lnet/ChangeLog

   1 2007-04-23  Cluster File Systems, Inc. <info@clusterfs.com>
   2        * version 1.4.11 / 1.6.1
   3        * Support for networks:
   4         socklnd   - kernels up to 2.6.16
   5         qswlnd    - Qsnet kernel modules 5.20 and later
   6         openiblnd - IbGold 1.8.2
   7         o2iblnd   - OFED 1.1
   8         viblnd    - Voltaire ibhost 3.4.5 and later
   9         ciblnd    - Topspin 3.2.0
  10         iiblnd    - Infiniserv 3.3 + PathBits patch
  11         gmlnd     - GM 2.1.22 and later
  12         mxlnd     - MX 1.2.1 or later
  13         ptllnd    - Portals 3.3 / UNICOS/lc 1.5.x, 2.0.x
  14        * bug fixes
  15
  16 ------------------------------------------------------------------------------
  17
  18 2007-04-01  Cluster File Systems, Inc. <info@clusterfs.com>
  19        * version 1.4.10 / 1.6.0
  20        * Support for networks:
  21         socklnd   - kernels up to 2.6.16
  22         qswlnd    - Qsnet kernel modules 5.20 and later
  23         openiblnd - IbGold 1.8.2
  24         o2iblnd   - OFED 1.1
  25         viblnd    - Voltaire ibhost 3.4.5 and later
  26         ciblnd    - Topspin 3.2.0
  27         iiblnd    - Infiniserv 3.3 + PathBits patch
  28         gmlnd     - GM 2.1.22 and later
  29         mxlnd     - MX 1.2.1 or later
  30         ptllnd    - Portals 3.3 / UNICOS/lc 1.5.x, 2.0.x
  31        * bug fixes
  32
  33 Severity   : minor
  34 Frequency  : rare
  35 Description: ptllnd logs a piece of incorrect debug info in kptllnd_peer_handle_hello.
  36
  37 Severity   : minor
  38 Frequency  : rare
  39 Description: the_lnet.ln_finalizing was not set when the current thread is
  40              about to complete messages. It only affects multi-threaded
  41              user space LNet.
  42
  43 Severity   : normal
  44 Frequency  : rare
  45 Bugzilla   : 11472
  46 Description: Changed the default kqswlnd ntxmsg=512
  47
  48 Severity   : major
  49 Frequency  : rare
  50 Bugzilla   : 12458
  51 Description: Assertion failure in kernel ptllnd caused by posting passive
  52              bulk buffers before connection establishment complete.
  53
  54 Severity   : major
  55 Frequency  : rare
  56 Bugzilla   : 12455
  57 Description: A race in kernel ptllnd between deleting a peer and posting
  58              new communications for it could hang communications -
  59              manifesting as "Unexpectedly long timeout" messages.
  60
  61 Severity   : major
  62 Frequency  : rare
  63 Bugzilla   : 12432
  64 Description: Kernel ptllnd lock ordering issue could hang a node.
  65
  66 Severity   : major
  67 Frequency  : rare
  68 Bugzilla   : 12016
  69 Description: node crash on socket teardown race
  70
  71 Severity   : minor
  72 Frequency  : 'lctl peer_list' issued on a mx net
  73 Bugzilla   : 12237
  74 Description: Enable lctl's peer_list for MXLND
  75
  76 Severity   : major
  77 Frequency  : after Ptllnd timeouts and portals congestion
  78 Bugzilla   : 11659
  79 Description: Credit overflows
  80 Details    : This was a bug in ptllnd connection establishment.  The fix
  81              implements better peer stamps to disambiguate connection
  82              establishment and ensure both peers enter the credit flow
  83              state machine consistently.
  84
  85 Severity   : major
  86 Frequency  : rare
  87 Bugzilla   : 11394
  88 Description: kptllnd didn't propagate some network errors up to LNET
  89 Details    : This bug was spotted while investigating 11394.  The fix
  90              ensures network errors on sends and bulk transfers are
  91              propagated to LNET/lustre correctly.
  92
  93 Severity   : enhancement
  94 Bugzilla   : 10316
  95 Description: Fixed console chatter in case of -ETIMEDOUT.
  96
  97 Severity   : enhancement
  98 Bugzilla   : 11684
  99 Description: Added D_NETTRACE for recording network packet history
 100              (initially only for ptllnd).  Also a separate userspace
 101              ptllnd facility to gather history which should really be
 102              covered by D_NETTRACE too, if only CDEBUG recorded history in
 103              userspace.
 104
 105 Severity   : major
 106 Frequency  : rare
 107 Bugzilla   : 11616
 108 Description: o2iblnd handle early RDMA_CM_EVENT_DISCONNECTED.
 109 Details    : If the fabric is lossy, an RDMA_CM_EVENT_DISCONNECTED
 110              callback can occur before a connection has actually been
 111              established.  This caused an assertion failure previously.
 112
 113 Severity   : enhancement
 114 Bugzilla   : 11094
 115 Description: Multiple instances for o2iblnd
 116 Details    : Allow multiple instances of o2iblnd to enable networking over
 117              multiple HCAs and routing between them.
 118
 119 Severity   : major
 120 Bugzilla   : 11201
 121 Description: lnet deadlock in router_checker
 122 Details    : turned ksnd_connd_lock, ksnd_reaper_lock, and ksock_net_t:ksnd_lock
 123              into BH locks to eliminate potential deadlock caused by
 124              ksocknal_data_ready() preempting code holding these locks.
 125
 126 Severity   : major
 127 Bugzilla   : 11126
 128 Description: Millions of failed socklnd connection attempts cause a very slow FS
 129 Details    : added a new route flag ksnr_scheduled to distinguish from
 130              ksnr_connecting, so that a peer connection request is only turned
 131              down for race concerns when an active connection to the same peer
 132              is under progress (instead of just being scheduled).
 133
 134 ------------------------------------------------------------------------------
 135
 136 2007-02-09  Cluster File Systems, Inc. <info@clusterfs.com>
 137        * version 1.4.9
 138        * Support for networks:
 139         socklnd   - kernels up to 2.6.16
 140         qswlnd    - Qsnet kernel modules 5.20 and later
 141         openiblnd - IbGold 1.8.2
 142         o2iblnd   - OFED 1.1
 143         viblnd    - Voltaire ibhost 3.4.5 and later
 144         ciblnd    - Topspin 3.2.0
 145         iiblnd    - Infiniserv 3.3 + PathBits patch
 146         gmlnd     - GM 2.1.22 and later
 147         mxlnd     - MX 1.2.1 or later
 148         ptllnd    - Portals 3.3 / UNICOS/lc 1.5.x, 2.0.x
 149        * bug fixes
 150
 151 Severity   : major on XT3
 152 Bugzilla   : none
 153 Description: libcfs overwrites /proc/sys/portals
 154 Details    : libcfs created a symlink from /proc/sys/portals to
 155              /proc/sys/lnet for backwards compatibility.  This is no
 156              longer required and makes the Cray portals /proc variables
 157              inaccessible.
 158
 159 Severity   : minor
 160 Bugzilla   : 11312
 161 Description: OFED FMR API change
 162 Details    : This changes parameter usage to reflect a change in
 163              ib_fmr_pool_map_phys() between OFED 1.0 and OFED 1.1.  Note
 164              that FMR support is only used in experimental versions of the
 165              o2iblnd - this change does not affect standard usage at all.
 166
 167 Severity   : enhancement
 168 Bugzilla   : 11245
 169 Description: new ko2iblnd module parameter: ib_mtu
 170 Details    : the default IB MTU of 2048 performs badly on 23108 Tavor
 171              HCAs.  You can avoid this problem by setting the MTU to 1024
 172              using this module parameter.
 173
 174 Severity   : enhancement
 175 Bugzilla   : 11118/11620
 176 Description: ptllnd small request message buffer alignment fix
 177 Details    : Set the PTL_MD_LOCAL_ALIGN8 option on small message receives.
 178              Round up small message size on sends in case this option
 179              is not supported.  11620 was a defect in the initial
 180              implementation which effectively asserted all peers had to be
 181              running the correct protocol version which was fixed by always
 182              NAK-ing such requests and handling any misalignments they
 183              introduce.
 184
 185 Severity   : minor
 186 Frequency  : rarely
 187 Description: When kib(nal|lnd)_del_peer() is called upon a peer whose
 188              ibp_tx_queue is not empty, kib(nal|lnd)_destroy_peer()'s
 189              'LASSERT(list_empty(&peer->ibp_tx_queue))' will fail.
 190
 191 Severity   : enhancement
 192 Bugzilla   : 11250
 193 Description: Patchless ZC(zero copy) socklnd
 194 Details    : New protocol for socklnd, socklnd can support zero copy without
 195              kernel patch, it's compatible with old socklnd. Checksum is
 196              moved from tunables to modparams.
 197
 198 Severity   : minor
 199 Frequency  : rarely
 200 Description: When ksocknal_del_peer() is called upon a peer whose
 201              ksnp_tx_queue is not empty, ksocknal_destroy_peer()'s
 202              'LASSERT(list_empty(&peer->ksnp_tx_queue))' will fail.
 203
 204 Severity   : normal
 205 Frequency  : when ptlrpc is under heavy use and runs out of request buffer
 206 Bugzilla   : 11318
 207 Description: In lnet_match_blocked_msg(), md can be used without holding a
 208              ref on it.
 209
 210 Severity   : minor
 211 Frequency  : very rarely
 212 Bugzilla   : 10727
 213 Description: If ksocknal_lib_setup_sock() fails, a ref on peer is lost.
 214              If connd connects a route which has been closed by
 215              ksocknal_shutdown(), ksocknal_create_routes() may create new
 216              routes which hold references on the peer, causing shutdown
 217              process to wait for peer to disappear forever.
 218
 219 Severity   : enhancement
 220 Bugzilla   : 11234
 221 Description: Dump XT3 portals traces on kptllnd timeout
 222 Details    : Set the kptllnd module parameter "ptltrace_on_timeout=1" to
 223              dump Cray portals debug traces to a file.  The kptllnd module
 224              parameter "ptltrace_basename", default "/tmp/lnet-ptltrace",
 225              is the basename of the dump file.
 226
 227 Severity   : major
 228 Frequency  : infrequent
 229 Bugzilla   : 11308
 230 Description: kernel ptllnd fix bug in connection re-establishment
 231 Details    : Kernel ptllnd could produce protocol errors e.g. illegal
 232              matchbits and/or violate the credit flow protocol when trying
 233              to re-establish a connection with a peer after an error or
 234              timeout.
 235
 236 Severity   : enhancement
 237 Bugzilla   : 10316
 238 Description: Allow /proc/sys/lnet/debug to be set symbolically
 239 Details    : Allow debug and subsystem debug values to be read/set by name
 240              in addition to numerically, for ease of use.
 241
 242 Severity   : normal
 243 Frequency  : only in configurations with LNET routers
 244 Bugzilla   : 10316
 245 Description: routes automatically marked down and recovered
 246 Details    : In configurations with LNET routers if a router fails routers
 247              now actively try to recover routes that are down, unless they
 248              are marked down by an administrator.
 249
 250 ------------------------------------------------------------------------------
 251
 252 2006-12-09  Cluster File Systems, Inc. <info@clusterfs.com>
 253
 254 Severity   : critical
 255 Frequency  : very rarely, in configurations with LNET routers and TCP
 256 Bugzilla   : 10889
 257 Description: incorrect data written to files on OSTs
 258 Details    : In certain high-load conditions incorrect data may be written
 259              to files on the OST when using TCP networks.
 260
 261 ------------------------------------------------------------------------------
 262
 263 2006-07-31  Cluster File Systems, Inc. <info@clusterfs.com>
 264         * version 1.4.7
 265         - rework CDEBUG messages rate-limiting mechanism b=10375
 266         - add per-socket tunables for socklnd if the kernel is patched b=10327
 267
 268 ------------------------------------------------------------------------------
 269
 270 2006-02-15  Cluster File Systems, Inc. <info@clusterfs.com>
 271         * version 1.4.6
 272         - fix use of portals/lnet pid to avoid dropping RPCs b=10074
 273         - iiblnd wasn't mapping all memory, resulting in comms errors b=9776
 274         - quiet LNET startup LNI message for liblustre b=10128
 275         - Better console error messages if 'ip2nets' can't match an IP address
 276         - Fixed overflow/use-before-set bugs in linux-time.h
 277         - Fixed ptllnd bug that wasn't initialising rx descriptors completely
 278         - LNET teardown failed an assertion about the route table being empty
 279         - Fixed a crash in LNetEQPoll(<invalid handle>)
 280         - Future protocol compatibility work (b_rls146_lnetprotovrsn)
 281         - improve debug message for liblustre/Catamount nodes (b=10116)
 282
 283 2005-10-10  Cluster File Systems, Inc. <info@clusterfs.com>
 284         * Configuration change for the XT3
 285              The PTLLND is now used to run Lustre over Portals on the XT3.
 286              The configure option(s) --with-cray-portals are no longer
 287              used.  Rather --with-portals=<path-to-portals-includes> is
 288              used to enable building on the XT3.  In addition to enable
 289              XT3 specific features the option --enable-cray-xt3 must be
 290              used.
 291
 292 2005-10-10  Cluster File Systems, Inc. <info@clusterfs.com>
 293         * Portals has been removed, replaced by LNET.
 294            LNET is new networking infrastructure for Lustre, it includes a
 295            reorganized network configuration mode (see the user
 296            documentation for full details) as well as support for routing
 297            between different network fabrics.  Lustre Networking Devices
 298            (LNDS) for the supported network fabrics have also been created
 299            for this new infrastructure.
 300
 301 2005-08-08  Cluster File Systems, Inc. <info@clusterfs.com>
 302        * version 1.4.4
 303        * bug fixes
 304
 305 Severity   : major
 306 Frequency  : rare (large Voltaire clusters only)
 307 Bugzilla   : 6993
 308 Description: the default number of reserved transmit descriptors was too low
 309              for some large clusters
 310 Details    : As a workaround, the number was increased.  A proper fix includes
 311              a run-time tunable.
 312
 313 2005-06-02  Cluster File Systems, Inc. <info@clusterfs.com>
 314        * version 1.4.3
 315        * bug fixes
 316
 317 Severity   : major
 318 Frequency  : occasional (large-scale events, cluster reboot, network failure)
 319 Bugzilla   : 6411
 320 Description: too many error messages on console obscure actual problem and
 321              can slow down/panic server, or cause recovery to fail repeatedly
 322 Details    : enable rate-limiting of console error messages, and some messages
 323              that were console errors now only go to the kernel log
 324
 325 Severity   : enhancement
 326 Bugzilla   : 1693
 327 Description: add /proc/sys/portals/catastrophe entry which will report if
 328              that node has previously LBUGged
 329
 330 2005-04-06  Cluster File Systems, Inc. <info@clusterfs.com>
 331        * bugs
 332         - update gmnal to use PTL_MTU, fix module refcounting (b=5786)
 333
 334 2005-04-04  Cluster File Systems, Inc. <info@clusterfs.com>
 335        * bugs
 336         - handle error return code in kranal_check_fma_rx() (5915,6054)
 337
 338 2005-02-04  Cluster File Systems, Inc. <info@clusterfs.com>
 339        * miscellania
 340         - update vibnal (Voltaire IB NAL)
 341         - update gmnal (Myrinet NAL), gmnalid
 342
 343 2005-02-04  Eric Barton  <eeb@bartonsoftware.com>
 344
 345         * Landed portals:b_port_step as follows...
 346
 347           - removed CFS_DECL_SPIN*
 348             just use 'spinlock_t' and initialise with spin_lock_init()
 349
 350           - removed CFS_DECL_MUTEX*
 351             just use 'struct semaphore' and initialise with init_mutex()
 352
 353           - removed CFS_DECL_RWSEM*
 354             just use 'struct rw_semaphore' and initialise with init_rwsem()
 355
 356           - renamed cfs_sleep_chan -> cfs_waitq
 357                     cfs_sleep_link -> cfs_waitlink
 358
 359           - fixed race in linux version of arch-independent socknal
 360             (the ENOMEM/EAGAIN decision).
 361
 362           - Didn't fix problems in Darwin version of arch-independent socknal
 363             (resetting socket callbacks, eager ack hack, ENOMEM/EAGAIN decision)
 364
 365           - removed libcfs types from non-socknal header files (only some types
 366             in the header files had been changed; the .c files hadn't been
 367             updated at all).