【WALT】update_history() 代码详解

广州办公家具定制

@
目录

• 【WALT】update_history() 代码详解
  
  
  
  • 代码展示
    
  • 代码逻辑
    
    
    
    • ⑴ 判断是否更新任务信息
      
    • ⑵ 更新历史窗口数据
      
      
      
      • sum_history[RAVG_HIST_SIZE_MAX]
        
      
      
    • ⑶ 计算 demand
      
    • ⑷ 计算 pred_demand
      
    • ⑸ 将 demand 与 pred_demand 更新到 CPU 负载中
      
    • ⑹ 更新任务信息
      
    
    
  
  

【WALT】update_history() 代码详解

代码版本：Linux4.9 android-msm-crosshatch-4.9-android12
代码展示

1. static void update_history(struct rq *rq, struct task_struct *p,
2.                          u32 runtime, int samples, int event)
3. {
4.         u32 *hist = &p->ravg.sum_history[0];
5.         int ridx, widx;
6.         u32 max = 0, avg, demand, pred_demand;
7.         u64 sum = 0;
8.         u64 prev_demand;
10.         // ⑴ 判断是否更新任务信息
11.         if (!runtime || is_idle_task(p) || exiting_task(p) || !samples)
12.                 goto done;
13.        
14.         // ⑵ 更新历史窗口数据
15.         prev_demand = p->ravg.demand;
16.        
17.         widx = sched_ravg_hist_size - 1;
18.         ridx = widx - samples;
19.         for (; ridx >= 0; --widx, --ridx) {
20.                 hist[widx] = hist[ridx];
21.                 sum += hist[widx];
22.                 if (hist[widx] > max)
23.                         max = hist[widx];
24.         }
25.         for (widx = 0; widx < samples && widx < sched_ravg_hist_size; widx++) {
26.                 hist[widx] = runtime;
27.                 sum += hist[widx];
28.                 if (hist[widx] > max)
29.                         max = hist[widx];
30.         }
32.         p->ravg.sum = 0;
34.         // ⑶ 计算 demand
35.         if (sched_window_stats_policy == WINDOW_STATS_RECENT) {
36.                 demand = runtime;
37.         } else if (sched_window_stats_policy == WINDOW_STATS_MAX) {
38.                 demand = max;
39.         } else {
40.                 avg = div64_u64(sum, sched_ravg_hist_size);
41.                 if (sched_window_stats_policy == WINDOW_STATS_AVG)
42.                         demand = avg;
43.                 else
44.                         demand = max(avg, runtime);
45.         }
46.         // ⑷ 计算 pred_demand
47.         pred_demand = predict_and_update_buckets(rq, p, runtime);
49.         trace_print_pred_demand(pred_demand, demand);
51.         // ⑸ 将 demand 与 pred_demand 更新到 rq 中
52.         if (!task_has_dl_policy(p) || !p->dl.dl_throttled) {
53.                 if (task_on_rq_queued(p))
54.                         p->sched_class->fixup_walt_sched_stats(rq, p, demand,
55.                                                                pred_demand);
56.                 else if (rq->curr == p)
57.                         walt_fixup_cum_window_demand(rq, demand);
58.         }
60.         // ⑹ 更新任务信息
61.         p->ravg.demand = demand;
62.         p->ravg.coloc_demand = div64_u64(sum, sched_ravg_hist_size);
63.         p->ravg.pred_demand = pred_demand;
65. done:
66.         trace_sched_update_history(rq, p, runtime, samples, event);
67. }

复制代码

代码逻辑

update_history() 是在 WALT 算法中，任务执行到新的一个窗口的时候，对旧窗口内数据进行更新并对新窗口内 demand 进行预测的一个函数。
参数解释：

• update_history(struct rq *rq, struct task_struct *p, u32 runtime, int samples, int event)
  p 和 rq：当前要更新信息的任务以及任务所在的运行队列（就绪队列）
  runtime：在 update_task_demand() 中记录的任务的运行时间
  samples：在 update_task_demand() 中记录的窗口数。如果记录的是上一个窗口的，或者是 n 个窗口前的某个窗口的，samples = 1；如果记录的是前 n 个窗口，samples = n，且每个窗口的执行时间都是窗口大小的归一化值。
  
• u32 hist = &p->ravg.sum_history[0];
  hist 是一个指向 p->ravg.sum_history[0] 的指针。
  p->ravg.sum_history 是一个长度为 RAVG_HIST_SIZE_MAX 的数组，存放的是过去 RAVG_HIST_SIZE_MAX 个窗口中的任务的执行时间。
  此处的任务执行时间是在 update_task_demand() 中通过 scale_exec_time() 进行归一化后的时间。
  RAVG_HIST_SIZE_MAX 是用来计算 demand 所需要的窗口的数量。当前版本内核中 RAVG_HIST_SIZE_MAX 默认为 5。
  
• int ridx, widx;
  用来更新 p->ravg.sum_history 所需的参数。
  
• u32 max = 0, avg, demand, pred_demand;
  max 是 p->ravg.sum_history 中的最大值；avg 是 p->ravg.sum_history 中的平均值。
  demand：通过 p->ravg.sum_history 中的值来预测下一个窗口中负载的情况，即任务可能在下一个窗口中的运行时长的归一化值。这个值通常用于任务选核、迁核。
  pred_demand：根据桶算法来预测下一个窗口中负载的情况。这个值通常用于调频。
  
• u64 sum = 0;
  sum 是 p->ravg.sum_history 中的所有值的和。
  
• u64 prev_demand;
  这个值记录上一个窗口中计算而得的 demand 值。
  

⑴ 判断是否更新任务信息

if (!runtime || is_idle_task(p) || exiting_task(p) || !samples)

• 如果上个窗口内没有执行时间；
  
• 如果任务是 idle 任务；
  
• 如果任务正在退出；
  
• 如果 samples == 0，
  

就直接结束，不进行更新。
⑵ 更新历史窗口数据

先通过 prev_demand = p->ravg.demand; 保存上一个窗口的 demand。
sum_history[RAVG_HIST_SIZE_MAX]

介绍一下保存历史窗口负载的数组 sum_history[RAVG_HIST_SIZE_MAX]。
默认情况下，sched_ravg_hist_size = RAVG_HIST_SIZE_MAX = 5，其中 sched_ravg_hist_size 可以根据需求来进行调整。
widx = sched_ravg_hist_size - 1; widx 是设定中最旧窗口的下标。“设定中”的意思是，如果 sched_ravg_hist_size 不等于 RAVG_HIST_SIZE_MAX，那么 sum_history[widx] 指向的就是我们调整窗口数量之后的最旧的窗口。
ridx = widx - samples; ridx 是更新之后的最旧窗口的下标。“更新之后”的意思是，我们要保证 sum_history[0] 始终是上一个窗口的执行时间，如果更新了不止一个窗口，如更新了 samples 个窗口，那么最旧的 samples 个窗口就要被舍弃，同时将前面还未被舍弃的窗口往后挪 samples 个位置，这样才能将第 0 个位置留给上一个窗口。
执行过程如下：

1. 设 samples = 2，即本次更新了 2 个窗口
2. sum_history:[  a  ] [  b  ] [  c  ] [  d  ] [  e  ]
3.                0       1       2       3       4
4.                ↑       ↑       ↑       ↑       ↑
5.                               ridx            widx
6. 第一个 for 循环：
7.         for (; ridx >= 0; --widx, --ridx) {
8.                 hist[widx] = hist[ridx];
9.                 // 累加剩余的旧窗口的值
10.                 sum += hist[widx];
11.                 // 计算最大值
12.                 if (hist[widx] > max)
13.                         max = hist[widx];
14.         }
15. 第一次循环后结果：
16. sum_history:[  a  ] [  b  ] [  c  ] [  d  ] [  c  ]
17.                0       1       2       3       4
18.                ↑       ↑       ↑       ↑       ↑
19.                       ridx            widx
20. 第二次循环后结果：
21. sum_history:[  a  ] [  b  ] [  c  ] [  b  ] [  c  ]
22.                0       1       2       3       4
23.                ↑       ↑       ↑       ↑       ↑
24.               ridx            widx
25. 第三次循环后结果：
26. sum_history:[  a  ] [  b  ] [  a  ] [  b  ] [  c  ]
27.                0       1       2       3       4
28.                ↑       ↑       ↑       ↑       ↑
29.       ridx            widx
30. 第二个 for 循环的开头将 widx 设置为 0：
31. sum_history:[  a  ] [  b  ] [  a  ] [  b  ] [  c  ]
32.                0       1       2       3       4
33.                ↑       ↑       ↑       ↑       ↑
34.       ridx    widx      
35.         for (widx = 0; widx < samples && widx < sched_ravg_hist_size; widx++) {
36.                 hist[widx] = runtime;
37.                 // 累加新窗口的值
38.                 sum += hist[widx];
39.                 // 计算最大值
40.                 if (hist[widx] > max)
41.                         max = hist[widx];
42.         }
43. 第一次循环后结果：
44. sum_history:[ s_w ] [  b  ] [  a  ] [  b  ] [  c  ]
45.                0       1       2       3       4
46.                ↑       ↑       ↑       ↑       ↑
47.       ridx            widx      
48. 第一次循环后结果：
49. sum_history:[ s_w ] [ s_w ] [  a  ] [  b  ] [  c  ]
50.                0       1       2       3       4
51.                ↑       ↑       ↑       ↑       ↑
52.       ridx                    widx
53. 因为 samples > 1 的时候 runtime 都是 scaled_window，所以填入的都是 s_w。

复制代码

最后令 p->ravg.sum = 0; ，进行下一次 WALT 算法中 runtime 的累加。
⑶ 计算 demand

在当前版本中，WALT 算法设置了四种策略，分别通过不同的方法来计算 demand。
其中，avg = div64_u64(sum, sched_ravg_hist_size);

• sched_window_stats_policy == WINDOW_STATS_RECENT
  demand = runtime; 直接将 demand 设置为上一个窗口的 runtime。
  
• sched_window_stats_policy == WINDOW_STATS_MAX
  demand = max; 直接将 demand 设置为历史窗口中 runtime 的最大值。
  
• sched_window_stats_policy == WINDOW_STATS_AVG
  demand = avg; 直接将 demnad 设置为历史窗口中 runtime 的平均值。
  
• sched_window_stats_policy == WINDOW_STATS_MAX_RECENT_AVG（默认情况）
  demand = max(avg, runtime); 在上一个窗口的 runtime 和 历史窗口中 runtime 的平均值中选取最大值作为 demand。
  

⑷ 计算 pred_demand

根据桶算法来计算 pred_demand：pred_demand = predict_and_update_buckets(rq, p, runtime);
点击此处查看 predict_and_update_buckets() 代码详解。
⑸ 将 demand 与 pred_demand 更新到 CPU 负载中

在 【WALT】调度与负载计算 中详细描述了 WALT 是如何将之前计算的 demand 和 pred_demand 更新到 CPU 负载之中的。
⑹ 更新任务信息

p->ravg.demand = demand;
p->ravg.coloc_demand = div64_u64(sum, sched_ravg_hist_size);
将历史窗口中的平均值赋进 coloc_demand 中。
p->ravg.pred_demand = pred_demand;
点击此处回到 WALT 入口函数 update_task_ravg()

来源:https://www.cnblogs.com/cyrusandy/p/17949294
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！