu_object_header, that represents a whole layered object.
421
422 lu_object and lu_object_header provide functionality common between a client
423 and a server:
424
425 - An object is uniquely identified by a FID; all objects are kept in a hash
426   table indexed by a FID;
427
428 - Objects are reference counted. When the last reference to an object is
429   released it is returned back into the cache, unless it has been explicitly
430   marked for deletion, in which case it is immediately destroyed;
431
432 - Objects in the cache are kept in a LRU list that is scanned to keep cache
433   size under control.
434
435 On the MDT, lu_object is wrapped into struct md_object where additional state
436 that all server-side objects have is stored. Similarly, on a client, lu_object
437 and lu_object_header are embedded into struct cl_object and struct
438 cl_object_header where additional client state is stored.
439
440 3.2. Top-object, Sub-object
441 ===========================
442
443 An important distinction from the server side, where md_object and dt_object
444 are used, is that cl_object "fans out" at the LOV level: depending on the file
445 layout, a single file is represented as a set of "sub-objects" (stripes). At
446 the implementation level, struct lov_object contains an array of cl_objects.
447 Each sub-object is a full-fledged cl_object, having its FID and living in the
448 LRU and hash table. Each sub-object has its own radix tree of pages, and its
449 own list of locks.
450
451 This leads to the next important difference with the server side: on the
452 client, it's quite usual to have objects with the different sequence of layers.
453 For example, typical top-object is composed of the following layers:
454
455 - VVP
456 - LOV
457
458 whereas its sub-objects are composed of layers:
459
460 - LOVSUB
461 - OSC
462
463 Here "LOVSUB" is a mostly dummy layer, whose purpose is to keep track of the
464 object-subobject relationship:
465
466                   cl_object_header-+--->object LRU list
467                           |
468                           V
469            inode<----vvp_object
470                           |
471                           V
472                      lov_object
473                           |
474                   +---+---+---+---+
475                   |   |   |   |   |
476                   V   |   |   |   |
477      cl_object_header |   .   .   .
478            |          |   .   .   .
479            |          V
480            .  cl_object_header-+--->object LRU list
481                       |
482                       V
483                 lovsub_object
484                       |
485                       V
486                  osc_object
487
488 Sub-objects are not cached independently: when top-object is about to be
489 discarded from the memory, all its sub-objects are torn-down and destroyed too.
490
491 3.3. Object Operations
492 ======================
493
494 In addition to the lu_object_operations vector, each cl_object slice has
495 cl_object_operations. lu_object_operations deals with object creation and
496 destruction of objects. Client specific cl_object_operations fall into two
497 categories:
498
499 - Creation of dependent entities: these are ->coo_{page,lock,io}_init()
500   methods called at every layer when a new page, lock or IO context are being
501   created, and
502
503 - Object attributes: ->coo_attr_{get,set}() methods that are called to get or
504   set common client object attributes (struct cl_attr): size, [mac]times, etc.
505
506 3.4. Object Attributes
507 ======================
508
509 A cl_object has a set of attributes defined by struct cl_attr. Attributes
510 include object size, object known-minimum-size (KMS), access, change and
511 modification times and ownership identifiers. Description of KMS is beyond the
512 scope of this document, refer to the (non-)existent Lustre documentation on the
513 subject.
514
515 Both top-objects and sub-objects have attributes. Consistency of the attributes
516 is protected by a lock on the top-object, accessible through
517 cl_object_attr_{un,}lock() calls. This allows a sub-object and its top-object
518 attributes to be changed atomically.
519
520 Attributes are accessible through cl_object_attr_{g,s}et() functions that call
521 per-layer ->coo_attr_{s,g}et() object methods. Top-object attributes are
522 calculated from the sub-object ones by lov_attr_get() that optimizes for the
523 case when none of sub-object attributes have changed since the last call to
524 lov_attr_get().
525
526 As a further potential optimization, one can recalculate top-object attributes
527 at the moment when any sub-object attribute is changed. This would allow to
528 avoid collecting cumulative attributes over all sub-objects. To implement this
529 optimization _all_ changes of sub-object attributes must go through
530 cl_object_attr_set().
531
532 3.5. Object Layout
533 ==================
534
535 Layout of an object decides how data of the file are placed onto OSTs. Object
536 layout can be changed and if that happens, clients will have to reconfigure
537 the object layout by calling cl_conf_set() before it can do anything to this
538 object.
539
540 In order to be notified for the layout change, the client has to cache an
541 inodebits lock: MDS_INODELOCK_LAYOUT in the memory. To change an object's
542 layout, The MDT holds the EX mode of layout lock therefore all clients having
543 this object cached will be notified.
544
545 Reconfiguring layout of objects is expensive because it has to clean up page
546 cache and rebuild the sub-objects. There is a field lsm_layout_gen in
547 lov_stripe_md and it must be increased whenever the layout is changed for an
548 object. Therefore, if the revocation of layout lock is due to flase sharing of
549 ibits lock, the lsm_layout_gen won't be changed and the client can reuse the
550 page cache and subobjects.
551
552 CLIO uses ll_refresh_layout() to make sure that valid layout is fetched. This
553 function must be called before any IO can be started to an object.
554
555 ============
556 = 4. Pages =
557 ============
558
559 A cl_page represents a portion of a file, cached in the memory. All pages of
560 the given file are of the same size, and are kept in the radix tree of kernel
561 VM.
562
563 A cl_page is associated with a VM page of the hosting environment (struct page
564 in the Linux kernel, for example), cfs_page_t. It is assumed that this
565 association is implemented by one of cl_page layers (top layer in the current
566 design) that
567
568 - intercepts per-VM-page call-backs made by the host environment (e.g., memory
569   pressure),
570
571 - translates state (page flag bits) and locking between lustre and the host
572   environment.
573
574 The association between cl_page and cfs_page_t is immutable and established
575 when cl_page is created. It is possible to imagine a setup where different
576 pages get their backing VM buffers from different sources. For example, in the
577 case if pNFS export, some pages might be backed by local DMU buffers, while
578 others (representing data in remote stripes), by normal VM pages.
579
580 Unlike any other entities in CLIO, there is no subpage for cl_page.
581
582 4.1. Page Indexing
583 ==================
584
585 Pages within a given object are linearly ordered. The page index is stored in
586 the ->cpl_index field in cl_page_slice. In a typical Lustre setup, a top-object
587 has an array of sub-objects, and every page in a top-object corresponds to a
588 page slice in one of its sub-objects.
589
590 There is a radix tree for pages on the OSC layer. When a LDLM lock is being
591 cancelled, the OSC will look up the radix tree so that the pages belong to
592 the corresponding lock extent can be destroyed.
593
594 4.2. Page Ownership
595 ===================
596
597 A cl_page can be "owned" by a particular cl_io (see below), guaranteeing this
598 IO an exclusive access to this page with regard to other IO attempts and
599 various events changing page state (such as transfer completion, or eviction of
600 the page from memory). Note, that in general a cl_io cannot be identified with
601 a particular thread, and page ownership is not exactly equal to the current
602 thread holding a lock on the page. The layer implementing the association
603 between cl_page and cfs_page_t has to implement ownership on top of available
604 synchronization mechanisms.
605
606 While the Lustre client maintains the notion of page ownership by IO, the
607 hosting MM/VM usually has its own page concurrency control mechanisms. For
608 example, in Linux, page access is synchronized by the per-page PG_locked
609 bit-lock, and generic kernel code (generic_file_*()) takes care to acquire and
610 release such locks as necessary around the calls to the file system methods
611 (->readpage(), ->write_begin(), ->write_end(), etc.). This leads to the
612 situation when there are two different ways to own a page in the client:
613
614 - Client code explicitly and voluntary owns the page (cl_page_own());
615
616 - The hosting VM locks a page and then calls the client, which has to "assume"
617   ownership from the VM (cl_page_assume()).
618
619 Dual methods to release ownership are cl_page_disown() and cl_page_unassume().
620
621 4.3. Page Transfer Locking
622 ==========================
623
624 cl_page implements a simple locking design: as noted above, a page is protected
625 by a VM lock while IO owns it. The same lock is kept while the page is in
626 transfer.  Note that this is different from the standard Linux kernel behavior
627 where page write-out is protected by a lock (PG_writeback) separate from VM
628 lock (PG_locked). It is felt that this single-lock design is more portable and,
629 moreover, Lustre cannot benefit much from a separate write-out lock due to LDLM
630 locking.
631
632 4.4. Page Operations
633 ====================
634
635 See documentation for cl_object.h:cl_page_operations. See cl_page state
636 descriptions in documentation for cl_object.h:cl_page_state.
637
638 4.5. Page Initialization
639 ========================
640
641 cl_page is the most frequently allocated and freed entity in the CLIO stack. In
642 order to improvement the performance of allocation and free, a cl_page, along
643 with the corresponding cl_page_slice for each layer, is allocated as a single
644 memory buffer.
645
646 Now that the CLIO can support different type of object layout, and each layout
647 may lead to different cl_page in size. When an object is initialized, the object
648 initialization method ->loo_object_init() for each layer will decide the size of
649 buffer for cl_page_slice by calling cl_object_page_init(). cl_object_page_init()
650 will add the size to coh_page_bufsize of top cl_object_header and co_slice_off
651 of the corresponding cl_object is used to remember the offset of page slice for
652 this object.
653
654 ============
655 = 5. Locks =
656 ============
657
658 A struct cl_lock represents an extent lock on cached file or stripe data.
659 cl_lock is used only to collect the lock requirement to complete an IO. Due to
660 the existence of MMAP, it may require more than one lock to complete an IO.
661 Except the cases of direct IO and lockless IO, a cl_lock will be attached to a
662 LDLM lock on the OSC layer.
663
664 As locks protect cached data, and the unit of data caching is a page, locks are
665 of page granularity.
666
667 5.1. Lock Life Cycle
668 ====================
669
670 The lock requirements are collected in cl_io_lock(). In cl_io_lock(), the
671 ->cio_lock() method for each layers are invoked to decide the lock extent by
672 IO region, layout, and buffers. For example, in the VVP layer, it has to search
673 buffers of IO and if the buffers belong to a Lustre file mmap region, the locks
674 for the corresponding file will be requred.
675
676 Once the lock requirements are collected, cl_lock_request() is called to create
677 and initialize individual locks. In cl_lock_request(), ->clo_enqueue() is called
678 for each layers. Especially on the OSC layer, osc_lock_enqueue() is called to
679 match or create LDLM lock to fulfill the lock requirement.
680
681 cl_lock is not cacheable. The locks will be destroyed after IO is complete. The
682 lock destroying process starts from cl_io_unlock() where cl_lock_release() is
683 called for each cl_lock. In cl_lock_release(), ->clo_cancel() methods are called
684 for each layer to release the resource held by cl_lock. The most important
685 resource held by cl_lock is the LDLM lock on the OSC layer. It will be released
686 by osc_lock_cancel(). LDLM locks can still be cached in memory after being
687 detached from cl_lock.
688
689 5.2. cl_lock and LDLM Lock
690 ==========================
691
692 As the result of enqueue, an LDLM lock is attached to a cl_lock_slice on the OSC
693 layer. The field ols_dlmlock in the osc_lock points to the LDLM lock.
694
695 When an LDLM lock is attached to a osc_lock, its use count(l_readers,l_writers)
696 is increased therefore it can't be revoked during this time. A LDLM lock can be
697 shared by multiple osc_lock, in that case, each osc_lock will hold the LDLM lock
698 according to their use type, i.e., increase l_readers or l_writers respectively.
699
700 When a cl_lock is cancelled, the corresponding LDLM lock will be released.
701 Cancellation of cl_lock does not necessarily cause the underlying LDLM lock to
702 be cancelled. The LDLM lock can be cached in the memory unless it's being
703 cancelled by OST.
704
705 To cache a page in the client memory, the page index must be covered by at
706 least one LDLM lock's extent. Please refer to section 5.3 for the details of
707 pages and lock.
708
709 5.3. Use Case: Lock Invalidation
710 ================================
711
712 To demonstrate how objects, pages and lock data-structures interact, let's look
713 at the example of stripe lock invalidation.
714
715 Imagine that on the client C0 there is a file object F, striped over stripes
716 S0, S1 and S2 (files and stripes are represented by cl_object_header). Further,
717 C0 just finished a write IO to file F's offset [a, b] and left some clean and
718 dirty pages in C0 and corresponding LDLM lock LS0, LS1, and LS2 for the
719 corresponding stripes of S0, S1, and S2 respectively. From section 4.1, the
720 caching pages stay in the radix tree of S0, S1 and S2.
721
722 Some other client requests a lock that conflicts with LS1. The OST where S1
723 lives, sends a blocking AST to C0.
724
725 C0's LDLM invokes lock->l_blocking_ast(), which is osc_ldlm_blocking_ast(),
726 which eventually calls osc_cache_writeback_range() with the corresponding LDLM
727 lock's extent as parameters. To find the pages covered by a LDLM lock,
728 LDLM lock stores a pointer to osc_object in its l_ast_data.
729
730 In osc_cache_writeback_range(), it will check if there exist dirty pages for
731 the extent of this lock. If that is the case, an OST_WRITE RPC will be issued
732 to write the dirty pages back.
733
734 Once all pages are written, they are removed from radix-trees and destroyed.
735 osc_lock_discard_pages() is called for this purpose. It will look up radix tree
736 and then discard every page the extent covers.
737
738 =========
739 = 6. IO =
740 =========
741
742 An IO context (struct cl_io) is a layered object describing the state of an
743 ongoing IO operation (such as a system call).
744
745 6.1. Fixed IO Types
746 ===================
747
748 There are two classes of IO contexts, represented by cl_io:
749
750 - An IO for a specific type of client activity, enumerated by enum cl_io_type:
751
752         . CIT_READ: read system call including read(2), readv(2), pread(2),
753           sendfile(2);
754         . CIT_WRITE: write system call;
755         . CIT_SETATTR: truncate and utime system call;
756         . CIT_FAULT: page fault handling;
757         . CIT_FSYNC: fsync(2) system call, ->writepages() writeback request;
758
759 - A `catch-all' CIT_MISC IO type for all other IO activity:
760
761         . cancellation of an extent lock,
762         . VM induced page write-out,
763         . glimpse,
764         . other miscellaneous stuff.
765
766 The difference between CIT_MISC and other IO types is that CIT_MISC IO is
767 merely a context in which pages are owned and locks are enqueued, whereas
768 other IO types, in addition to being a context, are also state machines.
769
770 6.2. IO State Machine
771 =====================
772
773 The idea behind the cl_io state machine is that initial `work' that has to be
774 done (e.g., writing a 3MB user buffer into a given file) is done as a sequence
775 of `iterations', and an iteration is executed as following an idiomatic
776 sequence of steps:
777
778 - Prepare: determine what work is to be done at this iteration;
779
780 - Lock: enqueue and acquire all locks necessary to perform this iteration;
781
782 - Start: either perform iteration work synchronously, or post it
783   asynchronously, or both;
784
785 - End: wait for the completion of asynchronous work;
786
787 - Unlock: release locks, acquired at the "lock" step;
788
789 - Finalize: finalize iteration state.
790
791 cl_io is a layered entity and each step above is performed by invoking the
792 corresponding cl_io_operations method on every layer. As will be explained
793 below, this is especially important in the `prepare' step, as it allows layers
794 to cooperate in determining the scope of the current iteration.
795
796 Before an IO can be started, the client has to make sure that the object's
797 layout is valid. The client will check there exists a valid layout lock being
798 cached in the client side memory, otherwise, ll_layout_refresh() has to be
799 called to fetch uptodate layout from the MDT side.
800
801 For CIT_READ or CIT_WRITE IO, a typical scenario is splitting the original user
802 buffer into chunks that map completely inside of a single stripe in the target
803 file, and processing each chunk as a separate iteration. In this case, it is
804 the LOV layer that (in lov_io_rw_iter_init() function) determines the extent of
805 the current iteration.
806
807 Once the iteration is prepared, the `lock' step acquires all necessary DLM
808 locks to cover the region of a file that is affected by the current iteration.
809 The `start' step does the actual processing, which for write means placing
810 pages from the user buffer into the cache, and for read means fetching pages
811 from the server, including read-ahead pages (see `immediate transfer' below).
812 Truncate and page fault are executed in one iteration (currently that is, it's
813 easy to change truncate implementation to, for instance, truncate each stripe
814 in a separate iteration, should the need arise).
815
816 6.3. Parallel IO
817 ================
818
819 One important planned generalization of this model is an out of order execution
820 of iterations.
821
822 A motivating example for this is a write of a large user level buffer,
823 overlapping with multiple stripes. Typically, a busy Lustre client has its
824 per-OSC caches for the dirty pages nearly full, which means that the write
825 often has to block, waiting for the cache to drain. Instead of blocking the
826 whole IO operation, CIT_WRITE might switch to the next stripe and try to do IO
827 there.  Without such a `non-blocking' IO, a slow OST or an unfair network
828 degrades the performance of the whole cluster.
829
830 Another example is a legacy single-threaded application running on a multi-core
831 client machine, where IO throughput is limited by the single thread copying
832 data between the user buffer to the kernel pages. Multiple concurrent IO
833 iterations that can be scheduled independently on the available processors
834 eliminate this bottleneck by copying the data in parallel.
835
836 Obviously, parallel IO is not compatible with the usual `sequential IO'
837 semantics. For example, POSIX read and write have a very simple failure model,
838 where some initial (possibly empty) segment of a user buffer is processed
839 successfully, and none of the remaining bytes were read and written. Parallel
840 IO can fail in much more complex ways.
841
842 For now, only sequential iterations are supported.
843
844 6.4. Data-flow: From Stack to IO Slice
845 ======================================
846
847 The parallel IO design outlined above implies that an ongoing IO can be
848 preempted by other IO and later resumed, all potentially in the same thread.
849 This means that IO state cannot be kept on a stack, as it is customarily done
850 in UNIX file system drivers. Instead, the layered cl_io is used to store
851 information about the current iteration and progress within it.  Coincidentally
852 (almost) this is similar to the way IO requests are used by the Windows driver
853 stack.
854
855 A set of common fields in struct cl_io describe the IO and are shared by all
856 layers.  Important properties so described include:
857
858 - The IO type;
859
860 - A file (struct cl_object) against which this IO is executed;
861
862 - A position in a file where the read or write is taking place, and a count of
863   bytes remaining to be processed (for CIT_READ and CIT_WRITE);
864
865 - A size to which file is being truncated or expanded (for CIT_SETATTR);
866
867 - A list of locks acquired for this IO;
868
869 Each layer keeps IO state in its `IO slice', described below, with all slices
870 chained to the list hanging off of struct cl_io:
871
872 - vvp_io is used by the top-most layer of the Linux kernel client.
873
874   The most important state in vvp_io is an array of struct iovec, describing
875   user space buffers from or to which IO is taking place. Note that other
876   layers in the IO stack have no idea that data actually came from user space.
877
878   vvp_io contains kernel specific fields, such as VM information describing a
879   page fault, or the sendfile target.
880
881 - lov_io: IO state private for the LOV layer is kept here. The most important IO
882   state at the LOV layer is an array of sub-IO's. Each sub-IO is a normal
883   struct cl_io, representing a part of the IO process for a given iteration.
884   With current sequential iterations, only one sub-IO is active at a time.
885
886 - osc_io: this slice stores IO state private to the OSC layer that exists within
887   each sub-IO created by LOV.
888
889 =================
890 = 7. RPC Engine =
891 =================
892
893 7.1. Immediate vs. Opportunistic Transfers
894 ==========================================
895
896 There are two possible modes of transfer initiation on the client:
897
898 - Immediate transfer: this is started when a high level IO wants a page or a
899   collection of pages to be transferred right away. Examples: read-ahead,
900   a synchronous read in the case of non-page aligned write, page write-out as
901   part of an extent lock cancellation, page write-out as a part of memory
902   cleansing. Immediate transfer can be both cl_req_type::CRT_READ and
903   cl_req_type::CRT_WRITE;
904
905 - Opportunistic transfer (cl_req_type::CRT_WRITE only), that happens when IO
906   wants to transfer a page to the server some time later, when it can be done
907   efficiently. Example: pages dirtied by the write(2) path. Pages submitted for
908   an opportunistic transfer are kept in a "staging area".
909
910 In any case, a transfer takes place in the form of a network RPC.
911
912 Pages queued for an opportunistic transfer are placed into a staging area
913 (represented as a set of per-object and per-device queues at the OSC layer)
914 until it is decided that an efficient RPC can be composed of them. This
915 decision is made by "a req-formation engine", currently implemented as part of
916 the OSC layer. Req-formation depends on many factors: the size of the resulting
917 RPC, RPC alignment, whether or not multi-object RPCs are supported by the
918 server, max-RPC-in-flight limitations, size of the staging area, etc. CLIO uses
919 osc_extent to group pages for req-formation. osc_extent are further managed in
920 a per-object red-black tree for efficient RPC formatting.
921
922 Whenever a page from cl_page_list is added to a newly constructed req, its
923 cl_page_operations::cpo_prep() layer methods are called. At that moment, the
924 page state is atomically changed from cl_page_state::CPS_OWNED to
925 cl_page_state::CPS_PAGEOUT or cl_page_state::CPS_PAGEIN, cl_page::cp_owner is
926 zeroed, and cl_page::cp_req is set to the req. cl_page_operations::cpo_prep()
927 method at a particular layer might return -EALREADY to indicate that it does
928 not need to submit this page at all. This is possible, for example, if a page
929 submitted for read became up-to-date in the meantime; and for write, if the
930 page don't have dirty bit set. See cl_io_submit_rw() for details.
931
932 Whenever a staged page is added to a newly constructed req, its
933 cl_page_operations::cpo_make_ready() layer methods are called. At that moment,
934 the page state is atomically changed from cl_page_state::CPS_CACHED to
935 cl_page_state::CPS_PAGEOUT, and cl_page::cp_req is set to req. The
936 cl_page_operations::cpo_make_ready() method at a particular layer might return
937 -EAGAIN to indicate that this page is not currently eligible for the transfer.
938
939 The RPC engine guarantees that once the ->cpo_prep() or ->cpo_make_ready()
940 method has been called, the page completion routine (->cpo_completion() layer
941 method) will eventually be called (either as a result of successful page
942 transfer completion, or due to timeout).
943
944 To summarize, there are two main entry points into transfer sub-system:
945
946 - cl_io_submit_rw(): submits a list of pages for immediate transfer;
947
948 - cl_io_commit_async(): places a list of pages into staging area for future
949   opportunistic transfer.
950
951 7.2. Page Lists
952 ===============
953
954 To submit a group of pages for immediate transfer struct cl_2queue is used. It
955 contains two page lists: qin (input queue) and qout (output queue). Pages are
956 linked into these queues by cl_page::cp_batch list heads. Qin is populated with
957 the pages to be submitted to the transfer, and pages that were actually
958 submitted are placed onto qout. Not all pages from qin might end up on qout due
959 to
960
961 - ->cpo_prep() methods deciding that page should not be transferred, or
962
963 - unrecoverable submission error.
964
965 Pages not moved to qout remain on qin. It is up to the transfer submitter to
966 decide when to remove pages from qin and qout. Remaining pages on qin are
967 usually removed from this list right after (partially unsuccessful) transfer
968 submission. Pages are usually left on qout until transfer completion. This way
969 the caller can determine when all pages from the list were transferred.
970
971 The association between a page and an immediate transfer queue is protected by
972 cl_page::cl_mutex. This mutex is acquired when a cl_page is added in a
973 cl_page_list and released when a page is removed from the list.
974
975 7.3. Page Completion Handlers, Synchronous Transfer
976 ===================================================
977
978 When a transfer completes, for every transfer page, per-layer page completion
979 methods ->cpo_completion() are invoked. The page is still under the VM lock at
980 this moment.  Completion methods are called bottom-to-top and it is
981 responsibility of the last of them (i.e., the completion method of the top-most
982 layer---VVP) to release the VM lock.
983
984 Both immediate and opportunistic transfers are asynchronous in the sense that
985 control can return to the caller before the transfer completes. CLIO doesn't
986 provide a synchronous transfer interface at all and it is up to a particular
987 caller to implement it if necessary. The simplest way to wait for the transfer
988 completion is wait on a page VM lock. This approach is used implicitly by the
989 Linux kernel. There is a case, though, where one wants to do transfer
990 completely synchronously without releasing the page VM lock: when
991 ->prepare_write() method determines that a write goes from a non page-aligned
992 buffer into a not up-to-date page, a portion of a page has to be fetched from
993 the server. The VM page lock cannot be used to synchronize transfer completion
994 in this case, because it is used to mark the page as owned by IO. To handle
995 this, VVP attaches struct cl_sync_io to struct vvp_page. cl_sync_io contains a
996 number of pages still in IO and a synchronization primitive (struct completion)
997 which is signalled when transfer of the last page completes. The VVP page
998 completion handler (vvp_page_completion_common()) checks for attached
999 cl_sync_io and if it is there, decreases the number of in-flight pages and
1000 signals completion when that number drops to 0. A similar mechanism is used for
1001 direct-IO.
1002
1003 =============
1004 = 8. lu_env =
1005 =============
1006
1007 8.1. Motivation, Server Environment Usage
1008 =========================================
1009
1010 lu_env and related data-types (struct lu_context and struct lu_context_key)
1011 together implement a memory pre-allocation interface that Lustre uses to
1012 decrease stack consumption without resorting to fully dynamic allocation.
1013
1014 Stack space is severely limited in the Linux kernel. Lustre traditionally
1015 allocated a lot of automatic variables, resulting in spurious stack overflows
1016 that are hard to trigger (they usually need a certain combination of driver
1017 calls and interrupts to happen, making them extremely difficult to reproduce)
1018 and debug (as stack overflow can easily result in corruption of thread-related
1019 data-structures in the kernel memory, confusing the debugger).
1020
1021 The simplest way to handle this is to replace automatic variables with calls
1022 to the generic memory allocator, but
1023
1024 - The generic allocator has scalability problems, and
1025
1026 - Additional code to free allocated memory is needed.
1027
1028 The lu_env interface was originally introduced in the MDS rewrite for Lustre
1029 2.0 and matches server-side threading model very well. Roughly speaking,
1030 lu_context represents a context in which computation is executed and
1031 lu_context_key is a description of per-context data. In the simplest case
1032 lu_context corresponds to a server thread; then lu_context_key is effectively a
1033 thread-local storage (TLS). For a similar idea see the user-level pthreads
1034 interface pthread_key_create().
1035
1036 More formally, lu_context_key defines a constructor-destructor pair and a tags
1037 bit-mask. When lu_context is initialized (with a given tag bit-mask), a global
1038 array of all registered lu_context_keys is scanned, constructors for all keys
1039 with matching tags are invoked and their return values are stored in
1040 lu_context.
1041
1042 Once lu_context has been initialized, a value of any key allocated for this
1043 context can be retrieved very efficiently by indexing in the per-context
1044 array. lu_context_key_get() function is used for this.
1045
1046 When context is finalized, destructors are called for all keys allocated in
1047 this context.
1048
1049 The typical server usage is to have a lu_context for every server thread,
1050 initialized when the thread is started. To reduce stack consumption by the
1051 code running in this thread, a lu_context_key is registered that allocates in
1052 its constructor a struct containing as fields values otherwise allocated on
1053 the stack. See {mdt,osd,cmm,mdd}_thread_info for examples. Instead of doing
1054
1055         int function(args) {
1056                 /* structure "bar" in module "foo" */
1057                 struct foo_bar bar;
1058                 ...
1059
1060 the code roughly does
1061
1062         struct foo_thread_info {
1063                 struct foo_bar fti_bar;
1064                 ...
1065         };
1066
1067         int function(const struct lu_env *env, args) {
1068                 struct foo_bar *bar;
1069                 ...
1070                 bar = &lu_context_key_get(&env->le_ctx, &foo_thread_key)->fti_
1071
1072 etc.
1073
1074 struct lu_env contains 2 contexts:
1075
1076 - le_ctx: this context is embedded in lu_env. By convention, this context is
1077   used _only_ to avoid allocations on the stack, and it should never be used to
1078   pass parameters between functions or layers. The reason for this restriction
1079   is that using contexts for implicit state sharing leads to a code that is
1080   difficult to understand and modify.
1081
1082 - le_ses: this is a pointer to a context shared by all threads handling given
1083   RPC. Context itself is embedded into struct ptlrpc_request. Currently a
1084   request is always processed by a single thread, but this might change in the
1085   future in a design where a small pool of threads processes RPCs
1086   asynchronously.
1087
1088 Additionally, state kept in env->le_ses context is shared by multiple layers.
1089 For example, remote user credentials are stored there.
1090
1091 8.2. Client Environment Usage
1092 =============================
1093
1094 On a client there is a lu_env associated with every thread executing Lustre
1095 code. Again, it contains &env->le_ctx context used to reduce stack consumption.
1096 env->le_ses is used to share state between all threads handling a given IO.
1097 Again, currently an IO is processed by a single thread. env->le_ses is used to
1098 efficiently allocate cl_io slices ({vvp,lov,osc}_io).
1099
1100 There are three important differences with lu_env usage on the server:
1101
1102 - While on the server there is a fixed pool of threads, any client thread can
1103   execute Lustre code. This makes it impractical to pre-allocate and
1104   pre-initialize lu_context for every thread. Instead, contexts are constructed
1105   on demand and after use returned into a global cache that amortizes creation
1106   cost;
1107
1108 - Client call-chains frequentyly cross Lustre-VFS and Lustre-VM boundaries.
1109   This means that just passing lu_env as a first parameter to every Lustre
1110   function and method is not enough. To work around this problem, a pointer to
1111   lu_env is stored in a field in the kernel data-structure associated with the
1112   current thread (task_struct::journal_info), from where it is recovered when
1113   Lustre code is re-entered from VFS or VM;
1114
1115 - Sometimes client code is re-entered in a fashion that precludes re-use of the
1116   higher level lu _env. For example, when a read or write incurs a page fault
1117   in the user space buffer memory-mapped from a Lustre file, page fault
1118   handling is a separate IO, independent of the already ongoing system call.
1119   The Lustre page fault handler allocates a new lu_env (by calling
1120   lu_env_get_nested()) in which the nested IO is going on. A similar situation
1121   occurs when client DLM lock LRU shrinking code is invoked in the context of a
1122   system call.
1123
1124 8.3. Sub-environments
1125 =====================
1126
1127 As described above, lu_env (specifically, lu_env->le_ses) is used on a client
1128 to allocate per-IO state, including foo_io data on every layer. This leads to a
1129 complication at the LOV layer, which maintains multiple sub-IOs. As layers
1130 below LOV allocate their IO slices in lu_env->le_ses, LOV has to allocate an
1131 lu_env for every sub-IO and to carefully juggle them when invoking lower layer
1132 methods. The case of a single IO is optimized by re-using the top-environment.
1133
1134 ================
1135 = 9. Use cases =
1136 ================
1137
1138 9.1. Inode Creation
1139 ===================
1140
1141 Lookup ends up calling ll_update_inode() to setup a new inode with a given
1142 meta-data descriptor (obtained from the meta-data path). cl_inode_init() calls
1143 cl_object_find() eventually calling lu_object_find_try() that either finds a
1144 cl_object in the cache or allocates a new one, calling
1145 lu_device_operations::ldo_object_{alloc,init}() methods on every layer top to
1146 bottom. Every layer allocates its private data structure ({vvp,lov}_object) and
1147 links it into an object header (cl_object_header) by calling lu_object_add().
1148 At the VVP layer, vvp_object contains a pointer to the inode. The LOV layer
1149 allocates a lov_object containing an array of pointers to sub-objects that are
1150 found in the cache or allocated by calling cl_object_find (recursively). These
1151 sub-objects have LOVSUB and OSC layer data.
1152
1153 A top-object and its sub-objects are inserted into a global FID-based hash
1154 table and a global LRU list.
1155
1156 9.2. First IO to a File
1157 =======================
1158
1159 After an object is instantiated as described in the previous use case, the
1160 first IO call against this object has to create DLM locks. The following
1161 operations re-use cached locks (see below).
1162
1163 A read call starts at ll_file_readv() which eventually calls
1164 ll_file_io_generic(). This function calls cl_io_init() to initialize an IO
1165 context, which calls the cl_object_operations::coo_io_init() method on every
1166 layer.  As in the case of object instantiation, these methods allocate
1167 layer-private IO state ({vvp,lov}_io) and add it to the list hanging off of the
1168 IO context header cl_io by calling cl_io_add(). At the VVP layer, vvp_io_init()
1169 handles special cases (like count == 0), updates statistic counters, and in the
1170 case of write it takes a per-inode semaphore to avoid possible deadlock.
1171
1172 At the LOV layer, lov_io_init_raid0() allocates a struct lov_io and stores in
1173 it the original IO parameters (starting offset and byte count). This is needed
1174 because LOV is going to modify these parameters. Sub-IOs are not allocated at
1175 this point---they are lazily instantiated later.
1176
1177 Once the top-IO has been initialized, ll_file_io_generic() enters the main IO
1178 loop cl_io_loop() that drives IO iterations, going through
1179
1180 - cl_io_iter_init() calling cl_io_operations::cio_iter_init() top-to-bottom
1181 - cl_io_lock() calling cl_io_operations::cio_lock() top-to-bottom
1182 - cl_io_start() calling cl_io_operations::cio_start() top-to-bottom
1183 - cl_io_end() calling cl_io_operations::cio_end() bottom-to-top
1184 - cl_io_unlock() calling cl_io_operations::cio_unlock() bottom-to-top
1185 - cl_io_iter_fini() calling cl_io_operations::cio_iter_fini() bottom-to-top
1186 - cl_io_rw_advance() calling cl_io_operations::cio_advance() bottom-to-top
1187
1188 repeatedly until cl_io::ci_continue remains 0 after an iteration. These "IO
1189 iterations" move an IO context through consecutive states (see enum
1190 cl_io_state).  ->cio_iter_init() decides at each layer what part of the
1191 remaining IO is to be done during current iteration. Currently,
1192 lov_io_rw_iter_init() is the only non-trivial implementation of this method. It
1193 does the following:
1194
1195 - Except for the cases of truncate and O_APPEND write, it shrinks the IO extent
1196   recorded in the top-IO (starting offset and bytes count) so that this extent
1197   is fully contained within a single stripe. This avoids "cascading evictions";
1198
1199 - It allocates sub-IOs for all stripes intersecting with the resulting IO range
1200   (which, in case of non-append write or read means creating single sub-io) by
1201   calling cl_io_init() that (as above) creates a cl_io context with lovsub_io
1202   and osc_io layers. The initialized cl_io is primed from the top-IO
1203   (lov_io_sub_inherit()) and cl_io_iter_init() is called against it;
1204
1205 - Finally all sub-ios for the current iteration are linked together into a
1206   lov_io::lis_active list.
1207
1208 Now we have a top-IO and its sub-IO in CIS_IT_STARTED state. cl_io_lock()
1209 collects locks on all layers without actually enqueuing them: vvp_io_rw_lock()
1210 requests a lock on the IO extent (possibly shrunk by LOV, see above) and
1211 optionally on extents of Lustre files that happen to be memory-mapped onto the
1212 user-level buffer used for this IO. In the future layers like SNS might request
1213 additional locks, e.g., to protect parity blocks.
1214
1215 Locks requested by ->cio_lock() methods are added to the cl_lockset embedded
1216 into top cl_io. The lockset contains 2 lock queues: "todo" and "done". Locks
1217 are initially placed in the todo queue. Once locks from all layers have been
1218 collected, they are sorted to avoid deadlocks (cl_io_locks_sort()) and then
1219 enqueued by cl_lockset_lock(). The locks will be moved from todo list into
1220 "done" list when they are granted.
1221
1222 At this stage we have top- and sub-IO in the CIS_LOCKED state with all needed
1223 locks held. cl_io_start() moves cl_io into CIS_IO_GOING mode and calls
1224 ->cio_start() method. In the VVP layer this method invokes some version of
1225 generic_file_{read,write}() function.
1226
1227 In the case of read, generic_file_read() calls for every non-up-to-date page
1228 the a_ops->readpage() method that eventually (after obtaining cl_page
1229 corresponding to the VM page supplied to it) calls ll_io_read_page() where it
1230 decides if it's necessary to read ahead more pages by calling ll_readahead().
1231 The number of pages to be read ahead is determined by the read pattern, also
1232 it will factor in the requirements from different layers in CLIO stack, for
1233 example, stripe alignment on the LOV layer and DLM lock coverage on the OSC
1234 layer. The callback ->cio_read_ahead() is used to gather the requirements from
1235 each layer. Please refer to lov_io_read_ahead() and osc_io_read_ahead() for
1236 details.
1237
1238 ll_readahead() populates a queue by a target page and pages from read-ahead
1239 window. The resulting queue is then submitted for immediate transfer by calling
1240 cl_io_submit_rw() which ends up calling osc_io_submit_page() for every
1241 not-up-to-date page in the queue.
1242
1243 ->readpage() returns at this point, and the VM waits on a VM page lock, which
1244 is released by the transfer completion handler before copying page data to the
1245 user buffer.
1246
1247 In the case of write, generic_file_write() calls the a_ops->write_begin() and
1248 a_ops->write_end() address space methods that end up calling ll_write_begin()
1249 and ll_write_end() respectively. These functions follow the normal Linux
1250 protocol for write, including a possible synchronous read of a non-overwritten
1251 part of a page (ll_page_sync_io() call in ll_prepare_partial_page()). The pages
1252 are placed into a list of vui_queue of vvp_io. In the normal case the pages will
1253 be committed after all pages are handled by calling vvp_io_write_commit(). In
1254 vvp_io_commit_write(), it calls cl_io_commit_async() to submit the dirty pages
1255 into OSC writeback cache, where grant are allocated and the pages are added into
1256 a red-black tree of osc_extent. In case there is no enough grant on the client
1257 side, cl_io_commit_async will fail with -EDQUOT and the pages are transferred
1258 immediately by calling ll_page_sync_io().
1259
1260 9.3. Lock-less and No-cache IO
1261 ==============================
1262
1263 IO context has a "locking mode" selected from MAYBE, NEVER or MANDATORY set
1264 (enum cl_io_lock_dmd), that specifies what degree of distributed cache
1265 coherency is assumed by this IO. MANDATORY mode requires all caches accessed by
1266 this IO to be protected by distributed locks. In NEVER mode no distributed
1267 coherency is needed at the expense of not caching the data. This mode is
1268 required for the cases where client can not or will not participate in the
1269 cache coherency protocol (e.g., a liblustre client that cannot respond to the
1270 lock blocking call-backs while in the compute phase). In MAYBE mode some of the
1271 caches involved in this IO are used and are globally coherent, and some other
1272 caches are bypassed.
1273
1274 O_APPEND writes and truncates are always executed in MANDATORY mode. All other
1275 calls are executed in NEVER mode by liblustre (see below) and in MAYBE mode by
1276 a normal Linux client.
1277
1278 In MAYBE mode every OSC individually decides whether to use DLM. An OST might
1279 return -EUSERS to an enqueue RPC indicating that the stripe in question is
1280 contended and that the client should switch to the lockless IO mode. If this
1281 happens, OSC, instead of using ldlm_lock, creates a special "lockless OSC lock"
1282 that is not backed up by a DLM lock. This lock conflicts with any other lock in
1283 its range and self-cancels when its last user is removed. As a result, when IO
1284 proceeds to the stripe that is in lockless mode, all conflicting extent locks
1285 are cancelled, purging the cache. When IO against this stripe ends, the lock is
1286 cancelled, sending dirty pages (just placed in the cache by IO) back to the
1287 server and invalidating the cache again. "Lockless locks" allow lockless and
1288 no-cache IO mode to be implemented by the same code paths as cached IO.
1289
1290 * * * END * * *