6a8e4667ab3822fda090335aa8a821f81b993be4
[linux-2.6.git] / Documentation / vm / hugetlbpage.txt
1
2 The intent of this file is to give a brief summary of hugetlbpage support in
3 the Linux kernel.  This support is built on top of multiple page size support
4 that is provided by most modern architectures.  For example, i386
5 architecture supports 4K and 4M (2M in PAE mode) page sizes, ia64
6 architecture supports multiple page sizes 4K, 8K, 64K, 256K, 1M, 4M, 16M,
7 256M and ppc64 supports 4K and 16M.  A TLB is a cache of virtual-to-physical
8 translations.  Typically this is a very scarce resource on processor.
9 Operating systems try to make best use of limited number of TLB resources.
10 This optimization is more critical now as bigger and bigger physical memories
11 (several GBs) are more readily available.
12
13 Users can use the huge page support in Linux kernel by either using the mmap
14 system call or standard SYSV shared memory system calls (shmget, shmat).
15
16 First the Linux kernel needs to be built with the CONFIG_HUGETLBFS
17 (present under "File systems") and CONFIG_HUGETLB_PAGE (selected
18 automatically when CONFIG_HUGETLBFS is selected) configuration
19 options.
20
21 The /proc/meminfo file provides information about the total number of
22 persistent hugetlb pages in the kernel's huge page pool.  It also displays
23 information about the number of free, reserved and surplus huge pages and the
24 default huge page size.  The huge page size is needed for generating the
25 proper alignment and size of the arguments to system calls that map huge page
26 regions.
27
28 The output of "cat /proc/meminfo" will include lines like:
29
30 .....
31 HugePages_Total: vvv
32 HugePages_Free:  www
33 HugePages_Rsvd:  xxx
34 HugePages_Surp:  yyy
35 Hugepagesize:    zzz kB
36
37 where:
38 HugePages_Total is the size of the pool of huge pages.
39 HugePages_Free  is the number of huge pages in the pool that are not yet
40                 allocated.
41 HugePages_Rsvd  is short for "reserved," and is the number of huge pages for
42                 which a commitment to allocate from the pool has been made,
43                 but no allocation has yet been made.  Reserved huge pages
44                 guarantee that an application will be able to allocate a
45                 huge page from the pool of huge pages at fault time.
46 HugePages_Surp  is short for "surplus," and is the number of huge pages in
47                 the pool above the value in /proc/sys/vm/nr_hugepages. The
48                 maximum number of surplus huge pages is controlled by
49                 /proc/sys/vm/nr_overcommit_hugepages.
50
51 /proc/filesystems should also show a filesystem of type "hugetlbfs" configured
52 in the kernel.
53
54 /proc/sys/vm/nr_hugepages indicates the current number of "persistent" huge
55 pages in the kernel's huge page pool.  "Persistent" huge pages will be
56 returned to the huge page pool when freed by a task.  A user with root
57 privileges can dynamically allocate more or free some persistent huge pages
58 by increasing or decreasing the value of 'nr_hugepages'.
59
60 Pages that are used as huge pages are reserved inside the kernel and cannot
61 be used for other purposes.  Huge pages cannot be swapped out under
62 memory pressure.
63
64 Once a number of huge pages have been pre-allocated to the kernel huge page
65 pool, a user with appropriate privilege can use either the mmap system call
66 or shared memory system calls to use the huge pages.  See the discussion of
67 Using Huge Pages, below.
68
69 The administrator can allocate persistent huge pages on the kernel boot
70 command line by specifying the "hugepages=N" parameter, where 'N' = the
71 number of huge pages requested.  This is the most reliable method of
72 allocating huge pages as memory has not yet become fragmented.
73
74 Some platforms support multiple huge page sizes.  To allocate huge pages
75 of a specific size, one must preceed the huge pages boot command parameters
76 with a huge page size selection parameter "hugepagesz=<size>".  <size> must
77 be specified in bytes with optional scale suffix [kKmMgG].  The default huge
78 page size may be selected with the "default_hugepagesz=<size>" boot parameter.
79
80 When multiple huge page sizes are supported, /proc/sys/vm/nr_hugepages
81 indicates the current number of pre-allocated huge pages of the default size.
82 Thus, one can use the following command to dynamically allocate/deallocate
83 default sized persistent huge pages:
84
85         echo 20 > /proc/sys/vm/nr_hugepages
86
87 This command will try to adjust the number of default sized huge pages in the
88 huge page pool to 20, allocating or freeing huge pages, as required.
89
90 On a NUMA platform, the kernel will attempt to distribute the huge page pool
91 over all the set of allowed nodes specified by the NUMA memory policy of the
92 task that modifies nr_hugepages.  The default for the allowed nodes--when the
93 task has default memory policy--is all on-line nodes with memory.  Allowed
94 nodes with insufficient available, contiguous memory for a huge page will be
95 silently skipped when allocating persistent huge pages.  See the discussion
96 below of the interaction of task memory policy, cpusets and per node attributes
97 with the allocation and freeing of persistent huge pages.
98
99 The success or failure of huge page allocation depends on the amount of
100 physically contiguous memory that is present in system at the time of the
101 allocation attempt.  If the kernel is unable to allocate huge pages from
102 some nodes in a NUMA system, it will attempt to make up the difference by
103 allocating extra pages on other nodes with sufficient available contiguous
104 memory, if any.
105
106 System administrators may want to put this command in one of the local rc
107 init files.  This will enable the kernel to allocate huge pages early in
108 the boot process when the possibility of getting physical contiguous pages
109 is still very high.  Administrators can verify the number of huge pages
110 actually allocated by checking the sysctl or meminfo.  To check the per node
111 distribution of huge pages in a NUMA system, use:
112
113         cat /sys/devices/system/node/node*/meminfo | fgrep Huge
114
115 /proc/sys/vm/nr_overcommit_hugepages specifies how large the pool of
116 huge pages can grow, if more huge pages than /proc/sys/vm/nr_hugepages are
117 requested by applications.  Writing any non-zero value into this file
118 indicates that the hugetlb subsystem is allowed to try to obtain that
119 number of "surplus" huge pages from the kernel's normal page pool, when the
120 persistent huge page pool is exhausted. As these surplus huge pages become
121 unused, they are freed back to the kernel's normal page pool.
122
123 When increasing the huge page pool size via nr_hugepages, any existing surplus
124 pages will first be promoted to persistent huge pages.  Then, additional
125 huge pages will be allocated, if necessary and if possible, to fulfill
126 the new persistent huge page pool size.
127
128 The administrator may shrink the pool of persistent huge pages for
129 the default huge page size by setting the nr_hugepages sysctl to a
130 smaller value.  The kernel will attempt to balance the freeing of huge pages
131 across all nodes in the memory policy of the task modifying nr_hugepages.
132 Any free huge pages on the selected nodes will be freed back to the kernel's
133 normal page pool.
134
135 Caveat: Shrinking the persistent huge page pool via nr_hugepages such that
136 it becomes less than the number of huge pages in use will convert the balance
137 of the in-use huge pages to surplus huge pages.  This will occur even if
138 the number of surplus pages it would exceed the overcommit value.  As long as
139 this condition holds--that is, until nr_hugepages+nr_overcommit_hugepages is
140 increased sufficiently, or the surplus huge pages go out of use and are freed--
141 no more surplus huge pages will be allowed to be allocated.
142
143 With support for multiple huge page pools at run-time available, much of
144 the huge page userspace interface in /proc/sys/vm has been duplicated in sysfs.
145 The /proc interfaces discussed above have been retained for backwards
146 compatibility. The root huge page control directory in sysfs is:
147
148         /sys/kernel/mm/hugepages
149
150 For each huge page size supported by the running kernel, a subdirectory
151 will exist, of the form:
152
153         hugepages-${size}kB
154
155 Inside each of these directories, the same set of files will exist:
156
157         nr_hugepages
158         nr_hugepages_mempolicy
159         nr_overcommit_hugepages
160         free_hugepages
161         resv_hugepages
162         surplus_hugepages
163
164 which function as described above for the default huge page-sized case.
165
166
167 Interaction of Task Memory Policy with Huge Page Allocation/Freeing
168
169 Whether huge pages are allocated and freed via the /proc interface or
170 the /sysfs interface using the nr_hugepages_mempolicy attribute, the NUMA
171 nodes from which huge pages are allocated or freed are controlled by the
172 NUMA memory policy of the task that modifies the nr_hugepages_mempolicy
173 sysctl or attribute.  When the nr_hugepages attribute is used, mempolicy
174 is ignored.
175
176 The recommended method to allocate or free huge pages to/from the kernel
177 huge page pool, using the nr_hugepages example above, is:
178
179     numactl --interleave <node-list> echo 20 \
180                                 >/proc/sys/vm/nr_hugepages_mempolicy
181
182 or, more succinctly:
183
184     numactl -m <node-list> echo 20 >/proc/sys/vm/nr_hugepages_mempolicy
185
186 This will allocate or free abs(20 - nr_hugepages) to or from the nodes
187 specified in <node-list>, depending on whether number of persistent huge pages
188 is initially less than or greater than 20, respectively.  No huge pages will be
189 allocated nor freed on any node not included in the specified <node-list>.
190
191 When adjusting the persistent hugepage count via nr_hugepages_mempolicy, any
192 memory policy mode--bind, preferred, local or interleave--may be used.  The
193 resulting effect on persistent huge page allocation is as follows:
194
195 1) Regardless of mempolicy mode [see Documentation/vm/numa_memory_policy.txt],
196    persistent huge pages will be distributed across the node or nodes
197    specified in the mempolicy as if "interleave" had been specified.
198    However, if a node in the policy does not contain sufficient contiguous
199    memory for a huge page, the allocation will not "fallback" to the nearest
200    neighbor node with sufficient contiguous memory.  To do this would cause
201    undesirable imbalance in the distribution of the huge page pool, or
202    possibly, allocation of persistent huge pages on nodes not allowed by
203    the task's memory policy.
204
205 2) One or more nodes may be specified with the bind or interleave policy.
206    If more than one node is specified with the preferred policy, only the
207    lowest numeric id will be used.  Local policy will select the node where
208    the task is running at the time the nodes_allowed mask is constructed.
209    For local policy to be deterministic, the task must be bound to a cpu or
210    cpus in a single node.  Otherwise, the task could be migrated to some
211    other node at any time after launch and the resulting node will be
212    indeterminate.  Thus, local policy is not very useful for this purpose.
213    Any of the other mempolicy modes may be used to specify a single node.
214
215 3) The nodes allowed mask will be derived from any non-default task mempolicy,
216    whether this policy was set explicitly by the task itself or one of its
217    ancestors, such as numactl.  This means that if the task is invoked from a
218    shell with non-default policy, that policy will be used.  One can specify a
219    node list of "all" with numactl --interleave or --membind [-m] to achieve
220    interleaving over all nodes in the system or cpuset.
221
222 4) Any task mempolicy specifed--e.g., using numactl--will be constrained by
223    the resource limits of any cpuset in which the task runs.  Thus, there will
224    be no way for a task with non-default policy running in a cpuset with a
225    subset of the system nodes to allocate huge pages outside the cpuset
226    without first moving to a cpuset that contains all of the desired nodes.
227
228 5) Boot-time huge page allocation attempts to distribute the requested number
229    of huge pages over all on-lines nodes with memory.
230
231 Per Node Hugepages Attributes
232
233 A subset of the contents of the root huge page control directory in sysfs,
234 described above, has been replicated under each "node" system device in:
235
236         /sys/devices/system/node/node[0-9]*/hugepages/
237
238 Under this directory, the subdirectory for each supported huge page size
239 contains the following attribute files:
240
241         nr_hugepages
242         free_hugepages
243         surplus_hugepages
244
245 The free_' and surplus_' attribute files are read-only.  They return the number
246 of free and surplus [overcommitted] huge pages, respectively, on the parent
247 node.
248
249 The nr_hugepages attribute returns the total number of huge pages on the
250 specified node.  When this attribute is written, the number of persistent huge
251 pages on the parent node will be adjusted to the specified value, if sufficient
252 resources exist, regardless of the task's mempolicy or cpuset constraints.
253
254 Note that the number of overcommit and reserve pages remain global quantities,
255 as we don't know until fault time, when the faulting task's mempolicy is
256 applied, from which node the huge page allocation will be attempted.
257
258
259 Using Huge Pages
260
261 If the user applications are going to request huge pages using mmap system
262 call, then it is required that system administrator mount a file system of
263 type hugetlbfs:
264
265   mount -t hugetlbfs \
266         -o uid=<value>,gid=<value>,mode=<value>,size=<value>,nr_inodes=<value> \
267         none /mnt/huge
268
269 This command mounts a (pseudo) filesystem of type hugetlbfs on the directory
270 /mnt/huge.  Any files created on /mnt/huge uses huge pages.  The uid and gid
271 options sets the owner and group of the root of the file system.  By default
272 the uid and gid of the current process are taken.  The mode option sets the
273 mode of root of file system to value & 0777.  This value is given in octal.
274 By default the value 0755 is picked. The size option sets the maximum value of
275 memory (huge pages) allowed for that filesystem (/mnt/huge). The size is
276 rounded down to HPAGE_SIZE.  The option nr_inodes sets the maximum number of
277 inodes that /mnt/huge can use.  If the size or nr_inodes option is not
278 provided on command line then no limits are set.  For size and nr_inodes
279 options, you can use [G|g]/[M|m]/[K|k] to represent giga/mega/kilo. For
280 example, size=2K has the same meaning as size=2048.
281
282 While read system calls are supported on files that reside on hugetlb
283 file systems, write system calls are not.
284
285 Regular chown, chgrp, and chmod commands (with right permissions) could be
286 used to change the file attributes on hugetlbfs.
287
288 Also, it is important to note that no such mount command is required if the
289 applications are going to use only shmat/shmget system calls or mmap with
290 MAP_HUGETLB.  Users who wish to use hugetlb page via shared memory segment
291 should be a member of a supplementary group and system admin needs to
292 configure that gid into /proc/sys/vm/hugetlb_shm_group.  It is possible for
293 same or different applications to use any combination of mmaps and shm*
294 calls, though the mount of filesystem will be required for using mmap calls
295 without MAP_HUGETLB.  For an example of how to use mmap with MAP_HUGETLB see
296 map_hugetlb.c.
297
298 *******************************************************************
299
300 /*
301  * Example of using huge page memory in a user application using Sys V shared
302  * memory system calls.  In this example the app is requesting 256MB of
303  * memory that is backed by huge pages.  The application uses the flag
304  * SHM_HUGETLB in the shmget system call to inform the kernel that it is
305  * requesting huge pages.
306  *
307  * For the ia64 architecture, the Linux kernel reserves Region number 4 for
308  * huge pages.  That means that if one requires a fixed address, a huge page
309  * aligned address starting with 0x800000... will be required.  If a fixed
310  * address is not required, the kernel will select an address in the proper
311  * range.
312  * Other architectures, such as ppc64, i386 or x86_64 are not so constrained.
313  *
314  * Note: The default shared memory limit is quite low on many kernels,
315  * you may need to increase it via:
316  *
317  * echo 268435456 > /proc/sys/kernel/shmmax
318  *
319  * This will increase the maximum size per shared memory segment to 256MB.
320  * The other limit that you will hit eventually is shmall which is the
321  * total amount of shared memory in pages. To set it to 16GB on a system
322  * with a 4kB pagesize do:
323  *
324  * echo 4194304 > /proc/sys/kernel/shmall
325  */
326 #include <stdlib.h>
327 #include <stdio.h>
328 #include <sys/types.h>
329 #include <sys/ipc.h>
330 #include <sys/shm.h>
331 #include <sys/mman.h>
332
333 #ifndef SHM_HUGETLB
334 #define SHM_HUGETLB 04000
335 #endif
336
337 #define LENGTH (256UL*1024*1024)
338
339 #define dprintf(x)  printf(x)
340
341 #define ADDR (void *)(0x0UL)    /* let kernel choose address */
342 #define SHMAT_FLAGS (0)
343
344 int main(void)
345 {
346         int shmid;
347         unsigned long i;
348         char *shmaddr;
349
350         if ((shmid = shmget(2, LENGTH,
351                             SHM_HUGETLB | IPC_CREAT | SHM_R | SHM_W)) < 0) {
352                 perror("shmget");
353                 exit(1);
354         }
355         printf("shmid: 0x%x\n", shmid);
356
357         shmaddr = shmat(shmid, ADDR, SHMAT_FLAGS);
358         if (shmaddr == (char *)-1) {
359                 perror("Shared memory attach failure");
360                 shmctl(shmid, IPC_RMID, NULL);
361                 exit(2);
362         }
363         printf("shmaddr: %p\n", shmaddr);
364
365         dprintf("Starting the writes:\n");
366         for (i = 0; i < LENGTH; i++) {
367                 shmaddr[i] = (char)(i);
368                 if (!(i % (1024 * 1024)))
369                         dprintf(".");
370         }
371         dprintf("\n");
372
373         dprintf("Starting the Check...");
374         for (i = 0; i < LENGTH; i++)
375                 if (shmaddr[i] != (char)i)
376                         printf("\nIndex %lu mismatched\n", i);
377         dprintf("Done.\n");
378
379         if (shmdt((const void *)shmaddr) != 0) {
380                 perror("Detach failure");
381                 shmctl(shmid, IPC_RMID, NULL);
382                 exit(3);
383         }
384
385         shmctl(shmid, IPC_RMID, NULL);
386
387         return 0;
388 }
389
390 *******************************************************************
391
392 /*
393  * Example of using huge page memory in a user application using the mmap
394  * system call.  Before running this application, make sure that the
395  * administrator has mounted the hugetlbfs filesystem (on some directory
396  * like /mnt) using the command mount -t hugetlbfs nodev /mnt. In this
397  * example, the app is requesting memory of size 256MB that is backed by
398  * huge pages.
399  *
400  * For the ia64 architecture, the Linux kernel reserves Region number 4 for
401  * huge pages.  That means that if one requires a fixed address, a huge page
402  * aligned address starting with 0x800000... will be required.  If a fixed
403  * address is not required, the kernel will select an address in the proper
404  * range.
405  * Other architectures, such as ppc64, i386 or x86_64 are not so constrained.
406  */
407 #include <stdlib.h>
408 #include <stdio.h>
409 #include <unistd.h>
410 #include <sys/mman.h>
411 #include <fcntl.h>
412
413 #define FILE_NAME "/mnt/hugepagefile"
414 #define LENGTH (256UL*1024*1024)
415 #define PROTECTION (PROT_READ | PROT_WRITE)
416
417 #define ADDR (void *)(0x0UL)    /* let kernel choose address */
418 #define FLAGS (MAP_SHARED)
419
420 void check_bytes(char *addr)
421 {
422         printf("First hex is %x\n", *((unsigned int *)addr));
423 }
424
425 void write_bytes(char *addr)
426 {
427         unsigned long i;
428
429         for (i = 0; i < LENGTH; i++)
430                 *(addr + i) = (char)i;
431 }
432
433 void read_bytes(char *addr)
434 {
435         unsigned long i;
436
437         check_bytes(addr);
438         for (i = 0; i < LENGTH; i++)
439                 if (*(addr + i) != (char)i) {
440                         printf("Mismatch at %lu\n", i);
441                         break;
442                 }
443 }
444
445 int main(void)
446 {
447         void *addr;
448         int fd;
449
450         fd = open(FILE_NAME, O_CREAT | O_RDWR, 0755);
451         if (fd < 0) {
452                 perror("Open failed");
453                 exit(1);
454         }
455
456         addr = mmap(ADDR, LENGTH, PROTECTION, FLAGS, fd, 0);
457         if (addr == MAP_FAILED) {
458                 perror("mmap");
459                 unlink(FILE_NAME);
460                 exit(1);
461         }
462
463         printf("Returned address is %p\n", addr);
464         check_bytes(addr);
465         write_bytes(addr);
466         read_bytes(addr);
467
468         munmap(addr, LENGTH);
469         close(fd);
470         unlink(FILE_NAME);
471
472         return 0;
473 }