lnet/ChangeLog

   1 2007-08-27         Cluster File Systems, Inc. <info@clusterfs.com>
   2        * version 1.6.2
   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 and 1.2,
   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
  15 Severity   : normal
  16 Bugzilla   : 13279
  17 Description: open files rlimit 1024 reached while liblustre testing
  18 Details    : ulnds/socklnd must close open socket after unsuccessful
  19              'say hello' attempt.
  20
  21 ------------------------------------------------------------------------------
  22
  23 2007-07-30  Cluster File Systems, Inc. <info@clusterfs.com>
  24        * version 1.4.11 / 1.6.1
  25        * Support for networks:
  26         socklnd   - kernels up to 2.6.16,
  27         qswlnd    - Qsnet kernel modules 5.20 and later,
  28         openiblnd - IbGold 1.8.2,
  29         o2iblnd   - OFED 1.1 and 1.2,
  30         viblnd    - Voltaire ibhost 3.4.5 and later,
  31         ciblnd    - Topspin 3.2.0,
  32         iiblnd    - Infiniserv 3.3 + PathBits patch,
  33         gmlnd     - GM 2.1.22 and later,
  34         mxlnd     - MX 1.2.1 or later,
  35         ptllnd    - Portals 3.3 / UNICOS/lc 1.5.x, 2.0.x
  36
  37 Severity   : minor
  38 Bugzilla   : 13288
  39 Description: Initialize cpumask before use
  40
  41 Severity   : major
  42 Bugzilla   : 12014
  43 Description: ASSERTION failures when upgrading to the patchless zero-copy
  44              socklnd
  45 Details    : This bug affects "rolling upgrades", causing an inconsistent
  46              protocol version negotiation and subsequent assertion failure
  47              during rolling upgrades after the first wave of upgrades.
  48
  49 Severity   : minor
  50 Bugzilla   : 11223
  51 Details    : Change "dropped message" CERRORs to D_NETERROR so they are
  52              logged instead of creating "console chatter" when a lustre
  53              timeout races with normal RPC completion.
  54
  55 Severity   : minor
  56 Details    : lnet_clear_peer_table can wait forever if user forgets to
  57              clear a lazy portal.
  58
  59 Severity   : minor
  60 Details    : libcfs_id2str should check pid against LNET_PID_ANY.
  61
  62 Severity   : major
  63 Bugzilla   : 10916
  64 Description: added LNET self test
  65 Details    : landing b_self_test
  66
  67 Severity   : minor
  68 Frequency  : rare
  69 Bugzilla   : 12227
  70 Description: cfs_duration_{u,n}sec() wrongly calculate nanosecond part of
  71              struct timeval.
  72 Details    : do_div() macro is used incorrectly.
  73
  74 2007-04-23  Cluster File Systems, Inc. <info@clusterfs.com>
  75
  76 Severity   : normal
  77 Bugzilla   : 11680
  78 Description: make panic on lbug configurable
  79
  80 Severity   : major
  81 Bugzilla   : 12316
  82 Description: Add OFED1.2 support to o2iblnd
  83 Details    : o2iblnd depends on OFED's modules, if out-tree OFED's modules
  84              are installed (other than kernel's in-tree infiniband), there
  85              could be some problem while insmod o2iblnd (mismatch CRC of
  86              ib_* symbols).
  87              If extra Module.symvers is supported in kernel (i.e, 2.6.17),
  88              this link provides solution:
  89              https://bugs.openfabrics.org/show_bug.cgi?id=355
  90              if extra Module.symvers is not supported in kernel, we will
  91              have to run the script in bug 12316 to update
  92              $LINUX/module.symvers before building o2iblnd.
  93              More details about this are in bug 12316.
  94
  95 ------------------------------------------------------------------------------
  96
  97 2007-04-01  Cluster File Systems, Inc. <info@clusterfs.com>
  98        * version 1.4.10 / 1.6.0
  99        * Support for networks:
 100         socklnd   - kernels up to 2.6.16,
 101         qswlnd    - Qsnet kernel modules 5.20 and later,
 102         openiblnd - IbGold 1.8.2,
 103         o2iblnd   - OFED 1.1,
 104         viblnd    - Voltaire ibhost 3.4.5 and later,
 105         ciblnd    - Topspin 3.2.0,
 106         iiblnd    - Infiniserv 3.3 + PathBits patch,
 107         gmlnd     - GM 2.1.22 and later,
 108         mxlnd     - MX 1.2.1 or later,
 109         ptllnd    - Portals 3.3 / UNICOS/lc 1.5.x, 2.0.x
 110
 111 Severity   : minor
 112 Frequency  : rare
 113 Description: Ptllnd didn't init kptllnd_data.kptl_idle_txs before it could be
 114              possibly accessed in kptllnd_shutdown. Ptllnd should init
 115              kptllnd_data.kptl_ptlid2str_lock before calling kptllnd_ptlid2str.
 116
 117 Severity   : normal
 118 Frequency  : rare
 119 Description: gmlnd ignored some transmit errors when finalizing lnet messages.
 120
 121 Severity   : minor
 122 Frequency  : rare
 123 Description: ptllnd logs a piece of incorrect debug info in kptllnd_peer_handle_hello.
 124
 125 Severity   : minor
 126 Frequency  : rare
 127 Description: the_lnet.ln_finalizing was not set when the current thread is
 128              about to complete messages. It only affects multi-threaded
 129              user space LNet.
 130
 131 Severity   : normal
 132 Frequency  : rare
 133 Bugzilla   : 11472
 134 Description: Changed the default kqswlnd ntxmsg=512
 135
 136 Severity   : major
 137 Frequency  : rare
 138 Bugzilla   : 12458
 139 Description: Assertion failure in kernel ptllnd caused by posting passive
 140              bulk buffers before connection establishment complete.
 141
 142 Severity   : major
 143 Frequency  : rare
 144 Bugzilla   : 12455
 145 Description: A race in kernel ptllnd between deleting a peer and posting
 146              new communications for it could hang communications -
 147              manifesting as "Unexpectedly long timeout" messages.
 148
 149 Severity   : major
 150 Frequency  : rare
 151 Bugzilla   : 12432
 152 Description: Kernel ptllnd lock ordering issue could hang a node.
 153
 154 Severity   : major
 155 Frequency  : rare
 156 Bugzilla   : 12016
 157 Description: node crash on socket teardown race
 158
 159 Severity   : minor
 160 Frequency  : 'lctl peer_list' issued on a mx net
 161 Bugzilla   : 12237
 162 Description: Enable lctl's peer_list for MXLND
 163
 164 Severity   : major
 165 Frequency  : after Ptllnd timeouts and portals congestion
 166 Bugzilla   : 11659
 167 Description: Credit overflows
 168 Details    : This was a bug in ptllnd connection establishment.  The fix
 169              implements better peer stamps to disambiguate connection
 170              establishment and ensure both peers enter the credit flow
 171              state machine consistently.
 172
 173 Severity   : major
 174 Frequency  : rare
 175 Bugzilla   : 11394
 176 Description: kptllnd didn't propagate some network errors up to LNET
 177 Details    : This bug was spotted while investigating 11394.  The fix
 178              ensures network errors on sends and bulk transfers are
 179              propagated to LNET/lustre correctly.
 180
 181 Severity   : enhancement
 182 Bugzilla   : 10316
 183 Description: Fixed console chatter in case of -ETIMEDOUT.
 184
 185 Severity   : enhancement
 186 Bugzilla   : 11684
 187 Description: Added D_NETTRACE for recording network packet history
 188              (initially only for ptllnd).  Also a separate userspace
 189              ptllnd facility to gather history which should really be
 190              covered by D_NETTRACE too, if only CDEBUG recorded history in
 191              userspace.
 192
 193 Severity   : major
 194 Frequency  : rare
 195 Bugzilla   : 11616
 196 Description: o2iblnd handle early RDMA_CM_EVENT_DISCONNECTED.
 197 Details    : If the fabric is lossy, an RDMA_CM_EVENT_DISCONNECTED
 198              callback can occur before a connection has actually been
 199              established.  This caused an assertion failure previously.
 200
 201 Severity   : enhancement
 202 Bugzilla   : 11094
 203 Description: Multiple instances for o2iblnd
 204 Details    : Allow multiple instances of o2iblnd to enable networking over
 205              multiple HCAs and routing between them.
 206
 207 Severity   : major
 208 Bugzilla   : 11201
 209 Description: lnet deadlock in router_checker
 210 Details    : turned ksnd_connd_lock, ksnd_reaper_lock, and ksock_net_t:ksnd_lock
 211              into BH locks to eliminate potential deadlock caused by
 212              ksocknal_data_ready() preempting code holding these locks.
 213
 214 Severity   : major
 215 Bugzilla   : 11126
 216 Description: Millions of failed socklnd connection attempts cause a very slow FS
 217 Details    : added a new route flag ksnr_scheduled to distinguish from
 218              ksnr_connecting, so that a peer connection request is only turned
 219              down for race concerns when an active connection to the same peer
 220              is under progress (instead of just being scheduled).
 221
 222 ------------------------------------------------------------------------------
 223
 224 2007-02-09  Cluster File Systems, Inc. <info@clusterfs.com>
 225        * version 1.4.9
 226        * Support for networks:
 227         socklnd   - kernels up to 2.6.16
 228         qswlnd    - Qsnet kernel modules 5.20 and later
 229         openiblnd - IbGold 1.8.2
 230         o2iblnd   - OFED 1.1
 231         viblnd    - Voltaire ibhost 3.4.5 and later
 232         ciblnd    - Topspin 3.2.0
 233         iiblnd    - Infiniserv 3.3 + PathBits patch
 234         gmlnd     - GM 2.1.22 and later
 235         mxlnd     - MX 1.2.1 or later
 236         ptllnd    - Portals 3.3 / UNICOS/lc 1.5.x, 2.0.x
 237        * bug fixes
 238
 239 Severity   : major on XT3
 240 Bugzilla   : none
 241 Description: libcfs overwrites /proc/sys/portals
 242 Details    : libcfs created a symlink from /proc/sys/portals to
 243              /proc/sys/lnet for backwards compatibility.  This is no
 244              longer required and makes the Cray portals /proc variables
 245              inaccessible.
 246
 247 Severity   : minor
 248 Bugzilla   : 11312
 249 Description: OFED FMR API change
 250 Details    : This changes parameter usage to reflect a change in
 251              ib_fmr_pool_map_phys() between OFED 1.0 and OFED 1.1.  Note
 252              that FMR support is only used in experimental versions of the
 253              o2iblnd - this change does not affect standard usage at all.
 254
 255 Severity   : enhancement
 256 Bugzilla   : 11245
 257 Description: new ko2iblnd module parameter: ib_mtu
 258 Details    : the default IB MTU of 2048 performs badly on 23108 Tavor
 259              HCAs.  You can avoid this problem by setting the MTU to 1024
 260              using this module parameter.
 261
 262 Severity   : enhancement
 263 Bugzilla   : 11118/11620
 264 Description: ptllnd small request message buffer alignment fix
 265 Details    : Set the PTL_MD_LOCAL_ALIGN8 option on small message receives.
 266              Round up small message size on sends in case this option
 267              is not supported.  11620 was a defect in the initial
 268              implementation which effectively asserted all peers had to be
 269              running the correct protocol version which was fixed by always
 270              NAK-ing such requests and handling any misalignments they
 271              introduce.
 272
 273 Severity   : minor
 274 Frequency  : rarely
 275 Description: When kib(nal|lnd)_del_peer() is called upon a peer whose
 276              ibp_tx_queue is not empty, kib(nal|lnd)_destroy_peer()'s
 277              'LASSERT(list_empty(&peer->ibp_tx_queue))' will fail.
 278
 279 Severity   : enhancement
 280 Bugzilla   : 11250
 281 Description: Patchless ZC(zero copy) socklnd
 282 Details    : New protocol for socklnd, socklnd can support zero copy without
 283              kernel patch, it's compatible with old socklnd. Checksum is
 284              moved from tunables to modparams.
 285
 286 Severity   : minor
 287 Frequency  : rarely
 288 Description: When ksocknal_del_peer() is called upon a peer whose
 289              ksnp_tx_queue is not empty, ksocknal_destroy_peer()'s
 290              'LASSERT(list_empty(&peer->ksnp_tx_queue))' will fail.
 291
 292 Severity   : normal
 293 Frequency  : when ptlrpc is under heavy use and runs out of request buffer
 294 Bugzilla   : 11318
 295 Description: In lnet_match_blocked_msg(), md can be used without holding a
 296              ref on it.
 297
 298 Severity   : minor
 299 Frequency  : very rarely
 300 Bugzilla   : 10727
 301 Description: If ksocknal_lib_setup_sock() fails, a ref on peer is lost.
 302              If connd connects a route which has been closed by
 303              ksocknal_shutdown(), ksocknal_create_routes() may create new
 304              routes which hold references on the peer, causing shutdown
 305              process to wait for peer to disappear forever.
 306
 307 Severity   : enhancement
 308 Bugzilla   : 11234
 309 Description: Dump XT3 portals traces on kptllnd timeout
 310 Details    : Set the kptllnd module parameter "ptltrace_on_timeout=1" to
 311              dump Cray portals debug traces to a file.  The kptllnd module
 312              parameter "ptltrace_basename", default "/tmp/lnet-ptltrace",
 313              is the basename of the dump file.
 314
 315 Severity   : major
 316 Frequency  : infrequent
 317 Bugzilla   : 11308
 318 Description: kernel ptllnd fix bug in connection re-establishment
 319 Details    : Kernel ptllnd could produce protocol errors e.g. illegal
 320              matchbits and/or violate the credit flow protocol when trying
 321              to re-establish a connection with a peer after an error or
 322              timeout.
 323
 324 Severity   : enhancement
 325 Bugzilla   : 10316
 326 Description: Allow /proc/sys/lnet/debug to be set symbolically
 327 Details    : Allow debug and subsystem debug values to be read/set by name
 328              in addition to numerically, for ease of use.
 329
 330 Severity   : normal
 331 Frequency  : only in configurations with LNET routers
 332 Bugzilla   : 10316
 333 Description: routes automatically marked down and recovered
 334 Details    : In configurations with LNET routers if a router fails routers
 335              now actively try to recover routes that are down, unless they
 336              are marked down by an administrator.
 337
 338 ------------------------------------------------------------------------------
 339
 340 2006-12-09  Cluster File Systems, Inc. <info@clusterfs.com>
 341
 342 Severity   : critical
 343 Frequency  : very rarely, in configurations with LNET routers and TCP
 344 Bugzilla   : 10889
 345 Description: incorrect data written to files on OSTs
 346 Details    : In certain high-load conditions incorrect data may be written
 347              to files on the OST when using TCP networks.
 348
 349 ------------------------------------------------------------------------------
 350
 351 2006-07-31  Cluster File Systems, Inc. <info@clusterfs.com>
 352         * version 1.4.7
 353         - rework CDEBUG messages rate-limiting mechanism b=10375
 354         - add per-socket tunables for socklnd if the kernel is patched b=10327
 355
 356 ------------------------------------------------------------------------------
 357
 358 2006-02-15  Cluster File Systems, Inc. <info@clusterfs.com>
 359         * version 1.4.6
 360         - fix use of portals/lnet pid to avoid dropping RPCs b=10074
 361         - iiblnd wasn't mapping all memory, resulting in comms errors b=9776
 362         - quiet LNET startup LNI message for liblustre b=10128
 363         - Better console error messages if 'ip2nets' can't match an IP address
 364         - Fixed overflow/use-before-set bugs in linux-time.h
 365         - Fixed ptllnd bug that wasn't initialising rx descriptors completely
 366         - LNET teardown failed an assertion about the route table being empty
 367         - Fixed a crash in LNetEQPoll(<invalid handle>)
 368         - Future protocol compatibility work (b_rls146_lnetprotovrsn)
 369         - improve debug message for liblustre/Catamount nodes (b=10116)
 370
 371 2005-10-10  Cluster File Systems, Inc. <info@clusterfs.com>
 372         * Configuration change for the XT3
 373              The PTLLND is now used to run Lustre over Portals on the XT3.
 374              The configure option(s) --with-cray-portals are no longer
 375              used.  Rather --with-portals=<path-to-portals-includes> is
 376              used to enable building on the XT3.  In addition to enable
 377              XT3 specific features the option --enable-cray-xt3 must be
 378              used.
 379
 380 2005-10-10  Cluster File Systems, Inc. <info@clusterfs.com>
 381         * Portals has been removed, replaced by LNET.
 382            LNET is new networking infrastructure for Lustre, it includes a
 383            reorganized network configuration mode (see the user
 384            documentation for full details) as well as support for routing
 385            between different network fabrics.  Lustre Networking Devices
 386            (LNDS) for the supported network fabrics have also been created
 387            for this new infrastructure.
 388
 389 2005-08-08  Cluster File Systems, Inc. <info@clusterfs.com>
 390        * version 1.4.4
 391        * bug fixes
 392
 393 Severity   : major
 394 Frequency  : rare (large Voltaire clusters only)
 395 Bugzilla   : 6993
 396 Description: the default number of reserved transmit descriptors was too low
 397              for some large clusters
 398 Details    : As a workaround, the number was increased.  A proper fix includes
 399              a run-time tunable.
 400
 401 2005-06-02  Cluster File Systems, Inc. <info@clusterfs.com>
 402        * version 1.4.3
 403        * bug fixes
 404
 405 Severity   : major
 406 Frequency  : occasional (large-scale events, cluster reboot, network failure)
 407 Bugzilla   : 6411
 408 Description: too many error messages on console obscure actual problem and
 409              can slow down/panic server, or cause recovery to fail repeatedly
 410 Details    : enable rate-limiting of console error messages, and some messages
 411              that were console errors now only go to the kernel log
 412
 413 Severity   : enhancement
 414 Bugzilla   : 1693
 415 Description: add /proc/sys/portals/catastrophe entry which will report if
 416              that node has previously LBUGged
 417
 418 2005-04-06  Cluster File Systems, Inc. <info@clusterfs.com>
 419        * bugs
 420         - update gmnal to use PTL_MTU, fix module refcounting (b=5786)
 421
 422 2005-04-04  Cluster File Systems, Inc. <info@clusterfs.com>
 423        * bugs
 424         - handle error return code in kranal_check_fma_rx() (5915,6054)
 425
 426 2005-02-04  Cluster File Systems, Inc. <info@clusterfs.com>
 427        * miscellania
 428         - update vibnal (Voltaire IB NAL)
 429         - update gmnal (Myrinet NAL), gmnalid
 430
 431 2005-02-04  Eric Barton  <eeb@bartonsoftware.com>
 432
 433         * Landed portals:b_port_step as follows...
 434
 435           - removed CFS_DECL_SPIN*
 436             just use 'spinlock_t' and initialise with spin_lock_init()
 437
 438           - removed CFS_DECL_MUTEX*
 439             just use 'struct semaphore' and initialise with init_mutex()
 440
 441           - removed CFS_DECL_RWSEM*
 442             just use 'struct rw_semaphore' and initialise with init_rwsem()
 443
 444           - renamed cfs_sleep_chan -> cfs_waitq
 445                     cfs_sleep_link -> cfs_waitlink
 446
 447           - fixed race in linux version of arch-independent socknal
 448             (the ENOMEM/EAGAIN decision).
 449
 450           - Didn't fix problems in Darwin version of arch-independent socknal
 451             (resetting socket callbacks, eager ack hack, ENOMEM/EAGAIN decision)
 452
 453           - removed libcfs types from non-socknal header files (only some types
 454             in the header files had been changed; the .c files hadn't been
 455             updated at all).