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