Schedutil¶

Note

本文所有内容都假设频率和工作算力之间存在线性关系。我们知道这是有瑕疵的，但这是最可行的近似处理。

PELT（实体负载跟踪，Per Entity Load Tracking）¶

通过PELT，我们跟踪了各种调度器实体的一些指标，从单个任务到任务组分片到CPU 运行队列。我们使用指数加权移动平均数（Exponentially Weighted Moving Average， EWMA）作为其基础，每个周期（1024us）都会衰减，衰减速率满足y^32 = 0.5。也就是说，最近的32ms贡献负载的一半，而历史上的其它时间则贡献另一半。

具体而言：

ewma_sum(u) := u_0 + u_1*y + u_2*y^2 + ...

ewma(u) = ewma_sum(u) / ewma_sum(1)

由于这本质上是一个无限几何级数的累加，结果是可组合的，即ewma(A) + ewma(B) = ewma(A+B)。这个属性是关键，因为它提供了在任务迁移时重新组合平均数的能力。

请注意，阻塞态的任务仍然对累加值（任务组分片和CPU运行队列）有贡献，这反映了它们在恢复运行后的预期贡献。

利用这一点，我们跟踪2个关键指标：“运行”和“可运行”。“运行”反映了一个调度实体在CPU上花费的时间，而“可运行”反映了一个调度实体在运行队列中花费的时间。当只有一个任务时，这两个指标是相同的，但一旦出现对CPU的争用，“运行”将减少以反映每个任务在CPU上花费的时间，而“可运行”将增加以反映争用的激烈程度。

更多细节见：kernel/sched/pelt.c

频率 / CPU不变性¶

因为CPU频率在1GHz时利用率为50%和CPU频率在2GHz时利用率为50%是不一样的，同样在小核上运行时利用率为50%和在大核上运行时利用率为50%是不一样的，我们允许架构以两个比率来伸缩时间差，其中一个是动态电压频率升降（Dynamic Voltage and Frequency Scaling，DVFS）比率，另一个是微架构比率。

对于简单的DVFS架构（软件有完全控制能力），我们可以很容易地计算该比率为:

          f_cur
r_dvfs := -----
          f_max

对于由硬件控制DVFS的更多动态系统，我们使用硬件计数器（Intel APERF/MPERF， ARMv8.4-AMU）来计算这一比率。具体到Intel，我们使用:

         APERF
f_cur := ----- * P0
         MPERF

           4C-turbo;  如果可用并且使能了turbo
f_max := { 1C-turbo;  如果使能了turbo
           P0;        其它情况

                  f_cur
r_dvfs := min( 1, ----- )
                  f_max

我们选择4C turbo而不是1C turbo，以使其更持久性略微更强。

r_cpu被定义为当前CPU的最高性能水平与系统中任何其它CPU的最高性能水平的比率。

r_tot = r_dvfs * r_cpu

其结果是，上述“运行”和“可运行”的指标变成DVFS无关和CPU型号无关了。也就是说，我们可以在CPU之间转移和比较它们。

更多细节见:

kernel/sched/pelt.h:update_rq_clock_pelt()

arch/x86/kernel/smpboot.c:”APERF/MPERF frequency ratio computation.”

算力感知调度:”1. CPU Capacity + 2. Task utilization”

UTIL_EST¶

由于周期性任务的平均数在睡眠时会衰减，而在运行时其预期利用率会和睡眠前相同，因此它们在再次运行后会面临（DVFS）的上涨。

为了缓解这个问题，（一个默认使能的编译选项）UTIL_EST驱动一个无限脉冲响应（Infinite Impulse Response，IIR）的EWMA，“运行”值在出队时是最高的。 UTIL_EST滤波使其在遇到更高值时立刻增加，而遇到低值时会缓慢衰减。

进一步，运行队列的（可运行任务的）利用率之和由下式计算：

util_est := Sum_t max( t_running, t_util_est_ewma )

更多细节见: kernel/sched/fair.c:util_est_dequeue()

UCLAMP¶

可以在每个CFS或RT任务上设置有效的u_min和u_max clamp值（译注：clamp可以理解为类似滤波器的能力，它定义了有效取值范围的最大值和最小值）；运行队列为所有正在运行的任务保持这些clamp的最大聚合值。

更多细节见: include/uapi/linux/sched/types.h

Schedutil / DVFS¶

每当调度器的负载跟踪被更新时（任务唤醒、任务迁移、时间流逝），我们都会调用 schedutil来更新硬件DVFS状态。

其基础是CPU运行队列的“运行”指标，根据上面的内容，它是CPU的频率不变的利用率估计值。由此我们计算出一个期望的频率，如下:

           max( running, util_est );  如果使能UTIL_EST
u_cfs := { running;                   其它情况

             clamp( u_cfs + u_rt, u_min, u_max );  如果使能UCLAMP_TASK
u_clamp := { u_cfs + u_rt;                         其它情况

u := u_clamp + u_irq + u_dl;          [估计值。更多细节见源代码]

f_des := min( f_max, 1.25 u * f_max )

关于IO-wait的说明：当发生更新是因为任务从IO完成中唤醒时，我们提升上面的“u”。

然后，这个频率被用来选择一个P-state或OPP，或者直接混入一个发给硬件的CPPC式请求。

关于截止期限调度器的说明: 截止期限任务（偶发任务模型）使我们能够计算出满足工作负荷所需的硬f_min值。

因为这些回调函数是直接来自调度器的，所以DVFS的硬件交互应该是“快速”和非阻塞的。在硬件交互缓慢和昂贵的时候，schedutil支持DVFS请求限速，不过会降低效率。

更多信息见: kernel/sched/cpufreq_schedutil.c

注意¶

在低负载场景下，DVFS是最相关的，“运行”的值将密切反映利用率。

在负载饱和的场景下，任务迁移会导致一些瞬时性的使用率下降。假设我们有一个 CPU，有4个任务占用导致其饱和，接下来我们将一个任务迁移到另一个空闲CPU上，旧的CPU的“运行”值将为0.75，而新的CPU将获得0.25。这是不可避免的，而且随着时间流逝将自动修正。另注，由于没有空闲时间，我们还能保证f_max值吗？

上述大部分内容是关于避免DVFS下滑，以及独立的DVFS域发生负载迁移时不得不重新学习/提升频率。