sys/cddl/contrib/opensolaris/uts/common/fs/zfs/metaslab.c

   1 /*
   2  * CDDL HEADER START
   3  *
   4  * The contents of this file are subject to the terms of the
   5  * Common Development and Distribution License (the "License").
   6  * You may not use this file except in compliance with the License.
   7  *
   8  * You can obtain a copy of the license at usr/src/OPENSOLARIS.LICENSE
   9  * or http://www.opensolaris.org/os/licensing.
  10  * See the License for the specific language governing permissions
  11  * and limitations under the License.
  12  *
  13  * When distributing Covered Code, include this CDDL HEADER in each
  14  * file and include the License file at usr/src/OPENSOLARIS.LICENSE.
  15  * If applicable, add the following below this CDDL HEADER, with the
  16  * fields enclosed by brackets "[]" replaced with your own identifying
  17  * information: Portions Copyright [yyyy] [name of copyright owner]
  18  *
  19  * CDDL HEADER END
  20  */
  21 /*
  22  * Copyright (c) 2005, 2010, Oracle and/or its affiliates. All rights reserved.
  23  * Copyright (c) 2011 by Delphix. All rights reserved.
  24  */
  25
  26 #include <sys/zfs_context.h>
  27 #include <sys/dmu.h>
  28 #include <sys/dmu_tx.h>
  29 #include <sys/space_map.h>
  30 #include <sys/metaslab_impl.h>
  31 #include <sys/vdev_impl.h>
  32 #include <sys/zio.h>
  33
  34 /*
  35  * Allow allocations to switch to gang blocks quickly. We do this to
  36  * avoid having to load lots of space_maps in a given txg. There are,
  37  * however, some cases where we want to avoid "fast" ganging and instead
  38  * we want to do an exhaustive search of all metaslabs on this device.
  39  * Currently we don't allow any gang or dump device related allocations
  40  * to "fast" gang.
  41  */
  42 #define CAN_FASTGANG(flags) \
  43         (!((flags) & (METASLAB_GANG_CHILD | METASLAB_GANG_HEADER | \
  44         METASLAB_GANG_AVOID)))
  45
  46 uint64_t metaslab_aliquot = 512ULL << 10;
  47 uint64_t metaslab_gang_bang = SPA_MAXBLOCKSIZE + 1;     /* force gang blocks */
  48
  49 /*
  50  * This value defines the number of allowed allocation failures per vdev.
  51  * If a device reaches this threshold in a given txg then we consider skipping
  52  * allocations on that device.
  53  */
  54 int zfs_mg_alloc_failures = 0;
  55
  56 SYSCTL_DECL(_vfs_zfs);
  57 SYSCTL_INT(_vfs_zfs, OID_AUTO, mg_alloc_failures, CTLFLAG_RDTUN,
  58     &zfs_mg_alloc_failures, 0,
  59     "Number of allowed allocation failures per vdev");
  60 TUNABLE_INT("vfs.zfs.mg_alloc_failures", &zfs_mg_alloc_failures);
  61
  62 /*
  63  * Metaslab debugging: when set, keeps all space maps in core to verify frees.
  64  */
  65 static int metaslab_debug = 0;
  66
  67 /*
  68  * Minimum size which forces the dynamic allocator to change
  69  * it's allocation strategy.  Once the space map cannot satisfy
  70  * an allocation of this size then it switches to using more
  71  * aggressive strategy (i.e search by size rather than offset).
  72  */
  73 uint64_t metaslab_df_alloc_threshold = SPA_MAXBLOCKSIZE;
  74
  75 /*
  76  * The minimum free space, in percent, which must be available
  77  * in a space map to continue allocations in a first-fit fashion.
  78  * Once the space_map's free space drops below this level we dynamically
  79  * switch to using best-fit allocations.
  80  */
  81 int metaslab_df_free_pct = 4;
  82
  83 /*
  84  * A metaslab is considered "free" if it contains a contiguous
  85  * segment which is greater than metaslab_min_alloc_size.
  86  */
  87 uint64_t metaslab_min_alloc_size = DMU_MAX_ACCESS;
  88
  89 /*
  90  * Max number of space_maps to prefetch.
  91  */
  92 int metaslab_prefetch_limit = SPA_DVAS_PER_BP;
  93
  94 /*
  95  * Percentage bonus multiplier for metaslabs that are in the bonus area.
  96  */
  97 int metaslab_smo_bonus_pct = 150;
  98
  99 /*
 100  * ==========================================================================
 101  * Metaslab classes
 102  * ==========================================================================
 103  */
 104 metaslab_class_t *
 105 metaslab_class_create(spa_t *spa, space_map_ops_t *ops)
 106 {
 107         metaslab_class_t *mc;
 108
 109         mc = kmem_zalloc(sizeof (metaslab_class_t), KM_SLEEP);
 110
 111         mc->mc_spa = spa;
 112         mc->mc_rotor = NULL;
 113         mc->mc_ops = ops;
 114
 115         return (mc);
 116 }
 117
 118 void
 119 metaslab_class_destroy(metaslab_class_t *mc)
 120 {
 121         ASSERT(mc->mc_rotor == NULL);
 122         ASSERT(mc->mc_alloc == 0);
 123         ASSERT(mc->mc_deferred == 0);
 124         ASSERT(mc->mc_space == 0);
 125         ASSERT(mc->mc_dspace == 0);
 126
 127         kmem_free(mc, sizeof (metaslab_class_t));
 128 }
 129
 130 int
 131 metaslab_class_validate(metaslab_class_t *mc)
 132 {
 133         metaslab_group_t *mg;
 134         vdev_t *vd;
 135
 136         /*
 137          * Must hold one of the spa_config locks.
 138          */
 139         ASSERT(spa_config_held(mc->mc_spa, SCL_ALL, RW_READER) ||
 140             spa_config_held(mc->mc_spa, SCL_ALL, RW_WRITER));
 141
 142         if ((mg = mc->mc_rotor) == NULL)
 143                 return (0);
 144
 145         do {
 146                 vd = mg->mg_vd;
 147                 ASSERT(vd->vdev_mg != NULL);
 148                 ASSERT3P(vd->vdev_top, ==, vd);
 149                 ASSERT3P(mg->mg_class, ==, mc);
 150                 ASSERT3P(vd->vdev_ops, !=, &vdev_hole_ops);
 151         } while ((mg = mg->mg_next) != mc->mc_rotor);
 152
 153         return (0);
 154 }
 155
 156 void
 157 metaslab_class_space_update(metaslab_class_t *mc, int64_t alloc_delta,
 158     int64_t defer_delta, int64_t space_delta, int64_t dspace_delta)
 159 {
 160         atomic_add_64(&mc->mc_alloc, alloc_delta);
 161         atomic_add_64(&mc->mc_deferred, defer_delta);
 162         atomic_add_64(&mc->mc_space, space_delta);
 163         atomic_add_64(&mc->mc_dspace, dspace_delta);
 164 }
 165
 166 uint64_t
 167 metaslab_class_get_alloc(metaslab_class_t *mc)
 168 {
 169         return (mc->mc_alloc);
 170 }
 171
 172 uint64_t
 173 metaslab_class_get_deferred(metaslab_class_t *mc)
 174 {
 175         return (mc->mc_deferred);
 176 }
 177
 178 uint64_t
 179 metaslab_class_get_space(metaslab_class_t *mc)
 180 {
 181         return (mc->mc_space);
 182 }
 183
 184 uint64_t
 185 metaslab_class_get_dspace(metaslab_class_t *mc)
 186 {
 187         return (spa_deflate(mc->mc_spa) ? mc->mc_dspace : mc->mc_space);
 188 }
 189
 190 /*
 191  * ==========================================================================
 192  * Metaslab groups
 193  * ==========================================================================
 194  */
 195 static int
 196 metaslab_compare(const void *x1, const void *x2)
 197 {
 198         const metaslab_t *m1 = x1;
 199         const metaslab_t *m2 = x2;
 200
 201         if (m1->ms_weight < m2->ms_weight)
 202                 return (1);
 203         if (m1->ms_weight > m2->ms_weight)
 204                 return (-1);
 205
 206         /*
 207          * If the weights are identical, use the offset to force uniqueness.
 208          */
 209         if (m1->ms_map.sm_start < m2->ms_map.sm_start)
 210                 return (-1);
 211         if (m1->ms_map.sm_start > m2->ms_map.sm_start)
 212                 return (1);
 213
 214         ASSERT3P(m1, ==, m2);
 215
 216         return (0);
 217 }
 218
 219 metaslab_group_t *
 220 metaslab_group_create(metaslab_class_t *mc, vdev_t *vd)
 221 {
 222         metaslab_group_t *mg;
 223
 224         mg = kmem_zalloc(sizeof (metaslab_group_t), KM_SLEEP);
 225         mutex_init(&mg->mg_lock, NULL, MUTEX_DEFAULT, NULL);
 226         avl_create(&mg->mg_metaslab_tree, metaslab_compare,
 227             sizeof (metaslab_t), offsetof(struct metaslab, ms_group_node));
 228         mg->mg_vd = vd;
 229         mg->mg_class = mc;
 230         mg->mg_activation_count = 0;
 231
 232         return (mg);
 233 }
 234
 235 void
 236 metaslab_group_destroy(metaslab_group_t *mg)
 237 {
 238         ASSERT(mg->mg_prev == NULL);
 239         ASSERT(mg->mg_next == NULL);
 240         /*
 241          * We may have gone below zero with the activation count
 242          * either because we never activated in the first place or
 243          * because we're done, and possibly removing the vdev.
 244          */
 245         ASSERT(mg->mg_activation_count <= 0);
 246
 247         avl_destroy(&mg->mg_metaslab_tree);
 248         mutex_destroy(&mg->mg_lock);
 249         kmem_free(mg, sizeof (metaslab_group_t));
 250 }
 251
 252 void
 253 metaslab_group_activate(metaslab_group_t *mg)
 254 {
 255         metaslab_class_t *mc = mg->mg_class;
 256         metaslab_group_t *mgprev, *mgnext;
 257
 258         ASSERT(spa_config_held(mc->mc_spa, SCL_ALLOC, RW_WRITER));
 259
 260         ASSERT(mc->mc_rotor != mg);
 261         ASSERT(mg->mg_prev == NULL);
 262         ASSERT(mg->mg_next == NULL);
 263         ASSERT(mg->mg_activation_count <= 0);
 264
 265         if (++mg->mg_activation_count <= 0)
 266                 return;
 267
 268         mg->mg_aliquot = metaslab_aliquot * MAX(1, mg->mg_vd->vdev_children);
 269
 270         if ((mgprev = mc->mc_rotor) == NULL) {
 271                 mg->mg_prev = mg;
 272                 mg->mg_next = mg;
 273         } else {
 274                 mgnext = mgprev->mg_next;
 275                 mg->mg_prev = mgprev;
 276                 mg->mg_next = mgnext;
 277                 mgprev->mg_next = mg;
 278                 mgnext->mg_prev = mg;
 279         }
 280         mc->mc_rotor = mg;
 281 }
 282
 283 void
 284 metaslab_group_passivate(metaslab_group_t *mg)
 285 {
 286         metaslab_class_t *mc = mg->mg_class;
 287         metaslab_group_t *mgprev, *mgnext;
 288
 289         ASSERT(spa_config_held(mc->mc_spa, SCL_ALLOC, RW_WRITER));
 290
 291         if (--mg->mg_activation_count != 0) {
 292                 ASSERT(mc->mc_rotor != mg);
 293                 ASSERT(mg->mg_prev == NULL);
 294                 ASSERT(mg->mg_next == NULL);
 295                 ASSERT(mg->mg_activation_count < 0);
 296                 return;
 297         }
 298
 299         mgprev = mg->mg_prev;
 300         mgnext = mg->mg_next;
 301
 302         if (mg == mgnext) {
 303                 mc->mc_rotor = NULL;
 304         } else {
 305                 mc->mc_rotor = mgnext;
 306                 mgprev->mg_next = mgnext;
 307                 mgnext->mg_prev = mgprev;
 308         }
 309
 310         mg->mg_prev = NULL;
 311         mg->mg_next = NULL;
 312 }
 313
 314 static void
 315 metaslab_group_add(metaslab_group_t *mg, metaslab_t *msp)
 316 {
 317         mutex_enter(&mg->mg_lock);
 318         ASSERT(msp->ms_group == NULL);
 319         msp->ms_group = mg;
 320         msp->ms_weight = 0;
 321         avl_add(&mg->mg_metaslab_tree, msp);
 322         mutex_exit(&mg->mg_lock);
 323 }
 324
 325 static void
 326 metaslab_group_remove(metaslab_group_t *mg, metaslab_t *msp)
 327 {
 328         mutex_enter(&mg->mg_lock);
 329         ASSERT(msp->ms_group == mg);
 330         avl_remove(&mg->mg_metaslab_tree, msp);
 331         msp->ms_group = NULL;
 332         mutex_exit(&mg->mg_lock);
 333 }
 334
 335 static void
 336 metaslab_group_sort(metaslab_group_t *mg, metaslab_t *msp, uint64_t weight)
 337 {
 338         /*
 339          * Although in principle the weight can be any value, in
 340          * practice we do not use values in the range [1, 510].
 341          */
 342         ASSERT(weight >= SPA_MINBLOCKSIZE-1 || weight == 0);
 343         ASSERT(MUTEX_HELD(&msp->ms_lock));
 344
 345         mutex_enter(&mg->mg_lock);
 346         ASSERT(msp->ms_group == mg);
 347         avl_remove(&mg->mg_metaslab_tree, msp);
 348         msp->ms_weight = weight;
 349         avl_add(&mg->mg_metaslab_tree, msp);
 350         mutex_exit(&mg->mg_lock);
 351 }
 352
 353 /*
 354  * ==========================================================================
 355  * Common allocator routines
 356  * ==========================================================================
 357  */
 358 static int
 359 metaslab_segsize_compare(const void *x1, const void *x2)
 360 {
 361         const space_seg_t *s1 = x1;
 362         const space_seg_t *s2 = x2;
 363         uint64_t ss_size1 = s1->ss_end - s1->ss_start;
 364         uint64_t ss_size2 = s2->ss_end - s2->ss_start;
 365
 366         if (ss_size1 < ss_size2)
 367                 return (-1);
 368         if (ss_size1 > ss_size2)
 369                 return (1);
 370
 371         if (s1->ss_start < s2->ss_start)
 372                 return (-1);
 373         if (s1->ss_start > s2->ss_start)
 374                 return (1);
 375
 376         return (0);
 377 }
 378
 379 /*
 380  * This is a helper function that can be used by the allocator to find
 381  * a suitable block to allocate. This will search the specified AVL
 382  * tree looking for a block that matches the specified criteria.
 383  */
 384 static uint64_t
 385 metaslab_block_picker(avl_tree_t *t, uint64_t *cursor, uint64_t size,
 386     uint64_t align)
 387 {
 388         space_seg_t *ss, ssearch;
 389         avl_index_t where;
 390
 391         ssearch.ss_start = *cursor;
 392         ssearch.ss_end = *cursor + size;
 393
 394         ss = avl_find(t, &ssearch, &where);
 395         if (ss == NULL)
 396                 ss = avl_nearest(t, where, AVL_AFTER);
 397
 398         while (ss != NULL) {
 399                 uint64_t offset = P2ROUNDUP(ss->ss_start, align);
 400
 401                 if (offset + size <= ss->ss_end) {
 402                         *cursor = offset + size;
 403                         return (offset);
 404                 }
 405                 ss = AVL_NEXT(t, ss);
 406         }
 407
 408         /*
 409          * If we know we've searched the whole map (*cursor == 0), give up.
 410          * Otherwise, reset the cursor to the beginning and try again.
 411          */
 412         if (*cursor == 0)
 413                 return (-1ULL);
 414
 415         *cursor = 0;
 416         return (metaslab_block_picker(t, cursor, size, align));
 417 }
 418
 419 static void
 420 metaslab_pp_load(space_map_t *sm)
 421 {
 422         space_seg_t *ss;
 423
 424         ASSERT(sm->sm_ppd == NULL);
 425         sm->sm_ppd = kmem_zalloc(64 * sizeof (uint64_t), KM_SLEEP);
 426
 427         sm->sm_pp_root = kmem_alloc(sizeof (avl_tree_t), KM_SLEEP);
 428         avl_create(sm->sm_pp_root, metaslab_segsize_compare,
 429             sizeof (space_seg_t), offsetof(struct space_seg, ss_pp_node));
 430
 431         for (ss = avl_first(&sm->sm_root); ss; ss = AVL_NEXT(&sm->sm_root, ss))
 432                 avl_add(sm->sm_pp_root, ss);
 433 }
 434
 435 static void
 436 metaslab_pp_unload(space_map_t *sm)
 437 {
 438         void *cookie = NULL;
 439
 440         kmem_free(sm->sm_ppd, 64 * sizeof (uint64_t));
 441         sm->sm_ppd = NULL;
 442
 443         while (avl_destroy_nodes(sm->sm_pp_root, &cookie) != NULL) {
 444                 /* tear down the tree */
 445         }
 446
 447         avl_destroy(sm->sm_pp_root);
 448         kmem_free(sm->sm_pp_root, sizeof (avl_tree_t));
 449         sm->sm_pp_root = NULL;
 450 }
 451
 452 /* ARGSUSED */
 453 static void
 454 metaslab_pp_claim(space_map_t *sm, uint64_t start, uint64_t size)
 455 {
 456         /* No need to update cursor */
 457 }
 458
 459 /* ARGSUSED */
 460 static void
 461 metaslab_pp_free(space_map_t *sm, uint64_t start, uint64_t size)
 462 {
 463         /* No need to update cursor */
 464 }
 465
 466 /*
 467  * Return the maximum contiguous segment within the metaslab.
 468  */
 469 uint64_t
 470 metaslab_pp_maxsize(space_map_t *sm)
 471 {
 472         avl_tree_t *t = sm->sm_pp_root;
 473         space_seg_t *ss;
 474
 475         if (t == NULL || (ss = avl_last(t)) == NULL)
 476                 return (0ULL);
 477
 478         return (ss->ss_end - ss->ss_start);
 479 }
 480
 481 /*
 482  * ==========================================================================
 483  * The first-fit block allocator
 484  * ==========================================================================
 485  */
 486 static uint64_t
 487 metaslab_ff_alloc(space_map_t *sm, uint64_t size)
 488 {
 489         avl_tree_t *t = &sm->sm_root;
 490         uint64_t align = size & -size;
 491         uint64_t *cursor = (uint64_t *)sm->sm_ppd + highbit(align) - 1;
 492
 493         return (metaslab_block_picker(t, cursor, size, align));
 494 }
 495
 496 /* ARGSUSED */
 497 boolean_t
 498 metaslab_ff_fragmented(space_map_t *sm)
 499 {
 500         return (B_TRUE);
 501 }
 502
 503 static space_map_ops_t metaslab_ff_ops = {
 504         metaslab_pp_load,
 505         metaslab_pp_unload,
 506         metaslab_ff_alloc,
 507         metaslab_pp_claim,
 508         metaslab_pp_free,
 509         metaslab_pp_maxsize,
 510         metaslab_ff_fragmented
 511 };
 512
 513 /*
 514  * ==========================================================================
 515  * Dynamic block allocator -
 516  * Uses the first fit allocation scheme until space get low and then
 517  * adjusts to a best fit allocation method. Uses metaslab_df_alloc_threshold
 518  * and metaslab_df_free_pct to determine when to switch the allocation scheme.
 519  * ==========================================================================
 520  */
 521 static uint64_t
 522 metaslab_df_alloc(space_map_t *sm, uint64_t size)
 523 {
 524         avl_tree_t *t = &sm->sm_root;
 525         uint64_t align = size & -size;
 526         uint64_t *cursor = (uint64_t *)sm->sm_ppd + highbit(align) - 1;
 527         uint64_t max_size = metaslab_pp_maxsize(sm);
 528         int free_pct = sm->sm_space * 100 / sm->sm_size;
 529
 530         ASSERT(MUTEX_HELD(sm->sm_lock));
 531         ASSERT3U(avl_numnodes(&sm->sm_root), ==, avl_numnodes(sm->sm_pp_root));
 532
 533         if (max_size < size)
 534                 return (-1ULL);
 535
 536         /*
 537          * If we're running low on space switch to using the size
 538          * sorted AVL tree (best-fit).
 539          */
 540         if (max_size < metaslab_df_alloc_threshold ||
 541             free_pct < metaslab_df_free_pct) {
 542                 t = sm->sm_pp_root;
 543                 *cursor = 0;
 544         }
 545
 546         return (metaslab_block_picker(t, cursor, size, 1ULL));
 547 }
 548
 549 static boolean_t
 550 metaslab_df_fragmented(space_map_t *sm)
 551 {
 552         uint64_t max_size = metaslab_pp_maxsize(sm);
 553         int free_pct = sm->sm_space * 100 / sm->sm_size;
 554
 555         if (max_size >= metaslab_df_alloc_threshold &&
 556             free_pct >= metaslab_df_free_pct)
 557                 return (B_FALSE);
 558
 559         return (B_TRUE);
 560 }
 561
 562 static space_map_ops_t metaslab_df_ops = {
 563         metaslab_pp_load,
 564         metaslab_pp_unload,
 565         metaslab_df_alloc,
 566         metaslab_pp_claim,
 567         metaslab_pp_free,
 568         metaslab_pp_maxsize,
 569         metaslab_df_fragmented
 570 };
 571
 572 /*
 573  * ==========================================================================
 574  * Other experimental allocators
 575  * ==========================================================================
 576  */
 577 static uint64_t
 578 metaslab_cdf_alloc(space_map_t *sm, uint64_t size)
 579 {
 580         avl_tree_t *t = &sm->sm_root;
 581         uint64_t *cursor = (uint64_t *)sm->sm_ppd;
 582         uint64_t *extent_end = (uint64_t *)sm->sm_ppd + 1;
 583         uint64_t max_size = metaslab_pp_maxsize(sm);
 584         uint64_t rsize = size;
 585         uint64_t offset = 0;
 586
 587         ASSERT(MUTEX_HELD(sm->sm_lock));
 588         ASSERT3U(avl_numnodes(&sm->sm_root), ==, avl_numnodes(sm->sm_pp_root));
 589
 590         if (max_size < size)
 591                 return (-1ULL);
 592
 593         ASSERT3U(*extent_end, >=, *cursor);
 594
 595         /*
 596          * If we're running low on space switch to using the size
 597          * sorted AVL tree (best-fit).
 598          */
 599         if ((*cursor + size) > *extent_end) {
 600
 601                 t = sm->sm_pp_root;
 602                 *cursor = *extent_end = 0;
 603
 604                 if (max_size > 2 * SPA_MAXBLOCKSIZE)
 605                         rsize = MIN(metaslab_min_alloc_size, max_size);
 606                 offset = metaslab_block_picker(t, extent_end, rsize, 1ULL);
 607                 if (offset != -1)
 608                         *cursor = offset + size;
 609         } else {
 610                 offset = metaslab_block_picker(t, cursor, rsize, 1ULL);
 611         }
 612         ASSERT3U(*cursor, <=, *extent_end);
 613         return (offset);
 614 }
 615
 616 static boolean_t
 617 metaslab_cdf_fragmented(space_map_t *sm)
 618 {
 619         uint64_t max_size = metaslab_pp_maxsize(sm);
 620
 621         if (max_size > (metaslab_min_alloc_size * 10))
 622                 return (B_FALSE);
 623         return (B_TRUE);
 624 }
 625
 626 static space_map_ops_t metaslab_cdf_ops = {
 627         metaslab_pp_load,
 628         metaslab_pp_unload,
 629         metaslab_cdf_alloc,
 630         metaslab_pp_claim,
 631         metaslab_pp_free,
 632         metaslab_pp_maxsize,
 633         metaslab_cdf_fragmented
 634 };
 635
 636 uint64_t metaslab_ndf_clump_shift = 4;
 637
 638 static uint64_t
 639 metaslab_ndf_alloc(space_map_t *sm, uint64_t size)
 640 {
 641         avl_tree_t *t = &sm->sm_root;
 642         avl_index_t where;
 643         space_seg_t *ss, ssearch;
 644         uint64_t hbit = highbit(size);
 645         uint64_t *cursor = (uint64_t *)sm->sm_ppd + hbit - 1;
 646         uint64_t max_size = metaslab_pp_maxsize(sm);
 647
 648         ASSERT(MUTEX_HELD(sm->sm_lock));
 649         ASSERT3U(avl_numnodes(&sm->sm_root), ==, avl_numnodes(sm->sm_pp_root));
 650
 651         if (max_size < size)
 652                 return (-1ULL);
 653
 654         ssearch.ss_start = *cursor;
 655         ssearch.ss_end = *cursor + size;
 656
 657         ss = avl_find(t, &ssearch, &where);
 658         if (ss == NULL || (ss->ss_start + size > ss->ss_end)) {
 659                 t = sm->sm_pp_root;
 660
 661                 ssearch.ss_start = 0;
 662                 ssearch.ss_end = MIN(max_size,
 663                     1ULL << (hbit + metaslab_ndf_clump_shift));
 664                 ss = avl_find(t, &ssearch, &where);
 665                 if (ss == NULL)
 666                         ss = avl_nearest(t, where, AVL_AFTER);
 667                 ASSERT(ss != NULL);
 668         }
 669
 670         if (ss != NULL) {
 671                 if (ss->ss_start + size <= ss->ss_end) {
 672                         *cursor = ss->ss_start + size;
 673                         return (ss->ss_start);
 674                 }
 675         }
 676         return (-1ULL);
 677 }
 678
 679 static boolean_t
 680 metaslab_ndf_fragmented(space_map_t *sm)
 681 {
 682         uint64_t max_size = metaslab_pp_maxsize(sm);
 683
 684         if (max_size > (metaslab_min_alloc_size << metaslab_ndf_clump_shift))
 685                 return (B_FALSE);
 686         return (B_TRUE);
 687 }
 688
 689
 690 static space_map_ops_t metaslab_ndf_ops = {
 691         metaslab_pp_load,
 692         metaslab_pp_unload,
 693         metaslab_ndf_alloc,
 694         metaslab_pp_claim,
 695         metaslab_pp_free,
 696         metaslab_pp_maxsize,
 697         metaslab_ndf_fragmented
 698 };
 699
 700 space_map_ops_t *zfs_metaslab_ops = &metaslab_df_ops;
 701
 702 /*
 703  * ==========================================================================
 704  * Metaslabs
 705  * ==========================================================================
 706  */
 707 metaslab_t *
 708 metaslab_init(metaslab_group_t *mg, space_map_obj_t *smo,
 709         uint64_t start, uint64_t size, uint64_t txg)
 710 {
 711         vdev_t *vd = mg->mg_vd;
 712         metaslab_t *msp;
 713
 714         msp = kmem_zalloc(sizeof (metaslab_t), KM_SLEEP);
 715         mutex_init(&msp->ms_lock, NULL, MUTEX_DEFAULT, NULL);
 716
 717         msp->ms_smo_syncing = *smo;
 718
 719         /*
 720          * We create the main space map here, but we don't create the
 721          * allocmaps and freemaps until metaslab_sync_done().  This serves
 722          * two purposes: it allows metaslab_sync_done() to detect the
 723          * addition of new space; and for debugging, it ensures that we'd
 724          * data fault on any attempt to use this metaslab before it's ready.
 725          */
 726         space_map_create(&msp->ms_map, start, size,
 727             vd->vdev_ashift, &msp->ms_lock);
 728
 729         metaslab_group_add(mg, msp);
 730
 731         if (metaslab_debug && smo->smo_object != 0) {
 732                 mutex_enter(&msp->ms_lock);
 733                 VERIFY(space_map_load(&msp->ms_map, mg->mg_class->mc_ops,
 734                     SM_FREE, smo, spa_meta_objset(vd->vdev_spa)) == 0);
 735                 mutex_exit(&msp->ms_lock);
 736         }
 737
 738         /*
 739          * If we're opening an existing pool (txg == 0) or creating
 740          * a new one (txg == TXG_INITIAL), all space is available now.
 741          * If we're adding space to an existing pool, the new space
 742          * does not become available until after this txg has synced.
 743          */
 744         if (txg <= TXG_INITIAL)
 745                 metaslab_sync_done(msp, 0);
 746
 747         if (txg != 0) {
 748                 vdev_dirty(vd, 0, NULL, txg);
 749                 vdev_dirty(vd, VDD_METASLAB, msp, txg);
 750         }
 751
 752         return (msp);
 753 }
 754
 755 void
 756 metaslab_fini(metaslab_t *msp)
 757 {
 758         metaslab_group_t *mg = msp->ms_group;
 759
 760         vdev_space_update(mg->mg_vd,
 761             -msp->ms_smo.smo_alloc, 0, -msp->ms_map.sm_size);
 762
 763         metaslab_group_remove(mg, msp);
 764
 765         mutex_enter(&msp->ms_lock);
 766
 767         space_map_unload(&msp->ms_map);
 768         space_map_destroy(&msp->ms_map);
 769
 770         for (int t = 0; t < TXG_SIZE; t++) {
 771                 space_map_destroy(&msp->ms_allocmap[t]);
 772                 space_map_destroy(&msp->ms_freemap[t]);
 773         }
 774
 775         for (int t = 0; t < TXG_DEFER_SIZE; t++)
 776                 space_map_destroy(&msp->ms_defermap[t]);
 777
 778         ASSERT3S(msp->ms_deferspace, ==, 0);
 779
 780         mutex_exit(&msp->ms_lock);
 781         mutex_destroy(&msp->ms_lock);
 782
 783         kmem_free(msp, sizeof (metaslab_t));
 784 }
 785
 786 #define METASLAB_WEIGHT_PRIMARY         (1ULL << 63)
 787 #define METASLAB_WEIGHT_SECONDARY       (1ULL << 62)
 788 #define METASLAB_ACTIVE_MASK            \
 789         (METASLAB_WEIGHT_PRIMARY | METASLAB_WEIGHT_SECONDARY)
 790
 791 static uint64_t
 792 metaslab_weight(metaslab_t *msp)
 793 {
 794         metaslab_group_t *mg = msp->ms_group;
 795         space_map_t *sm = &msp->ms_map;
 796         space_map_obj_t *smo = &msp->ms_smo;
 797         vdev_t *vd = mg->mg_vd;
 798         uint64_t weight, space;
 799
 800         ASSERT(MUTEX_HELD(&msp->ms_lock));
 801
 802         /*
 803          * The baseline weight is the metaslab's free space.
 804          */
 805         space = sm->sm_size - smo->smo_alloc;
 806         weight = space;
 807
 808         /*
 809          * Modern disks have uniform bit density and constant angular velocity.
 810          * Therefore, the outer recording zones are faster (higher bandwidth)
 811          * than the inner zones by the ratio of outer to inner track diameter,
 812          * which is typically around 2:1.  We account for this by assigning
 813          * higher weight to lower metaslabs (multiplier ranging from 2x to 1x).
 814          * In effect, this means that we'll select the metaslab with the most
 815          * free bandwidth rather than simply the one with the most free space.
 816          */
 817         weight = 2 * weight -
 818             ((sm->sm_start >> vd->vdev_ms_shift) * weight) / vd->vdev_ms_count;
 819         ASSERT(weight >= space && weight <= 2 * space);
 820
 821         /*
 822          * For locality, assign higher weight to metaslabs which have
 823          * a lower offset than what we've already activated.
 824          */
 825         if (sm->sm_start <= mg->mg_bonus_area)
 826                 weight *= (metaslab_smo_bonus_pct / 100);
 827         ASSERT(weight >= space &&
 828             weight <= 2 * (metaslab_smo_bonus_pct / 100) * space);
 829
 830         if (sm->sm_loaded && !sm->sm_ops->smop_fragmented(sm)) {
 831                 /*
 832                  * If this metaslab is one we're actively using, adjust its
 833                  * weight to make it preferable to any inactive metaslab so
 834                  * we'll polish it off.
 835                  */
 836                 weight |= (msp->ms_weight & METASLAB_ACTIVE_MASK);
 837         }
 838         return (weight);
 839 }
 840
 841 static void
 842 metaslab_prefetch(metaslab_group_t *mg)
 843 {
 844         spa_t *spa = mg->mg_vd->vdev_spa;
 845         metaslab_t *msp;
 846         avl_tree_t *t = &mg->mg_metaslab_tree;
 847         int m;
 848
 849         mutex_enter(&mg->mg_lock);
 850
 851         /*
 852          * Prefetch the next potential metaslabs
 853          */
 854         for (msp = avl_first(t), m = 0; msp; msp = AVL_NEXT(t, msp), m++) {
 855                 space_map_t *sm = &msp->ms_map;
 856                 space_map_obj_t *smo = &msp->ms_smo;
 857
 858                 /* If we have reached our prefetch limit then we're done */
 859                 if (m >= metaslab_prefetch_limit)
 860                         break;
 861
 862                 if (!sm->sm_loaded && smo->smo_object != 0) {
 863                         mutex_exit(&mg->mg_lock);
 864                         dmu_prefetch(spa_meta_objset(spa), smo->smo_object,
 865                             0ULL, smo->smo_objsize);
 866                         mutex_enter(&mg->mg_lock);
 867                 }
 868         }
 869         mutex_exit(&mg->mg_lock);
 870 }
 871
 872 static int
 873 metaslab_activate(metaslab_t *msp, uint64_t activation_weight)
 874 {
 875         metaslab_group_t *mg = msp->ms_group;
 876         space_map_t *sm = &msp->ms_map;
 877         space_map_ops_t *sm_ops = msp->ms_group->mg_class->mc_ops;
 878
 879         ASSERT(MUTEX_HELD(&msp->ms_lock));
 880
 881         if ((msp->ms_weight & METASLAB_ACTIVE_MASK) == 0) {
 882                 space_map_load_wait(sm);
 883                 if (!sm->sm_loaded) {
 884                         int error = space_map_load(sm, sm_ops, SM_FREE,
 885                             &msp->ms_smo,
 886                             spa_meta_objset(msp->ms_group->mg_vd->vdev_spa));
 887                         if (error)  {
 888                                 metaslab_group_sort(msp->ms_group, msp, 0);
 889                                 return (error);
 890                         }
 891                         for (int t = 0; t < TXG_DEFER_SIZE; t++)
 892                                 space_map_walk(&msp->ms_defermap[t],
 893                                     space_map_claim, sm);
 894
 895                 }
 896
 897                 /*
 898                  * Track the bonus area as we activate new metaslabs.
 899                  */
 900                 if (sm->sm_start > mg->mg_bonus_area) {
 901                         mutex_enter(&mg->mg_lock);
 902                         mg->mg_bonus_area = sm->sm_start;
 903                         mutex_exit(&mg->mg_lock);
 904                 }
 905
 906                 metaslab_group_sort(msp->ms_group, msp,
 907                     msp->ms_weight | activation_weight);
 908         }
 909         ASSERT(sm->sm_loaded);
 910         ASSERT(msp->ms_weight & METASLAB_ACTIVE_MASK);
 911
 912         return (0);
 913 }
 914
 915 static void
 916 metaslab_passivate(metaslab_t *msp, uint64_t size)
 917 {
 918         /*
 919          * If size < SPA_MINBLOCKSIZE, then we will not allocate from
 920          * this metaslab again.  In that case, it had better be empty,
 921          * or we would be leaving space on the table.
 922          */
 923         ASSERT(size >= SPA_MINBLOCKSIZE || msp->ms_map.sm_space == 0);
 924         metaslab_group_sort(msp->ms_group, msp, MIN(msp->ms_weight, size));
 925         ASSERT((msp->ms_weight & METASLAB_ACTIVE_MASK) == 0);
 926 }
 927
 928 /*
 929  * Write a metaslab to disk in the context of the specified transaction group.
 930  */
 931 void
 932 metaslab_sync(metaslab_t *msp, uint64_t txg)
 933 {
 934         vdev_t *vd = msp->ms_group->mg_vd;
 935         spa_t *spa = vd->vdev_spa;
 936         objset_t *mos = spa_meta_objset(spa);
 937         space_map_t *allocmap = &msp->ms_allocmap[txg & TXG_MASK];
 938         space_map_t *freemap = &msp->ms_freemap[txg & TXG_MASK];
 939         space_map_t *freed_map = &msp->ms_freemap[TXG_CLEAN(txg) & TXG_MASK];
 940         space_map_t *sm = &msp->ms_map;
 941         space_map_obj_t *smo = &msp->ms_smo_syncing;
 942         dmu_buf_t *db;
 943         dmu_tx_t *tx;
 944
 945         ASSERT(!vd->vdev_ishole);
 946
 947         if (allocmap->sm_space == 0 && freemap->sm_space == 0)
 948                 return;
 949
 950         /*
 951          * The only state that can actually be changing concurrently with
 952          * metaslab_sync() is the metaslab's ms_map.  No other thread can
 953          * be modifying this txg's allocmap, freemap, freed_map, or smo.
 954          * Therefore, we only hold ms_lock to satify space_map ASSERTs.
 955          * We drop it whenever we call into the DMU, because the DMU
 956          * can call down to us (e.g. via zio_free()) at any time.
 957          */
 958
 959         tx = dmu_tx_create_assigned(spa_get_dsl(spa), txg);
 960
 961         if (smo->smo_object == 0) {
 962                 ASSERT(smo->smo_objsize == 0);
 963                 ASSERT(smo->smo_alloc == 0);
 964                 smo->smo_object = dmu_object_alloc(mos,
 965                     DMU_OT_SPACE_MAP, 1 << SPACE_MAP_BLOCKSHIFT,
 966                     DMU_OT_SPACE_MAP_HEADER, sizeof (*smo), tx);
 967                 ASSERT(smo->smo_object != 0);
 968                 dmu_write(mos, vd->vdev_ms_array, sizeof (uint64_t) *
 969                     (sm->sm_start >> vd->vdev_ms_shift),
 970                     sizeof (uint64_t), &smo->smo_object, tx);
 971         }
 972
 973         mutex_enter(&msp->ms_lock);
 974
 975         space_map_walk(freemap, space_map_add, freed_map);
 976
 977         if (sm->sm_loaded && spa_sync_pass(spa) == 1 && smo->smo_objsize >=
 978             2 * sizeof (uint64_t) * avl_numnodes(&sm->sm_root)) {
 979                 /*
 980                  * The in-core space map representation is twice as compact
 981                  * as the on-disk one, so it's time to condense the latter
 982                  * by generating a pure allocmap from first principles.
 983                  *
 984                  * This metaslab is 100% allocated,
 985                  * minus the content of the in-core map (sm),
 986                  * minus what's been freed this txg (freed_map),
 987                  * minus deferred frees (ms_defermap[]),
 988                  * minus allocations from txgs in the future
 989                  * (because they haven't been committed yet).
 990                  */
 991                 space_map_vacate(allocmap, NULL, NULL);
 992                 space_map_vacate(freemap, NULL, NULL);
 993
 994                 space_map_add(allocmap, allocmap->sm_start, allocmap->sm_size);
 995
 996                 space_map_walk(sm, space_map_remove, allocmap);
 997                 space_map_walk(freed_map, space_map_remove, allocmap);
 998
 999                 for (int t = 0; t < TXG_DEFER_SIZE; t++)
1000                         space_map_walk(&msp->ms_defermap[t],
1001                             space_map_remove, allocmap);
1002
1003                 for (int t = 1; t < TXG_CONCURRENT_STATES; t++)
1004                         space_map_walk(&msp->ms_allocmap[(txg + t) & TXG_MASK],
1005                             space_map_remove, allocmap);
1006
1007                 mutex_exit(&msp->ms_lock);
1008                 space_map_truncate(smo, mos, tx);
1009                 mutex_enter(&msp->ms_lock);
1010         }
1011
1012         space_map_sync(allocmap, SM_ALLOC, smo, mos, tx);
1013         space_map_sync(freemap, SM_FREE, smo, mos, tx);
1014
1015         mutex_exit(&msp->ms_lock);
1016
1017         VERIFY(0 == dmu_bonus_hold(mos, smo->smo_object, FTAG, &db));
1018         dmu_buf_will_dirty(db, tx);
1019         ASSERT3U(db->db_size, >=, sizeof (*smo));
1020         bcopy(smo, db->db_data, sizeof (*smo));
1021         dmu_buf_rele(db, FTAG);
1022
1023         dmu_tx_commit(tx);
1024 }
1025
1026 /*
1027  * Called after a transaction group has completely synced to mark
1028  * all of the metaslab's free space as usable.
1029  */
1030 void
1031 metaslab_sync_done(metaslab_t *msp, uint64_t txg)
1032 {
1033         space_map_obj_t *smo = &msp->ms_smo;
1034         space_map_obj_t *smosync = &msp->ms_smo_syncing;
1035         space_map_t *sm = &msp->ms_map;
1036         space_map_t *freed_map = &msp->ms_freemap[TXG_CLEAN(txg) & TXG_MASK];
1037         space_map_t *defer_map = &msp->ms_defermap[txg % TXG_DEFER_SIZE];
1038         metaslab_group_t *mg = msp->ms_group;
1039         vdev_t *vd = mg->mg_vd;
1040         int64_t alloc_delta, defer_delta;
1041
1042         ASSERT(!vd->vdev_ishole);
1043
1044         mutex_enter(&msp->ms_lock);
1045
1046         /*
1047          * If this metaslab is just becoming available, initialize its
1048          * allocmaps and freemaps and add its capacity to the vdev.
1049          */
1050         if (freed_map->sm_size == 0) {
1051                 for (int t = 0; t < TXG_SIZE; t++) {
1052                         space_map_create(&msp->ms_allocmap[t], sm->sm_start,
1053                             sm->sm_size, sm->sm_shift, sm->sm_lock);
1054                         space_map_create(&msp->ms_freemap[t], sm->sm_start,
1055                             sm->sm_size, sm->sm_shift, sm->sm_lock);
1056                 }
1057
1058                 for (int t = 0; t < TXG_DEFER_SIZE; t++)
1059                         space_map_create(&msp->ms_defermap[t], sm->sm_start,
1060                             sm->sm_size, sm->sm_shift, sm->sm_lock);
1061
1062                 vdev_space_update(vd, 0, 0, sm->sm_size);
1063         }
1064
1065         alloc_delta = smosync->smo_alloc - smo->smo_alloc;
1066         defer_delta = freed_map->sm_space - defer_map->sm_space;
1067
1068         vdev_space_update(vd, alloc_delta + defer_delta, defer_delta, 0);
1069
1070         ASSERT(msp->ms_allocmap[txg & TXG_MASK].sm_space == 0);
1071         ASSERT(msp->ms_freemap[txg & TXG_MASK].sm_space == 0);
1072
1073         /*
1074          * If there's a space_map_load() in progress, wait for it to complete
1075          * so that we have a consistent view of the in-core space map.
1076          * Then, add defer_map (oldest deferred frees) to this map and
1077          * transfer freed_map (this txg's frees) to defer_map.
1078          */
1079         space_map_load_wait(sm);
1080         space_map_vacate(defer_map, sm->sm_loaded ? space_map_free : NULL, sm);
1081         space_map_vacate(freed_map, space_map_add, defer_map);
1082
1083         *smo = *smosync;
1084
1085         msp->ms_deferspace += defer_delta;
1086         ASSERT3S(msp->ms_deferspace, >=, 0);
1087         ASSERT3S(msp->ms_deferspace, <=, sm->sm_size);
1088         if (msp->ms_deferspace != 0) {
1089                 /*
1090                  * Keep syncing this metaslab until all deferred frees
1091                  * are back in circulation.
1092                  */
1093                 vdev_dirty(vd, VDD_METASLAB, msp, txg + 1);
1094         }
1095
1096         /*
1097          * If the map is loaded but no longer active, evict it as soon as all
1098          * future allocations have synced.  (If we unloaded it now and then
1099          * loaded a moment later, the map wouldn't reflect those allocations.)
1100          */
1101         if (sm->sm_loaded && (msp->ms_weight & METASLAB_ACTIVE_MASK) == 0) {
1102                 int evictable = 1;
1103
1104                 for (int t = 1; t < TXG_CONCURRENT_STATES; t++)
1105                         if (msp->ms_allocmap[(txg + t) & TXG_MASK].sm_space)
1106                                 evictable = 0;
1107
1108                 if (evictable && !metaslab_debug)
1109                         space_map_unload(sm);
1110         }
1111
1112         metaslab_group_sort(mg, msp, metaslab_weight(msp));
1113
1114         mutex_exit(&msp->ms_lock);
1115 }
1116
1117 void
1118 metaslab_sync_reassess(metaslab_group_t *mg)
1119 {
1120         vdev_t *vd = mg->mg_vd;
1121         int64_t failures = mg->mg_alloc_failures;
1122
1123         /*
1124          * Re-evaluate all metaslabs which have lower offsets than the
1125          * bonus area.
1126          */
1127         for (int m = 0; m < vd->vdev_ms_count; m++) {
1128                 metaslab_t *msp = vd->vdev_ms[m];
1129
1130                 if (msp->ms_map.sm_start > mg->mg_bonus_area)
1131                         break;
1132
1133                 mutex_enter(&msp->ms_lock);
1134                 metaslab_group_sort(mg, msp, metaslab_weight(msp));
1135                 mutex_exit(&msp->ms_lock);
1136         }
1137
1138         atomic_add_64(&mg->mg_alloc_failures, -failures);
1139
1140         /*
1141          * Prefetch the next potential metaslabs
1142          */
1143         metaslab_prefetch(mg);
1144 }
1145
1146 static uint64_t
1147 metaslab_distance(metaslab_t *msp, dva_t *dva)
1148 {
1149         uint64_t ms_shift = msp->ms_group->mg_vd->vdev_ms_shift;
1150         uint64_t offset = DVA_GET_OFFSET(dva) >> ms_shift;
1151         uint64_t start = msp->ms_map.sm_start >> ms_shift;
1152
1153         if (msp->ms_group->mg_vd->vdev_id != DVA_GET_VDEV(dva))
1154                 return (1ULL << 63);
1155
1156         if (offset < start)
1157                 return ((start - offset) << ms_shift);
1158         if (offset > start)
1159                 return ((offset - start) << ms_shift);
1160         return (0);
1161 }
1162
1163 static uint64_t
1164 metaslab_group_alloc(metaslab_group_t *mg, uint64_t psize, uint64_t asize,
1165     uint64_t txg, uint64_t min_distance, dva_t *dva, int d, int flags)
1166 {
1167         spa_t *spa = mg->mg_vd->vdev_spa;
1168         metaslab_t *msp = NULL;
1169         uint64_t offset = -1ULL;
1170         avl_tree_t *t = &mg->mg_metaslab_tree;
1171         uint64_t activation_weight;
1172         uint64_t target_distance;
1173         int i;
1174
1175         activation_weight = METASLAB_WEIGHT_PRIMARY;
1176         for (i = 0; i < d; i++) {
1177                 if (DVA_GET_VDEV(&dva[i]) == mg->mg_vd->vdev_id) {
1178                         activation_weight = METASLAB_WEIGHT_SECONDARY;
1179                         break;
1180                 }
1181         }
1182
1183         for (;;) {
1184                 boolean_t was_active;
1185
1186                 mutex_enter(&mg->mg_lock);
1187                 for (msp = avl_first(t); msp; msp = AVL_NEXT(t, msp)) {
1188                         if (msp->ms_weight < asize) {
1189                                 spa_dbgmsg(spa, "%s: failed to meet weight "
1190                                     "requirement: vdev %llu, txg %llu, mg %p, "
1191                                     "msp %p, psize %llu, asize %llu, "
1192                                     "failures %llu, weight %llu",
1193                                     spa_name(spa), mg->mg_vd->vdev_id, txg,
1194                                     mg, msp, psize, asize,
1195                                     mg->mg_alloc_failures, msp->ms_weight);
1196                                 mutex_exit(&mg->mg_lock);
1197                                 return (-1ULL);
1198                         }
1199                         was_active = msp->ms_weight & METASLAB_ACTIVE_MASK;
1200                         if (activation_weight == METASLAB_WEIGHT_PRIMARY)
1201                                 break;
1202
1203                         target_distance = min_distance +
1204                             (msp->ms_smo.smo_alloc ? 0 : min_distance >> 1);
1205
1206                         for (i = 0; i < d; i++)
1207                                 if (metaslab_distance(msp, &dva[i]) <
1208                                     target_distance)
1209                                         break;
1210                         if (i == d)
1211                                 break;
1212                 }
1213                 mutex_exit(&mg->mg_lock);
1214                 if (msp == NULL)
1215                         return (-1ULL);
1216
1217                 /*
1218                  * If we've already reached the allowable number of failed
1219                  * allocation attempts on this metaslab group then we
1220                  * consider skipping it. We skip it only if we're allowed
1221                  * to "fast" gang, the physical size is larger than
1222                  * a gang block, and we're attempting to allocate from
1223                  * the primary metaslab.
1224                  */
1225                 if (mg->mg_alloc_failures > zfs_mg_alloc_failures &&
1226                     CAN_FASTGANG(flags) && psize > SPA_GANGBLOCKSIZE &&
1227                     activation_weight == METASLAB_WEIGHT_PRIMARY) {
1228                         spa_dbgmsg(spa, "%s: skipping metaslab group: "
1229                             "vdev %llu, txg %llu, mg %p, psize %llu, "
1230                             "asize %llu, failures %llu", spa_name(spa),
1231                             mg->mg_vd->vdev_id, txg, mg, psize, asize,
1232                             mg->mg_alloc_failures);
1233                         return (-1ULL);
1234                 }
1235
1236                 mutex_enter(&msp->ms_lock);
1237
1238                 /*
1239                  * Ensure that the metaslab we have selected is still
1240                  * capable of handling our request. It's possible that
1241                  * another thread may have changed the weight while we
1242                  * were blocked on the metaslab lock.
1243                  */
1244                 if (msp->ms_weight < asize || (was_active &&
1245                     !(msp->ms_weight & METASLAB_ACTIVE_MASK) &&
1246                     activation_weight == METASLAB_WEIGHT_PRIMARY)) {
1247                         mutex_exit(&msp->ms_lock);
1248                         continue;
1249                 }
1250
1251                 if ((msp->ms_weight & METASLAB_WEIGHT_SECONDARY) &&
1252                     activation_weight == METASLAB_WEIGHT_PRIMARY) {
1253                         metaslab_passivate(msp,
1254                             msp->ms_weight & ~METASLAB_ACTIVE_MASK);
1255                         mutex_exit(&msp->ms_lock);
1256                         continue;
1257                 }
1258
1259                 if (metaslab_activate(msp, activation_weight) != 0) {
1260                         mutex_exit(&msp->ms_lock);
1261                         continue;
1262                 }
1263
1264                 if ((offset = space_map_alloc(&msp->ms_map, asize)) != -1ULL)
1265                         break;
1266
1267                 atomic_inc_64(&mg->mg_alloc_failures);
1268
1269                 metaslab_passivate(msp, space_map_maxsize(&msp->ms_map));
1270
1271                 mutex_exit(&msp->ms_lock);
1272         }
1273
1274         if (msp->ms_allocmap[txg & TXG_MASK].sm_space == 0)
1275                 vdev_dirty(mg->mg_vd, VDD_METASLAB, msp, txg);
1276
1277         space_map_add(&msp->ms_allocmap[txg & TXG_MASK], offset, asize);
1278
1279         mutex_exit(&msp->ms_lock);
1280
1281         return (offset);
1282 }
1283
1284 /*
1285  * Allocate a block for the specified i/o.
1286  */
1287 static int
1288 metaslab_alloc_dva(spa_t *spa, metaslab_class_t *mc, uint64_t psize,
1289     dva_t *dva, int d, dva_t *hintdva, uint64_t txg, int flags)
1290 {
1291         metaslab_group_t *mg, *rotor;
1292         vdev_t *vd;
1293         int dshift = 3;
1294         int all_zero;
1295         int zio_lock = B_FALSE;
1296         boolean_t allocatable;
1297         uint64_t offset = -1ULL;
1298         uint64_t asize;
1299         uint64_t distance;
1300
1301         ASSERT(!DVA_IS_VALID(&dva[d]));
1302
1303         /*
1304          * For testing, make some blocks above a certain size be gang blocks.
1305          */
1306         if (psize >= metaslab_gang_bang && (ddi_get_lbolt() & 3) == 0)
1307                 return (ENOSPC);
1308
1309         /*
1310          * Start at the rotor and loop through all mgs until we find something.
1311          * Note that there's no locking on mc_rotor or mc_aliquot because
1312          * nothing actually breaks if we miss a few updates -- we just won't
1313          * allocate quite as evenly.  It all balances out over time.
1314          *
1315          * If we are doing ditto or log blocks, try to spread them across
1316          * consecutive vdevs.  If we're forced to reuse a vdev before we've
1317          * allocated all of our ditto blocks, then try and spread them out on
1318          * that vdev as much as possible.  If it turns out to not be possible,
1319          * gradually lower our standards until anything becomes acceptable.
1320          * Also, allocating on consecutive vdevs (as opposed to random vdevs)
1321          * gives us hope of containing our fault domains to something we're
1322          * able to reason about.  Otherwise, any two top-level vdev failures
1323          * will guarantee the loss of data.  With consecutive allocation,
1324          * only two adjacent top-level vdev failures will result in data loss.
1325          *
1326          * If we are doing gang blocks (hintdva is non-NULL), try to keep
1327          * ourselves on the same vdev as our gang block header.  That
1328          * way, we can hope for locality in vdev_cache, plus it makes our
1329          * fault domains something tractable.
1330          */
1331         if (hintdva) {
1332                 vd = vdev_lookup_top(spa, DVA_GET_VDEV(&hintdva[d]));
1333
1334                 /*
1335                  * It's possible the vdev we're using as the hint no
1336                  * longer exists (i.e. removed). Consult the rotor when
1337                  * all else fails.
1338                  */
1339                 if (vd != NULL) {
1340                         mg = vd->vdev_mg;
1341
1342                         if (flags & METASLAB_HINTBP_AVOID &&
1343                             mg->mg_next != NULL)
1344                                 mg = mg->mg_next;
1345                 } else {
1346                         mg = mc->mc_rotor;
1347                 }
1348         } else if (d != 0) {
1349                 vd = vdev_lookup_top(spa, DVA_GET_VDEV(&dva[d - 1]));
1350                 mg = vd->vdev_mg->mg_next;
1351         } else {
1352                 mg = mc->mc_rotor;
1353         }
1354
1355         /*
1356          * If the hint put us into the wrong metaslab class, or into a
1357          * metaslab group that has been passivated, just follow the rotor.
1358          */
1359         if (mg->mg_class != mc || mg->mg_activation_count <= 0)
1360                 mg = mc->mc_rotor;
1361
1362         rotor = mg;
1363 top:
1364         all_zero = B_TRUE;
1365         do {
1366                 ASSERT(mg->mg_activation_count == 1);
1367
1368                 vd = mg->mg_vd;
1369
1370                 /*
1371                  * Don't allocate from faulted devices.
1372                  */
1373                 if (zio_lock) {
1374                         spa_config_enter(spa, SCL_ZIO, FTAG, RW_READER);
1375                         allocatable = vdev_allocatable(vd);
1376                         spa_config_exit(spa, SCL_ZIO, FTAG);
1377                 } else {
1378                         allocatable = vdev_allocatable(vd);
1379                 }
1380                 if (!allocatable)
1381                         goto next;
1382
1383                 /*
1384                  * Avoid writing single-copy data to a failing vdev
1385                  */
1386                 if ((vd->vdev_stat.vs_write_errors > 0 ||
1387                     vd->vdev_state < VDEV_STATE_HEALTHY) &&
1388                     d == 0 && dshift == 3) {
1389                         all_zero = B_FALSE;
1390                         goto next;
1391                 }
1392
1393                 ASSERT(mg->mg_class == mc);
1394
1395                 distance = vd->vdev_asize >> dshift;
1396                 if (distance <= (1ULL << vd->vdev_ms_shift))
1397                         distance = 0;
1398                 else
1399                         all_zero = B_FALSE;
1400
1401                 asize = vdev_psize_to_asize(vd, psize);
1402                 ASSERT(P2PHASE(asize, 1ULL << vd->vdev_ashift) == 0);
1403
1404                 offset = metaslab_group_alloc(mg, psize, asize, txg, distance,
1405                     dva, d, flags);
1406                 if (offset != -1ULL) {
1407                         /*
1408                          * If we've just selected this metaslab group,
1409                          * figure out whether the corresponding vdev is
1410                          * over- or under-used relative to the pool,
1411                          * and set an allocation bias to even it out.
1412                          */
1413                         if (mc->mc_aliquot == 0) {
1414                                 vdev_stat_t *vs = &vd->vdev_stat;
1415                                 int64_t vu, cu;
1416
1417                                 vu = (vs->vs_alloc * 100) / (vs->vs_space + 1);
1418                                 cu = (mc->mc_alloc * 100) / (mc->mc_space + 1);
1419
1420                                 /*
1421                                  * Calculate how much more or less we should
1422                                  * try to allocate from this device during
1423                                  * this iteration around the rotor.
1424                                  * For example, if a device is 80% full
1425                                  * and the pool is 20% full then we should
1426                                  * reduce allocations by 60% on this device.
1427                                  *
1428                                  * mg_bias = (20 - 80) * 512K / 100 = -307K
1429                                  *
1430                                  * This reduces allocations by 307K for this
1431                                  * iteration.
1432                                  */
1433                                 mg->mg_bias = ((cu - vu) *
1434                                     (int64_t)mg->mg_aliquot) / 100;
1435                         }
1436
1437                         if (atomic_add_64_nv(&mc->mc_aliquot, asize) >=
1438                             mg->mg_aliquot + mg->mg_bias) {
1439                                 mc->mc_rotor = mg->mg_next;
1440                                 mc->mc_aliquot = 0;
1441                         }
1442
1443                         DVA_SET_VDEV(&dva[d], vd->vdev_id);
1444                         DVA_SET_OFFSET(&dva[d], offset);
1445                         DVA_SET_GANG(&dva[d], !!(flags & METASLAB_GANG_HEADER));
1446                         DVA_SET_ASIZE(&dva[d], asize);
1447
1448                         return (0);
1449                 }
1450 next:
1451                 mc->mc_rotor = mg->mg_next;
1452                 mc->mc_aliquot = 0;
1453         } while ((mg = mg->mg_next) != rotor);
1454
1455         if (!all_zero) {
1456                 dshift++;
1457                 ASSERT(dshift < 64);
1458                 goto top;
1459         }
1460
1461         if (!allocatable && !zio_lock) {
1462                 dshift = 3;
1463                 zio_lock = B_TRUE;
1464                 goto top;
1465         }
1466
1467         bzero(&dva[d], sizeof (dva_t));
1468
1469         return (ENOSPC);
1470 }
1471
1472 /*
1473  * Free the block represented by DVA in the context of the specified
1474  * transaction group.
1475  */
1476 static void
1477 metaslab_free_dva(spa_t *spa, const dva_t *dva, uint64_t txg, boolean_t now)
1478 {
1479         uint64_t vdev = DVA_GET_VDEV(dva);
1480         uint64_t offset = DVA_GET_OFFSET(dva);
1481         uint64_t size = DVA_GET_ASIZE(dva);
1482         vdev_t *vd;
1483         metaslab_t *msp;
1484
1485         ASSERT(DVA_IS_VALID(dva));
1486
1487         if (txg > spa_freeze_txg(spa))
1488                 return;
1489
1490         if ((vd = vdev_lookup_top(spa, vdev)) == NULL ||
1491             (offset >> vd->vdev_ms_shift) >= vd->vdev_ms_count) {
1492                 cmn_err(CE_WARN, "metaslab_free_dva(): bad DVA %llu:%llu",
1493                     (u_longlong_t)vdev, (u_longlong_t)offset);
1494                 ASSERT(0);
1495                 return;
1496         }
1497
1498         msp = vd->vdev_ms[offset >> vd->vdev_ms_shift];
1499
1500         if (DVA_GET_GANG(dva))
1501                 size = vdev_psize_to_asize(vd, SPA_GANGBLOCKSIZE);
1502
1503         mutex_enter(&msp->ms_lock);
1504
1505         if (now) {
1506                 space_map_remove(&msp->ms_allocmap[txg & TXG_MASK],
1507                     offset, size);
1508                 space_map_free(&msp->ms_map, offset, size);
1509         } else {
1510                 if (msp->ms_freemap[txg & TXG_MASK].sm_space == 0)
1511                         vdev_dirty(vd, VDD_METASLAB, msp, txg);
1512                 space_map_add(&msp->ms_freemap[txg & TXG_MASK], offset, size);
1513         }
1514
1515         mutex_exit(&msp->ms_lock);
1516 }
1517
1518 /*
1519  * Intent log support: upon opening the pool after a crash, notify the SPA
1520  * of blocks that the intent log has allocated for immediate write, but
1521  * which are still considered free by the SPA because the last transaction
1522  * group didn't commit yet.
1523  */
1524 static int
1525 metaslab_claim_dva(spa_t *spa, const dva_t *dva, uint64_t txg)
1526 {
1527         uint64_t vdev = DVA_GET_VDEV(dva);
1528         uint64_t offset = DVA_GET_OFFSET(dva);
1529         uint64_t size = DVA_GET_ASIZE(dva);
1530         vdev_t *vd;
1531         metaslab_t *msp;
1532         int error = 0;
1533
1534         ASSERT(DVA_IS_VALID(dva));
1535
1536         if ((vd = vdev_lookup_top(spa, vdev)) == NULL ||
1537             (offset >> vd->vdev_ms_shift) >= vd->vdev_ms_count)
1538                 return (ENXIO);
1539
1540         msp = vd->vdev_ms[offset >> vd->vdev_ms_shift];
1541
1542         if (DVA_GET_GANG(dva))
1543                 size = vdev_psize_to_asize(vd, SPA_GANGBLOCKSIZE);
1544
1545         mutex_enter(&msp->ms_lock);
1546
1547         if ((txg != 0 && spa_writeable(spa)) || !msp->ms_map.sm_loaded)
1548                 error = metaslab_activate(msp, METASLAB_WEIGHT_SECONDARY);
1549
1550         if (error == 0 && !space_map_contains(&msp->ms_map, offset, size))
1551                 error = ENOENT;
1552
1553         if (error || txg == 0) {        /* txg == 0 indicates dry run */
1554                 mutex_exit(&msp->ms_lock);
1555                 return (error);
1556         }
1557
1558         space_map_claim(&msp->ms_map, offset, size);
1559
1560         if (spa_writeable(spa)) {       /* don't dirty if we're zdb(1M) */
1561                 if (msp->ms_allocmap[txg & TXG_MASK].sm_space == 0)
1562                         vdev_dirty(vd, VDD_METASLAB, msp, txg);
1563                 space_map_add(&msp->ms_allocmap[txg & TXG_MASK], offset, size);
1564         }
1565
1566         mutex_exit(&msp->ms_lock);
1567
1568         return (0);
1569 }
1570
1571 int
1572 metaslab_alloc(spa_t *spa, metaslab_class_t *mc, uint64_t psize, blkptr_t *bp,
1573     int ndvas, uint64_t txg, blkptr_t *hintbp, int flags)
1574 {
1575         dva_t *dva = bp->blk_dva;
1576         dva_t *hintdva = hintbp->blk_dva;
1577         int error = 0;
1578
1579         ASSERT(bp->blk_birth == 0);
1580         ASSERT(BP_PHYSICAL_BIRTH(bp) == 0);
1581
1582         spa_config_enter(spa, SCL_ALLOC, FTAG, RW_READER);
1583
1584         if (mc->mc_rotor == NULL) {     /* no vdevs in this class */
1585                 spa_config_exit(spa, SCL_ALLOC, FTAG);
1586                 return (ENOSPC);
1587         }
1588
1589         ASSERT(ndvas > 0 && ndvas <= spa_max_replication(spa));
1590         ASSERT(BP_GET_NDVAS(bp) == 0);
1591         ASSERT(hintbp == NULL || ndvas <= BP_GET_NDVAS(hintbp));
1592
1593         for (int d = 0; d < ndvas; d++) {
1594                 error = metaslab_alloc_dva(spa, mc, psize, dva, d, hintdva,
1595                     txg, flags);
1596                 if (error) {
1597                         for (d--; d >= 0; d--) {
1598                                 metaslab_free_dva(spa, &dva[d], txg, B_TRUE);
1599                                 bzero(&dva[d], sizeof (dva_t));
1600                         }
1601                         spa_config_exit(spa, SCL_ALLOC, FTAG);
1602                         return (error);
1603                 }
1604         }
1605         ASSERT(error == 0);
1606         ASSERT(BP_GET_NDVAS(bp) == ndvas);
1607
1608         spa_config_exit(spa, SCL_ALLOC, FTAG);
1609
1610         BP_SET_BIRTH(bp, txg, txg);
1611
1612         return (0);
1613 }
1614
1615 void
1616 metaslab_free(spa_t *spa, const blkptr_t *bp, uint64_t txg, boolean_t now)
1617 {
1618         const dva_t *dva = bp->blk_dva;
1619         int ndvas = BP_GET_NDVAS(bp);
1620
1621         ASSERT(!BP_IS_HOLE(bp));
1622         ASSERT(!now || bp->blk_birth >= spa_syncing_txg(spa));
1623
1624         spa_config_enter(spa, SCL_FREE, FTAG, RW_READER);
1625
1626         for (int d = 0; d < ndvas; d++)
1627                 metaslab_free_dva(spa, &dva[d], txg, now);
1628
1629         spa_config_exit(spa, SCL_FREE, FTAG);
1630 }
1631
1632 int
1633 metaslab_claim(spa_t *spa, const blkptr_t *bp, uint64_t txg)
1634 {
1635         const dva_t *dva = bp->blk_dva;
1636         int ndvas = BP_GET_NDVAS(bp);
1637         int error = 0;
1638
1639         ASSERT(!BP_IS_HOLE(bp));
1640
1641         if (txg != 0) {
1642                 /*
1643                  * First do a dry run to make sure all DVAs are claimable,
1644                  * so we don't have to unwind from partial failures below.
1645                  */
1646                 if ((error = metaslab_claim(spa, bp, 0)) != 0)
1647                         return (error);
1648         }
1649
1650         spa_config_enter(spa, SCL_ALLOC, FTAG, RW_READER);
1651
1652         for (int d = 0; d < ndvas; d++)
1653                 if ((error = metaslab_claim_dva(spa, &dva[d], txg)) != 0)
1654                         break;
1655
1656         spa_config_exit(spa, SCL_ALLOC, FTAG);
1657
1658         ASSERT(error == 0 || txg == 0);
1659
1660         return (error);
1661 }