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) 2012 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, zil, 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         ASSERT0(msp->ms_deferspace);
 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                         space_map_obj_t *smo = &msp->ms_smo;
 885
 886                         int error = space_map_load(sm, sm_ops, SM_FREE, smo,
 887                             spa_meta_objset(msp->ms_group->mg_vd->vdev_spa));
 888                         if (error)  {
 889                                 metaslab_group_sort(msp->ms_group, msp, 0);
 890                                 return (error);
 891                         }
 892                         for (int t = 0; t < TXG_DEFER_SIZE; t++)
 893                                 space_map_walk(&msp->ms_defermap[t],
 894                                     space_map_claim, sm);
 895
 896                 }
 897
 898                 /*
 899                  * Track the bonus area as we activate new metaslabs.
 900                  */
 901                 if (sm->sm_start > mg->mg_bonus_area) {
 902                         mutex_enter(&mg->mg_lock);
 903                         mg->mg_bonus_area = sm->sm_start;
 904                         mutex_exit(&mg->mg_lock);
 905                 }
 906
 907                 metaslab_group_sort(msp->ms_group, msp,
 908                     msp->ms_weight | activation_weight);
 909         }
 910         ASSERT(sm->sm_loaded);
 911         ASSERT(msp->ms_weight & METASLAB_ACTIVE_MASK);
 912
 913         return (0);
 914 }
 915
 916 static void
 917 metaslab_passivate(metaslab_t *msp, uint64_t size)
 918 {
 919         /*
 920          * If size < SPA_MINBLOCKSIZE, then we will not allocate from
 921          * this metaslab again.  In that case, it had better be empty,
 922          * or we would be leaving space on the table.
 923          */
 924         ASSERT(size >= SPA_MINBLOCKSIZE || msp->ms_map.sm_space == 0);
 925         metaslab_group_sort(msp->ms_group, msp, MIN(msp->ms_weight, size));
 926         ASSERT((msp->ms_weight & METASLAB_ACTIVE_MASK) == 0);
 927 }
 928
 929 /*
 930  * Write a metaslab to disk in the context of the specified transaction group.
 931  */
 932 void
 933 metaslab_sync(metaslab_t *msp, uint64_t txg)
 934 {
 935         vdev_t *vd = msp->ms_group->mg_vd;
 936         spa_t *spa = vd->vdev_spa;
 937         objset_t *mos = spa_meta_objset(spa);
 938         space_map_t *allocmap = &msp->ms_allocmap[txg & TXG_MASK];
 939         space_map_t *freemap = &msp->ms_freemap[txg & TXG_MASK];
 940         space_map_t *freed_map = &msp->ms_freemap[TXG_CLEAN(txg) & TXG_MASK];
 941         space_map_t *sm = &msp->ms_map;
 942         space_map_obj_t *smo = &msp->ms_smo_syncing;
 943         dmu_buf_t *db;
 944         dmu_tx_t *tx;
 945
 946         ASSERT(!vd->vdev_ishole);
 947
 948         if (allocmap->sm_space == 0 && freemap->sm_space == 0)
 949                 return;
 950
 951         /*
 952          * The only state that can actually be changing concurrently with
 953          * metaslab_sync() is the metaslab's ms_map.  No other thread can
 954          * be modifying this txg's allocmap, freemap, freed_map, or smo.
 955          * Therefore, we only hold ms_lock to satify space_map ASSERTs.
 956          * We drop it whenever we call into the DMU, because the DMU
 957          * can call down to us (e.g. via zio_free()) at any time.
 958          */
 959
 960         tx = dmu_tx_create_assigned(spa_get_dsl(spa), txg);
 961
 962         if (smo->smo_object == 0) {
 963                 ASSERT(smo->smo_objsize == 0);
 964                 ASSERT(smo->smo_alloc == 0);
 965                 smo->smo_object = dmu_object_alloc(mos,
 966                     DMU_OT_SPACE_MAP, 1 << SPACE_MAP_BLOCKSHIFT,
 967                     DMU_OT_SPACE_MAP_HEADER, sizeof (*smo), tx);
 968                 ASSERT(smo->smo_object != 0);
 969                 dmu_write(mos, vd->vdev_ms_array, sizeof (uint64_t) *
 970                     (sm->sm_start >> vd->vdev_ms_shift),
 971                     sizeof (uint64_t), &smo->smo_object, tx);
 972         }
 973
 974         mutex_enter(&msp->ms_lock);
 975
 976         space_map_walk(freemap, space_map_add, freed_map);
 977
 978         if (sm->sm_loaded && spa_sync_pass(spa) == 1 && smo->smo_objsize >=
 979             2 * sizeof (uint64_t) * avl_numnodes(&sm->sm_root)) {
 980                 /*
 981                  * The in-core space map representation is twice as compact
 982                  * as the on-disk one, so it's time to condense the latter
 983                  * by generating a pure allocmap from first principles.
 984                  *
 985                  * This metaslab is 100% allocated,
 986                  * minus the content of the in-core map (sm),
 987                  * minus what's been freed this txg (freed_map),
 988                  * minus deferred frees (ms_defermap[]),
 989                  * minus allocations from txgs in the future
 990                  * (because they haven't been committed yet).
 991                  */
 992                 space_map_vacate(allocmap, NULL, NULL);
 993                 space_map_vacate(freemap, NULL, NULL);
 994
 995                 space_map_add(allocmap, allocmap->sm_start, allocmap->sm_size);
 996
 997                 space_map_walk(sm, space_map_remove, allocmap);
 998                 space_map_walk(freed_map, space_map_remove, allocmap);
 999
1000                 for (int t = 0; t < TXG_DEFER_SIZE; t++)
1001                         space_map_walk(&msp->ms_defermap[t],
1002                             space_map_remove, allocmap);
1003
1004                 for (int t = 1; t < TXG_CONCURRENT_STATES; t++)
1005                         space_map_walk(&msp->ms_allocmap[(txg + t) & TXG_MASK],
1006                             space_map_remove, allocmap);
1007
1008                 mutex_exit(&msp->ms_lock);
1009                 space_map_truncate(smo, mos, tx);
1010                 mutex_enter(&msp->ms_lock);
1011         }
1012
1013         space_map_sync(allocmap, SM_ALLOC, smo, mos, tx);
1014         space_map_sync(freemap, SM_FREE, smo, mos, tx);
1015
1016         mutex_exit(&msp->ms_lock);
1017
1018         VERIFY(0 == dmu_bonus_hold(mos, smo->smo_object, FTAG, &db));
1019         dmu_buf_will_dirty(db, tx);
1020         ASSERT3U(db->db_size, >=, sizeof (*smo));
1021         bcopy(smo, db->db_data, sizeof (*smo));
1022         dmu_buf_rele(db, FTAG);
1023
1024         dmu_tx_commit(tx);
1025 }
1026
1027 /*
1028  * Called after a transaction group has completely synced to mark
1029  * all of the metaslab's free space as usable.
1030  */
1031 void
1032 metaslab_sync_done(metaslab_t *msp, uint64_t txg)
1033 {
1034         space_map_obj_t *smo = &msp->ms_smo;
1035         space_map_obj_t *smosync = &msp->ms_smo_syncing;
1036         space_map_t *sm = &msp->ms_map;
1037         space_map_t *freed_map = &msp->ms_freemap[TXG_CLEAN(txg) & TXG_MASK];
1038         space_map_t *defer_map = &msp->ms_defermap[txg % TXG_DEFER_SIZE];
1039         metaslab_group_t *mg = msp->ms_group;
1040         vdev_t *vd = mg->mg_vd;
1041         int64_t alloc_delta, defer_delta;
1042
1043         ASSERT(!vd->vdev_ishole);
1044
1045         mutex_enter(&msp->ms_lock);
1046
1047         /*
1048          * If this metaslab is just becoming available, initialize its
1049          * allocmaps and freemaps and add its capacity to the vdev.
1050          */
1051         if (freed_map->sm_size == 0) {
1052                 for (int t = 0; t < TXG_SIZE; t++) {
1053                         space_map_create(&msp->ms_allocmap[t], sm->sm_start,
1054                             sm->sm_size, sm->sm_shift, sm->sm_lock);
1055                         space_map_create(&msp->ms_freemap[t], sm->sm_start,
1056                             sm->sm_size, sm->sm_shift, sm->sm_lock);
1057                 }
1058
1059                 for (int t = 0; t < TXG_DEFER_SIZE; t++)
1060                         space_map_create(&msp->ms_defermap[t], sm->sm_start,
1061                             sm->sm_size, sm->sm_shift, sm->sm_lock);
1062
1063                 vdev_space_update(vd, 0, 0, sm->sm_size);
1064         }
1065
1066         alloc_delta = smosync->smo_alloc - smo->smo_alloc;
1067         defer_delta = freed_map->sm_space - defer_map->sm_space;
1068
1069         vdev_space_update(vd, alloc_delta + defer_delta, defer_delta, 0);
1070
1071         ASSERT(msp->ms_allocmap[txg & TXG_MASK].sm_space == 0);
1072         ASSERT(msp->ms_freemap[txg & TXG_MASK].sm_space == 0);
1073
1074         /*
1075          * If there's a space_map_load() in progress, wait for it to complete
1076          * so that we have a consistent view of the in-core space map.
1077          * Then, add defer_map (oldest deferred frees) to this map and
1078          * transfer freed_map (this txg's frees) to defer_map.
1079          */
1080         space_map_load_wait(sm);
1081         space_map_vacate(defer_map, sm->sm_loaded ? space_map_free : NULL, sm);
1082         space_map_vacate(freed_map, space_map_add, defer_map);
1083
1084         *smo = *smosync;
1085
1086         msp->ms_deferspace += defer_delta;
1087         ASSERT3S(msp->ms_deferspace, >=, 0);
1088         ASSERT3S(msp->ms_deferspace, <=, sm->sm_size);
1089         if (msp->ms_deferspace != 0) {
1090                 /*
1091                  * Keep syncing this metaslab until all deferred frees
1092                  * are back in circulation.
1093                  */
1094                 vdev_dirty(vd, VDD_METASLAB, msp, txg + 1);
1095         }
1096
1097         /*
1098          * If the map is loaded but no longer active, evict it as soon as all
1099          * future allocations have synced.  (If we unloaded it now and then
1100          * loaded a moment later, the map wouldn't reflect those allocations.)
1101          */
1102         if (sm->sm_loaded && (msp->ms_weight & METASLAB_ACTIVE_MASK) == 0) {
1103                 int evictable = 1;
1104
1105                 for (int t = 1; t < TXG_CONCURRENT_STATES; t++)
1106                         if (msp->ms_allocmap[(txg + t) & TXG_MASK].sm_space)
1107                                 evictable = 0;
1108
1109                 if (evictable && !metaslab_debug)
1110                         space_map_unload(sm);
1111         }
1112
1113         metaslab_group_sort(mg, msp, metaslab_weight(msp));
1114
1115         mutex_exit(&msp->ms_lock);
1116 }
1117
1118 void
1119 metaslab_sync_reassess(metaslab_group_t *mg)
1120 {
1121         vdev_t *vd = mg->mg_vd;
1122         int64_t failures = mg->mg_alloc_failures;
1123
1124         /*
1125          * Re-evaluate all metaslabs which have lower offsets than the
1126          * bonus area.
1127          */
1128         for (int m = 0; m < vd->vdev_ms_count; m++) {
1129                 metaslab_t *msp = vd->vdev_ms[m];
1130
1131                 if (msp->ms_map.sm_start > mg->mg_bonus_area)
1132                         break;
1133
1134                 mutex_enter(&msp->ms_lock);
1135                 metaslab_group_sort(mg, msp, metaslab_weight(msp));
1136                 mutex_exit(&msp->ms_lock);
1137         }
1138
1139         atomic_add_64(&mg->mg_alloc_failures, -failures);
1140
1141         /*
1142          * Prefetch the next potential metaslabs
1143          */
1144         metaslab_prefetch(mg);
1145 }
1146
1147 static uint64_t
1148 metaslab_distance(metaslab_t *msp, dva_t *dva)
1149 {
1150         uint64_t ms_shift = msp->ms_group->mg_vd->vdev_ms_shift;
1151         uint64_t offset = DVA_GET_OFFSET(dva) >> ms_shift;
1152         uint64_t start = msp->ms_map.sm_start >> ms_shift;
1153
1154         if (msp->ms_group->mg_vd->vdev_id != DVA_GET_VDEV(dva))
1155                 return (1ULL << 63);
1156
1157         if (offset < start)
1158                 return ((start - offset) << ms_shift);
1159         if (offset > start)
1160                 return ((offset - start) << ms_shift);
1161         return (0);
1162 }
1163
1164 static uint64_t
1165 metaslab_group_alloc(metaslab_group_t *mg, uint64_t psize, uint64_t asize,
1166     uint64_t txg, uint64_t min_distance, dva_t *dva, int d, int flags)
1167 {
1168         spa_t *spa = mg->mg_vd->vdev_spa;
1169         metaslab_t *msp = NULL;
1170         uint64_t offset = -1ULL;
1171         avl_tree_t *t = &mg->mg_metaslab_tree;
1172         uint64_t activation_weight;
1173         uint64_t target_distance;
1174         int i;
1175
1176         activation_weight = METASLAB_WEIGHT_PRIMARY;
1177         for (i = 0; i < d; i++) {
1178                 if (DVA_GET_VDEV(&dva[i]) == mg->mg_vd->vdev_id) {
1179                         activation_weight = METASLAB_WEIGHT_SECONDARY;
1180                         break;
1181                 }
1182         }
1183
1184         for (;;) {
1185                 boolean_t was_active;
1186
1187                 mutex_enter(&mg->mg_lock);
1188                 for (msp = avl_first(t); msp; msp = AVL_NEXT(t, msp)) {
1189                         if (msp->ms_weight < asize) {
1190                                 spa_dbgmsg(spa, "%s: failed to meet weight "
1191                                     "requirement: vdev %llu, txg %llu, mg %p, "
1192                                     "msp %p, psize %llu, asize %llu, "
1193                                     "failures %llu, weight %llu",
1194                                     spa_name(spa), mg->mg_vd->vdev_id, txg,
1195                                     mg, msp, psize, asize,
1196                                     mg->mg_alloc_failures, msp->ms_weight);
1197                                 mutex_exit(&mg->mg_lock);
1198                                 return (-1ULL);
1199                         }
1200                         was_active = msp->ms_weight & METASLAB_ACTIVE_MASK;
1201                         if (activation_weight == METASLAB_WEIGHT_PRIMARY)
1202                                 break;
1203
1204                         target_distance = min_distance +
1205                             (msp->ms_smo.smo_alloc ? 0 : min_distance >> 1);
1206
1207                         for (i = 0; i < d; i++)
1208                                 if (metaslab_distance(msp, &dva[i]) <
1209                                     target_distance)
1210                                         break;
1211                         if (i == d)
1212                                 break;
1213                 }
1214                 mutex_exit(&mg->mg_lock);
1215                 if (msp == NULL)
1216                         return (-1ULL);
1217
1218                 /*
1219                  * If we've already reached the allowable number of failed
1220                  * allocation attempts on this metaslab group then we
1221                  * consider skipping it. We skip it only if we're allowed
1222                  * to "fast" gang, the physical size is larger than
1223                  * a gang block, and we're attempting to allocate from
1224                  * the primary metaslab.
1225                  */
1226                 if (mg->mg_alloc_failures > zfs_mg_alloc_failures &&
1227                     CAN_FASTGANG(flags) && psize > SPA_GANGBLOCKSIZE &&
1228                     activation_weight == METASLAB_WEIGHT_PRIMARY) {
1229                         spa_dbgmsg(spa, "%s: skipping metaslab group: "
1230                             "vdev %llu, txg %llu, mg %p, psize %llu, "
1231                             "asize %llu, failures %llu", spa_name(spa),
1232                             mg->mg_vd->vdev_id, txg, mg, psize, asize,
1233                             mg->mg_alloc_failures);
1234                         return (-1ULL);
1235                 }
1236
1237                 mutex_enter(&msp->ms_lock);
1238
1239                 /*
1240                  * Ensure that the metaslab we have selected is still
1241                  * capable of handling our request. It's possible that
1242                  * another thread may have changed the weight while we
1243                  * were blocked on the metaslab lock.
1244                  */
1245                 if (msp->ms_weight < asize || (was_active &&
1246                     !(msp->ms_weight & METASLAB_ACTIVE_MASK) &&
1247                     activation_weight == METASLAB_WEIGHT_PRIMARY)) {
1248                         mutex_exit(&msp->ms_lock);
1249                         continue;
1250                 }
1251
1252                 if ((msp->ms_weight & METASLAB_WEIGHT_SECONDARY) &&
1253                     activation_weight == METASLAB_WEIGHT_PRIMARY) {
1254                         metaslab_passivate(msp,
1255                             msp->ms_weight & ~METASLAB_ACTIVE_MASK);
1256                         mutex_exit(&msp->ms_lock);
1257                         continue;
1258                 }
1259
1260                 if (metaslab_activate(msp, activation_weight) != 0) {
1261                         mutex_exit(&msp->ms_lock);
1262                         continue;
1263                 }
1264
1265                 if ((offset = space_map_alloc(&msp->ms_map, asize)) != -1ULL)
1266                         break;
1267
1268                 atomic_inc_64(&mg->mg_alloc_failures);
1269
1270                 metaslab_passivate(msp, space_map_maxsize(&msp->ms_map));
1271
1272                 mutex_exit(&msp->ms_lock);
1273         }
1274
1275         if (msp->ms_allocmap[txg & TXG_MASK].sm_space == 0)
1276                 vdev_dirty(mg->mg_vd, VDD_METASLAB, msp, txg);
1277
1278         space_map_add(&msp->ms_allocmap[txg & TXG_MASK], offset, asize);
1279
1280         mutex_exit(&msp->ms_lock);
1281
1282         return (offset);
1283 }
1284
1285 /*
1286  * Allocate a block for the specified i/o.
1287  */
1288 static int
1289 metaslab_alloc_dva(spa_t *spa, metaslab_class_t *mc, uint64_t psize,
1290     dva_t *dva, int d, dva_t *hintdva, uint64_t txg, int flags)
1291 {
1292         metaslab_group_t *mg, *rotor;
1293         vdev_t *vd;
1294         int dshift = 3;
1295         int all_zero;
1296         int zio_lock = B_FALSE;
1297         boolean_t allocatable;
1298         uint64_t offset = -1ULL;
1299         uint64_t asize;
1300         uint64_t distance;
1301
1302         ASSERT(!DVA_IS_VALID(&dva[d]));
1303
1304         /*
1305          * For testing, make some blocks above a certain size be gang blocks.
1306          */
1307         if (psize >= metaslab_gang_bang && (ddi_get_lbolt() & 3) == 0)
1308                 return (ENOSPC);
1309
1310         /*
1311          * Start at the rotor and loop through all mgs until we find something.
1312          * Note that there's no locking on mc_rotor or mc_aliquot because
1313          * nothing actually breaks if we miss a few updates -- we just won't
1314          * allocate quite as evenly.  It all balances out over time.
1315          *
1316          * If we are doing ditto or log blocks, try to spread them across
1317          * consecutive vdevs.  If we're forced to reuse a vdev before we've
1318          * allocated all of our ditto blocks, then try and spread them out on
1319          * that vdev as much as possible.  If it turns out to not be possible,
1320          * gradually lower our standards until anything becomes acceptable.
1321          * Also, allocating on consecutive vdevs (as opposed to random vdevs)
1322          * gives us hope of containing our fault domains to something we're
1323          * able to reason about.  Otherwise, any two top-level vdev failures
1324          * will guarantee the loss of data.  With consecutive allocation,
1325          * only two adjacent top-level vdev failures will result in data loss.
1326          *
1327          * If we are doing gang blocks (hintdva is non-NULL), try to keep
1328          * ourselves on the same vdev as our gang block header.  That
1329          * way, we can hope for locality in vdev_cache, plus it makes our
1330          * fault domains something tractable.
1331          */
1332         if (hintdva) {
1333                 vd = vdev_lookup_top(spa, DVA_GET_VDEV(&hintdva[d]));
1334
1335                 /*
1336                  * It's possible the vdev we're using as the hint no
1337                  * longer exists (i.e. removed). Consult the rotor when
1338                  * all else fails.
1339                  */
1340                 if (vd != NULL) {
1341                         mg = vd->vdev_mg;
1342
1343                         if (flags & METASLAB_HINTBP_AVOID &&
1344                             mg->mg_next != NULL)
1345                                 mg = mg->mg_next;
1346                 } else {
1347                         mg = mc->mc_rotor;
1348                 }
1349         } else if (d != 0) {
1350                 vd = vdev_lookup_top(spa, DVA_GET_VDEV(&dva[d - 1]));
1351                 mg = vd->vdev_mg->mg_next;
1352         } else {
1353                 mg = mc->mc_rotor;
1354         }
1355
1356         /*
1357          * If the hint put us into the wrong metaslab class, or into a
1358          * metaslab group that has been passivated, just follow the rotor.
1359          */
1360         if (mg->mg_class != mc || mg->mg_activation_count <= 0)
1361                 mg = mc->mc_rotor;
1362
1363         rotor = mg;
1364 top:
1365         all_zero = B_TRUE;
1366         do {
1367                 ASSERT(mg->mg_activation_count == 1);
1368
1369                 vd = mg->mg_vd;
1370
1371                 /*
1372                  * Don't allocate from faulted devices.
1373                  */
1374                 if (zio_lock) {
1375                         spa_config_enter(spa, SCL_ZIO, FTAG, RW_READER);
1376                         allocatable = vdev_allocatable(vd);
1377                         spa_config_exit(spa, SCL_ZIO, FTAG);
1378                 } else {
1379                         allocatable = vdev_allocatable(vd);
1380                 }
1381                 if (!allocatable)
1382                         goto next;
1383
1384                 /*
1385                  * Avoid writing single-copy data to a failing vdev
1386                  */
1387                 if ((vd->vdev_stat.vs_write_errors > 0 ||
1388                     vd->vdev_state < VDEV_STATE_HEALTHY) &&
1389                     d == 0 && dshift == 3) {
1390                         all_zero = B_FALSE;
1391                         goto next;
1392                 }
1393
1394                 ASSERT(mg->mg_class == mc);
1395
1396                 distance = vd->vdev_asize >> dshift;
1397                 if (distance <= (1ULL << vd->vdev_ms_shift))
1398                         distance = 0;
1399                 else
1400                         all_zero = B_FALSE;
1401
1402                 asize = vdev_psize_to_asize(vd, psize);
1403                 ASSERT(P2PHASE(asize, 1ULL << vd->vdev_ashift) == 0);
1404
1405                 offset = metaslab_group_alloc(mg, psize, asize, txg, distance,
1406                     dva, d, flags);
1407                 if (offset != -1ULL) {
1408                         /*
1409                          * If we've just selected this metaslab group,
1410                          * figure out whether the corresponding vdev is
1411                          * over- or under-used relative to the pool,
1412                          * and set an allocation bias to even it out.
1413                          */
1414                         if (mc->mc_aliquot == 0) {
1415                                 vdev_stat_t *vs = &vd->vdev_stat;
1416                                 int64_t vu, cu;
1417
1418                                 vu = (vs->vs_alloc * 100) / (vs->vs_space + 1);
1419                                 cu = (mc->mc_alloc * 100) / (mc->mc_space + 1);
1420
1421                                 /*
1422                                  * Calculate how much more or less we should
1423                                  * try to allocate from this device during
1424                                  * this iteration around the rotor.
1425                                  * For example, if a device is 80% full
1426                                  * and the pool is 20% full then we should
1427                                  * reduce allocations by 60% on this device.
1428                                  *
1429                                  * mg_bias = (20 - 80) * 512K / 100 = -307K
1430                                  *
1431                                  * This reduces allocations by 307K for this
1432                                  * iteration.
1433                                  */
1434                                 mg->mg_bias = ((cu - vu) *
1435                                     (int64_t)mg->mg_aliquot) / 100;
1436                         }
1437
1438                         if (atomic_add_64_nv(&mc->mc_aliquot, asize) >=
1439                             mg->mg_aliquot + mg->mg_bias) {
1440                                 mc->mc_rotor = mg->mg_next;
1441                                 mc->mc_aliquot = 0;
1442                         }
1443
1444                         DVA_SET_VDEV(&dva[d], vd->vdev_id);
1445                         DVA_SET_OFFSET(&dva[d], offset);
1446                         DVA_SET_GANG(&dva[d], !!(flags & METASLAB_GANG_HEADER));
1447                         DVA_SET_ASIZE(&dva[d], asize);
1448
1449                         return (0);
1450                 }
1451 next:
1452                 mc->mc_rotor = mg->mg_next;
1453                 mc->mc_aliquot = 0;
1454         } while ((mg = mg->mg_next) != rotor);
1455
1456         if (!all_zero) {
1457                 dshift++;
1458                 ASSERT(dshift < 64);
1459                 goto top;
1460         }
1461
1462         if (!allocatable && !zio_lock) {
1463                 dshift = 3;
1464                 zio_lock = B_TRUE;
1465                 goto top;
1466         }
1467
1468         bzero(&dva[d], sizeof (dva_t));
1469
1470         return (ENOSPC);
1471 }
1472
1473 /*
1474  * Free the block represented by DVA in the context of the specified
1475  * transaction group.
1476  */
1477 static void
1478 metaslab_free_dva(spa_t *spa, const dva_t *dva, uint64_t txg, boolean_t now)
1479 {
1480         uint64_t vdev = DVA_GET_VDEV(dva);
1481         uint64_t offset = DVA_GET_OFFSET(dva);
1482         uint64_t size = DVA_GET_ASIZE(dva);
1483         vdev_t *vd;
1484         metaslab_t *msp;
1485
1486         ASSERT(DVA_IS_VALID(dva));
1487
1488         if (txg > spa_freeze_txg(spa))
1489                 return;
1490
1491         if ((vd = vdev_lookup_top(spa, vdev)) == NULL ||
1492             (offset >> vd->vdev_ms_shift) >= vd->vdev_ms_count) {
1493                 cmn_err(CE_WARN, "metaslab_free_dva(): bad DVA %llu:%llu",
1494                     (u_longlong_t)vdev, (u_longlong_t)offset);
1495                 ASSERT(0);
1496                 return;
1497         }
1498
1499         msp = vd->vdev_ms[offset >> vd->vdev_ms_shift];
1500
1501         if (DVA_GET_GANG(dva))
1502                 size = vdev_psize_to_asize(vd, SPA_GANGBLOCKSIZE);
1503
1504         mutex_enter(&msp->ms_lock);
1505
1506         if (now) {
1507                 space_map_remove(&msp->ms_allocmap[txg & TXG_MASK],
1508                     offset, size);
1509                 space_map_free(&msp->ms_map, offset, size);
1510         } else {
1511                 if (msp->ms_freemap[txg & TXG_MASK].sm_space == 0)
1512                         vdev_dirty(vd, VDD_METASLAB, msp, txg);
1513                 space_map_add(&msp->ms_freemap[txg & TXG_MASK], offset, size);
1514         }
1515
1516         mutex_exit(&msp->ms_lock);
1517 }
1518
1519 /*
1520  * Intent log support: upon opening the pool after a crash, notify the SPA
1521  * of blocks that the intent log has allocated for immediate write, but
1522  * which are still considered free by the SPA because the last transaction
1523  * group didn't commit yet.
1524  */
1525 static int
1526 metaslab_claim_dva(spa_t *spa, const dva_t *dva, uint64_t txg)
1527 {
1528         uint64_t vdev = DVA_GET_VDEV(dva);
1529         uint64_t offset = DVA_GET_OFFSET(dva);
1530         uint64_t size = DVA_GET_ASIZE(dva);
1531         vdev_t *vd;
1532         metaslab_t *msp;
1533         int error = 0;
1534
1535         ASSERT(DVA_IS_VALID(dva));
1536
1537         if ((vd = vdev_lookup_top(spa, vdev)) == NULL ||
1538             (offset >> vd->vdev_ms_shift) >= vd->vdev_ms_count)
1539                 return (ENXIO);
1540
1541         msp = vd->vdev_ms[offset >> vd->vdev_ms_shift];
1542
1543         if (DVA_GET_GANG(dva))
1544                 size = vdev_psize_to_asize(vd, SPA_GANGBLOCKSIZE);
1545
1546         mutex_enter(&msp->ms_lock);
1547
1548         if ((txg != 0 && spa_writeable(spa)) || !msp->ms_map.sm_loaded)
1549                 error = metaslab_activate(msp, METASLAB_WEIGHT_SECONDARY);
1550
1551         if (error == 0 && !space_map_contains(&msp->ms_map, offset, size))
1552                 error = ENOENT;
1553
1554         if (error || txg == 0) {        /* txg == 0 indicates dry run */
1555                 mutex_exit(&msp->ms_lock);
1556                 return (error);
1557         }
1558
1559         space_map_claim(&msp->ms_map, offset, size);
1560
1561         if (spa_writeable(spa)) {       /* don't dirty if we're zdb(1M) */
1562                 if (msp->ms_allocmap[txg & TXG_MASK].sm_space == 0)
1563                         vdev_dirty(vd, VDD_METASLAB, msp, txg);
1564                 space_map_add(&msp->ms_allocmap[txg & TXG_MASK], offset, size);
1565         }
1566
1567         mutex_exit(&msp->ms_lock);
1568
1569         return (0);
1570 }
1571
1572 int
1573 metaslab_alloc(spa_t *spa, metaslab_class_t *mc, uint64_t psize, blkptr_t *bp,
1574     int ndvas, uint64_t txg, blkptr_t *hintbp, int flags)
1575 {
1576         dva_t *dva = bp->blk_dva;
1577         dva_t *hintdva = hintbp->blk_dva;
1578         int error = 0;
1579
1580         ASSERT(bp->blk_birth == 0);
1581         ASSERT(BP_PHYSICAL_BIRTH(bp) == 0);
1582
1583         spa_config_enter(spa, SCL_ALLOC, FTAG, RW_READER);
1584
1585         if (mc->mc_rotor == NULL) {     /* no vdevs in this class */
1586                 spa_config_exit(spa, SCL_ALLOC, FTAG);
1587                 return (ENOSPC);
1588         }
1589
1590         ASSERT(ndvas > 0 && ndvas <= spa_max_replication(spa));
1591         ASSERT(BP_GET_NDVAS(bp) == 0);
1592         ASSERT(hintbp == NULL || ndvas <= BP_GET_NDVAS(hintbp));
1593
1594         for (int d = 0; d < ndvas; d++) {
1595                 error = metaslab_alloc_dva(spa, mc, psize, dva, d, hintdva,
1596                     txg, flags);
1597                 if (error) {
1598                         for (d--; d >= 0; d--) {
1599                                 metaslab_free_dva(spa, &dva[d], txg, B_TRUE);
1600                                 bzero(&dva[d], sizeof (dva_t));
1601                         }
1602                         spa_config_exit(spa, SCL_ALLOC, FTAG);
1603                         return (error);
1604                 }
1605         }
1606         ASSERT(error == 0);
1607         ASSERT(BP_GET_NDVAS(bp) == ndvas);
1608
1609         spa_config_exit(spa, SCL_ALLOC, FTAG);
1610
1611         BP_SET_BIRTH(bp, txg, txg);
1612
1613         return (0);
1614 }
1615
1616 void
1617 metaslab_free(spa_t *spa, const blkptr_t *bp, uint64_t txg, boolean_t now)
1618 {
1619         const dva_t *dva = bp->blk_dva;
1620         int ndvas = BP_GET_NDVAS(bp);
1621
1622         ASSERT(!BP_IS_HOLE(bp));
1623         ASSERT(!now || bp->blk_birth >= spa_syncing_txg(spa));
1624
1625         spa_config_enter(spa, SCL_FREE, FTAG, RW_READER);
1626
1627         for (int d = 0; d < ndvas; d++)
1628                 metaslab_free_dva(spa, &dva[d], txg, now);
1629
1630         spa_config_exit(spa, SCL_FREE, FTAG);
1631 }
1632
1633 int
1634 metaslab_claim(spa_t *spa, const blkptr_t *bp, uint64_t txg)
1635 {
1636         const dva_t *dva = bp->blk_dva;
1637         int ndvas = BP_GET_NDVAS(bp);
1638         int error = 0;
1639
1640         ASSERT(!BP_IS_HOLE(bp));
1641
1642         if (txg != 0) {
1643                 /*
1644                  * First do a dry run to make sure all DVAs are claimable,
1645                  * so we don't have to unwind from partial failures below.
1646                  */
1647                 if ((error = metaslab_claim(spa, bp, 0)) != 0)
1648                         return (error);
1649         }
1650
1651         spa_config_enter(spa, SCL_ALLOC, FTAG, RW_READER);
1652
1653         for (int d = 0; d < ndvas; d++)
1654                 if ((error = metaslab_claim_dva(spa, &dva[d], txg)) != 0)
1655                         break;
1656
1657         spa_config_exit(spa, SCL_ALLOC, FTAG);
1658
1659         ASSERT(error == 0 || txg == 0);
1660
1661         return (error);
1662 }