lnet/ChangeLog

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