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