// SPDX-License-Identifier: GPL-2.0
/*
 * Completely Fair Scheduling (CFS) Class (SCHED_NORMAL/SCHED_BATCH)
 *
 *  Copyright (C) 2007 Red Hat, Inc., Ingo Molnar <mingo@redhat.com>
 *
 *  Interactivity improvements by Mike Galbraith
 *  (C) 2007 Mike Galbraith <efault@gmx.de>
 *
 *  Various enhancements by Dmitry Adamushko.
 *  (C) 2007 Dmitry Adamushko <dmitry.adamushko@gmail.com>
 *
 *  Group scheduling enhancements by Srivatsa Vaddagiri
 *  Copyright IBM Corporation, 2007
 *  Author: Srivatsa Vaddagiri <vatsa@linux.vnet.ibm.com>
 *
 *  Scaled math optimizations by Thomas Gleixner
 *  Copyright (C) 2007, Thomas Gleixner <tglx@linutronix.de>
 *
 *  Adaptive scheduling granularity, math enhancements by Peter Zijlstra
 *  Copyright (C) 2007 Red Hat, Inc., Peter Zijlstra
 */
#include <linux/energy_model.h>
#include <linux/mmap_lock.h>
#include <linux/hugetlb_inline.h>
#include <linux/jiffies.h>
#include <linux/mm_api.h>
#include <linux/highmem.h>
#include <linux/spinlock_api.h>
#include <linux/cpumask_api.h>
#include <linux/lockdep_api.h>
#include <linux/softirq.h>
#include <linux/refcount_api.h>
#include <linux/topology.h>
#include <linux/sched/clock.h>
#include <linux/sched/cond_resched.h>
#include <linux/sched/cputime.h>
#include <linux/sched/isolation.h>
#include <linux/sched/nohz.h>
#include <linux/sched/prio.h>

#include <linux/cpuidle.h>
#include <linux/interrupt.h>
#include <linux/memory-tiers.h>
#include <linux/mempolicy.h>
#include <linux/mutex_api.h>
#include <linux/profile.h>
#include <linux/psi.h>
#include <linux/ratelimit.h>
#include <linux/task_work.h>
#include <linux/rbtree_augmented.h>

#include <asm/switch_to.h>

#include <uapi/linux/sched/types.h>

#include "sched.h"
#include "stats.h"
#include "autogroup.h"

/*
 * The initial- and re-scaling of tunables is configurable
 *
 * Options are:
 *
 *   SCHED_TUNABLESCALING_NONE - unscaled, always *1
 *   SCHED_TUNABLESCALING_LOG - scaled logarithmically, *1+ilog(ncpus)
 *   SCHED_TUNABLESCALING_LINEAR - scaled linear, *ncpus
 *
 * (default SCHED_TUNABLESCALING_LOG = *(1+ilog(ncpus))
 */
unsigned int sysctl_sched_tunable_scaling = SCHED_TUNABLESCALING_LOG;

/*
 * Minimal preemption granularity for CPU-bound tasks:
 *
 * (default: 0.70 msec * (1 + ilog(ncpus)), units: nanoseconds)
 */
unsigned int sysctl_sched_base_slice   = 700000ULL;
static unsigned int normalized_sysctl_sched_base_slice = 700000ULL;

__read_mostly unsigned int sysctl_sched_migration_cost = 500000UL;

static int __init setup_sched_thermal_decay_shift(char *str)
{
 pr_warn("Ignoring the deprecated sched_thermal_decay_shift= option\n");
 return 1;
}
__setup("sched_thermal_decay_shift=", setup_sched_thermal_decay_shift);

/*
 * For asym packing, by default the lower numbered CPU has higher priority.
 */
int __weak arch_asym_cpu_priority(int cpu)
{
 return -cpu;
}

/*
 * The margin used when comparing utilization with CPU capacity.
 *
 * (default: ~20%)
 */
#define fits_capacity(cap, max) ((cap) * 1280 < (max) * 1024)

/*
 * The margin used when comparing CPU capacities.
 * is 'cap1' noticeably greater than 'cap2'
 *
 * (default: ~5%)
 */
#define capacity_greater(cap1, cap2) ((cap1) * 1024 > (cap2) * 1078)

#ifdef CONFIG_CFS_BANDWIDTH
/*
 * Amount of runtime to allocate from global (tg) to local (per-cfs_rq) pool
 * each time a cfs_rq requests quota.
 *
 * Note: in the case that the slice exceeds the runtime remaining (either due
 * to consumption or the quota being specified to be smaller than the slice)
 * we will always only issue the remaining available time.
 *
 * (default: 5 msec, units: microseconds)
 */
static unsigned int sysctl_sched_cfs_bandwidth_slice  = 5000UL;
#endif

#ifdef CONFIG_NUMA_BALANCING
/* Restrict the NUMA promotion throughput (MB/s) for each target node. */
static unsigned int sysctl_numa_balancing_promote_rate_limit = 65536;
#endif

#ifdef CONFIG_SYSCTL
static const struct ctl_table sched_fair_sysctls[] = {
#ifdef CONFIG_CFS_BANDWIDTH
 {
  .procname       = "sched_cfs_bandwidth_slice_us",
  .data           = &sysctl_sched_cfs_bandwidth_slice,
  .maxlen         = sizeof(unsigned int),
  .mode           = 0644,
  .proc_handler   = proc_dointvec_minmax,
  .extra1         = SYSCTL_ONE,
 },
#endif
#ifdef CONFIG_NUMA_BALANCING
 {
  .procname = "numa_balancing_promote_rate_limit_MBps",
  .data  = &sysctl_numa_balancing_promote_rate_limit,
  .maxlen  = sizeof(unsigned int),
  .mode  = 0644,
  .proc_handler = proc_dointvec_minmax,
  .extra1  = SYSCTL_ZERO,
 },
#endif /* CONFIG_NUMA_BALANCING */
};

static int __init sched_fair_sysctl_init(void)
{
 register_sysctl_init("kernel", sched_fair_sysctls);
 return 0;
}
late_initcall(sched_fair_sysctl_init);
#endif /* CONFIG_SYSCTL */

static inline void update_load_add(struct load_weight *lw, unsigned long inc)
{
 lw->weight += inc;
 lw->inv_weight = 0;
}

static inline void update_load_sub(struct load_weight *lw, unsigned long dec)
{
 lw->weight -= dec;
 lw->inv_weight = 0;
}

static inline void update_load_set(struct load_weight *lw, unsigned long w)
{
 lw->weight = w;
 lw->inv_weight = 0;
}

/*
 * Increase the granularity value when there are more CPUs,
 * because with more CPUs the 'effective latency' as visible
 * to users decreases. But the relationship is not linear,
 * so pick a second-best guess by going with the log2 of the
 * number of CPUs.
 *
 * This idea comes from the SD scheduler of Con Kolivas:
 */
static unsigned int get_update_sysctl_factor(void)
{
 unsigned int cpus = min_t(unsigned int, num_online_cpus(), 8);
 unsigned int factor;

 switch (sysctl_sched_tunable_scaling) {
 case SCHED_TUNABLESCALING_NONE:
  factor = 1;
  break;
 case SCHED_TUNABLESCALING_LINEAR:
  factor = cpus;
  break;
 case SCHED_TUNABLESCALING_LOG:
 default:
  factor = 1 + ilog2(cpus);
  break;
 }

 return factor;
}

static void update_sysctl(void)
{
 unsigned int factor = get_update_sysctl_factor();

#define SET_SYSCTL(name) \
 (sysctl_##name = (factor) * normalized_sysctl_##name)
 SET_SYSCTL(sched_base_slice);
#undef SET_SYSCTL
}

void __init sched_init_granularity(void)
{
 update_sysctl();
}

#define WMULT_CONST (~0U)
#define WMULT_SHIFT 32

static void __update_inv_weight(struct load_weight *lw)
{
 unsigned long w;

 if (likely(lw->inv_weight))
  return;

 w = scale_load_down(lw->weight);

 if (BITS_PER_LONG > 32 && unlikely(w >= WMULT_CONST))
  lw->inv_weight = 1;
 else if (unlikely(!w))
  lw->inv_weight = WMULT_CONST;
 else
  lw->inv_weight = WMULT_CONST / w;
}

/*
 * delta_exec * weight / lw.weight
 *   OR
 * (delta_exec * (weight * lw->inv_weight)) >> WMULT_SHIFT
 *
 * Either weight := NICE_0_LOAD and lw \e sched_prio_to_wmult[], in which case
 * we're guaranteed shift stays positive because inv_weight is guaranteed to
 * fit 32 bits, and NICE_0_LOAD gives another 10 bits; therefore shift >= 22.
 *
 * Or, weight =< lw.weight (because lw.weight is the runqueue weight), thus
 * weight/lw.weight <= 1, and therefore our shift will also be positive.
 */
static u64 __calc_delta(u64 delta_exec, unsigned long weight, struct load_weight *lw)
{
 u64 fact = scale_load_down(weight);
 u32 fact_hi = (u32)(fact >> 32);
 int shift = WMULT_SHIFT;
 int fs;

 __update_inv_weight(lw);

 if (unlikely(fact_hi)) {
  fs = fls(fact_hi);
  shift -= fs;
  fact >>= fs;
 }

 fact = mul_u32_u32(fact, lw->inv_weight);

 fact_hi = (u32)(fact >> 32);
 if (fact_hi) {
  fs = fls(fact_hi);
  shift -= fs;
  fact >>= fs;
 }

 return mul_u64_u32_shr(delta_exec, fact, shift);
}

/*
 * delta /= w
 */
static inline u64 calc_delta_fair(u64 delta, struct sched_entity *se)
{
 if (unlikely(se->load.weight != NICE_0_LOAD))
  delta = __calc_delta(delta, NICE_0_LOAD, &se->load);

 return delta;
}

const struct sched_class fair_sched_class;

/**************************************************************
 * CFS operations on generic schedulable entities:
 */

#ifdef CONFIG_FAIR_GROUP_SCHED

/* Walk up scheduling entities hierarchy */
#define for_each_sched_entity(se) \
  for (; se; se = se->parent)

static inline bool list_add_leaf_cfs_rq(struct cfs_rq *cfs_rq)
{
 struct rq *rq = rq_of(cfs_rq);
 int cpu = cpu_of(rq);

 if (cfs_rq->on_list)
  return rq->tmp_alone_branch == &rq->leaf_cfs_rq_list;

 cfs_rq->on_list = 1;

 /*
  * Ensure we either appear before our parent (if already
  * enqueued) or force our parent to appear after us when it is
  * enqueued. The fact that we always enqueue bottom-up
  * reduces this to two cases and a special case for the root
  * cfs_rq. Furthermore, it also means that we will always reset
  * tmp_alone_branch either when the branch is connected
  * to a tree or when we reach the top of the tree
 */
 if (cfs_rq->tg->parent &&
     cfs_rq->tg->parent->cfs_rq[cpu]->on_list) {
  /*
   * If parent is already on the list, we add the child
   * just before. Thanks to circular linked property of
   * the list, this means to put the child at the tail
   * of the list that starts by parent.
 */
  list_add_tail_rcu(&cfs_rq->leaf_cfs_rq_list,
   &(cfs_rq->tg->parent->cfs_rq[cpu]->leaf_cfs_rq_list));
  /*
   * The branch is now connected to its tree so we can
   * reset tmp_alone_branch to the beginning of the
   * list.
 */
  rq->tmp_alone_branch = &rq->leaf_cfs_rq_list;
  return true;
 }

 if (!cfs_rq->tg->parent) {
  /*
   * cfs rq without parent should be put
   * at the tail of the list.
 */
  list_add_tail_rcu(&cfs_rq->leaf_cfs_rq_list,
   &rq->leaf_cfs_rq_list);
  /*
   * We have reach the top of a tree so we can reset
   * tmp_alone_branch to the beginning of the list.
 */
  rq->tmp_alone_branch = &rq->leaf_cfs_rq_list;
  return true;
 }

 /*
  * The parent has not already been added so we want to
  * make sure that it will be put after us.
  * tmp_alone_branch points to the begin of the branch
  * where we will add parent.
 */
 list_add_rcu(&cfs_rq->leaf_cfs_rq_list, rq->tmp_alone_branch);
 /*
  * update tmp_alone_branch to points to the new begin
  * of the branch
 */
 rq->tmp_alone_branch = &cfs_rq->leaf_cfs_rq_list;
 return false;
}

static inline void list_del_leaf_cfs_rq(struct cfs_rq *cfs_rq)
{
 if (cfs_rq->on_list) {
  struct rq *rq = rq_of(cfs_rq);

  /*
   * With cfs_rq being unthrottled/throttled during an enqueue,
   * it can happen the tmp_alone_branch points to the leaf that
   * we finally want to delete. In this case, tmp_alone_branch moves
   * to the prev element but it will point to rq->leaf_cfs_rq_list
   * at the end of the enqueue.
 */
  if (rq->tmp_alone_branch == &cfs_rq->leaf_cfs_rq_list)
   rq->tmp_alone_branch = cfs_rq->leaf_cfs_rq_list.prev;

  list_del_rcu(&cfs_rq->leaf_cfs_rq_list);
  cfs_rq->on_list = 0;
 }
}

static inline void assert_list_leaf_cfs_rq(struct rq *rq)
{
 WARN_ON_ONCE(rq->tmp_alone_branch != &rq->leaf_cfs_rq_list);
}

/* Iterate through all leaf cfs_rq's on a runqueue */
#define for_each_leaf_cfs_rq_safe(rq, cfs_rq, pos)   \
 list_for_each_entry_safe(cfs_rq, pos, &rq->leaf_cfs_rq_list, \
     leaf_cfs_rq_list)

/* Do the two (enqueued) entities belong to the same group ? */
static inline struct cfs_rq *
is_same_group(struct sched_entity *se, struct sched_entity *pse)
{
 if (se->cfs_rq == pse->cfs_rq)
  return se->cfs_rq;

 return NULL;
}

static inline struct sched_entity *parent_entity(const struct sched_entity *se)
{
 return se->parent;
}

static void
find_matching_se(struct sched_entity **se, struct sched_entity **pse)
{
 int se_depth, pse_depth;

 /*
  * preemption test can be made between sibling entities who are in the
  * same cfs_rq i.e who have a common parent. Walk up the hierarchy of
  * both tasks until we find their ancestors who are siblings of common
  * parent.
 */

 /* First walk up until both entities are at same depth */
 se_depth = (*se)->depth;
 pse_depth = (*pse)->depth;

 while (se_depth > pse_depth) {
  se_depth--;
  *se = parent_entity(*se);
 }

 while (pse_depth > se_depth) {
  pse_depth--;
  *pse = parent_entity(*pse);
 }

 while (!is_same_group(*se, *pse)) {
  *se = parent_entity(*se);
  *pse = parent_entity(*pse);
 }
}

static int tg_is_idle(struct task_group *tg)
{
 return tg->idle > 0;
}

static int cfs_rq_is_idle(struct cfs_rq *cfs_rq)
{
 return cfs_rq->idle > 0;
}

static int se_is_idle(struct sched_entity *se)
{
 if (entity_is_task(se))
  return task_has_idle_policy(task_of(se));
 return cfs_rq_is_idle(group_cfs_rq(se));
}

#else /* !CONFIG_FAIR_GROUP_SCHED: */

#define for_each_sched_entity(se) \
  for (; se; se = NULL)

static inline bool list_add_leaf_cfs_rq(struct cfs_rq *cfs_rq)
{
 return true;
}

static inline void list_del_leaf_cfs_rq(struct cfs_rq *cfs_rq)
{
}

static inline void assert_list_leaf_cfs_rq(struct rq *rq)
{
}

#define for_each_leaf_cfs_rq_safe(rq, cfs_rq, pos) \
  for (cfs_rq = &rq->cfs, pos = NULL; cfs_rq; cfs_rq = pos)

static inline struct sched_entity *parent_entity(struct sched_entity *se)
{
 return NULL;
}

static inline void
find_matching_se(struct sched_entity **se, struct sched_entity **pse)
{
}

static inline int tg_is_idle(struct task_group *tg)
{
 return 0;
}

static int cfs_rq_is_idle(struct cfs_rq *cfs_rq)
{
 return 0;
}

static int se_is_idle(struct sched_entity *se)
{
 return task_has_idle_policy(task_of(se));
}

#endif /* !CONFIG_FAIR_GROUP_SCHED */

static __always_inline
void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec);

/**************************************************************
 * Scheduling class tree data structure manipulation methods:
 */

static inline __maybe_unused u64 max_vruntime(u64 max_vruntime, u64 vruntime)
{
 s64 delta = (s64)(vruntime - max_vruntime);
 if (delta > 0)
  max_vruntime = vruntime;

 return max_vruntime;
}

static inline __maybe_unused u64 min_vruntime(u64 min_vruntime, u64 vruntime)
{
 s64 delta = (s64)(vruntime - min_vruntime);
 if (delta < 0)
  min_vruntime = vruntime;

 return min_vruntime;
}

static inline bool entity_before(const struct sched_entity *a,
     const struct sched_entity *b)
{
 /*
  * Tiebreak on vruntime seems unnecessary since it can
  * hardly happen.
 */
 return (s64)(a->deadline - b->deadline) < 0;
}

static inline s64 entity_key(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 return (s64)(se->vruntime - cfs_rq->min_vruntime);
}

#define __node_2_se(node) \
 rb_entry((node), struct sched_entity, run_node)

/*
 * Compute virtual time from the per-task service numbers:
 *
 * Fair schedulers conserve lag:
 *
 *   \Sum lag_i = 0
 *
 * Where lag_i is given by:
 *
 *   lag_i = S - s_i = w_i * (V - v_i)
 *
 * Where S is the ideal service time and V is it's virtual time counterpart.
 * Therefore:
 *
 *   \Sum lag_i = 0
 *   \Sum w_i * (V - v_i) = 0
 *   \Sum w_i * V - w_i * v_i = 0
 *
 * From which we can solve an expression for V in v_i (which we have in
 * se->vruntime):
 *
 *       \Sum v_i * w_i   \Sum v_i * w_i
 *   V = -------------- = --------------
 *          \Sum w_i            W
 *
 * Specifically, this is the weighted average of all entity virtual runtimes.
 *
 * [[ NOTE: this is only equal to the ideal scheduler under the condition
 *          that join/leave operations happen at lag_i = 0, otherwise the
 *          virtual time has non-contiguous motion equivalent to:
 *
 *       V +-= lag_i / W
 *
 *     Also see the comment in place_entity() that deals with this. ]]
 *
 * However, since v_i is u64, and the multiplication could easily overflow
 * transform it into a relative form that uses smaller quantities:
 *
 * Substitute: v_i == (v_i - v0) + v0
 *
 *     \Sum ((v_i - v0) + v0) * w_i   \Sum (v_i - v0) * w_i
 * V = ---------------------------- = --------------------- + v0
 *                  W                            W
 *
 * Which we track using:
 *
 *                    v0 := cfs_rq->min_vruntime
 * \Sum (v_i - v0) * w_i := cfs_rq->avg_vruntime
 *              \Sum w_i := cfs_rq->avg_load
 *
 * Since min_vruntime is a monotonic increasing variable that closely tracks
 * the per-task service, these deltas: (v_i - v), will be in the order of the
 * maximal (virtual) lag induced in the system due to quantisation.
 *
 * Also, we use scale_load_down() to reduce the size.
 *
 * As measured, the max (key * weight) value was ~44 bits for a kernel build.
 */
static void
avg_vruntime_add(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 unsigned long weight = scale_load_down(se->load.weight);
 s64 key = entity_key(cfs_rq, se);

 cfs_rq->avg_vruntime += key * weight;
 cfs_rq->avg_load += weight;
}

static void
avg_vruntime_sub(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 unsigned long weight = scale_load_down(se->load.weight);
 s64 key = entity_key(cfs_rq, se);

 cfs_rq->avg_vruntime -= key * weight;
 cfs_rq->avg_load -= weight;
}

static inline
void avg_vruntime_update(struct cfs_rq *cfs_rq, s64 delta)
{
 /*
  * v' = v + d ==> avg_vruntime' = avg_runtime - d*avg_load
 */
 cfs_rq->avg_vruntime -= cfs_rq->avg_load * delta;
}

/*
 * Specifically: avg_runtime() + 0 must result in entity_eligible() := true
 * For this to be so, the result of this function must have a left bias.
 */
u64 avg_vruntime(struct cfs_rq *cfs_rq)
{
 struct sched_entity *curr = cfs_rq->curr;
 s64 avg = cfs_rq->avg_vruntime;
 long load = cfs_rq->avg_load;

 if (curr && curr->on_rq) {
  unsigned long weight = scale_load_down(curr->load.weight);

  avg += entity_key(cfs_rq, curr) * weight;
  load += weight;
 }

 if (load) {
  /* sign flips effective floor / ceiling */
  if (avg < 0)
   avg -= (load - 1);
  avg = div_s64(avg, load);
 }

 return cfs_rq->min_vruntime + avg;
}

/*
 * lag_i = S - s_i = w_i * (V - v_i)
 *
 * However, since V is approximated by the weighted average of all entities it
 * is possible -- by addition/removal/reweight to the tree -- to move V around
 * and end up with a larger lag than we started with.
 *
 * Limit this to either double the slice length with a minimum of TICK_NSEC
 * since that is the timing granularity.
 *
 * EEVDF gives the following limit for a steady state system:
 *
 *   -r_max < lag < max(r_max, q)
 *
 * XXX could add max_slice to the augmented data to track this.
 */
static void update_entity_lag(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 s64 vlag, limit;

 WARN_ON_ONCE(!se->on_rq);

 vlag = avg_vruntime(cfs_rq) - se->vruntime;
 limit = calc_delta_fair(max_t(u64, 2*se->slice, TICK_NSEC), se);

 se->vlag = clamp(vlag, -limit, limit);
}

/*
 * Entity is eligible once it received less service than it ought to have,
 * eg. lag >= 0.
 *
 * lag_i = S - s_i = w_i*(V - v_i)
 *
 * lag_i >= 0 -> V >= v_i
 *
 *     \Sum (v_i - v)*w_i
 * V = ------------------ + v
 *          \Sum w_i
 *
 * lag_i >= 0 -> \Sum (v_i - v)*w_i >= (v_i - v)*(\Sum w_i)
 *
 * Note: using 'avg_vruntime() > se->vruntime' is inaccurate due
 *       to the loss in precision caused by the division.
 */
static int vruntime_eligible(struct cfs_rq *cfs_rq, u64 vruntime)
{
 struct sched_entity *curr = cfs_rq->curr;
 s64 avg = cfs_rq->avg_vruntime;
 long load = cfs_rq->avg_load;

 if (curr && curr->on_rq) {
  unsigned long weight = scale_load_down(curr->load.weight);

  avg += entity_key(cfs_rq, curr) * weight;
  load += weight;
 }

 return avg >= (s64)(vruntime - cfs_rq->min_vruntime) * load;
}

int entity_eligible(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 return vruntime_eligible(cfs_rq, se->vruntime);
}

static u64 __update_min_vruntime(struct cfs_rq *cfs_rq, u64 vruntime)
{
 u64 min_vruntime = cfs_rq->min_vruntime;
 /*
  * open coded max_vruntime() to allow updating avg_vruntime
 */
 s64 delta = (s64)(vruntime - min_vruntime);
 if (delta > 0) {
  avg_vruntime_update(cfs_rq, delta);
  min_vruntime = vruntime;
 }
 return min_vruntime;
}

static void update_min_vruntime(struct cfs_rq *cfs_rq)
{
 struct sched_entity *se = __pick_root_entity(cfs_rq);
 struct sched_entity *curr = cfs_rq->curr;
 u64 vruntime = cfs_rq->min_vruntime;

 if (curr) {
  if (curr->on_rq)
   vruntime = curr->vruntime;
  else
   curr = NULL;
 }

 if (se) {
  if (!curr)
   vruntime = se->min_vruntime;
  else
   vruntime = min_vruntime(vruntime, se->min_vruntime);
 }

 /* ensure we never gain time by being placed backwards. */
 cfs_rq->min_vruntime = __update_min_vruntime(cfs_rq, vruntime);
}

static inline u64 cfs_rq_min_slice(struct cfs_rq *cfs_rq)
{
 struct sched_entity *root = __pick_root_entity(cfs_rq);
 struct sched_entity *curr = cfs_rq->curr;
 u64 min_slice = ~0ULL;

 if (curr && curr->on_rq)
  min_slice = curr->slice;

 if (root)
  min_slice = min(min_slice, root->min_slice);

 return min_slice;
}

static inline bool __entity_less(struct rb_node *a, const struct rb_node *b)
{
 return entity_before(__node_2_se(a), __node_2_se(b));
}

#define vruntime_gt(field, lse, rse) ({ (s64)((lse)->field - (rse)->field) > 0; })

static inline void __min_vruntime_update(struct sched_entity *se, struct rb_node *node)
{
 if (node) {
  struct sched_entity *rse = __node_2_se(node);
  if (vruntime_gt(min_vruntime, se, rse))
   se->min_vruntime = rse->min_vruntime;
 }
}

static inline void __min_slice_update(struct sched_entity *se, struct rb_node *node)
{
 if (node) {
  struct sched_entity *rse = __node_2_se(node);
  if (rse->min_slice < se->min_slice)
   se->min_slice = rse->min_slice;
 }
}

/*
 * se->min_vruntime = min(se->vruntime, {left,right}->min_vruntime)
 */
static inline bool min_vruntime_update(struct sched_entity *se, bool exit)
{
 u64 old_min_vruntime = se->min_vruntime;
 u64 old_min_slice = se->min_slice;
 struct rb_node *node = &se->run_node;

 se->min_vruntime = se->vruntime;
 __min_vruntime_update(se, node->rb_right);
 __min_vruntime_update(se, node->rb_left);

 se->min_slice = se->slice;
 __min_slice_update(se, node->rb_right);
 __min_slice_update(se, node->rb_left);

 return se->min_vruntime == old_min_vruntime &&
        se->min_slice == old_min_slice;
}

RB_DECLARE_CALLBACKS(static, min_vruntime_cb, struct sched_entity,
       run_node, min_vruntime, min_vruntime_update);

/*
 * Enqueue an entity into the rb-tree:
 */
static void __enqueue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 avg_vruntime_add(cfs_rq, se);
 se->min_vruntime = se->vruntime;
 se->min_slice = se->slice;
 rb_add_augmented_cached(&se->run_node, &cfs_rq->tasks_timeline,
    __entity_less, &min_vruntime_cb);
}

static void __dequeue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 rb_erase_augmented_cached(&se->run_node, &cfs_rq->tasks_timeline,
      &min_vruntime_cb);
 avg_vruntime_sub(cfs_rq, se);
}

struct sched_entity *__pick_root_entity(struct cfs_rq *cfs_rq)
{
 struct rb_node *root = cfs_rq->tasks_timeline.rb_root.rb_node;

 if (!root)
  return NULL;

 return __node_2_se(root);
}

struct sched_entity *__pick_first_entity(struct cfs_rq *cfs_rq)
{
 struct rb_node *left = rb_first_cached(&cfs_rq->tasks_timeline);

 if (!left)
  return NULL;

 return __node_2_se(left);
}

/*
 * Set the vruntime up to which an entity can run before looking
 * for another entity to pick.
 * In case of run to parity, we use the shortest slice of the enqueued
 * entities to set the protected period.
 * When run to parity is disabled, we give a minimum quantum to the running
 * entity to ensure progress.
 */
static inline void set_protect_slice(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 u64 slice = normalized_sysctl_sched_base_slice;
 u64 vprot = se->deadline;

 if (sched_feat(RUN_TO_PARITY))
  slice = cfs_rq_min_slice(cfs_rq);

 slice = min(slice, se->slice);
 if (slice != se->slice)
  vprot = min_vruntime(vprot, se->vruntime + calc_delta_fair(slice, se));

 se->vprot = vprot;
}

static inline void update_protect_slice(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 u64 slice = cfs_rq_min_slice(cfs_rq);

 se->vprot = min_vruntime(se->vprot, se->vruntime + calc_delta_fair(slice, se));
}

static inline bool protect_slice(struct sched_entity *se)
{
 return ((s64)(se->vprot - se->vruntime) > 0);
}

static inline void cancel_protect_slice(struct sched_entity *se)
{
 if (protect_slice(se))
  se->vprot = se->vruntime;
}

/*
 * Earliest Eligible Virtual Deadline First
 *
 * In order to provide latency guarantees for different request sizes
 * EEVDF selects the best runnable task from two criteria:
 *
 *  1) the task must be eligible (must be owed service)
 *
 *  2) from those tasks that meet 1), we select the one
 *     with the earliest virtual deadline.
 *
 * We can do this in O(log n) time due to an augmented RB-tree. The
 * tree keeps the entries sorted on deadline, but also functions as a
 * heap based on the vruntime by keeping:
 *
 *  se->min_vruntime = min(se->vruntime, se->{left,right}->min_vruntime)
 *
 * Which allows tree pruning through eligibility.
 */
static struct sched_entity *__pick_eevdf(struct cfs_rq *cfs_rq, bool protect)
{
 struct rb_node *node = cfs_rq->tasks_timeline.rb_root.rb_node;
 struct sched_entity *se = __pick_first_entity(cfs_rq);
 struct sched_entity *curr = cfs_rq->curr;
 struct sched_entity *best = NULL;

 /*
  * We can safely skip eligibility check if there is only one entity
  * in this cfs_rq, saving some cycles.
 */
 if (cfs_rq->nr_queued == 1)
  return curr && curr->on_rq ? curr : se;

 if (curr && (!curr->on_rq || !entity_eligible(cfs_rq, curr)))
  curr = NULL;

 if (curr && protect && protect_slice(curr))
  return curr;

 /* Pick the leftmost entity if it's eligible */
 if (se && entity_eligible(cfs_rq, se)) {
  best = se;
  goto found;
 }

 /* Heap search for the EEVD entity */
 while (node) {
  struct rb_node *left = node->rb_left;

  /*
   * Eligible entities in left subtree are always better
   * choices, since they have earlier deadlines.
 */
  if (left && vruntime_eligible(cfs_rq,
     __node_2_se(left)->min_vruntime)) {
   node = left;
   continue;
  }

  se = __node_2_se(node);

  /*
   * The left subtree either is empty or has no eligible
   * entity, so check the current node since it is the one
   * with earliest deadline that might be eligible.
 */
  if (entity_eligible(cfs_rq, se)) {
   best = se;
   break;
  }

  node = node->rb_right;
 }
found:
 if (!best || (curr && entity_before(curr, best)))
  best = curr;

 return best;
}

static struct sched_entity *pick_eevdf(struct cfs_rq *cfs_rq)
{
 return __pick_eevdf(cfs_rq, true);
}

struct sched_entity *__pick_last_entity(struct cfs_rq *cfs_rq)
{
 struct rb_node *last = rb_last(&cfs_rq->tasks_timeline.rb_root);

 if (!last)
  return NULL;

 return __node_2_se(last);
}

/**************************************************************
 * Scheduling class statistics methods:
 */
int sched_update_scaling(void)
{
 unsigned int factor = get_update_sysctl_factor();

#define WRT_SYSCTL(name) \
 (normalized_sysctl_##name = sysctl_##name / (factor))
 WRT_SYSCTL(sched_base_slice);
#undef WRT_SYSCTL

 return 0;
}

static void clear_buddies(struct cfs_rq *cfs_rq, struct sched_entity *se);

/*
 * XXX: strictly: vd_i += N*r_i/w_i such that: vd_i > ve_i
 * this is probably good enough.
 */
static bool update_deadline(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 if ((s64)(se->vruntime - se->deadline) < 0)
  return false;

 /*
  * For EEVDF the virtual time slope is determined by w_i (iow.
  * nice) while the request time r_i is determined by
  * sysctl_sched_base_slice.
 */
 if (!se->custom_slice)
  se->slice = sysctl_sched_base_slice;

 /*
  * EEVDF: vd_i = ve_i + r_i / w_i
 */
 se->deadline = se->vruntime + calc_delta_fair(se->slice, se);

 /*
  * The task has consumed its request, reschedule.
 */
 return true;
}

#include "pelt.h"

static int select_idle_sibling(struct task_struct *p, int prev_cpu, int cpu);
static unsigned long task_h_load(struct task_struct *p);
static unsigned long capacity_of(int cpu);

/* Give new sched_entity start runnable values to heavy its load in infant time */
void init_entity_runnable_average(struct sched_entity *se)
{
 struct sched_avg *sa = &se->avg;

 memset(sa, 0, sizeof(*sa));

 /*
  * Tasks are initialized with full load to be seen as heavy tasks until
  * they get a chance to stabilize to their real load level.
  * Group entities are initialized with zero load to reflect the fact that
  * nothing has been attached to the task group yet.
 */
 if (entity_is_task(se))
  sa->load_avg = scale_load_down(se->load.weight);

 /* when this task is enqueued, it will contribute to its cfs_rq's load_avg */
}

/*
 * With new tasks being created, their initial util_avgs are extrapolated
 * based on the cfs_rq's current util_avg:
 *
 *   util_avg = cfs_rq->avg.util_avg / (cfs_rq->avg.load_avg + 1)
 *  * se_weight(se)
 *
 * However, in many cases, the above util_avg does not give a desired
 * value. Moreover, the sum of the util_avgs may be divergent, such
 * as when the series is a harmonic series.
 *
 * To solve this problem, we also cap the util_avg of successive tasks to
 * only 1/2 of the left utilization budget:
 *
 *   util_avg_cap = (cpu_scale - cfs_rq->avg.util_avg) / 2^n
 *
 * where n denotes the nth task and cpu_scale the CPU capacity.
 *
 * For example, for a CPU with 1024 of capacity, a simplest series from
 * the beginning would be like:
 *
 *  task  util_avg: 512, 256, 128,  64,  32,   16,    8, ...
 * cfs_rq util_avg: 512, 768, 896, 960, 992, 1008, 1016, ...
 *
 * Finally, that extrapolated util_avg is clamped to the cap (util_avg_cap)
 * if util_avg > util_avg_cap.
 */
void post_init_entity_util_avg(struct task_struct *p)
{
 struct sched_entity *se = &p->se;
 struct cfs_rq *cfs_rq = cfs_rq_of(se);
 struct sched_avg *sa = &se->avg;
 long cpu_scale = arch_scale_cpu_capacity(cpu_of(rq_of(cfs_rq)));
 long cap = (long)(cpu_scale - cfs_rq->avg.util_avg) / 2;

 if (p->sched_class != &fair_sched_class) {
  /*
   * For !fair tasks do:
   *
  update_cfs_rq_load_avg(now, cfs_rq);
  attach_entity_load_avg(cfs_rq, se);
  switched_from_fair(rq, p);
   *
   * such that the next switched_to_fair() has the
   * expected state.
 */
  se->avg.last_update_time = cfs_rq_clock_pelt(cfs_rq);
  return;
 }

 if (cap > 0) {
  if (cfs_rq->avg.util_avg != 0) {
   sa->util_avg  = cfs_rq->avg.util_avg * se_weight(se);
   sa->util_avg /= (cfs_rq->avg.load_avg + 1);

   if (sa->util_avg > cap)
    sa->util_avg = cap;
  } else {
   sa->util_avg = cap;
  }
 }

 sa->runnable_avg = sa->util_avg;
}

static s64 update_se(struct rq *rq, struct sched_entity *se)
{
 u64 now = rq_clock_task(rq);
 s64 delta_exec;

 delta_exec = now - se->exec_start;
 if (unlikely(delta_exec <= 0))
  return delta_exec;

 se->exec_start = now;
 if (entity_is_task(se)) {
  struct task_struct *donor = task_of(se);
  struct task_struct *running = rq->curr;
  /*
   * If se is a task, we account the time against the running
   * task, as w/ proxy-exec they may not be the same.
 */
  running->se.exec_start = now;
  running->se.sum_exec_runtime += delta_exec;

  trace_sched_stat_runtime(running, delta_exec);
  account_group_exec_runtime(running, delta_exec);

  /* cgroup time is always accounted against the donor */
  cgroup_account_cputime(donor, delta_exec);
 } else {
  /* If not task, account the time against donor se  */
  se->sum_exec_runtime += delta_exec;
 }

 if (schedstat_enabled()) {
  struct sched_statistics *stats;

  stats = __schedstats_from_se(se);
  __schedstat_set(stats->exec_max,
    max(delta_exec, stats->exec_max));
 }

 return delta_exec;
}

/*
 * Used by other classes to account runtime.
 */
s64 update_curr_common(struct rq *rq)
{
 return update_se(rq, &rq->donor->se);
}

/*
 * Update the current task's runtime statistics.
 */
static void update_curr(struct cfs_rq *cfs_rq)
{
 /*
  * Note: cfs_rq->curr corresponds to the task picked to
  * run (ie: rq->donor.se) which due to proxy-exec may
  * not necessarily be the actual task running
  * (rq->curr.se). This is easy to confuse!
 */
 struct sched_entity *curr = cfs_rq->curr;
 struct rq *rq = rq_of(cfs_rq);
 s64 delta_exec;
 bool resched;

 if (unlikely(!curr))
  return;

 delta_exec = update_se(rq, curr);
 if (unlikely(delta_exec <= 0))
  return;

 curr->vruntime += calc_delta_fair(delta_exec, curr);
 resched = update_deadline(cfs_rq, curr);
 update_min_vruntime(cfs_rq);

 if (entity_is_task(curr)) {
  /*
   * If the fair_server is active, we need to account for the
   * fair_server time whether or not the task is running on
   * behalf of fair_server or not:
   *  - If the task is running on behalf of fair_server, we need
   *    to limit its time based on the assigned runtime.
   *  - Fair task that runs outside of fair_server should account
   *    against fair_server such that it can account for this time
   *    and possibly avoid running this period.
 */
  if (dl_server_active(&rq->fair_server))
   dl_server_update(&rq->fair_server, delta_exec);
 }

 account_cfs_rq_runtime(cfs_rq, delta_exec);

 if (cfs_rq->nr_queued == 1)
  return;

 if (resched || !protect_slice(curr)) {
  resched_curr_lazy(rq);
  clear_buddies(cfs_rq, curr);
 }
}

static void update_curr_fair(struct rq *rq)
{
 update_curr(cfs_rq_of(&rq->donor->se));
}

static inline void
update_stats_wait_start_fair(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 struct sched_statistics *stats;
 struct task_struct *p = NULL;

 if (!schedstat_enabled())
  return;

 stats = __schedstats_from_se(se);

 if (entity_is_task(se))
  p = task_of(se);

 __update_stats_wait_start(rq_of(cfs_rq), p, stats);
}

static inline void
update_stats_wait_end_fair(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 struct sched_statistics *stats;
 struct task_struct *p = NULL;

 if (!schedstat_enabled())
  return;

 stats = __schedstats_from_se(se);

 /*
  * When the sched_schedstat changes from 0 to 1, some sched se
  * maybe already in the runqueue, the se->statistics.wait_start
  * will be 0.So it will let the delta wrong. We need to avoid this
  * scenario.
 */
 if (unlikely(!schedstat_val(stats->wait_start)))
  return;

 if (entity_is_task(se))
  p = task_of(se);

 __update_stats_wait_end(rq_of(cfs_rq), p, stats);
}

static inline void
update_stats_enqueue_sleeper_fair(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 struct sched_statistics *stats;
 struct task_struct *tsk = NULL;

 if (!schedstat_enabled())
  return;

 stats = __schedstats_from_se(se);

 if (entity_is_task(se))
  tsk = task_of(se);

 __update_stats_enqueue_sleeper(rq_of(cfs_rq), tsk, stats);
}

/*
 * Task is being enqueued - update stats:
 */
static inline void
update_stats_enqueue_fair(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
{
 if (!schedstat_enabled())
  return;

 /*
  * Are we enqueueing a waiting task? (for current tasks
  * a dequeue/enqueue event is a NOP)
 */
 if (se != cfs_rq->curr)
  update_stats_wait_start_fair(cfs_rq, se);

 if (flags & ENQUEUE_WAKEUP)
  update_stats_enqueue_sleeper_fair(cfs_rq, se);
}

static inline void
update_stats_dequeue_fair(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
{

 if (!schedstat_enabled())
  return;

 /*
  * Mark the end of the wait period if dequeueing a
  * waiting task:
 */
 if (se != cfs_rq->curr)
  update_stats_wait_end_fair(cfs_rq, se);

 if ((flags & DEQUEUE_SLEEP) && entity_is_task(se)) {
  struct task_struct *tsk = task_of(se);
  unsigned int state;

  /* XXX racy against TTWU */
  state = READ_ONCE(tsk->__state);
  if (state & TASK_INTERRUPTIBLE)
   __schedstat_set(tsk->stats.sleep_start,
          rq_clock(rq_of(cfs_rq)));
  if (state & TASK_UNINTERRUPTIBLE)
   __schedstat_set(tsk->stats.block_start,
          rq_clock(rq_of(cfs_rq)));
 }
}

/*
 * We are picking a new current task - update its stats:
 */
static inline void
update_stats_curr_start(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 /*
  * We are starting a new run period:
 */
 se->exec_start = rq_clock_task(rq_of(cfs_rq));
}

/**************************************************
 * Scheduling class queueing methods:
 */

static inline bool is_core_idle(int cpu)
{
#ifdef CONFIG_SCHED_SMT
 int sibling;

 for_each_cpu(sibling, cpu_smt_mask(cpu)) {
  if (cpu == sibling)
   continue;

  if (!idle_cpu(sibling))
   return false;
 }
#endif

 return true;
}

#ifdef CONFIG_NUMA
#define NUMA_IMBALANCE_MIN 2

static inline long
adjust_numa_imbalance(int imbalance, int dst_running, int imb_numa_nr)
{
 /*
  * Allow a NUMA imbalance if busy CPUs is less than the maximum
  * threshold. Above this threshold, individual tasks may be contending
  * for both memory bandwidth and any shared HT resources.  This is an
  * approximation as the number of running tasks may not be related to
  * the number of busy CPUs due to sched_setaffinity.
 */
 if (dst_running > imb_numa_nr)
  return imbalance;

 /*
  * Allow a small imbalance based on a simple pair of communicating
  * tasks that remain local when the destination is lightly loaded.
 */
 if (imbalance <= NUMA_IMBALANCE_MIN)
  return 0;

 return imbalance;
}
#endif /* CONFIG_NUMA */

#ifdef CONFIG_NUMA_BALANCING
/*
 * Approximate time to scan a full NUMA task in ms. The task scan period is
 * calculated based on the tasks virtual memory size and
 * numa_balancing_scan_size.
 */
unsigned int sysctl_numa_balancing_scan_period_min = 1000;
unsigned int sysctl_numa_balancing_scan_period_max = 60000;

/* Portion of address space to scan in MB */
unsigned int sysctl_numa_balancing_scan_size = 256;

/* Scan @scan_size MB every @scan_period after an initial @scan_delay in ms */
unsigned int sysctl_numa_balancing_scan_delay = 1000;

/* The page with hint page fault latency < threshold in ms is considered hot */
unsigned int sysctl_numa_balancing_hot_threshold = MSEC_PER_SEC;

struct numa_group {
 refcount_t refcount;

 spinlock_t lock; /* nr_tasks, tasks */
 int nr_tasks;
 pid_t gid;
 int active_nodes;

 struct rcu_head rcu;
 unsigned long total_faults;
 unsigned long max_faults_cpu;
 /*
  * faults[] array is split into two regions: faults_mem and faults_cpu.
  *
  * Faults_cpu is used to decide whether memory should move
  * towards the CPU. As a consequence, these stats are weighted
  * more by CPU use than by memory faults.
 */
 unsigned long faults[];
};

/*
 * For functions that can be called in multiple contexts that permit reading
 * ->numa_group (see struct task_struct for locking rules).
 */
static struct numa_group *deref_task_numa_group(struct task_struct *p)
{
 return rcu_dereference_check(p->numa_group, p == current ||
  (lockdep_is_held(__rq_lockp(task_rq(p))) && !READ_ONCE(p->on_cpu)));
}

static struct numa_group *deref_curr_numa_group(struct task_struct *p)
{
 return rcu_dereference_protected(p->numa_group, p == current);
}

static inline unsigned long group_faults_priv(struct numa_group *ng);
static inline unsigned long group_faults_shared(struct numa_group *ng);

static unsigned int task_nr_scan_windows(struct task_struct *p)
{
 unsigned long rss = 0;
 unsigned long nr_scan_pages;

 /*
  * Calculations based on RSS as non-present and empty pages are skipped
  * by the PTE scanner and NUMA hinting faults should be trapped based
  * on resident pages
 */
 nr_scan_pages = sysctl_numa_balancing_scan_size << (20 - PAGE_SHIFT);
 rss = get_mm_rss(p->mm);
 if (!rss)
  rss = nr_scan_pages;

 rss = round_up(rss, nr_scan_pages);
 return rss / nr_scan_pages;
}

/* For sanity's sake, never scan more PTEs than MAX_SCAN_WINDOW MB/sec. */
#define MAX_SCAN_WINDOW 2560

static unsigned int task_scan_min(struct task_struct *p)
{
 unsigned int scan_size = READ_ONCE(sysctl_numa_balancing_scan_size);
 unsigned int scan, floor;
 unsigned int windows = 1;

 if (scan_size < MAX_SCAN_WINDOW)
  windows = MAX_SCAN_WINDOW / scan_size;
 floor = 1000 / windows;

 scan = sysctl_numa_balancing_scan_period_min / task_nr_scan_windows(p);
 return max_t(unsigned int, floor, scan);
}

static unsigned int task_scan_start(struct task_struct *p)
{
 unsigned long smin = task_scan_min(p);
 unsigned long period = smin;
 struct numa_group *ng;

 /* Scale the maximum scan period with the amount of shared memory. */
 rcu_read_lock();
 ng = rcu_dereference(p->numa_group);
 if (ng) {
  unsigned long shared = group_faults_shared(ng);
  unsigned long private = group_faults_priv(ng);

  period *= refcount_read(&ng->refcount);
  period *= shared + 1;
  period /= private + shared + 1;
 }
 rcu_read_unlock();

 return max(smin, period);
}

static unsigned int task_scan_max(struct task_struct *p)
{
 unsigned long smin = task_scan_min(p);
 unsigned long smax;
 struct numa_group *ng;

 /* Watch for min being lower than max due to floor calculations */
 smax = sysctl_numa_balancing_scan_period_max / task_nr_scan_windows(p);

 /* Scale the maximum scan period with the amount of shared memory. */
 ng = deref_curr_numa_group(p);
 if (ng) {
  unsigned long shared = group_faults_shared(ng);
  unsigned long private = group_faults_priv(ng);
  unsigned long period = smax;

  period *= refcount_read(&ng->refcount);
  period *= shared + 1;
  period /= private + shared + 1;

  smax = max(smax, period);
 }

 return max(smin, smax);
}

static void account_numa_enqueue(struct rq *rq, struct task_struct *p)
{
 rq->nr_numa_running += (p->numa_preferred_nid != NUMA_NO_NODE);
 rq->nr_preferred_running += (p->numa_preferred_nid == task_node(p));
}

static void account_numa_dequeue(struct rq *rq, struct task_struct *p)
{
 rq->nr_numa_running -= (p->numa_preferred_nid != NUMA_NO_NODE);
 rq->nr_preferred_running -= (p->numa_preferred_nid == task_node(p));
}

/* Shared or private faults. */
#define NR_NUMA_HINT_FAULT_TYPES 2

/* Memory and CPU locality */
#define NR_NUMA_HINT_FAULT_STATS (NR_NUMA_HINT_FAULT_TYPES * 2)

/* Averaged statistics, and temporary buffers. */
#define NR_NUMA_HINT_FAULT_BUCKETS (NR_NUMA_HINT_FAULT_STATS * 2)

pid_t task_numa_group_id(struct task_struct *p)
{
 struct numa_group *ng;
 pid_t gid = 0;

 rcu_read_lock();
 ng = rcu_dereference(p->numa_group);
 if (ng)
  gid = ng->gid;
 rcu_read_unlock();

 return gid;
}

/*
 * The averaged statistics, shared & private, memory & CPU,
 * occupy the first half of the array. The second half of the
 * array is for current counters, which are averaged into the
 * first set by task_numa_placement.
 */
static inline int task_faults_idx(enum numa_faults_stats s, int nid, int priv)
{
 return NR_NUMA_HINT_FAULT_TYPES * (s * nr_node_ids + nid) + priv;
}

static inline unsigned long task_faults(struct task_struct *p, int nid)
{
 if (!p->numa_faults)
  return 0;

 return p->numa_faults[task_faults_idx(NUMA_MEM, nid, 0)] +
  p->numa_faults[task_faults_idx(NUMA_MEM, nid, 1)];
}

static inline unsigned long group_faults(struct task_struct *p, int nid)
{
 struct numa_group *ng = deref_task_numa_group(p);

 if (!ng)
  return 0;

 return ng->faults[task_faults_idx(NUMA_MEM, nid, 0)] +
  ng->faults[task_faults_idx(NUMA_MEM, nid, 1)];
}

static inline unsigned long group_faults_cpu(struct numa_group *group, int nid)
{
 return group->faults[task_faults_idx(NUMA_CPU, nid, 0)] +
  group->faults[task_faults_idx(NUMA_CPU, nid, 1)];
}

static inline unsigned long group_faults_priv(struct numa_group *ng)
{
 unsigned long faults = 0;
 int node;

 for_each_online_node(node) {
  faults += ng->faults[task_faults_idx(NUMA_MEM, node, 1)];
 }

 return faults;
}

static inline unsigned long group_faults_shared(struct numa_group *ng)
{
 unsigned long faults = 0;
 int node;

 for_each_online_node(node) {
  faults += ng->faults[task_faults_idx(NUMA_MEM, node, 0)];
 }

 return faults;
}

/*
 * A node triggering more than 1/3 as many NUMA faults as the maximum is
 * considered part of a numa group's pseudo-interleaving set. Migrations
 * between these nodes are slowed down, to allow things to settle down.
 */
#define ACTIVE_NODE_FRACTION 3

static bool numa_is_active_node(int nid, struct numa_group *ng)
{
 return group_faults_cpu(ng, nid) * ACTIVE_NODE_FRACTION > ng->max_faults_cpu;
}

/* Handle placement on systems where not all nodes are directly connected. */
static unsigned long score_nearby_nodes(struct task_struct *p, int nid,
     int lim_dist, bool task)
{
 unsigned long score = 0;
 int node, max_dist;

 /*
  * All nodes are directly connected, and the same distance
  * from each other. No need for fancy placement algorithms.
 */
 if (sched_numa_topology_type == NUMA_DIRECT)
  return 0;

 /* sched_max_numa_distance may be changed in parallel. */
 max_dist = READ_ONCE(sched_max_numa_distance);
 /*
  * This code is called for each node, introducing N^2 complexity,
  * which should be OK given the number of nodes rarely exceeds 8.
 */
 for_each_online_node(node) {
  unsigned long faults;
  int dist = node_distance(nid, node);

  /*
   * The furthest away nodes in the system are not interesting
   * for placement; nid was already counted.
 */
  if (dist >= max_dist || node == nid)
   continue;

  /*
   * On systems with a backplane NUMA topology, compare groups
   * of nodes, and move tasks towards the group with the most
   * memory accesses. When comparing two nodes at distance
   * "hoplimit", only nodes closer by than "hoplimit" are part
   * of each group. Skip other nodes.
 */
  if (sched_numa_topology_type == NUMA_BACKPLANE && dist >= lim_dist)
   continue;

  /* Add up the faults from nearby nodes. */
  if (task)
   faults = task_faults(p, node);
  else
   faults = group_faults(p, node);

  /*
   * On systems with a glueless mesh NUMA topology, there are
   * no fixed "groups of nodes". Instead, nodes that are not
   * directly connected bounce traffic through intermediate
   * nodes; a numa_group can occupy any set of nodes.
   * The further away a node is, the less the faults count.
   * This seems to result in good task placement.
 */
  if (sched_numa_topology_type == NUMA_GLUELESS_MESH) {
   faults *= (max_dist - dist);
   faults /= (max_dist - LOCAL_DISTANCE);
  }

  score += faults;
 }

 return score;
}

/*
 * These return the fraction of accesses done by a particular task, or
 * task group, on a particular numa node.  The group weight is given a
 * larger multiplier, in order to group tasks together that are almost
 * evenly spread out between numa nodes.
 */
static inline unsigned long task_weight(struct task_struct *p, int nid,
     int dist)
{
 unsigned long faults, total_faults;

 if (!p->numa_faults)
  return 0;

 total_faults = p->total_numa_faults;

 if (!total_faults)
  return 0;

 faults = task_faults(p, nid);
 faults += score_nearby_nodes(p, nid, dist, true);

 return 1000 * faults / total_faults;
}

static inline unsigned long group_weight(struct task_struct *p, int nid,
      int dist)
{
 struct numa_group *ng = deref_task_numa_group(p);
 unsigned long faults, total_faults;

 if (!ng)
  return 0;

 total_faults = ng->total_faults;

 if (!total_faults)
  return 0;

 faults = group_faults(p, nid);
 faults += score_nearby_nodes(p, nid, dist, false);

 return 1000 * faults / total_faults;
}

/*
 * If memory tiering mode is enabled, cpupid of slow memory page is
 * used to record scan time instead of CPU and PID.  When tiering mode
 * is disabled at run time, the scan time (in cpupid) will be
 * interpreted as CPU and PID.  So CPU needs to be checked to avoid to
 * access out of array bound.
 */
static inline bool cpupid_valid(int cpupid)
{
 return cpupid_to_cpu(cpupid) < nr_cpu_ids;
}

/*
 * For memory tiering mode, if there are enough free pages (more than
 * enough watermark defined here) in fast memory node, to take full
 * advantage of fast memory capacity, all recently accessed slow
 * memory pages will be migrated to fast memory node without
 * considering hot threshold.
 */
static bool pgdat_free_space_enough(struct pglist_data *pgdat)
{
 int z;
 unsigned long enough_wmark;

 enough_wmark = max(1UL * 1024 * 1024 * 1024 >> PAGE_SHIFT,
      pgdat->node_present_pages >> 4);
 for (z = pgdat->nr_zones - 1; z >= 0; z--) {
  struct zone *zone = pgdat->node_zones + z;

  if (!populated_zone(zone))
   continue;

  if (zone_watermark_ok(zone, 0,
          promo_wmark_pages(zone) + enough_wmark,
          ZONE_MOVABLE, 0))
   return true;
 }
 return false;
}

/*
 * For memory tiering mode, when page tables are scanned, the scan
 * time will be recorded in struct page in addition to make page
 * PROT_NONE for slow memory page.  So when the page is accessed, in
 * hint page fault handler, the hint page fault latency is calculated
 * via,
 *
 * hint page fault latency = hint page fault time - scan time
 *
 * The smaller the hint page fault latency, the higher the possibility
 * for the page to be hot.
 */
static int numa_hint_fault_latency(struct folio *folio)
{
 int last_time, time;

 time = jiffies_to_msecs(jiffies);
 last_time = folio_xchg_access_time(folio, time);

 return (time - last_time) & PAGE_ACCESS_TIME_MASK;
}

/*
 * For memory tiering mode, too high promotion/demotion throughput may
 * hurt application latency.  So we provide a mechanism to rate limit
 * the number of pages that are tried to be promoted.
 */
static bool numa_promotion_rate_limit(struct pglist_data *pgdat,
          unsigned long rate_limit, int nr)
{
 unsigned long nr_cand;
 unsigned int now, start;

 now = jiffies_to_msecs(jiffies);
 mod_node_page_state(pgdat, PGPROMOTE_CANDIDATE, nr);
 nr_cand = node_page_state(pgdat, PGPROMOTE_CANDIDATE);
 start = pgdat->nbp_rl_start;
 if (now - start > MSEC_PER_SEC &&
     cmpxchg(&pgdat->nbp_rl_start, start, now) == start)
  pgdat->nbp_rl_nr_cand = nr_cand;
 if (nr_cand - pgdat->nbp_rl_nr_cand >= rate_limit)
  return true;
 return false;
}

#define NUMA_MIGRATION_ADJUST_STEPS 16

static void numa_promotion_adjust_threshold(struct pglist_data *pgdat,
         unsigned long rate_limit,
         unsigned int ref_th)
{
 unsigned int now, start, th_period, unit_th, th;
 unsigned long nr_cand, ref_cand, diff_cand;

 now = jiffies_to_msecs(jiffies);
 th_period = sysctl_numa_balancing_scan_period_max;
 start = pgdat->nbp_th_start;
 if (now - start > th_period &&
     cmpxchg(&pgdat->nbp_th_start, start, now) == start) {
  ref_cand = rate_limit *
   sysctl_numa_balancing_scan_period_max / MSEC_PER_SEC;
  nr_cand = node_page_state(pgdat, PGPROMOTE_CANDIDATE);
  diff_cand = nr_cand - pgdat->nbp_th_nr_cand;
  unit_th = ref_th * 2 / NUMA_MIGRATION_ADJUST_STEPS;
  th = pgdat->nbp_threshold ? : ref_th;
  if (diff_cand > ref_cand * 11 / 10)
   th = max(th - unit_th, unit_th);
  else if (diff_cand < ref_cand * 9 / 10)
   th = min(th + unit_th, ref_th * 2);
  pgdat->nbp_th_nr_cand = nr_cand;
  pgdat->nbp_threshold = th;
 }
}

bool should_numa_migrate_memory(struct task_struct *p, struct folio *folio,
    int src_nid, int dst_cpu)
{
 struct numa_group *ng = deref_curr_numa_group(p);
 int dst_nid = cpu_to_node(dst_cpu);
 int last_cpupid, this_cpupid;

 /*
  * Cannot migrate to memoryless nodes.
 */
 if (!node_state(dst_nid, N_MEMORY))
  return false;

 /*
  * The pages in slow memory node should be migrated according
  * to hot/cold instead of private/shared.
 */
 if (folio_use_access_time(folio)) {
  struct pglist_data *pgdat;
  unsigned long rate_limit;
  unsigned int latency, th, def_th;

  pgdat = NODE_DATA(dst_nid);
  if (pgdat_free_space_enough(pgdat)) {
   /* workload changed, reset hot threshold */
   pgdat->nbp_threshold = 0;
   return true;
  }

  def_th = sysctl_numa_balancing_hot_threshold;
  rate_limit = sysctl_numa_balancing_promote_rate_limit << \
   (20 - PAGE_SHIFT);
  numa_promotion_adjust_threshold(pgdat, rate_limit, def_th);

  th = pgdat->nbp_threshold ? : def_th;
  latency = numa_hint_fault_latency(folio);
  if (latency >= th)
   return false;

  return !numa_promotion_rate_limit(pgdat, rate_limit,
        folio_nr_pages(folio));
 }

 this_cpupid = cpu_pid_to_cpupid(dst_cpu, current->pid);
 last_cpupid = folio_xchg_last_cpupid(folio, this_cpupid);

 if (!(sysctl_numa_balancing_mode & NUMA_BALANCING_MEMORY_TIERING) &&
     !node_is_toptier(src_nid) && !cpupid_valid(last_cpupid))
  return false;

 /*
  * Allow first faults or private faults to migrate immediately early in
  * the lifetime of a task. The magic number 4 is based on waiting for
  * two full passes of the "multi-stage node selection" test that is
  * executed below.
 */
 if ((p->numa_preferred_nid == NUMA_NO_NODE || p->numa_scan_seq <= 4) &&
     (cpupid_pid_unset(last_cpupid) || cpupid_match_pid(p, last_cpupid)))
  return true;

 /*
  * Multi-stage node selection is used in conjunction with a periodic
  * migration fault to build a temporal task<->page relation. By using
  * a two-stage filter we remove short/unlikely relations.
  *
  * Using P(p) ~ n_p / n_t as per frequentist probability, we can equate
  * a task's usage of a particular page (n_p) per total usage of this
  * page (n_t) (in a given time-span) to a probability.
  *
  * Our periodic faults will sample this probability and getting the
  * same result twice in a row, given these samples are fully
  * independent, is then given by P(n)^2, provided our sample period
  * is sufficiently short compared to the usage pattern.
  *
  * This quadric squishes small probabilities, making it less likely we
  * act on an unlikely task<->page relation.
 */
 if (!cpupid_pid_unset(last_cpupid) &&
    cpupid_to_nid(last_cpupid) != dst_nid)
  return false;

 /* Always allow migrate on private faults */
 if (cpupid_match_pid(p, last_cpupid))
  return true;

 /* A shared fault, but p->numa_group has not been set up yet. */
 if (!ng)
  return true;

 /*
  * Destination node is much more heavily used than the source
  * node? Allow migration.
 */
 if (group_faults_cpu(ng, dst_nid) > group_faults_cpu(ng, src_nid) *
     ACTIVE_NODE_FRACTION)
  return true;

 /*
  * Distribute memory according to CPU & memory use on each node,
  * with 3/4 hysteresis to avoid unnecessary memory migrations:
  *
  * faults_cpu(dst)   3   faults_cpu(src)
  * --------------- * - > ---------------
  * faults_mem(dst)   4   faults_mem(src)
 */
 return group_faults_cpu(ng, dst_nid) * group_faults(p, src_nid) * 3 >
        group_faults_cpu(ng, src_nid) * group_faults(p, dst_nid) * 4;
}

/*
 * 'numa_type' describes the node at the moment of load balancing.
 */
enum numa_type {
 /* The node has spare capacity that can be used to run more tasks.  */
 node_has_spare = 0,
 /*
  * The node is fully used and the tasks don't compete for more CPU
  * cycles. Nevertheless, some tasks might wait before running.
 */
 node_fully_busy,
 /*
  * The node is overloaded and can't provide expected CPU cycles to all
  * tasks.
 */
 node_overloaded
};

/* Cached statistics for all CPUs within a node */
struct numa_stats {
 unsigned long load;
 unsigned long runnable;
 unsigned long util;
 /* Total compute capacity of CPUs on a node */
 unsigned long compute_capacity;
 unsigned int nr_running;
 unsigned int weight;
 enum numa_type node_type;
 int idle_cpu;
};

struct task_numa_env {
 struct task_struct *p;

 int src_cpu, src_nid;
 int dst_cpu, dst_nid;
 int imb_numa_nr;

 struct numa_stats src_stats, dst_stats;

 int imbalance_pct;
 int dist;

 struct task_struct *best_task;
 long best_imp;
 int best_cpu;
};

static unsigned long cpu_load(struct rq *rq);
static unsigned long cpu_runnable(struct rq *rq);

static inline enum
numa_type numa_classify(unsigned int imbalance_pct,
    struct numa_stats *ns)
{
 if ((ns->nr_running > ns->weight) &&
     (((ns->compute_capacity * 100) < (ns->util * imbalance_pct)) ||
      ((ns->compute_capacity * imbalance_pct) < (ns->runnable * 100))))
  return node_overloaded;

 if ((ns->nr_running < ns->weight) ||
     (((ns->compute_capacity * 100) > (ns->util * imbalance_pct)) &&
      ((ns->compute_capacity * imbalance_pct) > (ns->runnable * 100))))
  return node_has_spare;

 return node_fully_busy;
}

#ifdef CONFIG_SCHED_SMT
/* Forward declarations of select_idle_sibling helpers */
static inline bool test_idle_cores(int cpu);
static inline int numa_idle_core(int idle_core, int cpu)
{
 if (!static_branch_likely(&sched_smt_present) ||
     idle_core >= 0 || !test_idle_cores(cpu))
  return idle_core;

 /*
  * Prefer cores instead of packing HT siblings
  * and triggering future load balancing.
 */
 if (is_core_idle(cpu))
  idle_core = cpu;

 return idle_core;
}
#else /* !CONFIG_SCHED_SMT: */
static inline int numa_idle_core(int idle_core, int cpu)
{
 return idle_core;
}
#endif /* !CONFIG_SCHED_SMT */

/*
 * Gather all necessary information to make NUMA balancing placement
 * decisions that are compatible with standard load balancer. This
 * borrows code and logic from update_sg_lb_stats but sharing a
 * common implementation is impractical.
 */
static void update_numa_stats(struct task_numa_env *env,
         struct numa_stats *ns, int nid,
         bool find_idle)
{
 int cpu, idle_core = -1;

 memset(ns, 0, sizeof(*ns));
 ns->idle_cpu = -1;

 rcu_read_lock();
 for_each_cpu(cpu, cpumask_of_node(nid)) {
  struct rq *rq = cpu_rq(cpu);

  ns->load += cpu_load(rq);
  ns->runnable += cpu_runnable(rq);
  ns->util += cpu_util_cfs(cpu);
  ns->nr_running += rq->cfs.h_nr_runnable;
  ns->compute_capacity += capacity_of(cpu);

  if (find_idle && idle_core < 0 && !rq->nr_running && idle_cpu(cpu)) {
   if (READ_ONCE(rq->numa_migrate_on) ||
       !cpumask_test_cpu(cpu, env->p->cpus_ptr))
    continue;

   if (ns->idle_cpu == -1)
    ns->idle_cpu = cpu;

   idle_core = numa_idle_core(idle_core, cpu);
  }
 }
 rcu_read_unlock();

 ns->weight = cpumask_weight(cpumask_of_node(nid));

 ns->node_type = numa_classify(env->imbalance_pct, ns);

 if (idle_core >= 0)
  ns->idle_cpu = idle_core;
}

static void task_numa_assign(struct task_numa_env *env,
        struct task_struct *p, long imp)
{
 struct rq *rq = cpu_rq(env->dst_cpu);

 /* Check if run-queue part of active NUMA balance. */
 if (env->best_cpu != env->dst_cpu && xchg(&rq->numa_migrate_on, 1)) {
  int cpu;
  int start = env->dst_cpu;

  /* Find alternative idle CPU. */
  for_each_cpu_wrap(cpu, cpumask_of_node(env->dst_nid), start + 1) {
   if (cpu == env->best_cpu || !idle_cpu(cpu) ||
       !cpumask_test_cpu(cpu, env->p->cpus_ptr)) {
    continue;
   }

   env->dst_cpu = cpu;
   rq = cpu_rq(env->dst_cpu);
   if (!xchg(&rq->numa_migrate_on, 1))
    goto assign;
  }

  /* Failed to find an alternative idle CPU */
  return;
 }

assign:
 /*
  * Clear previous best_cpu/rq numa-migrate flag, since task now
  * found a better CPU to move/swap.
 */
 if (env->best_cpu != -1 && env->best_cpu != env->dst_cpu) {
  rq = cpu_rq(env->best_cpu);
  WRITE_ONCE(rq->numa_migrate_on, 0);
 }

 if (env->best_task)
  put_task_struct(env->best_task);
 if (p)
  get_task_struct(p);

 env->best_task = p;
 env->best_imp = imp;
 env->best_cpu = env->dst_cpu;
}

static bool load_too_imbalanced(long src_load, long dst_load,
    struct task_numa_env *env)
{
 long imb, old_imb;
 long orig_src_load, orig_dst_load;
 long src_capacity, dst_capacity;

 /*
  * The load is corrected for the CPU capacity available on each node.
  *
  * src_load        dst_load
  * ------------ vs ---------
  * src_capacity    dst_capacity
 */
 src_capacity = env->src_stats.compute_capacity;
 dst_capacity = env->dst_stats.compute_capacity;

 imb = abs(dst_load * src_capacity - src_load * dst_capacity);

 orig_src_load = env->src_stats.load;
 orig_dst_load = env->dst_stats.load;

 old_imb = abs(orig_dst_load * src_capacity - orig_src_load * dst_capacity);

 /* Would this change make things worse? */
 return (imb > old_imb);
}

/*
 * Maximum NUMA importance can be 1998 (2*999);
 * SMALLIMP @ 30 would be close to 1998/64.
 * Used to deter task migration.
 */
#define SMALLIMP 30

/*
 * This checks if the overall compute and NUMA accesses of the system would
 * be improved if the source tasks was migrated to the target dst_cpu taking
 * into account that it might be best if task running on the dst_cpu should
 * be exchanged with the source task
 */
static bool task_numa_compare(struct task_numa_env *env,
         long taskimp, long groupimp, bool maymove)
{
 struct numa_group *cur_ng, *p_ng = deref_curr_numa_group(env->p);
 struct rq *dst_rq = cpu_rq(env->dst_cpu);
 long imp = p_ng ? groupimp : taskimp;
 struct task_struct *cur;
 long src_load, dst_load;
 int dist = env->dist;
 long moveimp = imp;
 long load;
 bool stopsearch = false;

 if (READ_ONCE(dst_rq->numa_migrate_on))
  return false;

 rcu_read_lock();
 cur = rcu_dereference(dst_rq->curr);
 if (cur && ((cur->flags & (PF_EXITING | PF_KTHREAD)) ||
      !cur->mm))
  cur = NULL;

 /*
  * Because we have preemption enabled we can get migrated around and
  * end try selecting ourselves (current == env->p) as a swap candidate.
 */
 if (cur == env->p) {
  stopsearch = true;
  goto unlock;
 }

 if (!cur) {
  if (maymove && moveimp >= env->best_imp)
   goto assign;
  else
   goto unlock;
 }

 /* Skip this swap candidate if cannot move to the source cpu. */
 if (!cpumask_test_cpu(env->src_cpu, cur->cpus_ptr))
  goto unlock;

 /*
  * Skip this swap candidate if it is not moving to its preferred
  * node and the best task is.
 */
 if (env->best_task &&
     env->best_task->numa_preferred_nid == env->src_nid &&
     cur->numa_preferred_nid != env->src_nid) {
  goto unlock;
 }

 /*
  * "imp" is the fault differential for the source task between the
  * source and destination node. Calculate the total differential for
  * the source task and potential destination task. The more negative
  * the value is, the more remote accesses that would be expected to
  * be incurred if the tasks were swapped.
  *
  * If dst and source tasks are in the same NUMA group, or not
  * in any group then look only at task weights.
 */
 cur_ng = rcu_dereference(cur->numa_group);
 if (cur_ng == p_ng) {
  /*
   * Do not swap within a group or between tasks that have
   * no group if there is spare capacity. Swapping does
   * not address the load imbalance and helps one task at
   * the cost of punishing another.
 */
  if (env->dst_stats.node_type == node_has_spare)
   goto unlock;

  imp = taskimp + task_weight(cur, env->src_nid, dist) -
        task_weight(cur, env->dst_nid, dist);
  /*
   * Add some hysteresis to prevent swapping the
   * tasks within a group over tiny differences.
 */
  if (cur_ng)
   imp -= imp / 16;
 } else {
  /*
   * Compare the group weights. If a task is all by itself
   * (not part of a group), use the task weight instead.
 */
  if (cur_ng && p_ng)
   imp += group_weight(cur, env->src_nid, dist) -
          group_weight(cur, env->dst_nid, dist);
  else
   imp += task_weight(cur, env->src_nid, dist) -
          task_weight(cur, env->dst_nid, dist);
 }

 /* Discourage picking a task already on its preferred node */
 if (cur->numa_preferred_nid == env->dst_nid)
  imp -= imp / 16;

 /*
  * Encourage picking a task that moves to its preferred node.
  * This potentially makes imp larger than it's maximum of
  * 1998 (see SMALLIMP and task_weight for why) but in this
  * case, it does not matter.
 */
 if (cur->numa_preferred_nid == env->src_nid)
  imp += imp / 8;

 if (maymove && moveimp > imp && moveimp > env->best_imp) {
  imp = moveimp;
  cur = NULL;
  goto assign;
 }

 /*
  * Prefer swapping with a task moving to its preferred node over a
  * task that is not.
 */
 if (env->best_task && cur->numa_preferred_nid == env->src_nid &&
     env->best_task->numa_preferred_nid != env->src_nid) {
  goto assign;
 }

 /*
  * If the NUMA importance is less than SMALLIMP,
  * task migration might only result in ping pong
  * of tasks and also hurt performance due to cache
  * misses.
 */
 if (imp < SMALLIMP || imp <= env->best_imp + SMALLIMP / 2)
  goto unlock;

 /*
  * In the overloaded case, try and keep the load balanced.
 */
 load = task_h_load(env->p) - task_h_load(cur);
 if (!load)
  goto assign;

 dst_load = env->dst_stats.load + load;
 src_load = env->src_stats.load - load;

 if (load_too_imbalanced(src_load, dst_load, env))
  goto unlock;

assign:
 /* Evaluate an idle CPU for a task numa move. */
 if (!cur) {
  int cpu = env->dst_stats.idle_cpu;

  /* Nothing cached so current CPU went idle since the search. */
  if (cpu < 0)
   cpu = env->dst_cpu;

  /*
   * If the CPU is no longer truly idle and the previous best CPU
   * is, keep using it.
 */
  if (!idle_cpu(cpu) && env->best_cpu >= 0 &&
      idle_cpu(env->best_cpu)) {
   cpu = env->best_cpu;
  }

  env->dst_cpu = cpu;
 }

 task_numa_assign(env, cur, imp);

 /*
  * If a move to idle is allowed because there is capacity or load
  * balance improves then stop the search. While a better swap
  * candidate may exist, a search is not free.
 */
 if (maymove && !cur && env->best_cpu >= 0 && idle_cpu(env->best_cpu))
  stopsearch = true;

 /*
  * If a swap candidate must be identified and the current best task
  * moves its preferred node then stop the search.
 */
 if (!maymove && env->best_task &&
     env->best_task->numa_preferred_nid == env->src_nid) {
  stopsearch = true;
 }
unlock:
 rcu_read_unlock();

 return stopsearch;
}

static void task_numa_find_cpu(struct task_numa_env *env,
    long taskimp, long groupimp)
{
 bool maymove = false;
 int cpu;

 /*
  * If dst node has spare capacity, then check if there is an
  * imbalance that would be overruled by the load balancer.
 */
 if (env->dst_stats.node_type == node_has_spare) {
  unsigned int imbalance;
  int src_running, dst_running;

  /*
   * Would movement cause an imbalance? Note that if src has
   * more running tasks that the imbalance is ignored as the
   * move improves the imbalance from the perspective of the
   * CPU load balancer.
 * */
  src_running = env->src_stats.nr_running - 1;
  dst_running = env->dst_stats.nr_running + 1;
  imbalance = max(0, dst_running - src_running);
  imbalance = adjust_numa_imbalance(imbalance, dst_running,
        env->imb_numa_nr);

  /* Use idle CPU if there is no imbalance */
  if (!imbalance) {
   maymove = true;
   if (env->dst_stats.idle_cpu >= 0) {
    env->dst_cpu = env->dst_stats.idle_cpu;
    task_numa_assign(env, NULL, 0);
    return;
   }
  }
 } else {
  long src_load, dst_load, load;
  /*
   * If the improvement from just moving env->p direction is better
   * than swapping tasks around, check if a move is possible.
 */
  load = task_h_load(env->p);
  dst_load = env->dst_stats.load + load;
  src_load = env->src_stats.load - load;
  maymove = !load_too_imbalanced(src_load, dst_load, env);
 }

 for_each_cpu(cpu, cpumask_of_node(env->dst_nid)) {
  /* Skip this CPU if the source task cannot migrate */
  if (!cpumask_test_cpu(cpu, env->p->cpus_ptr))
   continue;

  env->dst_cpu = cpu;
  if (task_numa_compare(env, taskimp, groupimp, maymove))
   break;
 }
}

static int task_numa_migrate(struct task_struct *p)
{
 struct task_numa_env env = {
  .p = p,

  .src_cpu = task_cpu(p),
  .src_nid = task_node(p),

  .imbalance_pct = 112,

  .best_task = NULL,
  .best_imp = 0,
  .best_cpu = -1,
 };
 unsigned long taskweight, groupweight;
 struct sched_domain *sd;
 long taskimp, groupimp;
 struct numa_group *ng;
 struct rq *best_rq;
 int nid, ret, dist;

 /*
  * Pick the lowest SD_NUMA domain, as that would have the smallest
  * imbalance and would be the first to start moving tasks about.
  *
  * And we want to avoid any moving of tasks about, as that would create
  * random movement of tasks -- counter the numa conditions we're trying
  * to satisfy here.
 */
 rcu_read_lock();
 sd = rcu_dereference(per_cpu(sd_numa, env.src_cpu));
 if (sd) {
  env.imbalance_pct = 100 + (sd->imbalance_pct - 100) / 2;
  env.imb_numa_nr = sd->imb_numa_nr;
 }
 rcu_read_unlock();

 /*
  * Cpusets can break the scheduler domain tree into smaller
  * balance domains, some of which do not cross NUMA boundaries.
  * Tasks that are "trapped" in such domains cannot be migrated
  * elsewhere, so there is no point in (re)trying.
 */
 if (unlikely(!sd)) {
  sched_setnuma(p, task_node(p));
  return -EINVAL;
 }

 env.dst_nid = p->numa_preferred_nid;
 dist = env.dist = node_distance(env.src_nid, env.dst_nid);
 taskweight = task_weight(p, env.src_nid, dist);
 groupweight = group_weight(p, env.src_nid, dist);
 update_numa_stats(&env, &env.src_stats, env.src_nid, false);
 taskimp = task_weight(p, env.dst_nid, dist) - taskweight;
 groupimp = group_weight(p, env.dst_nid, dist) - groupweight;
 update_numa_stats(&env, &env.dst_stats, env.dst_nid, true);

 /* Try to find a spot on the preferred nid. */
 task_numa_find_cpu(&env, taskimp, groupimp);

 /*
  * Look at other nodes in these cases:
  * - there is no space available on the preferred_nid
  * - the task is part of a numa_group that is interleaved across
  *   multiple NUMA nodes; in order to better consolidate the group,
  *   we need to check other locations.
 */
 ng = deref_curr_numa_group(p);
 if (env.best_cpu == -1 || (ng && ng->active_nodes > 1)) {
  for_each_node_state(nid, N_CPU) {
   if (nid == env.src_nid || nid == p->numa_preferred_nid)
    continue;

   dist = node_distance(env.src_nid, env.dst_nid);
   if (sched_numa_topology_type == NUMA_BACKPLANE &&
      dist != env.dist) {
    taskweight = task_weight(p, env.src_nid, dist);
    groupweight = group_weight(p, env.src_nid, dist);
   }

   /* Only consider nodes where both task and groups benefit */
   taskimp = task_weight(p, nid, dist) - taskweight;
   groupimp = group_weight(p, nid, dist) - groupweight;
   if (taskimp < 0 && groupimp < 0)
    continue;

   env.dist = dist;
   env.dst_nid = nid;
   update_numa_stats(&env, &env.dst_stats, env.dst_nid, true);
   task_numa_find_cpu(&env, taskimp, groupimp);
  }
 }

 /*
  * If the task is part of a workload that spans multiple NUMA nodes,
  * and is migrating into one of the workload's active nodes, remember
  * this node as the task's preferred numa node, so the workload can
  * settle down.
  * A task that migrated to a second choice node will be better off
  * trying for a better one later. Do not set the preferred node here.
 */
 if (ng) {
  if (env.best_cpu == -1)
   nid = env.src_nid;
  else
   nid = cpu_to_node(env.best_cpu);

  if (nid != p->numa_preferred_nid)
   sched_setnuma(p, nid);
 }

 /* No better CPU than the current one was found. */
 if (env.best_cpu == -1) {
  trace_sched_stick_numa(p, env.src_cpu, NULL, -1);
  return -EAGAIN;
 }

 best_rq = cpu_rq(env.best_cpu);
 if (env.best_task == NULL) {
  ret = migrate_task_to(p, env.best_cpu);
  WRITE_ONCE(best_rq->numa_migrate_on, 0);
  if (ret != 0)
   trace_sched_stick_numa(p, env.src_cpu, NULL, env.best_cpu);
  return ret;
 }

 ret = migrate_swap(p, env.best_task, env.best_cpu, env.src_cpu);
 WRITE_ONCE(best_rq->numa_migrate_on, 0);

 if (ret != 0)
  trace_sched_stick_numa(p, env.src_cpu, env.best_task, env.best_cpu);
 put_task_struct(env.best_task);
 return ret;
}

/* Attempt to migrate a task to a CPU on the preferred node. */
static void numa_migrate_preferred(struct task_struct *p)
{
 unsigned long interval = HZ;

 /* This task has no NUMA fault statistics yet */
 if (unlikely(p->numa_preferred_nid == NUMA_NO_NODE || !p->numa_faults))
  return;

 /* Periodically retry migrating the task to the preferred node */
 interval = min(interval, msecs_to_jiffies(p->numa_scan_period) / 16);
 p->numa_migrate_retry = jiffies + interval;

 /* Success if task is already running on preferred CPU */
 if (task_node(p) == p->numa_preferred_nid)
  return;

 /* Otherwise, try migrate to a CPU on the preferred node */
 task_numa_migrate(p);
}

/*
 * Find out how many nodes the workload is actively running on. Do this by
 * tracking the nodes from which NUMA hinting faults are triggered. This can
 * be different from the set of nodes where the workload's memory is currently
 * located.
 */
static void numa_group_count_active_nodes(struct numa_group *numa_group)
{
 unsigned long faults, max_faults = 0;
 int nid, active_nodes = 0;

 for_each_node_state(nid, N_CPU) {
  faults = group_faults_cpu(numa_group, nid);
  if (faults > max_faults)
   max_faults = faults;
 }

 for_each_node_state(nid, N_CPU) {
  faults = group_faults_cpu(numa_group, nid);
  if (faults * ACTIVE_NODE_FRACTION > max_faults)
   active_nodes++;
 }

 numa_group->max_faults_cpu = max_faults;
 numa_group->active_nodes = active_nodes;
}

/*
 * When adapting the scan rate, the period is divided into NUMA_PERIOD_SLOTS
 * increments. The more local the fault statistics are, the higher the scan
 * period will be for the next scan window. If local/(local+remote) ratio is
 * below NUMA_PERIOD_THRESHOLD (where range of ratio is 1..NUMA_PERIOD_SLOTS)
 * the scan period will decrease. Aim for 70% local accesses.
 */
#define NUMA_PERIOD_SLOTS 10
#define NUMA_PERIOD_THRESHOLD 7

/*
 * Increase the scan period (slow down scanning) if the majority of
 * our memory is already on our local node, or if the majority of
 * the page accesses are shared with other processes.
 * Otherwise, decrease the scan period.
 */
static void update_task_scan_period(struct task_struct *p,
   unsigned long shared, unsigned long private)
{
 unsigned int period_slot;
 int lr_ratio, ps_ratio;
 int diff;

 unsigned long remote = p->numa_faults_locality[0];
 unsigned long local = p->numa_faults_locality[1];

 /*
  * If there were no record hinting faults then either the task is
  * completely idle or all activity is in areas that are not of interest
  * to automatic numa balancing. Related to that, if there were failed
  * migration then it implies we are migrating too quickly or the local
  * node is overloaded. In either case, scan slower
 */
 if (local + shared == 0 || p->numa_faults_locality[2]) {
  p->numa_scan_period = min(p->numa_scan_period_max,
   p->numa_scan_period << 1);

  p->mm->numa_next_scan = jiffies +
   msecs_to_jiffies(p->numa_scan_period);

  return;
 }

 /*
  * Prepare to scale scan period relative to the current period.
  *  == NUMA_PERIOD_THRESHOLD scan period stays the same
  *       <  NUMA_PERIOD_THRESHOLD scan period decreases (scan faster)
  *  >= NUMA_PERIOD_THRESHOLD scan period increases (scan slower)
 */
 period_slot = DIV_ROUND_UP(p->numa_scan_period, NUMA_PERIOD_SLOTS);
 lr_ratio = (local * NUMA_PERIOD_SLOTS) / (local + remote);
 ps_ratio = (private * NUMA_PERIOD_SLOTS) / (private + shared);

 if (ps_ratio >= NUMA_PERIOD_THRESHOLD) {
  /*
   * Most memory accesses are local. There is no need to
   * do fast NUMA scanning, since memory is already local.
 */
  int slot = ps_ratio - NUMA_PERIOD_THRESHOLD;
  if (!slot)
   slot = 1;
  diff = slot * period_slot;
 } else if (lr_ratio >= NUMA_PERIOD_THRESHOLD) {
  /*
   * Most memory accesses are shared with other tasks.
   * There is no point in continuing fast NUMA scanning,
   * since other tasks may just move the memory elsewhere.
 */
  int slot = lr_ratio - NUMA_PERIOD_THRESHOLD;
  if (!slot)
   slot = 1;
  diff = slot * period_slot;
 } else {
  /*
   * Private memory faults exceed (SLOTS-THRESHOLD)/SLOTS,
   * yet they are not on the local NUMA node. Speed up
   * NUMA scanning to get the memory moved over.
 */
  int ratio = max(lr_ratio, ps_ratio);
  diff = -(NUMA_PERIOD_THRESHOLD - ratio) * period_slot;
 }

 p->numa_scan_period = clamp(p->numa_scan_period + diff,
   task_scan_min(p), task_scan_max(p));
 memset(p->numa_faults_locality, 0, sizeof(p->numa_faults_locality));
}

/*
 * Get the fraction of time the task has been running since the last
 * NUMA placement cycle. The scheduler keeps similar statistics, but
 * decays those on a 32ms period, which is orders of magnitude off
 * from the dozens-of-seconds NUMA balancing period. Use the scheduler
 * stats only if the task is so new there are no NUMA statistics yet.
 */
static u64 numa_get_avg_runtime(struct task_struct *p, u64 *period)
{
 u64 runtime, delta, now;
 /* Use the start of this time slice to avoid calculations. */
 now = p->se.exec_start;
 runtime = p->se.sum_exec_runtime;

 if (p->last_task_numa_placement) {
  delta = runtime - p->last_sum_exec_runtime;
  *period = now - p->last_task_numa_placement;

  /* Avoid time going backwards, prevent potential divide error: */
  if (unlikely((s64)*period < 0))
   *period = 0;
 } else {
  delta = p->se.avg.load_sum;
  *period = LOAD_AVG_MAX;
 }

 p->last_sum_exec_runtime = runtime;
 p->last_task_numa_placement = now;

 return delta;
}

/*
 * Determine the preferred nid for a task in a numa_group. This needs to
 * be done in a way that produces consistent results with group_weight,
 * otherwise workloads might not converge.
 */
static int preferred_group_nid(struct task_struct *p, int nid)
{
 nodemask_t nodes;
 int dist;

 /* Direct connections between all NUMA nodes. */
 if (sched_numa_topology_type == NUMA_DIRECT)
  return nid;

 /*
  * On a system with glueless mesh NUMA topology, group_weight
  * scores nodes according to the number of NUMA hinting faults on
  * both the node itself, and on nearby nodes.
 */
 if (sched_numa_topology_type == NUMA_GLUELESS_MESH) {
  unsigned long score, max_score = 0;
  int node, max_node = nid;

  dist = sched_max_numa_distance;

  for_each_node_state(node, N_CPU) {
   score = group_weight(p, node, dist);
   if (score > max_score) {
    max_score = score;
    max_node = node;
   }
  }
  return max_node;
 }

 /*
  * Finding the preferred nid in a system with NUMA backplane
  * interconnect topology is more involved. The goal is to locate
  * tasks from numa_groups near each other in the system, and
  * untangle workloads from different sides of the system. This requires
  * searching down the hierarchy of node groups, recursively searching
  * inside the highest scoring group of nodes. The nodemask tricks
  * keep the complexity of the search down.
 */
 nodes = node_states[N_CPU];
 for (dist = sched_max_numa_distance; dist > LOCAL_DISTANCE; dist--) {
  unsigned long max_faults = 0;
  nodemask_t max_group = NODE_MASK_NONE;
  int a, b;

  /* Are there nodes at this distance from each other? */
  if (!find_numa_distance(dist))
   continue;

  for_each_node_mask(a, nodes) {
   unsigned long faults = 0;
   nodemask_t this_group;
   nodes_clear(this_group);

   /* Sum group's NUMA faults; includes a==b case. */
   for_each_node_mask(b, nodes) {
    if (node_distance(a, b) < dist) {
     faults += group_faults(p, b);
     node_set(b, this_group);
     node_clear(b, nodes);
    }
   }

   /* Remember the top group. */
   if (faults > max_faults) {
    max_faults = faults;
    max_group = this_group;
    /*
     * subtle: at the smallest distance there is
     * just one node left in each "group", the
     * winner is the preferred nid.
 */
    nid = a;
   }
  }
  /* Next round, evaluate the nodes within max_group. */
  if (!max_faults)
   break;
  nodes = max_group;
 }
 return nid;
}

static void task_numa_placement(struct task_struct *p)
{
 int seq, nid, max_nid = NUMA_NO_NODE;
 unsigned long max_faults = 0;
 unsigned long fault_types[2] = { 0, 0 };
 unsigned long total_faults;
 u64 runtime, period;
 spinlock_t *group_lock = NULL;
 struct numa_group *ng;

 /*
  * The p->mm->numa_scan_seq field gets updated without
  * exclusive access. Use READ_ONCE() here to ensure
  * that the field is read in a single access:
 */
 seq = READ_ONCE(p->mm->numa_scan_seq);
 if (p->numa_scan_seq == seq)
  return;
 p->numa_scan_seq = seq;
 p->numa_scan_period_max = task_scan_max(p);

 total_faults = p->numa_faults_locality[0] +
         p->numa_faults_locality[1];
 runtime = numa_get_avg_runtime(p, &period);

 /* If the task is part of a group prevent parallel updates to group stats */
 ng = deref_curr_numa_group(p);
 if (ng) {
  group_lock = &ng->lock;
  spin_lock_irq(group_lock);
 }

 /* Find the node with the highest number of faults */
 for_each_online_node(nid) {
  /* Keep track of the offsets in numa_faults array */
  int mem_idx, membuf_idx, cpu_idx, cpubuf_idx;
  unsigned long faults = 0, group_faults = 0;
  int priv;

  for (priv = 0; priv < NR_NUMA_HINT_FAULT_TYPES; priv++) {
   long diff, f_diff, f_weight;

   mem_idx = task_faults_idx(NUMA_MEM, nid, priv);
   membuf_idx = task_faults_idx(NUMA_MEMBUF, nid, priv);
   cpu_idx = task_faults_idx(NUMA_CPU, nid, priv);
   cpubuf_idx = task_faults_idx(NUMA_CPUBUF, nid, priv);

   /* Decay existing window, copy faults since last scan */
   diff = p->numa_faults[membuf_idx] - p->numa_faults[mem_idx] / 2;
   fault_types[priv] += p->numa_faults[membuf_idx];
   p->numa_faults[membuf_idx] = 0;

   /*
    * Normalize the faults_from, so all tasks in a group
    * count according to CPU use, instead of by the raw
    * number of faults. Tasks with little runtime have
    * little over-all impact on throughput, and thus their
    * faults are less important.
 */
   f_weight = div64_u64(runtime << 16, period + 1);
   f_weight = (f_weight * p->numa_faults[cpubuf_idx]) /
       (total_faults + 1);
   f_diff = f_weight - p->numa_faults[cpu_idx] / 2;
   p->numa_faults[cpubuf_idx] = 0;

   p->numa_faults[mem_idx] += diff;
   p->numa_faults[cpu_idx] += f_diff;
   faults += p->numa_faults[mem_idx];
   p->total_numa_faults += diff;
   if (ng) {
    /*
     * safe because we can only change our own group
     *
     * mem_idx represents the offset for a given
     * nid and priv in a specific region because it
     * is at the beginning of the numa_faults array.
 */
    ng->faults[mem_idx] += diff;
    ng->faults[cpu_idx] += f_diff;
    ng->total_faults += diff;
    group_faults += ng->faults[mem_idx];
   }
  }

  if (!ng) {
   if (faults > max_faults) {
    max_faults = faults;
    max_nid = nid;
   }
  } else if (group_faults > max_faults) {
   max_faults = group_faults;
   max_nid = nid;
  }
 }

 /* Cannot migrate task to CPU-less node */
 max_nid = numa_nearest_node(max_nid, N_CPU);

 if (ng) {
  numa_group_count_active_nodes(ng);
  spin_unlock_irq(group_lock);
  max_nid = preferred_group_nid(p, max_nid);
 }

 if (max_faults) {
  /* Set the new preferred node */
  if (max_nid != p->numa_preferred_nid)
   sched_setnuma(p, max_nid);
 }

 update_task_scan_period(p, fault_types[0], fault_types[1]);
}

static inline int get_numa_group(struct numa_group *grp)
{
 return refcount_inc_not_zero(&grp->refcount);
}

static inline void put_numa_group(struct numa_group *grp)
{
 if (refcount_dec_and_test(&grp->refcount))
  kfree_rcu(grp, rcu);
}

static void task_numa_group(struct task_struct *p, int cpupid, int flags,
   int *priv)
{
 struct numa_group *grp, *my_grp;
 struct task_struct *tsk;
 bool join = false;
 int cpu = cpupid_to_cpu(cpupid);
 int i;

 if (unlikely(!deref_curr_numa_group(p))) {
  unsigned int size = sizeof(struct numa_group) +
        NR_NUMA_HINT_FAULT_STATS *
        nr_node_ids * sizeof(unsigned long);

  grp = kzalloc(size, GFP_KERNEL | __GFP_NOWARN);
  if (!grp)
   return;

  refcount_set(&grp->refcount, 1);
  grp->active_nodes = 1;
  grp->max_faults_cpu = 0;
  spin_lock_init(&grp->lock);
  grp->gid = p->pid;

  for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++)
   grp->faults[i] = p->numa_faults[i];

  grp->total_faults = p->total_numa_faults;

  grp->nr_tasks++;
  rcu_assign_pointer(p->numa_group, grp);
 }

 rcu_read_lock();
 tsk = READ_ONCE(cpu_rq(cpu)->curr);

 if (!cpupid_match_pid(tsk, cpupid))
  goto no_join;

 grp = rcu_dereference(tsk->numa_group);
 if (!grp)
  goto no_join;

 my_grp = deref_curr_numa_group(p);
 if (grp == my_grp)
  goto no_join;

 /*
  * Only join the other group if its bigger; if we're the bigger group,
  * the other task will join us.
 */
 if (my_grp->nr_tasks > grp->nr_tasks)
  goto no_join;

 /*
  * Tie-break on the grp address.
 */
 if (my_grp->nr_tasks == grp->nr_tasks && my_grp > grp)
  goto no_join;

 /* Always join threads in the same process. */
 if (tsk->mm == current->mm)
  join = true;

 /* Simple filter to avoid false positives due to PID collisions */
 if (flags & TNF_SHARED)
  join = true;

 /* Update priv based on whether false sharing was detected */
 *priv = !join;

 if (join && !get_numa_group(grp))
  goto no_join;

 rcu_read_unlock();

 if (!join)
  return;

 WARN_ON_ONCE(irqs_disabled());
 double_lock_irq(&my_grp->lock, &grp->lock);

 for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++) {
  my_grp->faults[i] -= p->numa_faults[i];
  grp->faults[i] += p->numa_faults[i];
 }
 my_grp->total_faults -= p->total_numa_faults;
 grp->total_faults += p->total_numa_faults;

 my_grp->nr_tasks--;
 grp->nr_tasks++;

 spin_unlock(&my_grp->lock);
 spin_unlock_irq(&grp->lock);

 rcu_assign_pointer(p->numa_group, grp);

 put_numa_group(my_grp);
 return;

no_join:
 rcu_read_unlock();
 return;
}

/*
 * Get rid of NUMA statistics associated with a task (either current or dead).
 * If @final is set, the task is dead and has reached refcount zero, so we can
 * safely free all relevant data structures. Otherwise, there might be
 * concurrent reads from places like load balancing and procfs, and we should
 * reset the data back to default state without freeing ->numa_faults.
 */
void task_numa_free(struct task_struct *p, bool final)
{
 /* safe: p either is current or is being freed by current */
 struct numa_group *grp = rcu_dereference_raw(p->numa_group);
 unsigned long *numa_faults = p->numa_faults;
 unsigned long flags;
 int i;

 if (!numa_faults)
  return;

 if (grp) {
  spin_lock_irqsave(&grp->lock, flags);
  for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++)
   grp->faults[i] -= p->numa_faults[i];
  grp->total_faults -= p->total_numa_faults;

  grp->nr_tasks--;
  spin_unlock_irqrestore(&grp->lock, flags);
  RCU_INIT_POINTER(p->numa_group, NULL);
  put_numa_group(grp);
 }

 if (final) {
  p->numa_faults = NULL;
  kfree(numa_faults);
 } else {
  p->total_numa_faults = 0;
  for (i = 0; i < NR_NUMA_HINT_FAULT_STATS * nr_node_ids; i++)
   numa_faults[i] = 0;
 }
}

/*
 * Got a PROT_NONE fault for a page on @node.
 */
void task_numa_fault(int last_cpupid, int mem_node, int pages, int flags)
{
 struct task_struct *p = current;
 bool migrated = flags & TNF_MIGRATED;
 int cpu_node = task_node(current);
 int local = !!(flags & TNF_FAULT_LOCAL);
 struct numa_group *ng;
 int priv;

 if (!static_branch_likely(&sched_numa_balancing))
  return;

 /* for example, ksmd faulting in a user's mm */
 if (!p->mm)
  return;

 /*
  * NUMA faults statistics are unnecessary for the slow memory
  * node for memory tiering mode.
 */
 if (!node_is_toptier(mem_node) &&
     (sysctl_numa_balancing_mode & NUMA_BALANCING_MEMORY_TIERING ||
      !cpupid_valid(last_cpupid)))
  return;

 /* Allocate buffer to track faults on a per-node basis */
 if (unlikely(!p->numa_faults)) {
  int size = sizeof(*p->numa_faults) *
      NR_NUMA_HINT_FAULT_BUCKETS * nr_node_ids;

  p->numa_faults = kzalloc(size, GFP_KERNEL|__GFP_NOWARN);
  if (!p->numa_faults)
   return;

  p->total_numa_faults = 0;
  memset(p->numa_faults_locality, 0, sizeof(p->numa_faults_locality));
 }

 /*
  * First accesses are treated as private, otherwise consider accesses
  * to be private if the accessing pid has not changed
 */
 if (unlikely(last_cpupid == (-1 & LAST_CPUPID_MASK))) {
  priv = 1;
 } else {
  priv = cpupid_match_pid(p, last_cpupid);
  if (!priv && !(flags & TNF_NO_GROUP))
   task_numa_group(p, last_cpupid, flags, &priv);
 }

 /*
  * If a workload spans multiple NUMA nodes, a shared fault that
  * occurs wholly within the set of nodes that the workload is
  * actively using should be counted as local. This allows the
  * scan rate to slow down when a workload has settled down.
 */
 ng = deref_curr_numa_group(p);
 if (!priv && !local && ng && ng->active_nodes > 1 &&
    numa_is_active_node(cpu_node, ng) &&
    numa_is_active_node(mem_node, ng))
  local = 1;

 /*
  * Retry to migrate task to preferred node periodically, in case it
  * previously failed, or the scheduler moved us.
 */
 if (time_after(jiffies, p->numa_migrate_retry)) {
  task_numa_placement(p);
  numa_migrate_preferred(p);
 }

 if (migrated)
  p->numa_pages_migrated += pages;
 if (flags & TNF_MIGRATE_FAIL)
  p->numa_faults_locality[2] += pages;

 p->numa_faults[task_faults_idx(NUMA_MEMBUF, mem_node, priv)] += pages;
 p->numa_faults[task_faults_idx(NUMA_CPUBUF, cpu_node, priv)] += pages;
 p->numa_faults_locality[local] += pages;
}

static void reset_ptenuma_scan(struct task_struct *p)
{
 /*
  * We only did a read acquisition of the mmap sem, so
  * p->mm->numa_scan_seq is written to without exclusive access
  * and the update is not guaranteed to be atomic. That's not
  * much of an issue though, since this is just used for
  * statistical sampling. Use READ_ONCE/WRITE_ONCE, which are not
  * expensive, to avoid any form of compiler optimizations:
 */
 WRITE_ONCE(p->mm->numa_scan_seq, READ_ONCE(p->mm->numa_scan_seq) + 1);
 p->mm->numa_scan_offset = 0;
}

static bool vma_is_accessed(struct mm_struct *mm, struct vm_area_struct *vma)
{
 unsigned long pids;
 /*
  * Allow unconditional access first two times, so that all the (pages)
  * of VMAs get prot_none fault introduced irrespective of accesses.
  * This is also done to avoid any side effect of task scanning
  * amplifying the unfairness of disjoint set of VMAs' access.
 */
 if ((READ_ONCE(current->mm->numa_scan_seq) - vma->numab_state->start_scan_seq) < 2)
  return true;

 pids = vma->numab_state->pids_active[0] | vma->numab_state->pids_active[1];
 if (test_bit(hash_32(current->pid, ilog2(BITS_PER_LONG)), &pids))
  return true;

 /*
  * Complete a scan that has already started regardless of PID access, or
  * some VMAs may never be scanned in multi-threaded applications:
 */
 if (mm->numa_scan_offset > vma->vm_start) {
  trace_sched_skip_vma_numa(mm, vma, NUMAB_SKIP_IGNORE_PID);
  return true;
 }

 /*
  * This vma has not been accessed for a while, and if the number
  * the threads in the same process is low, which means no other
  * threads can help scan this vma, force a vma scan.
 */
 if (READ_ONCE(mm->numa_scan_seq) >
    (vma->numab_state->prev_scan_seq + get_nr_threads(current)))
  return true;

 return false;
}

#define VMA_PID_RESET_PERIOD (4 * sysctl_numa_balancing_scan_delay)

/*
 * The expensive part of numa migration is done from task_work context.
 * Triggered from task_tick_numa().
 */
static void task_numa_work(struct callback_head *work)
{
 unsigned long migrate, next_scan, now = jiffies;
 struct task_struct *p = current;
 struct mm_struct *mm = p->mm;
 u64 runtime = p->se.sum_exec_runtime;
 struct vm_area_struct *vma;
 unsigned long start, end;
 unsigned long nr_pte_updates = 0;
 long pages, virtpages;
 struct vma_iterator vmi;
 bool vma_pids_skipped;
 bool vma_pids_forced = false;

 WARN_ON_ONCE(p != container_of(work, struct task_struct, numa_work));

 work->next = work;
 /*
  * Who cares about NUMA placement when they're dying.
  *
  * NOTE: make sure not to dereference p->mm before this check,
  * exit_task_work() happens _after_ exit_mm() so we could be called
  * without p->mm even though we still had it when we enqueued this
  * work.
 */
 if (p->flags & PF_EXITING)
  return;

 /*
  * Memory is pinned to only one NUMA node via cpuset.mems, naturally
  * no page can be migrated.
 */
 if (cpusets_enabled() && nodes_weight(cpuset_current_mems_allowed) == 1) {
  trace_sched_skip_cpuset_numa(current, &cpuset_current_mems_allowed);
  return;
 }

 if (!mm->numa_next_scan) {
  mm->numa_next_scan = now +
   msecs_to_jiffies(sysctl_numa_balancing_scan_delay);
 }

 /*
  * Enforce maximal scan/migration frequency..
 */
 migrate = mm->numa_next_scan;
 if (time_before(now, migrate))
  return;

 if (p->numa_scan_period == 0) {
  p->numa_scan_period_max = task_scan_max(p);
  p->numa_scan_period = task_scan_start(p);
 }

 next_scan = now + msecs_to_jiffies(p->numa_scan_period);
 if (!try_cmpxchg(&mm->numa_next_scan, &migrate, next_scan))
  return;

 /*
  * Delay this task enough that another task of this mm will likely win
  * the next time around.
 */
 p->node_stamp += 2 * TICK_NSEC;

 pages = sysctl_numa_balancing_scan_size;
 pages <<= 20 - PAGE_SHIFT; /* MB in pages */
 virtpages = pages * 8;    /* Scan up to this much virtual space */
 if (!pages)
  return;


 if (!mmap_read_trylock(mm))
  return;

 /*
  * VMAs are skipped if the current PID has not trapped a fault within
  * the VMA recently. Allow scanning to be forced if there is no
  * suitable VMA remaining.
 */
 vma_pids_skipped = false;

retry_pids:
 start = mm->numa_scan_offset;
 vma_iter_init(&vmi, mm, start);
 vma = vma_next(&vmi);
 if (!vma) {
  reset_ptenuma_scan(p);
  start = 0;
  vma_iter_set(&vmi, start);
  vma = vma_next(&vmi);
 }

 for (; vma; vma = vma_next(&vmi)) {
  if (!vma_migratable(vma) || !vma_policy_mof(vma) ||
   is_vm_hugetlb_page(vma) || (vma->vm_flags & VM_MIXEDMAP)) {
   trace_sched_skip_vma_numa(mm, vma, NUMAB_SKIP_UNSUITABLE);
   continue;
  }

  /*
   * Shared library pages mapped by multiple processes are not
   * migrated as it is expected they are cache replicated. Avoid
   * hinting faults in read-only file-backed mappings or the vDSO
   * as migrating the pages will be of marginal benefit.
 */
  if (!vma->vm_mm ||
      (vma->vm_file && (vma->vm_flags & (VM_READ|VM_WRITE)) == (VM_READ))) {
   trace_sched_skip_vma_numa(mm, vma, NUMAB_SKIP_SHARED_RO);
   continue;
  }

  /*
   * Skip inaccessible VMAs to avoid any confusion between
   * PROT_NONE and NUMA hinting PTEs
 */
  if (!vma_is_accessible(vma)) {
   trace_sched_skip_vma_numa(mm, vma, NUMAB_SKIP_INACCESSIBLE);
   continue;
  }

  /* Initialise new per-VMA NUMAB state. */
  if (!vma->numab_state) {
   struct vma_numab_state *ptr;

   ptr = kzalloc(sizeof(*ptr), GFP_KERNEL);
   if (!ptr)
    continue;

   if (cmpxchg(&vma->numab_state, NULL, ptr)) {
    kfree(ptr);
    continue;
   }

   vma->numab_state->start_scan_seq = mm->numa_scan_seq;

   vma->numab_state->next_scan = now +
    msecs_to_jiffies(sysctl_numa_balancing_scan_delay);

   /* Reset happens after 4 times scan delay of scan start */
   vma->numab_state->pids_active_reset =  vma->numab_state->next_scan +
    msecs_to_jiffies(VMA_PID_RESET_PERIOD);

   /*
    * Ensure prev_scan_seq does not match numa_scan_seq,
    * to prevent VMAs being skipped prematurely on the
    * first scan:
 */
    vma->numab_state->prev_scan_seq = mm->numa_scan_seq - 1;
  }

  /*
   * Scanning the VMAs of short lived tasks add more overhead. So
   * delay the scan for new VMAs.
 */
  if (mm->numa_scan_seq && time_before(jiffies,
      vma->numab_state->next_scan)) {
   trace_sched_skip_vma_numa(mm, vma, NUMAB_SKIP_SCAN_DELAY);
   continue;
  }

  /* RESET access PIDs regularly for old VMAs. */
  if (mm->numa_scan_seq &&
    time_after(jiffies, vma->numab_state->pids_active_reset)) {
   vma->numab_state->pids_active_reset = vma->numab_state->pids_active_reset +
    msecs_to_jiffies(VMA_PID_RESET_PERIOD);
   vma->numab_state->pids_active[0] = READ_ONCE(vma->numab_state->pids_active[1]);
   vma->numab_state->pids_active[1] = 0;
  }

  /* Do not rescan VMAs twice within the same sequence. */
  if (vma->numab_state->prev_scan_seq == mm->numa_scan_seq) {
   mm->numa_scan_offset = vma->vm_end;
   trace_sched_skip_vma_numa(mm, vma, NUMAB_SKIP_SEQ_COMPLETED);
   continue;
  }

  /*
   * Do not scan the VMA if task has not accessed it, unless no other
   * VMA candidate exists.
 */
  if (!vma_pids_forced && !vma_is_accessed(mm, vma)) {
   vma_pids_skipped = true;
   trace_sched_skip_vma_numa(mm, vma, NUMAB_SKIP_PID_INACTIVE);
   continue;
  }

  do {
   start = max(start, vma->vm_start);
   end = ALIGN(start + (pages << PAGE_SHIFT), HPAGE_SIZE);
   end = min(end, vma->vm_end);
   nr_pte_updates = change_prot_numa(vma, start, end);

   /*
    * Try to scan sysctl_numa_balancing_size worth of
    * hpages that have at least one present PTE that
    * is not already PTE-numa. If the VMA contains
    * areas that are unused or already full of prot_numa
    * PTEs, scan up to virtpages, to skip through those
    * areas faster.
 */
   if (nr_pte_updates)
    pages -= (end - start) >> PAGE_SHIFT;
   virtpages -= (end - start) >> PAGE_SHIFT;

   start = end;
   if (pages <= 0 || virtpages <= 0)
    goto out;

   cond_resched();
  } while (end != vma->vm_end);

  /* VMA scan is complete, do not scan until next sequence. */
  vma->numab_state->prev_scan_seq = mm->numa_scan_seq;

  /*
   * Only force scan within one VMA at a time, to limit the
   * cost of scanning a potentially uninteresting VMA.
 */
  if (vma_pids_forced)
   break;
 }

 /*
  * If no VMAs are remaining and VMAs were skipped due to the PID
  * not accessing the VMA previously, then force a scan to ensure
  * forward progress:
 */
 if (!vma && !vma_pids_forced && vma_pids_skipped) {
  vma_pids_forced = true;
  goto retry_pids;
 }

out:
 /*
  * It is possible to reach the end of the VMA list but the last few
  * VMAs are not guaranteed to the vma_migratable. If they are not, we
  * would find the !migratable VMA on the next scan but not reset the
  * scanner to the start so check it now.
 */
 if (vma)
  mm->numa_scan_offset = start;
 else
  reset_ptenuma_scan(p);
 mmap_read_unlock(mm);

 /*
  * Make sure tasks use at least 32x as much time to run other code
  * than they used here, to limit NUMA PTE scanning overhead to 3% max.
  * Usually update_task_scan_period slows down scanning enough; on an
  * overloaded system we need to limit overhead on a per task basis.
 */
 if (unlikely(p->se.sum_exec_runtime != runtime)) {
  u64 diff = p->se.sum_exec_runtime - runtime;
  p->node_stamp += 32 * diff;
 }
}

void init_numa_balancing(unsigned long clone_flags, struct task_struct *p)
{
 int mm_users = 0;
 struct mm_struct *mm = p->mm;

 if (mm) {
  mm_users = atomic_read(&mm->mm_users);
  if (mm_users == 1) {
   mm->numa_next_scan = jiffies + msecs_to_jiffies(sysctl_numa_balancing_scan_delay);
   mm->numa_scan_seq = 0;
  }
 }
 p->node_stamp   = 0;
 p->numa_scan_seq  = mm ? mm->numa_scan_seq : 0;
 p->numa_scan_period  = sysctl_numa_balancing_scan_delay;
 p->numa_migrate_retry  = 0;
 /* Protect against double add, see task_tick_numa and task_numa_work */
 p->numa_work.next  = &p->numa_work;
 p->numa_faults   = NULL;
 p->numa_pages_migrated  = 0;
 p->total_numa_faults  = 0;
 RCU_INIT_POINTER(p->numa_group, NULL);
 p->last_task_numa_placement = 0;
 p->last_sum_exec_runtime = 0;

 init_task_work(&p->numa_work, task_numa_work);

 /* New address space, reset the preferred nid */
 if (!(clone_flags & CLONE_VM)) {
  p->numa_preferred_nid = NUMA_NO_NODE;
  return;
 }

 /*
  * New thread, keep existing numa_preferred_nid which should be copied
  * already by arch_dup_task_struct but stagger when scans start.
 */
 if (mm) {
  unsigned int delay;

  delay = min_t(unsigned int, task_scan_max(current),
   current->numa_scan_period * mm_users * NSEC_PER_MSEC);
  delay += 2 * TICK_NSEC;
  p->node_stamp = delay;
 }
}

/*
 * Drive the periodic memory faults..
 */
static void task_tick_numa(struct rq *rq, struct task_struct *curr)
{
 struct callback_head *work = &curr->numa_work;
 u64 period, now;

 /*
  * We don't care about NUMA placement if we don't have memory.
 */
 if (!curr->mm || (curr->flags & (PF_EXITING | PF_KTHREAD)) || work->next != work)
  return;

 /*
  * Using runtime rather than walltime has the dual advantage that
  * we (mostly) drive the selection from busy threads and that the
  * task needs to have done some actual work before we bother with
  * NUMA placement.
 */
 now = curr->se.sum_exec_runtime;
 period = (u64)curr->numa_scan_period * NSEC_PER_MSEC;

 if (now > curr->node_stamp + period) {
  if (!curr->node_stamp)
   curr->numa_scan_period = task_scan_start(curr);
  curr->node_stamp += period;

  if (!time_before(jiffies, curr->mm->numa_next_scan))
   task_work_add(curr, work, TWA_RESUME);
 }
}

static void update_scan_period(struct task_struct *p, int new_cpu)
{
 int src_nid = cpu_to_node(task_cpu(p));
 int dst_nid = cpu_to_node(new_cpu);

 if (!static_branch_likely(&sched_numa_balancing))
  return;

 if (!p->mm || !p->numa_faults || (p->flags & PF_EXITING))
  return;

 if (src_nid == dst_nid)
  return;

 /*
  * Allow resets if faults have been trapped before one scan
  * has completed. This is most likely due to a new task that
  * is pulled cross-node due to wakeups or load balancing.
 */
 if (p->numa_scan_seq) {
  /*
   * Avoid scan adjustments if moving to the preferred
   * node or if the task was not previously running on
   * the preferred node.
 */
  if (dst_nid == p->numa_preferred_nid ||
      (p->numa_preferred_nid != NUMA_NO_NODE &&
   src_nid != p->numa_preferred_nid))
   return;
 }

 p->numa_scan_period = task_scan_start(p);
}

#else /* !CONFIG_NUMA_BALANCING: */

static void task_tick_numa(struct rq *rq, struct task_struct *curr)
{
}

static inline void account_numa_enqueue(struct rq *rq, struct task_struct *p)
{
}

static inline void account_numa_dequeue(struct rq *rq, struct task_struct *p)
{
}

static inline void update_scan_period(struct task_struct *p, int new_cpu)
{
}

#endif /* !CONFIG_NUMA_BALANCING */

static void
account_entity_enqueue(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 update_load_add(&cfs_rq->load, se->load.weight);
 if (entity_is_task(se)) {
  struct rq *rq = rq_of(cfs_rq);

  account_numa_enqueue(rq, task_of(se));
  list_add(&se->group_node, &rq->cfs_tasks);
 }
 cfs_rq->nr_queued++;
}

static void
account_entity_dequeue(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 update_load_sub(&cfs_rq->load, se->load.weight);
 if (entity_is_task(se)) {
  account_numa_dequeue(rq_of(cfs_rq), task_of(se));
  list_del_init(&se->group_node);
 }
 cfs_rq->nr_queued--;
}

/*
 * Signed add and clamp on underflow.
 *
 * Explicitly do a load-store to ensure the intermediate value never hits
 * memory. This allows lockless observations without ever seeing the negative
 * values.
 */
#define add_positive(_ptr, _val) do {                           \
 typeof(_ptr) ptr = (_ptr);                              \
 typeof(_val) val = (_val);                              \
 typeof(*ptr) res, var = READ_ONCE(*ptr);                \
        \
 res = var + val;                                        \
        \
 if (val < 0 && res > var)                               \
  res = 0;                                        \
        \
 WRITE_ONCE(*ptr, res);                                  \
} while (0)

/*
 * Unsigned subtract and clamp on underflow.
 *
 * Explicitly do a load-store to ensure the intermediate value never hits
 * memory. This allows lockless observations without ever seeing the negative
 * values.
 */
#define sub_positive(_ptr, _val) do {    \
 typeof(_ptr) ptr = (_ptr);    \
 typeof(*ptr) val = (_val);    \
 typeof(*ptr) res, var = READ_ONCE(*ptr);  \
 res = var - val;     \
 if (res > var)      \
  res = 0;     \
 WRITE_ONCE(*ptr, res);     \
} while (0)

/*
 * Remove and clamp on negative, from a local variable.
 *
 * A variant of sub_positive(), which does not use explicit load-store
 * and is thus optimized for local variable updates.
 */
#define lsub_positive(_ptr, _val) do {    \
 typeof(_ptr) ptr = (_ptr);    \
 *ptr -= min_t(typeof(*ptr), *ptr, _val);  \
} while (0)

static inline void
enqueue_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 cfs_rq->avg.load_avg += se->avg.load_avg;
 cfs_rq->avg.load_sum += se_weight(se) * se->avg.load_sum;
}

static inline void
dequeue_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 sub_positive(&cfs_rq->avg.load_avg, se->avg.load_avg);
 sub_positive(&cfs_rq->avg.load_sum, se_weight(se) * se->avg.load_sum);
 /* See update_cfs_rq_load_avg() */
 cfs_rq->avg.load_sum = max_t(u32, cfs_rq->avg.load_sum,
       cfs_rq->avg.load_avg * PELT_MIN_DIVIDER);
}

static void place_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags);

static void reweight_entity(struct cfs_rq *cfs_rq, struct sched_entity *se,
       unsigned long weight)
{
 bool curr = cfs_rq->curr == se;

 if (se->on_rq) {
  /* commit outstanding execution time */
  update_curr(cfs_rq);
  update_entity_lag(cfs_rq, se);
  se->deadline -= se->vruntime;
  se->rel_deadline = 1;
  cfs_rq->nr_queued--;
  if (!curr)
   __dequeue_entity(cfs_rq, se);
  update_load_sub(&cfs_rq->load, se->load.weight);
 }
 dequeue_load_avg(cfs_rq, se);

 /*
  * Because we keep se->vlag = V - v_i, while: lag_i = w_i*(V - v_i),
  * we need to scale se->vlag when w_i changes.
 */
 se->vlag = div_s64(se->vlag * se->load.weight, weight);
 if (se->rel_deadline)
  se->deadline = div_s64(se->deadline * se->load.weight, weight);

 update_load_set(&se->load, weight);

 do {
  u32 divider = get_pelt_divider(&se->avg);

  se->avg.load_avg = div_u64(se_weight(se) * se->avg.load_sum, divider);
 } while (0);

 enqueue_load_avg(cfs_rq, se);
 if (se->on_rq) {
  place_entity(cfs_rq, se, 0);
  update_load_add(&cfs_rq->load, se->load.weight);
  if (!curr)
   __enqueue_entity(cfs_rq, se);
  cfs_rq->nr_queued++;

  /*
   * The entity's vruntime has been adjusted, so let's check
   * whether the rq-wide min_vruntime needs updated too. Since
   * the calculations above require stable min_vruntime rather
   * than up-to-date one, we do the update at the end of the
   * reweight process.
 */
  update_min_vruntime(cfs_rq);
 }
}

static void reweight_task_fair(struct rq *rq, struct task_struct *p,
          const struct load_weight *lw)
{
 struct sched_entity *se = &p->se;
 struct cfs_rq *cfs_rq = cfs_rq_of(se);
 struct load_weight *load = &se->load;

 reweight_entity(cfs_rq, se, lw->weight);
 load->inv_weight = lw->inv_weight;
}

static inline int throttled_hierarchy(struct cfs_rq *cfs_rq);

#ifdef CONFIG_FAIR_GROUP_SCHED
/*
 * All this does is approximate the hierarchical proportion which includes that
 * global sum we all love to hate.
 *
 * That is, the weight of a group entity, is the proportional share of the
 * group weight based on the group runqueue weights. That is:
 *
 *                     tg->weight * grq->load.weight
 *   ge->load.weight = -----------------------------               (1)
 *                       \Sum grq->load.weight
 *
 * Now, because computing that sum is prohibitively expensive to compute (been
 * there, done that) we approximate it with this average stuff. The average
 * moves slower and therefore the approximation is cheaper and more stable.
 *
 * So instead of the above, we substitute:
 *
 *   grq->load.weight -> grq->avg.load_avg                         (2)
 *
 * which yields the following:
 *
 *                     tg->weight * grq->avg.load_avg
 *   ge->load.weight = ------------------------------              (3)
 *                             tg->load_avg
 *
 * Where: tg->load_avg ~= \Sum grq->avg.load_avg
 *
 * That is shares_avg, and it is right (given the approximation (2)).
 *
 * The problem with it is that because the average is slow -- it was designed
 * to be exactly that of course -- this leads to transients in boundary
 * conditions. In specific, the case where the group was idle and we start the
 * one task. It takes time for our CPU's grq->avg.load_avg to build up,
 * yielding bad latency etc..
 *
 * Now, in that special case (1) reduces to:
 *
 *                     tg->weight * grq->load.weight
 *   ge->load.weight = ----------------------------- = tg->weight   (4)
 *                         grp->load.weight
 *
 * That is, the sum collapses because all other CPUs are idle; the UP scenario.
 *
 * So what we do is modify our approximation (3) to approach (4) in the (near)
 * UP case, like:
 *
 *   ge->load.weight =
 *
 *              tg->weight * grq->load.weight
 *     ---------------------------------------------------         (5)
 *     tg->load_avg - grq->avg.load_avg + grq->load.weight
 *
 * But because grq->load.weight can drop to 0, resulting in a divide by zero,
 * we need to use grq->avg.load_avg as its lower bound, which then gives:
 *
 *
 *                     tg->weight * grq->load.weight
 *   ge->load.weight = -----------------------------     (6)
 *                             tg_load_avg'
 *
 * Where:
 *
 *   tg_load_avg' = tg->load_avg - grq->avg.load_avg +
 *                  max(grq->load.weight, grq->avg.load_avg)
 *
 * And that is shares_weight and is icky. In the (near) UP case it approaches
 * (4) while in the normal case it approaches (3). It consistently
 * overestimates the ge->load.weight and therefore:
 *
 *   \Sum ge->load.weight >= tg->weight
 *
 * hence icky!
 */
static long calc_group_shares(struct cfs_rq *cfs_rq)
{
 long tg_weight, tg_shares, load, shares;
 struct task_group *tg = cfs_rq->tg;

 tg_shares = READ_ONCE(tg->shares);

 load = max(scale_load_down(cfs_rq->load.weight), cfs_rq->avg.load_avg);

 tg_weight = atomic_long_read(&tg->load_avg);

 /* Ensure tg_weight >= load */
 tg_weight -= cfs_rq->tg_load_avg_contrib;
 tg_weight += load;

 shares = (tg_shares * load);
 if (tg_weight)
  shares /= tg_weight;

 /*
  * MIN_SHARES has to be unscaled here to support per-CPU partitioning
  * of a group with small tg->shares value. It is a floor value which is
  * assigned as a minimum load.weight to the sched_entity representing
  * the group on a CPU.
  *
  * E.g. on 64-bit for a group with tg->shares of scale_load(15)=15*1024
  * on an 8-core system with 8 tasks each runnable on one CPU shares has
  * to be 15*1024*1/8=1920 instead of scale_load(MIN_SHARES)=2*1024. In
  * case no task is runnable on a CPU MIN_SHARES=2 should be returned
  * instead of 0.
 */
 return clamp_t(long, shares, MIN_SHARES, tg_shares);
}

/*
 * Recomputes the group entity based on the current state of its group
 * runqueue.
 */
static void update_cfs_group(struct sched_entity *se)
{
 struct cfs_rq *gcfs_rq = group_cfs_rq(se);
 long shares;

 /*
  * When a group becomes empty, preserve its weight. This matters for
  * DELAY_DEQUEUE.
 */
 if (!gcfs_rq || !gcfs_rq->load.weight)
  return;

 if (throttled_hierarchy(gcfs_rq))
  return;

 shares = calc_group_shares(gcfs_rq);
 if (unlikely(se->load.weight != shares))
  reweight_entity(cfs_rq_of(se), se, shares);
}

#else /* !CONFIG_FAIR_GROUP_SCHED: */
static inline void update_cfs_group(struct sched_entity *se)
{
}
#endif /* !CONFIG_FAIR_GROUP_SCHED */

static inline void cfs_rq_util_change(struct cfs_rq *cfs_rq, int flags)
{
 struct rq *rq = rq_of(cfs_rq);

 if (&rq->cfs == cfs_rq) {
  /*
   * There are a few boundary cases this might miss but it should
   * get called often enough that that should (hopefully) not be
   * a real problem.
   *
   * It will not get called when we go idle, because the idle
   * thread is a different class (!fair), nor will the utilization
   * number include things like RT tasks.
   *
   * As is, the util number is not freq-invariant (we'd have to
   * implement arch_scale_freq_capacity() for that).
   *
   * See cpu_util_cfs().
 */
  cpufreq_update_util(rq, flags);
 }
}

static inline bool load_avg_is_decayed(struct sched_avg *sa)
{
 if (sa->load_sum)
  return false;

 if (sa->util_sum)
  return false;

 if (sa->runnable_sum)
  return false;

 /*
  * _avg must be null when _sum are null because _avg = _sum / divider
  * Make sure that rounding and/or propagation of PELT values never
  * break this.
 */
 WARN_ON_ONCE(sa->load_avg ||
        sa->util_avg ||
        sa->runnable_avg);

 return true;
}

static inline u64 cfs_rq_last_update_time(struct cfs_rq *cfs_rq)
{
 return u64_u32_load_copy(cfs_rq->avg.last_update_time,
     cfs_rq->last_update_time_copy);
}
#ifdef CONFIG_FAIR_GROUP_SCHED
/*
 * Because list_add_leaf_cfs_rq always places a child cfs_rq on the list
 * immediately before a parent cfs_rq, and cfs_rqs are removed from the list
 * bottom-up, we only have to test whether the cfs_rq before us on the list
 * is our child.
 * If cfs_rq is not on the list, test whether a child needs its to be added to
 * connect a branch to the tree  * (see list_add_leaf_cfs_rq() for details).
 */
static inline bool child_cfs_rq_on_list(struct cfs_rq *cfs_rq)
{
 struct cfs_rq *prev_cfs_rq;
 struct list_head *prev;
 struct rq *rq = rq_of(cfs_rq);

 if (cfs_rq->on_list) {
  prev = cfs_rq->leaf_cfs_rq_list.prev;
 } else {
  prev = rq->tmp_alone_branch;
 }

 if (prev == &rq->leaf_cfs_rq_list)
  return false;

 prev_cfs_rq = container_of(prev, struct cfs_rq, leaf_cfs_rq_list);

 return (prev_cfs_rq->tg->parent == cfs_rq->tg);
}

static inline bool cfs_rq_is_decayed(struct cfs_rq *cfs_rq)
{
 if (cfs_rq->load.weight)
  return false;

 if (!load_avg_is_decayed(&cfs_rq->avg))
  return false;

 if (child_cfs_rq_on_list(cfs_rq))
  return false;

 return true;
}

/**
 * update_tg_load_avg - update the tg's load avg
 * @cfs_rq: the cfs_rq whose avg changed
 *
 * This function 'ensures': tg->load_avg := \Sum tg->cfs_rq[]->avg.load.
 * However, because tg->load_avg is a global value there are performance
 * considerations.
 *
 * In order to avoid having to look at the other cfs_rq's, we use a
 * differential update where we store the last value we propagated. This in
 * turn allows skipping updates if the differential is 'small'.
 *
 * Updating tg's load_avg is necessary before update_cfs_share().
 */
static inline void update_tg_load_avg(struct cfs_rq *cfs_rq)
{
 long delta;
 u64 now;

 /*
  * No need to update load_avg for root_task_group as it is not used.
 */
 if (cfs_rq->tg == &root_task_group)
  return;

 /* rq has been offline and doesn't contribute to the share anymore: */
 if (!cpu_active(cpu_of(rq_of(cfs_rq))))
  return;

 /*
  * For migration heavy workloads, access to tg->load_avg can be
  * unbound. Limit the update rate to at most once per ms.
 */
 now = sched_clock_cpu(cpu_of(rq_of(cfs_rq)));
 if (now - cfs_rq->last_update_tg_load_avg < NSEC_PER_MSEC)
  return;

 delta = cfs_rq->avg.load_avg - cfs_rq->tg_load_avg_contrib;
 if (abs(delta) > cfs_rq->tg_load_avg_contrib / 64) {
  atomic_long_add(delta, &cfs_rq->tg->load_avg);
  cfs_rq->tg_load_avg_contrib = cfs_rq->avg.load_avg;
  cfs_rq->last_update_tg_load_avg = now;
 }
}

static inline void clear_tg_load_avg(struct cfs_rq *cfs_rq)
{
 long delta;
 u64 now;

 /*
  * No need to update load_avg for root_task_group, as it is not used.
 */
 if (cfs_rq->tg == &root_task_group)
  return;

 now = sched_clock_cpu(cpu_of(rq_of(cfs_rq)));
 delta = 0 - cfs_rq->tg_load_avg_contrib;
 atomic_long_add(delta, &cfs_rq->tg->load_avg);
 cfs_rq->tg_load_avg_contrib = 0;
 cfs_rq->last_update_tg_load_avg = now;
}

/* CPU offline callback: */
static void __maybe_unused clear_tg_offline_cfs_rqs(struct rq *rq)
{
 struct task_group *tg;

 lockdep_assert_rq_held(rq);

 /*
  * The rq clock has already been updated in
  * set_rq_offline(), so we should skip updating
  * the rq clock again in unthrottle_cfs_rq().
 */
 rq_clock_start_loop_update(rq);

 rcu_read_lock();
 list_for_each_entry_rcu(tg, &task_groups, list) {
  struct cfs_rq *cfs_rq = tg->cfs_rq[cpu_of(rq)];

  clear_tg_load_avg(cfs_rq);
 }
 rcu_read_unlock();

 rq_clock_stop_loop_update(rq);
}

/*
 * Called within set_task_rq() right before setting a task's CPU. The
 * caller only guarantees p->pi_lock is held; no other assumptions,
 * including the state of rq->lock, should be made.
 */
void set_task_rq_fair(struct sched_entity *se,
        struct cfs_rq *prev, struct cfs_rq *next)
{
 u64 p_last_update_time;
 u64 n_last_update_time;

 if (!sched_feat(ATTACH_AGE_LOAD))
  return;

 /*
  * We are supposed to update the task to "current" time, then its up to
  * date and ready to go to new CPU/cfs_rq. But we have difficulty in
  * getting what current time is, so simply throw away the out-of-date
  * time. This will result in the wakee task is less decayed, but giving
  * the wakee more load sounds not bad.
 */
 if (!(se->avg.last_update_time && prev))
  return;

 p_last_update_time = cfs_rq_last_update_time(prev);
 n_last_update_time = cfs_rq_last_update_time(next);

 __update_load_avg_blocked_se(p_last_update_time, se);
 se->avg.last_update_time = n_last_update_time;
}

/*
 * When on migration a sched_entity joins/leaves the PELT hierarchy, we need to
 * propagate its contribution. The key to this propagation is the invariant
 * that for each group:
 *
 *   ge->avg == grq->avg      (1)
 *
 * _IFF_ we look at the pure running and runnable sums. Because they
 * represent the very same entity, just at different points in the hierarchy.
 *
 * Per the above update_tg_cfs_util() and update_tg_cfs_runnable() are trivial
 * and simply copies the running/runnable sum over (but still wrong, because
 * the group entity and group rq do not have their PELT windows aligned).
 *
 * However, update_tg_cfs_load() is more complex. So we have:
 *
 *   ge->avg.load_avg = ge->load.weight * ge->avg.runnable_avg  (2)
 *
 * And since, like util, the runnable part should be directly transferable,
 * the following would _appear_ to be the straight forward approach:
 *
 *   grq->avg.load_avg = grq->load.weight * grq->avg.runnable_avg (3)
 *
 * And per (1) we have:
 *
 *   ge->avg.runnable_avg == grq->avg.runnable_avg
 *
 * Which gives:
 *
 *                      ge->load.weight * grq->avg.load_avg
 *   ge->avg.load_avg = -----------------------------------  (4)
 *                               grq->load.weight
 *
 * Except that is wrong!
 *
 * Because while for entities historical weight is not important and we
 * really only care about our future and therefore can consider a pure
 * runnable sum, runqueues can NOT do this.
 *
 * We specifically want runqueues to have a load_avg that includes
 * historical weights. Those represent the blocked load, the load we expect
 * to (shortly) return to us. This only works by keeping the weights as
 * integral part of the sum. We therefore cannot decompose as per (3).
 *
 * Another reason this doesn't work is that runnable isn't a 0-sum entity.
 * Imagine a rq with 2 tasks that each are runnable 2/3 of the time. Then the
 * rq itself is runnable anywhere between 2/3 and 1 depending on how the
 * runnable section of these tasks overlap (or not). If they were to perfectly
 * align the rq as a whole would be runnable 2/3 of the time. If however we
 * always have at least 1 runnable task, the rq as a whole is always runnable.
 *
 * So we'll have to approximate.. :/
 *
 * Given the constraint:
 *
 *   ge->avg.running_sum <= ge->avg.runnable_sum <= LOAD_AVG_MAX
 *
 * We can construct a rule that adds runnable to a rq by assuming minimal
 * overlap.
 *
 * On removal, we'll assume each task is equally runnable; which yields:
 *
 *   grq->avg.runnable_sum = grq->avg.load_sum / grq->load.weight
 *
 * XXX: only do this for the part of runnable > running ?
 *
 */
static inline void
update_tg_cfs_util(struct cfs_rq *cfs_rq, struct sched_entity *se, struct cfs_rq *gcfs_rq)
{
 long delta_sum, delta_avg = gcfs_rq->avg.util_avg - se->avg.util_avg;
 u32 new_sum, divider;

 /* Nothing to update */
 if (!delta_avg)
  return;

 /*
  * cfs_rq->avg.period_contrib can be used for both cfs_rq and se.
  * See ___update_load_avg() for details.
 */
 divider = get_pelt_divider(&cfs_rq->avg);


 /* Set new sched_entity's utilization */
 se->avg.util_avg = gcfs_rq->avg.util_avg;
 new_sum = se->avg.util_avg * divider;
 delta_sum = (long)new_sum - (long)se->avg.util_sum;
 se->avg.util_sum = new_sum;

 /* Update parent cfs_rq utilization */
 add_positive(&cfs_rq->avg.util_avg, delta_avg);
 add_positive(&cfs_rq->avg.util_sum, delta_sum);

 /* See update_cfs_rq_load_avg() */
 cfs_rq->avg.util_sum = max_t(u32, cfs_rq->avg.util_sum,
       cfs_rq->avg.util_avg * PELT_MIN_DIVIDER);
}

static inline void
update_tg_cfs_runnable(struct cfs_rq *cfs_rq, struct sched_entity *se, struct cfs_rq *gcfs_rq)
{
 long delta_sum, delta_avg = gcfs_rq->avg.runnable_avg - se->avg.runnable_avg;
 u32 new_sum, divider;

 /* Nothing to update */
 if (!delta_avg)
  return;

 /*
  * cfs_rq->avg.period_contrib can be used for both cfs_rq and se.
  * See ___update_load_avg() for details.
 */
 divider = get_pelt_divider(&cfs_rq->avg);

 /* Set new sched_entity's runnable */
 se->avg.runnable_avg = gcfs_rq->avg.runnable_avg;
 new_sum = se->avg.runnable_avg * divider;
 delta_sum = (long)new_sum - (long)se->avg.runnable_sum;
 se->avg.runnable_sum = new_sum;

 /* Update parent cfs_rq runnable */
 add_positive(&cfs_rq->avg.runnable_avg, delta_avg);
 add_positive(&cfs_rq->avg.runnable_sum, delta_sum);
 /* See update_cfs_rq_load_avg() */
 cfs_rq->avg.runnable_sum = max_t(u32, cfs_rq->avg.runnable_sum,
           cfs_rq->avg.runnable_avg * PELT_MIN_DIVIDER);
}

static inline void
update_tg_cfs_load(struct cfs_rq *cfs_rq, struct sched_entity *se, struct cfs_rq *gcfs_rq)
{
 long delta_avg, running_sum, runnable_sum = gcfs_rq->prop_runnable_sum;
 unsigned long load_avg;
 u64 load_sum = 0;
 s64 delta_sum;
 u32 divider;

 if (!runnable_sum)
  return;

 gcfs_rq->prop_runnable_sum = 0;

 /*
  * cfs_rq->avg.period_contrib can be used for both cfs_rq and se.
  * See ___update_load_avg() for details.
 */
 divider = get_pelt_divider(&cfs_rq->avg);

 if (runnable_sum >= 0) {
  /*
   * Add runnable; clip at LOAD_AVG_MAX. Reflects that until
   * the CPU is saturated running == runnable.
 */
  runnable_sum += se->avg.load_sum;
  runnable_sum = min_t(long, runnable_sum, divider);
 } else {
  /*
   * Estimate the new unweighted runnable_sum of the gcfs_rq by
   * assuming all tasks are equally runnable.
 */
  if (scale_load_down(gcfs_rq->load.weight)) {
   load_sum = div_u64(gcfs_rq->avg.load_sum,
    scale_load_down(gcfs_rq->load.weight));
  }

  /* But make sure to not inflate se's runnable */
  runnable_sum = min(se->avg.load_sum, load_sum);
 }

 /*
  * runnable_sum can't be lower than running_sum
  * Rescale running sum to be in the same range as runnable sum
  * running_sum is in [0 : LOAD_AVG_MAX <<  SCHED_CAPACITY_SHIFT]
  * runnable_sum is in [0 : LOAD_AVG_MAX]
 */
 running_sum = se->avg.util_sum >> SCHED_CAPACITY_SHIFT;
 runnable_sum = max(runnable_sum, running_sum);

 load_sum = se_weight(se) * runnable_sum;
 load_avg = div_u64(load_sum, divider);

 delta_avg = load_avg - se->avg.load_avg;
 if (!delta_avg)
  return;

 delta_sum = load_sum - (s64)se_weight(se) * se->avg.load_sum;

 se->avg.load_sum = runnable_sum;
 se->avg.load_avg = load_avg;
 add_positive(&cfs_rq->avg.load_avg, delta_avg);
 add_positive(&cfs_rq->avg.load_sum, delta_sum);
 /* See update_cfs_rq_load_avg() */
 cfs_rq->avg.load_sum = max_t(u32, cfs_rq->avg.load_sum,
       cfs_rq->avg.load_avg * PELT_MIN_DIVIDER);
}

static inline void add_tg_cfs_propagate(struct cfs_rq *cfs_rq, long runnable_sum)
{
 cfs_rq->propagate = 1;
 cfs_rq->prop_runnable_sum += runnable_sum;
}

/* Update task and its cfs_rq load average */
static inline int propagate_entity_load_avg(struct sched_entity *se)
{
 struct cfs_rq *cfs_rq, *gcfs_rq;

 if (entity_is_task(se))
  return 0;

 gcfs_rq = group_cfs_rq(se);
 if (!gcfs_rq->propagate)
  return 0;

 gcfs_rq->propagate = 0;

 cfs_rq = cfs_rq_of(se);

 add_tg_cfs_propagate(cfs_rq, gcfs_rq->prop_runnable_sum);

 update_tg_cfs_util(cfs_rq, se, gcfs_rq);
 update_tg_cfs_runnable(cfs_rq, se, gcfs_rq);
 update_tg_cfs_load(cfs_rq, se, gcfs_rq);

 trace_pelt_cfs_tp(cfs_rq);
 trace_pelt_se_tp(se);

 return 1;
}

/*
 * Check if we need to update the load and the utilization of a blocked
 * group_entity:
 */
static inline bool skip_blocked_update(struct sched_entity *se)
{
 struct cfs_rq *gcfs_rq = group_cfs_rq(se);

 /*
  * If sched_entity still have not zero load or utilization, we have to
  * decay it:
 */
 if (se->avg.load_avg || se->avg.util_avg)
  return false;

 /*
  * If there is a pending propagation, we have to update the load and
  * the utilization of the sched_entity:
 */
 if (gcfs_rq->propagate)
  return false;

 /*
  * Otherwise, the load and the utilization of the sched_entity is
  * already zero and there is no pending propagation, so it will be a
  * waste of time to try to decay it:
 */
 return true;
}

#else /* !CONFIG_FAIR_GROUP_SCHED: */

static inline void update_tg_load_avg(struct cfs_rq *cfs_rq) {}

static inline void clear_tg_offline_cfs_rqs(struct rq *rq) {}

static inline int propagate_entity_load_avg(struct sched_entity *se)
{
 return 0;
}

static inline void add_tg_cfs_propagate(struct cfs_rq *cfs_rq, long runnable_sum) {}

#endif /* !CONFIG_FAIR_GROUP_SCHED */

#ifdef CONFIG_NO_HZ_COMMON
static inline void migrate_se_pelt_lag(struct sched_entity *se)
{
 u64 throttled = 0, now, lut;
 struct cfs_rq *cfs_rq;
 struct rq *rq;
 bool is_idle;

 if (load_avg_is_decayed(&se->avg))
  return;

 cfs_rq = cfs_rq_of(se);
 rq = rq_of(cfs_rq);

 rcu_read_lock();
 is_idle = is_idle_task(rcu_dereference(rq->curr));
 rcu_read_unlock();

 /*
  * The lag estimation comes with a cost we don't want to pay all the
  * time. Hence, limiting to the case where the source CPU is idle and
  * we know we are at the greatest risk to have an outdated clock.
 */
 if (!is_idle)
  return;

 /*
  * Estimated "now" is: last_update_time + cfs_idle_lag + rq_idle_lag, where:
  *
  *   last_update_time (the cfs_rq's last_update_time)
  * = cfs_rq_clock_pelt()@cfs_rq_idle
  *      = rq_clock_pelt()@cfs_rq_idle
  *        - cfs->throttled_clock_pelt_time@cfs_rq_idle
  *
  *   cfs_idle_lag (delta between rq's update and cfs_rq's update)
  *      = rq_clock_pelt()@rq_idle - rq_clock_pelt()@cfs_rq_idle
  *
  *   rq_idle_lag (delta between now and rq's update)
  *      = sched_clock_cpu() - rq_clock()@rq_idle
  *
  * We can then write:
  *
  *    now = rq_clock_pelt()@rq_idle - cfs->throttled_clock_pelt_time +
  *          sched_clock_cpu() - rq_clock()@rq_idle
  * Where:
  *      rq_clock_pelt()@rq_idle is rq->clock_pelt_idle
  *      rq_clock()@rq_idle      is rq->clock_idle
  *      cfs->throttled_clock_pelt_time@cfs_rq_idle
  *                              is cfs_rq->throttled_pelt_idle
 */

#ifdef CONFIG_CFS_BANDWIDTH
 throttled = u64_u32_load(cfs_rq->throttled_pelt_idle);
 /* The clock has been stopped for throttling */
 if (throttled == U64_MAX)
  return;
#endif
 now = u64_u32_load(rq->clock_pelt_idle);
 /*
  * Paired with _update_idle_rq_clock_pelt(). It ensures at the worst case
  * is observed the old clock_pelt_idle value and the new clock_idle,
  * which lead to an underestimation. The opposite would lead to an
  * overestimation.
 */
 smp_rmb();
 lut = cfs_rq_last_update_time(cfs_rq);

 now -= throttled;
 if (now < lut)
  /*
   * cfs_rq->avg.last_update_time is more recent than our
   * estimation, let's use it.
 */
  now = lut;
 else
  now += sched_clock_cpu(cpu_of(rq)) - u64_u32_load(rq->clock_idle);

 __update_load_avg_blocked_se(now, se);
}
#else /* !CONFIG_NO_HZ_COMMON: */
static void migrate_se_pelt_lag(struct sched_entity *se) {}
#endif /* !CONFIG_NO_HZ_COMMON */

/**
 * update_cfs_rq_load_avg - update the cfs_rq's load/util averages
 * @now: current time, as per cfs_rq_clock_pelt()
 * @cfs_rq: cfs_rq to update
 *
 * The cfs_rq avg is the direct sum of all its entities (blocked and runnable)
 * avg. The immediate corollary is that all (fair) tasks must be attached.
 *
 * cfs_rq->avg is used for task_h_load() and update_cfs_share() for example.
 *
 * Return: true if the load decayed or we removed load.
 *
 * Since both these conditions indicate a changed cfs_rq->avg.load we should
 * call update_tg_load_avg() when this function returns true.
 */
static inline int
update_cfs_rq_load_avg(u64 now, struct cfs_rq *cfs_rq)
{
 unsigned long removed_load = 0, removed_util = 0, removed_runnable = 0;
 struct sched_avg *sa = &cfs_rq->avg;
 int decayed = 0;

 if (cfs_rq->removed.nr) {
  unsigned long r;
  u32 divider = get_pelt_divider(&cfs_rq->avg);

  raw_spin_lock(&cfs_rq->removed.lock);
  swap(cfs_rq->removed.util_avg, removed_util);
  swap(cfs_rq->removed.load_avg, removed_load);
  swap(cfs_rq->removed.runnable_avg, removed_runnable);
  cfs_rq->removed.nr = 0;
  raw_spin_unlock(&cfs_rq->removed.lock);

  r = removed_load;
  sub_positive(&sa->load_avg, r);
  sub_positive(&sa->load_sum, r * divider);
  /* See sa->util_sum below */
  sa->load_sum = max_t(u32, sa->load_sum, sa->load_avg * PELT_MIN_DIVIDER);

  r = removed_util;
  sub_positive(&sa->util_avg, r);
  sub_positive(&sa->util_sum, r * divider);
  /*
   * Because of rounding, se->util_sum might ends up being +1 more than
   * cfs->util_sum. Although this is not a problem by itself, detaching
   * a lot of tasks with the rounding problem between 2 updates of
   * util_avg (~1ms) can make cfs->util_sum becoming null whereas
   * cfs_util_avg is not.
   * Check that util_sum is still above its lower bound for the new
   * util_avg. Given that period_contrib might have moved since the last
   * sync, we are only sure that util_sum must be above or equal to
   *    util_avg * minimum possible divider
 */
  sa->util_sum = max_t(u32, sa->util_sum, sa->util_avg * PELT_MIN_DIVIDER);

  r = removed_runnable;
  sub_positive(&sa->runnable_avg, r);
  sub_positive(&sa->runnable_sum, r * divider);
  /* See sa->util_sum above */
  sa->runnable_sum = max_t(u32, sa->runnable_sum,
           sa->runnable_avg * PELT_MIN_DIVIDER);

  /*
   * removed_runnable is the unweighted version of removed_load so we
   * can use it to estimate removed_load_sum.
 */
  add_tg_cfs_propagate(cfs_rq,
   -(long)(removed_runnable * divider) >> SCHED_CAPACITY_SHIFT);

  decayed = 1;
 }

 decayed |= __update_load_avg_cfs_rq(now, cfs_rq);
 u64_u32_store_copy(sa->last_update_time,
      cfs_rq->last_update_time_copy,
      sa->last_update_time);
 return decayed;
}

/**
 * attach_entity_load_avg - attach this entity to its cfs_rq load avg
 * @cfs_rq: cfs_rq to attach to
 * @se: sched_entity to attach
 *
 * Must call update_cfs_rq_load_avg() before this, since we rely on
 * cfs_rq->avg.last_update_time being current.
 */
static void attach_entity_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 /*
  * cfs_rq->avg.period_contrib can be used for both cfs_rq and se.
  * See ___update_load_avg() for details.
 */
 u32 divider = get_pelt_divider(&cfs_rq->avg);

 /*
  * When we attach the @se to the @cfs_rq, we must align the decay
  * window because without that, really weird and wonderful things can
  * happen.
  *
  * XXX illustrate
 */
 se->avg.last_update_time = cfs_rq->avg.last_update_time;
 se->avg.period_contrib = cfs_rq->avg.period_contrib;

 /*
  * Hell(o) Nasty stuff.. we need to recompute _sum based on the new
  * period_contrib. This isn't strictly correct, but since we're
  * entirely outside of the PELT hierarchy, nobody cares if we truncate
  * _sum a little.
 */
 se->avg.util_sum = se->avg.util_avg * divider;

 se->avg.runnable_sum = se->avg.runnable_avg * divider;

 se->avg.load_sum = se->avg.load_avg * divider;
 if (se_weight(se) < se->avg.load_sum)
  se->avg.load_sum = div_u64(se->avg.load_sum, se_weight(se));
 else
  se->avg.load_sum = 1;

 enqueue_load_avg(cfs_rq, se);
 cfs_rq->avg.util_avg += se->avg.util_avg;
 cfs_rq->avg.util_sum += se->avg.util_sum;
 cfs_rq->avg.runnable_avg += se->avg.runnable_avg;
 cfs_rq->avg.runnable_sum += se->avg.runnable_sum;

 add_tg_cfs_propagate(cfs_rq, se->avg.load_sum);

 cfs_rq_util_change(cfs_rq, 0);

 trace_pelt_cfs_tp(cfs_rq);
}

/**
 * detach_entity_load_avg - detach this entity from its cfs_rq load avg
 * @cfs_rq: cfs_rq to detach from
 * @se: sched_entity to detach
 *
 * Must call update_cfs_rq_load_avg() before this, since we rely on
 * cfs_rq->avg.last_update_time being current.
 */
static void detach_entity_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 dequeue_load_avg(cfs_rq, se);
 sub_positive(&cfs_rq->avg.util_avg, se->avg.util_avg);
 sub_positive(&cfs_rq->avg.util_sum, se->avg.util_sum);
 /* See update_cfs_rq_load_avg() */
 cfs_rq->avg.util_sum = max_t(u32, cfs_rq->avg.util_sum,
       cfs_rq->avg.util_avg * PELT_MIN_DIVIDER);

 sub_positive(&cfs_rq->avg.runnable_avg, se->avg.runnable_avg);
 sub_positive(&cfs_rq->avg.runnable_sum, se->avg.runnable_sum);
 /* See update_cfs_rq_load_avg() */
 cfs_rq->avg.runnable_sum = max_t(u32, cfs_rq->avg.runnable_sum,
           cfs_rq->avg.runnable_avg * PELT_MIN_DIVIDER);

 add_tg_cfs_propagate(cfs_rq, -se->avg.load_sum);

 cfs_rq_util_change(cfs_rq, 0);

 trace_pelt_cfs_tp(cfs_rq);
}

/*
 * Optional action to be done while updating the load average
 */
#define UPDATE_TG 0x1
#define SKIP_AGE_LOAD 0x2
#define DO_ATTACH 0x4
#define DO_DETACH 0x8

/* Update task and its cfs_rq load average */
static inline void update_load_avg(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
{
 u64 now = cfs_rq_clock_pelt(cfs_rq);
 int decayed;

 /*
  * Track task load average for carrying it to new CPU after migrated, and
  * track group sched_entity load average for task_h_load calculation in migration
 */
 if (se->avg.last_update_time && !(flags & SKIP_AGE_LOAD))
  __update_load_avg_se(now, cfs_rq, se);

 decayed  = update_cfs_rq_load_avg(now, cfs_rq);
 decayed |= propagate_entity_load_avg(se);

 if (!se->avg.last_update_time && (flags & DO_ATTACH)) {

  /*
   * DO_ATTACH means we're here from enqueue_entity().
   * !last_update_time means we've passed through
   * migrate_task_rq_fair() indicating we migrated.
   *
   * IOW we're enqueueing a task on a new CPU.
 */
  attach_entity_load_avg(cfs_rq, se);
  update_tg_load_avg(cfs_rq);

 } else if (flags & DO_DETACH) {
  /*
   * DO_DETACH means we're here from dequeue_entity()
   * and we are migrating task out of the CPU.
 */
  detach_entity_load_avg(cfs_rq, se);
  update_tg_load_avg(cfs_rq);
 } else if (decayed) {
  cfs_rq_util_change(cfs_rq, 0);

  if (flags & UPDATE_TG)
   update_tg_load_avg(cfs_rq);
 }
}

/*
 * Synchronize entity load avg of dequeued entity without locking
 * the previous rq.
 */
static void sync_entity_load_avg(struct sched_entity *se)
{
 struct cfs_rq *cfs_rq = cfs_rq_of(se);
 u64 last_update_time;

 last_update_time = cfs_rq_last_update_time(cfs_rq);
 __update_load_avg_blocked_se(last_update_time, se);
}

/*
 * Task first catches up with cfs_rq, and then subtract
 * itself from the cfs_rq (task must be off the queue now).
 */
static void remove_entity_load_avg(struct sched_entity *se)
{
 struct cfs_rq *cfs_rq = cfs_rq_of(se);
 unsigned long flags;

 /*
  * tasks cannot exit without having gone through wake_up_new_task() ->
  * enqueue_task_fair() which will have added things to the cfs_rq,
  * so we can remove unconditionally.
 */

 sync_entity_load_avg(se);

 raw_spin_lock_irqsave(&cfs_rq->removed.lock, flags);
 ++cfs_rq->removed.nr;
 cfs_rq->removed.util_avg += se->avg.util_avg;
 cfs_rq->removed.load_avg += se->avg.load_avg;
 cfs_rq->removed.runnable_avg += se->avg.runnable_avg;
 raw_spin_unlock_irqrestore(&cfs_rq->removed.lock, flags);
}

static inline unsigned long cfs_rq_runnable_avg(struct cfs_rq *cfs_rq)
{
 return cfs_rq->avg.runnable_avg;
}

static inline unsigned long cfs_rq_load_avg(struct cfs_rq *cfs_rq)
{
 return cfs_rq->avg.load_avg;
}

static int sched_balance_newidle(struct rq *this_rq, struct rq_flags *rf);

static inline unsigned long task_util(struct task_struct *p)
{
 return READ_ONCE(p->se.avg.util_avg);
}

static inline unsigned long task_runnable(struct task_struct *p)
{
 return READ_ONCE(p->se.avg.runnable_avg);
}

static inline unsigned long _task_util_est(struct task_struct *p)
{
 return READ_ONCE(p->se.avg.util_est) & ~UTIL_AVG_UNCHANGED;
}

static inline unsigned long task_util_est(struct task_struct *p)
{
 return max(task_util(p), _task_util_est(p));
}

static inline void util_est_enqueue(struct cfs_rq *cfs_rq,
        struct task_struct *p)
{
 unsigned int enqueued;

 if (!sched_feat(UTIL_EST))
  return;

 /* Update root cfs_rq's estimated utilization */
 enqueued  = cfs_rq->avg.util_est;
 enqueued += _task_util_est(p);
 WRITE_ONCE(cfs_rq->avg.util_est, enqueued);

 trace_sched_util_est_cfs_tp(cfs_rq);
}

static inline void util_est_dequeue(struct cfs_rq *cfs_rq,
        struct task_struct *p)
{
 unsigned int enqueued;

 if (!sched_feat(UTIL_EST))
  return;

 /* Update root cfs_rq's estimated utilization */
 enqueued  = cfs_rq->avg.util_est;
 enqueued -= min_t(unsigned int, enqueued, _task_util_est(p));
 WRITE_ONCE(cfs_rq->avg.util_est, enqueued);

 trace_sched_util_est_cfs_tp(cfs_rq);
}

#define UTIL_EST_MARGIN (SCHED_CAPACITY_SCALE / 100)

static inline void util_est_update(struct cfs_rq *cfs_rq,
       struct task_struct *p,
       bool task_sleep)
{
 unsigned int ewma, dequeued, last_ewma_diff;

 if (!sched_feat(UTIL_EST))
  return;

 /*
  * Skip update of task's estimated utilization when the task has not
  * yet completed an activation, e.g. being migrated.
 */
 if (!task_sleep)
  return;

 /* Get current estimate of utilization */
 ewma = READ_ONCE(p->se.avg.util_est);

 /*
  * If the PELT values haven't changed since enqueue time,
  * skip the util_est update.
 */
 if (ewma & UTIL_AVG_UNCHANGED)
  return;

 /* Get utilization at dequeue */
 dequeued = task_util(p);

 /*
  * Reset EWMA on utilization increases, the moving average is used only
  * to smooth utilization decreases.
 */
 if (ewma <= dequeued) {
  ewma = dequeued;
  goto done;
 }

 /*
  * Skip update of task's estimated utilization when its members are
  * already ~1% close to its last activation value.
 */
 last_ewma_diff = ewma - dequeued;
 if (last_ewma_diff < UTIL_EST_MARGIN)
  goto done;

 /*
  * To avoid underestimate of task utilization, skip updates of EWMA if
  * we cannot grant that thread got all CPU time it wanted.
 */
 if ((dequeued + UTIL_EST_MARGIN) < task_runnable(p))
  goto done;


 /*
  * Update Task's estimated utilization
  *
  * When *p completes an activation we can consolidate another sample
  * of the task size. This is done by using this value to update the
  * Exponential Weighted Moving Average (EWMA):
  *
  *  ewma(t) = w *  task_util(p) + (1-w) * ewma(t-1)
  *          = w *  task_util(p) +         ewma(t-1)  - w * ewma(t-1)
  *          = w * (task_util(p) -         ewma(t-1)) +     ewma(t-1)
  *          = w * (      -last_ewma_diff           ) +     ewma(t-1)
  *          = w * (-last_ewma_diff +  ewma(t-1) / w)
  *
  * Where 'w' is the weight of new samples, which is configured to be
  * 0.25, thus making w=1/4 ( >>= UTIL_EST_WEIGHT_SHIFT)
 */
 ewma <<= UTIL_EST_WEIGHT_SHIFT;
 ewma  -= last_ewma_diff;
 ewma >>= UTIL_EST_WEIGHT_SHIFT;
done:
 ewma |= UTIL_AVG_UNCHANGED;
 WRITE_ONCE(p->se.avg.util_est, ewma);

 trace_sched_util_est_se_tp(&p->se);
}

static inline unsigned long get_actual_cpu_capacity(int cpu)
{
 unsigned long capacity = arch_scale_cpu_capacity(cpu);

 capacity -= max(hw_load_avg(cpu_rq(cpu)), cpufreq_get_pressure(cpu));

 return capacity;
}

static inline int util_fits_cpu(unsigned long util,
    unsigned long uclamp_min,
    unsigned long uclamp_max,
    int cpu)
{
 unsigned long capacity = capacity_of(cpu);
 unsigned long capacity_orig;
 bool fits, uclamp_max_fits;

 /*
  * Check if the real util fits without any uclamp boost/cap applied.
 */
 fits = fits_capacity(util, capacity);

 if (!uclamp_is_used())
  return fits;

 /*
  * We must use arch_scale_cpu_capacity() for comparing against uclamp_min and
  * uclamp_max. We only care about capacity pressure (by using
  * capacity_of()) for comparing against the real util.
  *
  * If a task is boosted to 1024 for example, we don't want a tiny
  * pressure to skew the check whether it fits a CPU or not.
  *
  * Similarly if a task is capped to arch_scale_cpu_capacity(little_cpu), it
  * should fit a little cpu even if there's some pressure.
  *
  * Only exception is for HW or cpufreq pressure since it has a direct impact
  * on available OPP of the system.
  *
  * We honour it for uclamp_min only as a drop in performance level
  * could result in not getting the requested minimum performance level.
  *
  * For uclamp_max, we can tolerate a drop in performance level as the
  * goal is to cap the task. So it's okay if it's getting less.
 */
 capacity_orig = arch_scale_cpu_capacity(cpu);

 /*
  * We want to force a task to fit a cpu as implied by uclamp_max.
  * But we do have some corner cases to cater for..
  *
  *
  *                                 C=z
  *   |                             ___
  *   |                  C=y       |   |
  *   |_ _ _ _ _ _ _ _ _ ___ _ _ _ | _ | _ _ _ _ _  uclamp_max
  *   |      C=x        |   |      |   |
  *   |      ___        |   |      |   |
  *   |     |   |       |   |      |   |    (util somewhere in this region)
  *   |     |   |       |   |      |   |
  *   |     |   |       |   |      |   |
  *   +----------------------------------------
  *         CPU0        CPU1       CPU2
  *
  *   In the above example if a task is capped to a specific performance
  *   point, y, then when:
  *
  *   * util = 80% of x then it does not fit on CPU0 and should migrate
  *     to CPU1
  *   * util = 80% of y then it is forced to fit on CPU1 to honour
  *     uclamp_max request.
  *
  *   which is what we're enforcing here. A task always fits if
  *   uclamp_max <= capacity_orig. But when uclamp_max > capacity_orig,
  *   the normal upmigration rules should withhold still.
  *
  *   Only exception is when we are on max capacity, then we need to be
  *   careful not to block overutilized state. This is so because:
  *
  *     1. There's no concept of capping at max_capacity! We can't go
  *        beyond this performance level anyway.
  *     2. The system is being saturated when we're operating near
  *        max capacity, it doesn't make sense to block overutilized.
 */
 uclamp_max_fits = (capacity_orig == SCHED_CAPACITY_SCALE) && (uclamp_max == SCHED_CAPACITY_SCALE);
 uclamp_max_fits = !uclamp_max_fits && (uclamp_max <= capacity_orig);
 fits = fits || uclamp_max_fits;

 /*
  *
  *                                 C=z
  *   |                             ___       (region a, capped, util >= uclamp_max)
  *   |                  C=y       |   |
  *   |_ _ _ _ _ _ _ _ _ ___ _ _ _ | _ | _ _ _ _ _ uclamp_max
  *   |      C=x        |   |      |   |
  *   |      ___        |   |      |   |      (region b, uclamp_min <= util <= uclamp_max)
  *   |_ _ _|_ _|_ _ _ _| _ | _ _ _| _ | _ _ _ _ _ uclamp_min
  *   |     |   |       |   |      |   |
  *   |     |   |       |   |      |   |      (region c, boosted, util < uclamp_min)
  *   +----------------------------------------
  *         CPU0        CPU1       CPU2
  *
  * a) If util > uclamp_max, then we're capped, we don't care about
  *    actual fitness value here. We only care if uclamp_max fits
  *    capacity without taking margin/pressure into account.
  *    See comment above.
  *
  * b) If uclamp_min <= util <= uclamp_max, then the normal
  *    fits_capacity() rules apply. Except we need to ensure that we
  *    enforce we remain within uclamp_max, see comment above.
  *
  * c) If util < uclamp_min, then we are boosted. Same as (b) but we
  *    need to take into account the boosted value fits the CPU without
  *    taking margin/pressure into account.
  *
  * Cases (a) and (b) are handled in the 'fits' variable already. We
  * just need to consider an extra check for case (c) after ensuring we
  * handle the case uclamp_min > uclamp_max.
 */
 uclamp_min = min(uclamp_min, uclamp_max);
 if (fits && (util < uclamp_min) &&
     (uclamp_min > get_actual_cpu_capacity(cpu)))
  return -1;

 return fits;
}

static inline int task_fits_cpu(struct task_struct *p, int cpu)
{
 unsigned long uclamp_min = uclamp_eff_value(p, UCLAMP_MIN);
 unsigned long uclamp_max = uclamp_eff_value(p, UCLAMP_MAX);
 unsigned long util = task_util_est(p);
 /*
  * Return true only if the cpu fully fits the task requirements, which
  * include the utilization but also the performance hints.
 */
 return (util_fits_cpu(util, uclamp_min, uclamp_max, cpu) > 0);
}

static inline void update_misfit_status(struct task_struct *p, struct rq *rq)
{
 int cpu = cpu_of(rq);

 if (!sched_asym_cpucap_active())
  return;

 /*
  * Affinity allows us to go somewhere higher?  Or are we on biggest
  * available CPU already? Or do we fit into this CPU ?
 */
 if (!p || (p->nr_cpus_allowed == 1) ||
     (arch_scale_cpu_capacity(cpu) == p->max_allowed_capacity) ||
     task_fits_cpu(p, cpu)) {

  rq->misfit_task_load = 0;
  return;
 }

 /*
  * Make sure that misfit_task_load will not be null even if
  * task_h_load() returns 0.
 */
 rq->misfit_task_load = max_t(unsigned long, task_h_load(p), 1);
}

void __setparam_fair(struct task_struct *p, const struct sched_attr *attr)
{
 struct sched_entity *se = &p->se;

 p->static_prio = NICE_TO_PRIO(attr->sched_nice);
 if (attr->sched_runtime) {
  se->custom_slice = 1;
  se->slice = clamp_t(u64, attr->sched_runtime,
          NSEC_PER_MSEC/10,   /* HZ=1000 * 10 */
          NSEC_PER_MSEC*100); /* HZ=100  / 10 */
 } else {
  se->custom_slice = 0;
  se->slice = sysctl_sched_base_slice;
 }
}

static void
place_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
{
 u64 vslice, vruntime = avg_vruntime(cfs_rq);
 s64 lag = 0;

 if (!se->custom_slice)
  se->slice = sysctl_sched_base_slice;
 vslice = calc_delta_fair(se->slice, se);

 /*
  * Due to how V is constructed as the weighted average of entities,
  * adding tasks with positive lag, or removing tasks with negative lag
  * will move 'time' backwards, this can screw around with the lag of
  * other tasks.
  *
  * EEVDF: placement strategy #1 / #2
 */
 if (sched_feat(PLACE_LAG) && cfs_rq->nr_queued && se->vlag) {
  struct sched_entity *curr = cfs_rq->curr;
  unsigned long load;

  lag = se->vlag;

  /*
   * If we want to place a task and preserve lag, we have to
   * consider the effect of the new entity on the weighted
   * average and compensate for this, otherwise lag can quickly
   * evaporate.
   *
   * Lag is defined as:
   *
   *   lag_i = S - s_i = w_i * (V - v_i)
   *
   * To avoid the 'w_i' term all over the place, we only track
   * the virtual lag:
   *
   *   vl_i = V - v_i <=> v_i = V - vl_i
   *
   * And we take V to be the weighted average of all v:
   *
   *   V = (\Sum w_j*v_j) / W
   *
   * Where W is: \Sum w_j
   *
   * Then, the weighted average after adding an entity with lag
   * vl_i is given by:
   *
   *   V' = (\Sum w_j*v_j + w_i*v_i) / (W + w_i)
   *      = (W*V + w_i*(V - vl_i)) / (W + w_i)
   *      = (W*V + w_i*V - w_i*vl_i) / (W + w_i)
   *      = (V*(W + w_i) - w_i*vl_i) / (W + w_i)
   *      = V - w_i*vl_i / (W + w_i)
   *
   * And the actual lag after adding an entity with vl_i is:
   *
   *   vl'_i = V' - v_i
   *         = V - w_i*vl_i / (W + w_i) - (V - vl_i)
   *         = vl_i - w_i*vl_i / (W + w_i)
   *
   * Which is strictly less than vl_i. So in order to preserve lag
   * we should inflate the lag before placement such that the
   * effective lag after placement comes out right.
   *
   * As such, invert the above relation for vl'_i to get the vl_i
   * we need to use such that the lag after placement is the lag
   * we computed before dequeue.
   *
   *   vl'_i = vl_i - w_i*vl_i / (W + w_i)
   *         = ((W + w_i)*vl_i - w_i*vl_i) / (W + w_i)
   *
   *   (W + w_i)*vl'_i = (W + w_i)*vl_i - w_i*vl_i
   *                   = W*vl_i
   *
   *   vl_i = (W + w_i)*vl'_i / W
 */
  load = cfs_rq->avg_load;
  if (curr && curr->on_rq)
   load += scale_load_down(curr->load.weight);

  lag *= load + scale_load_down(se->load.weight);
  if (WARN_ON_ONCE(!load))
   load = 1;
  lag = div_s64(lag, load);
 }

 se->vruntime = vruntime - lag;

 if (se->rel_deadline) {
  se->deadline += se->vruntime;
  se->rel_deadline = 0;
  return;
 }

 /*
  * When joining the competition; the existing tasks will be,
  * on average, halfway through their slice, as such start tasks
  * off with half a slice to ease into the competition.
 */
 if (sched_feat(PLACE_DEADLINE_INITIAL) && (flags & ENQUEUE_INITIAL))
  vslice /= 2;

 /*
  * EEVDF: vd_i = ve_i + r_i/w_i
 */
 se->deadline = se->vruntime + vslice;
}

static void check_enqueue_throttle(struct cfs_rq *cfs_rq);
static inline int cfs_rq_throttled(struct cfs_rq *cfs_rq);

static void
requeue_delayed_entity(struct sched_entity *se);

static void
enqueue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
{
 bool curr = cfs_rq->curr == se;

 /*
  * If we're the current task, we must renormalise before calling
  * update_curr().
 */
 if (curr)
  place_entity(cfs_rq, se, flags);

 update_curr(cfs_rq);

 /*
  * When enqueuing a sched_entity, we must:
  *   - Update loads to have both entity and cfs_rq synced with now.
  *   - For group_entity, update its runnable_weight to reflect the new
  *     h_nr_runnable of its group cfs_rq.
  *   - For group_entity, update its weight to reflect the new share of
  *     its group cfs_rq
  *   - Add its new weight to cfs_rq->load.weight
 */
 update_load_avg(cfs_rq, se, UPDATE_TG | DO_ATTACH);
 se_update_runnable(se);
 /*
  * XXX update_load_avg() above will have attached us to the pelt sum;
  * but update_cfs_group() here will re-adjust the weight and have to
  * undo/redo all that. Seems wasteful.
 */
 update_cfs_group(se);

 /*
  * XXX now that the entity has been re-weighted, and it's lag adjusted,
  * we can place the entity.
 */
 if (!curr)
  place_entity(cfs_rq, se, flags);

 account_entity_enqueue(cfs_rq, se);

 /* Entity has migrated, no longer consider this task hot */
 if (flags & ENQUEUE_MIGRATED)
  se->exec_start = 0;

 check_schedstat_required();
 update_stats_enqueue_fair(cfs_rq, se, flags);
 if (!curr)
  __enqueue_entity(cfs_rq, se);
 se->on_rq = 1;

 if (cfs_rq->nr_queued == 1) {
  check_enqueue_throttle(cfs_rq);
  if (!throttled_hierarchy(cfs_rq)) {
   list_add_leaf_cfs_rq(cfs_rq);
  } else {
#ifdef CONFIG_CFS_BANDWIDTH
   struct rq *rq = rq_of(cfs_rq);

   if (cfs_rq_throttled(cfs_rq) && !cfs_rq->throttled_clock)
    cfs_rq->throttled_clock = rq_clock(rq);
   if (!cfs_rq->throttled_clock_self)
    cfs_rq->throttled_clock_self = rq_clock(rq);
#endif
  }
 }
}

static void __clear_buddies_next(struct sched_entity *se)
{
 for_each_sched_entity(se) {
  struct cfs_rq *cfs_rq = cfs_rq_of(se);
  if (cfs_rq->next != se)
   break;

  cfs_rq->next = NULL;
 }
}

static void clear_buddies(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 if (cfs_rq->next == se)
  __clear_buddies_next(se);
}

static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq);

static void set_delayed(struct sched_entity *se)
{
 se->sched_delayed = 1;

 /*
  * Delayed se of cfs_rq have no tasks queued on them.
  * Do not adjust h_nr_runnable since dequeue_entities()
  * will account it for blocked tasks.
 */
 if (!entity_is_task(se))
  return;

 for_each_sched_entity(se) {
  struct cfs_rq *cfs_rq = cfs_rq_of(se);

  cfs_rq->h_nr_runnable--;
  if (cfs_rq_throttled(cfs_rq))
   break;
 }
}

static void clear_delayed(struct sched_entity *se)
{
 se->sched_delayed = 0;

 /*
  * Delayed se of cfs_rq have no tasks queued on them.
  * Do not adjust h_nr_runnable since a dequeue has
  * already accounted for it or an enqueue of a task
  * below it will account for it in enqueue_task_fair().
 */
 if (!entity_is_task(se))
  return;

 for_each_sched_entity(se) {
  struct cfs_rq *cfs_rq = cfs_rq_of(se);

  cfs_rq->h_nr_runnable++;
  if (cfs_rq_throttled(cfs_rq))
   break;
 }
}

static inline void finish_delayed_dequeue_entity(struct sched_entity *se)
{
 clear_delayed(se);
 if (sched_feat(DELAY_ZERO) && se->vlag > 0)
  se->vlag = 0;
}

static bool
dequeue_entity(struct cfs_rq *cfs_rq, struct sched_entity *se, int flags)
{
 bool sleep = flags & DEQUEUE_SLEEP;
 int action = UPDATE_TG;

 update_curr(cfs_rq);
 clear_buddies(cfs_rq, se);

 if (flags & DEQUEUE_DELAYED) {
  WARN_ON_ONCE(!se->sched_delayed);
 } else {
  bool delay = sleep;
  /*
   * DELAY_DEQUEUE relies on spurious wakeups, special task
   * states must not suffer spurious wakeups, excempt them.
 */
  if (flags & DEQUEUE_SPECIAL)
   delay = false;

  WARN_ON_ONCE(delay && se->sched_delayed);

  if (sched_feat(DELAY_DEQUEUE) && delay &&
      !entity_eligible(cfs_rq, se)) {
   update_load_avg(cfs_rq, se, 0);
   set_delayed(se);
   return false;
  }
 }

 if (entity_is_task(se) && task_on_rq_migrating(task_of(se)))
  action |= DO_DETACH;

 /*
  * When dequeuing a sched_entity, we must:
  *   - Update loads to have both entity and cfs_rq synced with now.
  *   - For group_entity, update its runnable_weight to reflect the new
  *     h_nr_runnable of its group cfs_rq.
  *   - Subtract its previous weight from cfs_rq->load.weight.
  *   - For group entity, update its weight to reflect the new share
  *     of its group cfs_rq.
 */
 update_load_avg(cfs_rq, se, action);
 se_update_runnable(se);

 update_stats_dequeue_fair(cfs_rq, se, flags);

 update_entity_lag(cfs_rq, se);
 if (sched_feat(PLACE_REL_DEADLINE) && !sleep) {
  se->deadline -= se->vruntime;
  se->rel_deadline = 1;
 }

 if (se != cfs_rq->curr)
  __dequeue_entity(cfs_rq, se);
 se->on_rq = 0;
 account_entity_dequeue(cfs_rq, se);

 /* return excess runtime on last dequeue */
 return_cfs_rq_runtime(cfs_rq);

 update_cfs_group(se);

 /*
  * Now advance min_vruntime if @se was the entity holding it back,
  * except when: DEQUEUE_SAVE && !DEQUEUE_MOVE, in this case we'll be
  * put back on, and if we advance min_vruntime, we'll be placed back
  * further than we started -- i.e. we'll be penalized.
 */
 if ((flags & (DEQUEUE_SAVE | DEQUEUE_MOVE)) != DEQUEUE_SAVE)
  update_min_vruntime(cfs_rq);

 if (flags & DEQUEUE_DELAYED)
  finish_delayed_dequeue_entity(se);

 if (cfs_rq->nr_queued == 0)
  update_idle_cfs_rq_clock_pelt(cfs_rq);

 return true;
}

static void
set_next_entity(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
 clear_buddies(cfs_rq, se);

 /* 'current' is not kept within the tree. */
 if (se->on_rq) {
  /*
   * Any task has to be enqueued before it get to execute on
   * a CPU. So account for the time it spent waiting on the
   * runqueue.
 */
  update_stats_wait_end_fair(cfs_rq, se);
  __dequeue_entity(cfs_rq, se);
  update_load_avg(cfs_rq, se, UPDATE_TG);

  set_protect_slice(cfs_rq, se);
 }

 update_stats_curr_start(cfs_rq, se);
 WARN_ON_ONCE(cfs_rq->curr);
 cfs_rq->curr = se;

 /*
  * Track our maximum slice length, if the CPU's load is at
  * least twice that of our own weight (i.e. don't track it
  * when there are only lesser-weight tasks around):
 */
 if (schedstat_enabled() &&
     rq_of(cfs_rq)->cfs.load.weight >= 2*se->load.weight) {
  struct sched_statistics *stats;

  stats = __schedstats_from_se(se);
  __schedstat_set(stats->slice_max,
    max((u64)stats->slice_max,
        se->sum_exec_runtime - se->prev_sum_exec_runtime));
 }

 se->prev_sum_exec_runtime = se->sum_exec_runtime;
}

static int dequeue_entities(struct rq *rq, struct sched_entity *se, int flags);

/*
 * Pick the next process, keeping these things in mind, in this order:
 * 1) keep things fair between processes/task groups
 * 2) pick the "next" process, since someone really wants that to run
 * 3) pick the "last" process, for cache locality
 * 4) do not run the "skip" process, if something else is available
 */
static struct sched_entity *
pick_next_entity(struct rq *rq, struct cfs_rq *cfs_rq)
{
 struct sched_entity *se;

 /*
  * Picking the ->next buddy will affect latency but not fairness.
 */
 if (sched_feat(PICK_BUDDY) &&
     cfs_rq->next && entity_eligible(cfs_rq, cfs_rq->next)) {
  /* ->next will never be delayed */
  WARN_ON_ONCE(cfs_rq->next->sched_delayed);
  return cfs_rq->next;
 }

 se = pick_eevdf(cfs_rq);
 if (se->sched_delayed) {
  dequeue_entities(rq, se, DEQUEUE_SLEEP | DEQUEUE_DELAYED);
  /*
   * Must not reference @se again, see __block_task().
 */
  return NULL;
 }
 return se;
}

static bool check_cfs_rq_runtime(struct cfs_rq *cfs_rq);

static void put_prev_entity(struct cfs_rq *cfs_rq, struct sched_entity *prev)
{
 /*
  * If still on the runqueue then deactivate_task()
  * was not called and update_curr() has to be done:
 */
 if (prev->on_rq)
  update_curr(cfs_rq);

 /* throttle cfs_rqs exceeding runtime */
 check_cfs_rq_runtime(cfs_rq);

 if (prev->on_rq) {
  update_stats_wait_start_fair(cfs_rq, prev);
  /* Put 'current' back into the tree. */
  __enqueue_entity(cfs_rq, prev);
  /* in !on_rq case, update occurred at dequeue */
  update_load_avg(cfs_rq, prev, 0);
 }
 WARN_ON_ONCE(cfs_rq->curr != prev);
 cfs_rq->curr = NULL;
}

static void
entity_tick(struct cfs_rq *cfs_rq, struct sched_entity *curr, int queued)
{
 /*
  * Update run-time statistics of the 'current'.
 */
 update_curr(cfs_rq);

 /*
  * Ensure that runnable average is periodically updated.
 */
 update_load_avg(cfs_rq, curr, UPDATE_TG);
 update_cfs_group(curr);

#ifdef CONFIG_SCHED_HRTICK
 /*
  * queued ticks are scheduled to match the slice, so don't bother
  * validating it and just reschedule.
 */
 if (queued) {
  resched_curr_lazy(rq_of(cfs_rq));
  return;
 }
#endif
}


/**************************************************
 * CFS bandwidth control machinery
 */

#ifdef CONFIG_CFS_BANDWIDTH

#ifdef CONFIG_JUMP_LABEL
static struct static_key __cfs_bandwidth_used;

static inline bool cfs_bandwidth_used(void)
{
 return static_key_false(&__cfs_bandwidth_used);
}

void cfs_bandwidth_usage_inc(void)
{
 static_key_slow_inc_cpuslocked(&__cfs_bandwidth_used);
}

void cfs_bandwidth_usage_dec(void)
{
 static_key_slow_dec_cpuslocked(&__cfs_bandwidth_used);
}
#else /* !CONFIG_JUMP_LABEL: */
static bool cfs_bandwidth_used(void)
{
 return true;
}

void cfs_bandwidth_usage_inc(void) {}
void cfs_bandwidth_usage_dec(void) {}
#endif /* !CONFIG_JUMP_LABEL */

static inline u64 sched_cfs_bandwidth_slice(void)
{
 return (u64)sysctl_sched_cfs_bandwidth_slice * NSEC_PER_USEC;
}

/*
 * Replenish runtime according to assigned quota. We use sched_clock_cpu
 * directly instead of rq->clock to avoid adding additional synchronization
 * around rq->lock.
 *
 * requires cfs_b->lock
 */
void __refill_cfs_bandwidth_runtime(struct cfs_bandwidth *cfs_b)
{
 s64 runtime;

 if (unlikely(cfs_b->quota == RUNTIME_INF))
  return;

 cfs_b->runtime += cfs_b->quota;
 runtime = cfs_b->runtime_snap - cfs_b->runtime;
 if (runtime > 0) {
  cfs_b->burst_time += runtime;
  cfs_b->nr_burst++;
 }

 cfs_b->runtime = min(cfs_b->runtime, cfs_b->quota + cfs_b->burst);
 cfs_b->runtime_snap = cfs_b->runtime;
}

static inline struct cfs_bandwidth *tg_cfs_bandwidth(struct task_group *tg)
{
 return &tg->cfs_bandwidth;
}

/* returns 0 on failure to allocate runtime */
static int __assign_cfs_rq_runtime(struct cfs_bandwidth *cfs_b,
       struct cfs_rq *cfs_rq, u64 target_runtime)
{
 u64 min_amount, amount = 0;

 lockdep_assert_held(&cfs_b->lock);

 /* note: this is a positive sum as runtime_remaining <= 0 */
 min_amount = target_runtime - cfs_rq->runtime_remaining;

 if (cfs_b->quota == RUNTIME_INF)
  amount = min_amount;
 else {
  start_cfs_bandwidth(cfs_b);

  if (cfs_b->runtime > 0) {
   amount = min(cfs_b->runtime, min_amount);
   cfs_b->runtime -= amount;
   cfs_b->idle = 0;
  }
 }

 cfs_rq->runtime_remaining += amount;

 return cfs_rq->runtime_remaining > 0;
}

/* returns 0 on failure to allocate runtime */
static int assign_cfs_rq_runtime(struct cfs_rq *cfs_rq)
{
 struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
 int ret;

 raw_spin_lock(&cfs_b->lock);
 ret = __assign_cfs_rq_runtime(cfs_b, cfs_rq, sched_cfs_bandwidth_slice());
 raw_spin_unlock(&cfs_b->lock);

 return ret;
}

static void __account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec)
{
 /* dock delta_exec before expiring quota (as it could span periods) */
 cfs_rq->runtime_remaining -= delta_exec;

 if (likely(cfs_rq->runtime_remaining > 0))
  return;

 if (cfs_rq->throttled)
  return;
 /*
  * if we're unable to extend our runtime we resched so that the active
  * hierarchy can be throttled
 */
 if (!assign_cfs_rq_runtime(cfs_rq) && likely(cfs_rq->curr))
  resched_curr(rq_of(cfs_rq));
}

static __always_inline
void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec)
{
 if (!cfs_bandwidth_used() || !cfs_rq->runtime_enabled)
  return;

 __account_cfs_rq_runtime(cfs_rq, delta_exec);
}

static inline int cfs_rq_throttled(struct cfs_rq *cfs_rq)
{
 return cfs_bandwidth_used() && cfs_rq->throttled;
}

/* check whether cfs_rq, or any parent, is throttled */
static inline int throttled_hierarchy(struct cfs_rq *cfs_rq)
{
 return cfs_bandwidth_used() && cfs_rq->throttle_count;
}

/*
 * Ensure that neither of the group entities corresponding to src_cpu or
 * dest_cpu are members of a throttled hierarchy when performing group
 * load-balance operations.
 */
static inline int throttled_lb_pair(struct task_group *tg,
        int src_cpu, int dest_cpu)
{
 struct cfs_rq *src_cfs_rq, *dest_cfs_rq;

 src_cfs_rq = tg->cfs_rq[src_cpu];
 dest_cfs_rq = tg->cfs_rq[dest_cpu];

 return throttled_hierarchy(src_cfs_rq) ||
        throttled_hierarchy(dest_cfs_rq);
}

static int tg_unthrottle_up(struct task_group *tg, void *data)
{
 struct rq *rq = data;
 struct cfs_rq *cfs_rq = tg->cfs_rq[cpu_of(rq)];

 cfs_rq->throttle_count--;
 if (!cfs_rq->throttle_count) {
  cfs_rq->throttled_clock_pelt_time += rq_clock_pelt(rq) -
          cfs_rq->throttled_clock_pelt;

  /* Add cfs_rq with load or one or more already running entities to the list */
  if (!cfs_rq_is_decayed(cfs_rq))
   list_add_leaf_cfs_rq(cfs_rq);

  if (cfs_rq->throttled_clock_self) {
   u64 delta = rq_clock(rq) - cfs_rq->throttled_clock_self;

   cfs_rq->throttled_clock_self = 0;

   if (WARN_ON_ONCE((s64)delta < 0))
    delta = 0;

   cfs_rq->throttled_clock_self_time += delta;
  }
 }

 return 0;
}

static int tg_throttle_down(struct task_group *tg, void *data)
{
 struct rq *rq = data;
 struct cfs_rq *cfs_rq = tg->cfs_rq[cpu_of(rq)];

 /* group is entering throttled state, stop time */
 if (!cfs_rq->throttle_count) {
  cfs_rq->throttled_clock_pelt = rq_clock_pelt(rq);
  list_del_leaf_cfs_rq(cfs_rq);

  WARN_ON_ONCE(cfs_rq->throttled_clock_self);
  if (cfs_rq->nr_queued)
   cfs_rq->throttled_clock_self = rq_clock(rq);
 }
 cfs_rq->throttle_count++;

 return 0;
}

static bool throttle_cfs_rq(struct cfs_rq *cfs_rq)
{
 struct rq *rq = rq_of(cfs_rq);
 struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
 struct sched_entity *se;
 long queued_delta, runnable_delta, idle_delta, dequeue = 1;

 raw_spin_lock(&cfs_b->lock);
 /* This will start the period timer if necessary */
 if (__assign_cfs_rq_runtime(cfs_b, cfs_rq, 1)) {
  /*
   * We have raced with bandwidth becoming available, and if we
   * actually throttled the timer might not unthrottle us for an
   * entire period. We additionally needed to make sure that any
   * subsequent check_cfs_rq_runtime calls agree not to throttle
   * us, as we may commit to do cfs put_prev+pick_next, so we ask
   * for 1ns of runtime rather than just check cfs_b.
 */
  dequeue = 0;
 } else {
  list_add_tail_rcu(&cfs_rq->throttled_list,
      &cfs_b->throttled_cfs_rq);
 }
 raw_spin_unlock(&cfs_b->lock);

 if (!dequeue)
  return false;  /* Throttle no longer required. */

 se = cfs_rq->tg->se[cpu_of(rq_of(cfs_rq))];

 /* freeze hierarchy runnable averages while throttled */
 rcu_read_lock();
 walk_tg_tree_from(cfs_rq->tg, tg_throttle_down, tg_nop, (void *)rq);
 rcu_read_unlock();

 queued_delta = cfs_rq->h_nr_queued;
 runnable_delta = cfs_rq->h_nr_runnable;
 idle_delta = cfs_rq->h_nr_idle;
 for_each_sched_entity(se) {
  struct cfs_rq *qcfs_rq = cfs_rq_of(se);
  int flags;

  /* throttled entity or throttle-on-deactivate */
  if (!se->on_rq)
   goto done;

  /*
   * Abuse SPECIAL to avoid delayed dequeue in this instance.
   * This avoids teaching dequeue_entities() about throttled
   * entities and keeps things relatively simple.
 */
  flags = DEQUEUE_SLEEP | DEQUEUE_SPECIAL;
  if (se->sched_delayed)
   flags |= DEQUEUE_DELAYED;
  dequeue_entity(qcfs_rq, se, flags);

  if (cfs_rq_is_idle(group_cfs_rq(se)))
   idle_delta = cfs_rq->h_nr_queued;

  qcfs_rq->h_nr_queued -= queued_delta;
  qcfs_rq->h_nr_runnable -= runnable_delta;
  qcfs_rq->h_nr_idle -= idle_delta;

  if (qcfs_rq->load.weight) {
   /* Avoid re-evaluating load for this entity: */
   se = parent_entity(se);
   break;
  }
 }

 for_each_sched_entity(se) {
  struct cfs_rq *qcfs_rq = cfs_rq_of(se);
  /* throttled entity or throttle-on-deactivate */
  if (!se->on_rq)
   goto done;

  update_load_avg(qcfs_rq, se, 0);
  se_update_runnable(se);

  if (cfs_rq_is_idle(group_cfs_rq(se)))
   idle_delta = cfs_rq->h_nr_queued;

  qcfs_rq->h_nr_queued -= queued_delta;
  qcfs_rq->h_nr_runnable -= runnable_delta;
  qcfs_rq->h_nr_idle -= idle_delta;
 }

 /* At this point se is NULL and we are at root level*/
 sub_nr_running(rq, queued_delta);
done:
 /*
  * Note: distribution will already see us throttled via the
  * throttled-list.  rq->lock protects completion.
 */
 cfs_rq->throttled = 1;
 WARN_ON_ONCE(cfs_rq->throttled_clock);
 if (cfs_rq->nr_queued)
  cfs_rq->throttled_clock = rq_clock(rq);
 return true;
}

void unthrottle_cfs_rq(struct cfs_rq *cfs_rq)
{
 struct rq *rq = rq_of(cfs_rq);
 struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
 struct sched_entity *se;
 long queued_delta, runnable_delta, idle_delta;
 long rq_h_nr_queued = rq->cfs.h_nr_queued;

 se = cfs_rq->tg->se[cpu_of(rq)];

 cfs_rq->throttled = 0;

 update_rq_clock(rq);

 raw_spin_lock(&cfs_b->lock);
 if (cfs_rq->throttled_clock) {
  cfs_b->throttled_time += rq_clock(rq) - cfs_rq->throttled_clock;
  cfs_rq->throttled_clock = 0;
 }
 list_del_rcu(&cfs_rq->throttled_list);
 raw_spin_unlock(&cfs_b->lock);

 /* update hierarchical throttle state */
 walk_tg_tree_from(cfs_rq->tg, tg_nop, tg_unthrottle_up, (void *)rq);

 if (!cfs_rq->load.weight) {
  if (!cfs_rq->on_list)
   return;
  /*
   * Nothing to run but something to decay (on_list)?
   * Complete the branch.
 */
  for_each_sched_entity(se) {
   if (list_add_leaf_cfs_rq(cfs_rq_of(se)))
    break;
  }
  goto unthrottle_throttle;
 }

 queued_delta = cfs_rq->h_nr_queued;
 runnable_delta = cfs_rq->h_nr_runnable;
 idle_delta = cfs_rq->h_nr_idle;
 for_each_sched_entity(se) {
  struct cfs_rq *qcfs_rq = cfs_rq_of(se);

  /* Handle any unfinished DELAY_DEQUEUE business first. */
  if (se->sched_delayed) {
   int flags = DEQUEUE_SLEEP | DEQUEUE_DELAYED;

   dequeue_entity(qcfs_rq, se, flags);
  } else if (se->on_rq)
   break;
  enqueue_entity(qcfs_rq, se, ENQUEUE_WAKEUP);

  if (cfs_rq_is_idle(group_cfs_rq(se)))
   idle_delta = cfs_rq->h_nr_queued;

  qcfs_rq->h_nr_queued += queued_delta;
  qcfs_rq->h_nr_runnable += runnable_delta;
  qcfs_rq->h_nr_idle += idle_delta;

  /* end evaluation on encountering a throttled cfs_rq */
  if (cfs_rq_throttled(qcfs_rq))
   goto unthrottle_throttle;
 }

 for_each_sched_entity(se) {
  struct cfs_rq *qcfs_rq = cfs_rq_of(se);

  update_load_avg(qcfs_rq, se, UPDATE_TG);
  se_update_runnable(se);

  if (cfs_rq_is_idle(group_cfs_rq(se)))
   idle_delta = cfs_rq->h_nr_queued;

  qcfs_rq->h_nr_queued += queued_delta;
  qcfs_rq->h_nr_runnable += runnable_delta;
  qcfs_rq->h_nr_idle += idle_delta;

  /* end evaluation on encountering a throttled cfs_rq */
  if (cfs_rq_throttled(qcfs_rq))
   goto unthrottle_throttle;
 }

 /* Start the fair server if un-throttling resulted in new runnable tasks */
 if (!rq_h_nr_queued && rq->cfs.h_nr_queued)
  dl_server_start(&rq->fair_server);

 /* At this point se is NULL and we are at root level*/
 add_nr_running(rq, queued_delta);

unthrottle_throttle:
 assert_list_leaf_cfs_rq(rq);

 /* Determine whether we need to wake up potentially idle CPU: */
 if (rq->curr == rq->idle && rq->cfs.nr_queued)
  resched_curr(rq);
}

static void __cfsb_csd_unthrottle(void *arg)
{
 struct cfs_rq *cursor, *tmp;
 struct rq *rq = arg;
 struct rq_flags rf;

 rq_lock(rq, &rf);

 /*
  * Iterating over the list can trigger several call to
  * update_rq_clock() in unthrottle_cfs_rq().
  * Do it once and skip the potential next ones.
 */
 update_rq_clock(rq);
 rq_clock_start_loop_update(rq);

 /*
  * Since we hold rq lock we're safe from concurrent manipulation of
  * the CSD list. However, this RCU critical section annotates the
  * fact that we pair with sched_free_group_rcu(), so that we cannot
  * race with group being freed in the window between removing it
  * from the list and advancing to the next entry in the list.
 */
 rcu_read_lock();

 list_for_each_entry_safe(cursor, tmp, &rq->cfsb_csd_list,
     throttled_csd_list) {
  list_del_init(&cursor->throttled_csd_list);

  if (cfs_rq_throttled(cursor))
   unthrottle_cfs_rq(cursor);
 }

 rcu_read_unlock();

 rq_clock_stop_loop_update(rq);
 rq_unlock(rq, &rf);
}

static inline void __unthrottle_cfs_rq_async(struct cfs_rq *cfs_rq)
{
 struct rq *rq = rq_of(cfs_rq);
 bool first;

 if (rq == this_rq()) {
  unthrottle_cfs_rq(cfs_rq);
  return;
 }

 /* Already enqueued */
 if (WARN_ON_ONCE(!list_empty(&cfs_rq->throttled_csd_list)))
  return;

 first = list_empty(&rq->cfsb_csd_list);
 list_add_tail(&cfs_rq->throttled_csd_list, &rq->cfsb_csd_list);
 if (first)
  smp_call_function_single_async(cpu_of(rq), &rq->cfsb_csd);
}

static void unthrottle_cfs_rq_async(struct cfs_rq *cfs_rq)
{
 lockdep_assert_rq_held(rq_of(cfs_rq));

 if (WARN_ON_ONCE(!cfs_rq_throttled(cfs_rq) ||
     cfs_rq->runtime_remaining <= 0))
  return;

 __unthrottle_cfs_rq_async(cfs_rq);
}

static bool distribute_cfs_runtime(struct cfs_bandwidth *cfs_b)
{
 int this_cpu = smp_processor_id();
 u64 runtime, remaining = 1;
 bool throttled = false;
 struct cfs_rq *cfs_rq, *tmp;
 struct rq_flags rf;
 struct rq *rq;
 LIST_HEAD(local_unthrottle);

 rcu_read_lock();
 list_for_each_entry_rcu(cfs_rq, &cfs_b->throttled_cfs_rq,
    throttled_list) {
  rq = rq_of(cfs_rq);

  if (!remaining) {
   throttled = true;
   break;
  }

  rq_lock_irqsave(rq, &rf);
  if (!cfs_rq_throttled(cfs_rq))
   goto next;

  /* Already queued for async unthrottle */
  if (!list_empty(&cfs_rq->throttled_csd_list))
   goto next;

  /* By the above checks, this should never be true */
  WARN_ON_ONCE(cfs_rq->runtime_remaining > 0);

  raw_spin_lock(&cfs_b->lock);
  runtime = -cfs_rq->runtime_remaining + 1;
  if (runtime > cfs_b->runtime)
   runtime = cfs_b->runtime;
  cfs_b->runtime -= runtime;
  remaining = cfs_b->runtime;
  raw_spin_unlock(&cfs_b->lock);

  cfs_rq->runtime_remaining += runtime;

  /* we check whether we're throttled above */
  if (cfs_rq->runtime_remaining > 0) {
   if (cpu_of(rq) != this_cpu) {
    unthrottle_cfs_rq_async(cfs_rq);
   } else {
    /*
     * We currently only expect to be unthrottling
     * a single cfs_rq locally.
 */
    WARN_ON_ONCE(!list_empty(&local_unthrottle));
    list_add_tail(&cfs_rq->throttled_csd_list,
           &local_unthrottle);
   }
  } else {
   throttled = true;
  }

next:
  rq_unlock_irqrestore(rq, &rf);
 }

 list_for_each_entry_safe(cfs_rq, tmp, &local_unthrottle,
     throttled_csd_list) {
  struct rq *rq = rq_of(cfs_rq);

  rq_lock_irqsave(rq, &rf);

  list_del_init(&cfs_rq->throttled_csd_list);

  if (cfs_rq_throttled(cfs_rq))
   unthrottle_cfs_rq(cfs_rq);

  rq_unlock_irqrestore(rq, &rf);
 }
 WARN_ON_ONCE(!list_empty(&local_unthrottle));

 rcu_read_unlock();

 return throttled;
}

/*
 * Responsible for refilling a task_group's bandwidth and unthrottling its
 * cfs_rqs as appropriate. If there has been no activity within the last
 * period the timer is deactivated until scheduling resumes; cfs_b->idle is
 * used to track this state.
 */
static int do_sched_cfs_period_timer(struct cfs_bandwidth *cfs_b, int overrun, unsigned long flags)
{
 int throttled;

 /* no need to continue the timer with no bandwidth constraint */
 if (cfs_b->quota == RUNTIME_INF)
  goto out_deactivate;

 throttled = !list_empty(&cfs_b->throttled_cfs_rq);
 cfs_b->nr_periods += overrun;

 /* Refill extra burst quota even if cfs_b->idle */
 __refill_cfs_bandwidth_runtime(cfs_b);

 /*
  * idle depends on !throttled (for the case of a large deficit), and if
  * we're going inactive then everything else can be deferred
 */
 if (cfs_b->idle && !throttled)
  goto out_deactivate;

 if (!throttled) {
  /* mark as potentially idle for the upcoming period */
  cfs_b->idle = 1;
  return 0;
 }

 /* account preceding periods in which throttling occurred */
 cfs_b->nr_throttled += overrun;

 /*
  * This check is repeated as we release cfs_b->lock while we unthrottle.
 */
 while (throttled && cfs_b->runtime > 0) {
  raw_spin_unlock_irqrestore(&cfs_b->lock, flags);
  /* we can't nest cfs_b->lock while distributing bandwidth */
  throttled = distribute_cfs_runtime(cfs_b);
  raw_spin_lock_irqsave(&cfs_b->lock, flags);
 }

 /*
  * While we are ensured activity in the period following an
  * unthrottle, this also covers the case in which the new bandwidth is
  * insufficient to cover the existing bandwidth deficit.  (Forcing the
  * timer to remain active while there are any throttled entities.)
 */
 cfs_b->idle = 0;

 return 0;

out_deactivate:
 return 1;
}

/* a cfs_rq won't donate quota below this amount */
static const u64 min_cfs_rq_runtime = 1 * NSEC_PER_MSEC;
/* minimum remaining period time to redistribute slack quota */
static const u64 min_bandwidth_expiration = 2 * NSEC_PER_MSEC;
/* how long we wait to gather additional slack before distributing */
static const u64 cfs_bandwidth_slack_period = 5 * NSEC_PER_MSEC;

/*
 * Are we near the end of the current quota period?
 *
 * Requires cfs_b->lock for hrtimer_expires_remaining to be safe against the
 * hrtimer base being cleared by hrtimer_start. In the case of
 * migrate_hrtimers, base is never cleared, so we are fine.
 */
static int runtime_refresh_within(struct cfs_bandwidth *cfs_b, u64 min_expire)
{
 struct hrtimer *refresh_timer = &cfs_b->period_timer;
 s64 remaining;

 /* if the call-back is running a quota refresh is already occurring */
 if (hrtimer_callback_running(refresh_timer))
  return 1;

 /* is a quota refresh about to occur? */
 remaining = ktime_to_ns(hrtimer_expires_remaining(refresh_timer));
 if (remaining < (s64)min_expire)
  return 1;

 return 0;
}

static void start_cfs_slack_bandwidth(struct cfs_bandwidth *cfs_b)
{
 u64 min_left = cfs_bandwidth_slack_period + min_bandwidth_expiration;

 /* if there's a quota refresh soon don't bother with slack */
 if (runtime_refresh_within(cfs_b, min_left))
  return;

 /* don't push forwards an existing deferred unthrottle */
 if (cfs_b->slack_started)
  return;
 cfs_b->slack_started = true;

 hrtimer_start(&cfs_b->slack_timer,
   ns_to_ktime(cfs_bandwidth_slack_period),
   HRTIMER_MODE_REL);
}

/* we know any runtime found here is valid as update_curr() precedes return */
static void __return_cfs_rq_runtime(struct cfs_rq *cfs_rq)
{
 struct cfs_bandwidth *cfs_b = tg_cfs_bandwidth(cfs_rq->tg);
 s64 slack_runtime = cfs_rq->runtime_remaining - min_cfs_rq_runtime;

 if (slack_runtime <= 0)
  return;

 raw_spin_lock(&cfs_b->lock);
 if (cfs_b->quota != RUNTIME_INF) {
  cfs_b->runtime += slack_runtime;

  /* we are under rq->lock, defer unthrottling using a timer */
  if (cfs_b->runtime > sched_cfs_bandwidth_slice() &&
      !list_empty(&cfs_b->throttled_cfs_rq))
   start_cfs_slack_bandwidth(cfs_b);
 }
 raw_spin_unlock(&cfs_b->lock);

 /* even if it's not valid for return we don't want to try again */
 cfs_rq->runtime_remaining -= slack_runtime;
}

static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq)
{
 if (!cfs_bandwidth_used())
  return;

 if (!cfs_rq->runtime_enabled || cfs_rq->nr_queued)
  return;

 __return_cfs_rq_runtime(cfs_rq);
}

/*
 * This is done with a timer (instead of inline with bandwidth return) since
 * it's necessary to juggle rq->locks to unthrottle their respective cfs_rqs.
 */
static void do_sched_cfs_slack_timer(struct cfs_bandwidth *cfs_b)
{
 u64 runtime = 0, slice = sched_cfs_bandwidth_slice();
 unsigned long flags;

 /* confirm we're still not at a refresh boundary */
 raw_spin_lock_irqsave(&cfs_b->lock, flags);
 cfs_b->slack_started = false;

 if (runtime_refresh_within(cfs_b, min_bandwidth_expiration)) {
  raw_spin_unlock_irqrestore(&cfs_b->lock, flags);
  return;
 }

 if (cfs_b->quota != RUNTIME_INF && cfs_b->runtime > slice)
  runtime = cfs_b->runtime;

 raw_spin_unlock_irqrestore(&cfs_b->lock, flags);

 if (!runtime)
  return;

 distribute_cfs_runtime(cfs_b);
}

/*
 * When a group wakes up we want to make sure that its quota is not already
 * expired/exceeded, otherwise it may be allowed to steal additional ticks of
 * runtime as update_curr() throttling can not trigger until it's on-rq.
 */
static void check_enqueue_throttle(struct cfs_rq *cfs_rq)
{
 if (!cfs_bandwidth_used())
  return;

 /* an active group must be handled by the update_curr()->put() path */
 if (!cfs_rq->runtime_enabled || cfs_rq->curr)
  return;

 /* ensure the group is not already throttled */
 if (cfs_rq_throttled(cfs_rq))
  return;

 /* update runtime allocation */
 account_cfs_rq_runtime(cfs_rq, 0);
 if (cfs_rq->runtime_remaining <= 0)
  throttle_cfs_rq(cfs_rq);
}

static void sync_throttle(struct task_group *tg, int cpu)
{
 struct cfs_rq *pcfs_rq, *cfs_rq;

 if (!cfs_bandwidth_used())
  return;

 if (!tg->parent)
  return;

 cfs_rq = tg->cfs_rq[cpu];
 pcfs_rq = tg->parent->cfs_rq[cpu];

 cfs_rq->throttle_count = pcfs_rq->throttle_count;
 cfs_rq->throttled_clock_pelt = rq_clock_pelt(cpu_rq(cpu));
}

/* conditionally throttle active cfs_rq's from put_prev_entity() */
static bool check_cfs_rq_runtime(struct cfs_rq *cfs_rq)
{
 if (!cfs_bandwidth_used())
  return false;

 if (likely(!cfs_rq->runtime_enabled || cfs_rq->runtime_remaining > 0))
  return false;

 /*
  * it's possible for a throttled entity to be forced into a running
  * state (e.g. set_curr_task), in this case we're finished.
 */
 if (cfs_rq_throttled(cfs_rq))
  return true;

 return throttle_cfs_rq(cfs_rq);
}

static enum hrtimer_restart sched_cfs_slack_timer(struct hrtimer *timer)
{
 struct cfs_bandwidth *cfs_b =
  container_of(timer, struct cfs_bandwidth, slack_timer);

 do_sched_cfs_slack_timer(cfs_b);

 return HRTIMER_NORESTART;
}

static enum hrtimer_restart sched_cfs_period_timer(struct hrtimer *timer)
{
 struct cfs_bandwidth *cfs_b =
  container_of(timer, struct cfs_bandwidth, period_timer);
 unsigned long flags;
 int overrun;
 int idle = 0;
 int count = 0;

 raw_spin_lock_irqsave(&cfs_b->lock, flags);
 for (;;) {
  overrun = hrtimer_forward_now(timer, cfs_b->period);
  if (!overrun)
   break;

  idle = do_sched_cfs_period_timer(cfs_b, overrun, flags);

  if (++count > 3) {
   u64 new, old = ktime_to_ns(cfs_b->period);

   /*
    * Grow period by a factor of 2 to avoid losing precision.
    * Precision loss in the quota/period ratio can cause __cfs_schedulable
    * to fail.
 */
   new = old * 2;
   if (new < max_bw_quota_period_us * NSEC_PER_USEC) {
    cfs_b->period = ns_to_ktime(new);
    cfs_b->quota *= 2;
    cfs_b->burst *= 2;

    pr_warn_ratelimited(
 "cfs_period_timer[cpu%d]: period too short, scaling up (new cfs_period_us = %lld, cfs_quota_us = %lld)\n",
     smp_processor_id(),
     div_u64(new, NSEC_PER_USEC),
     div_u64(cfs_b->quota, NSEC_PER_USEC));
   } else {
    pr_warn_ratelimited(
 "cfs_period_timer[cpu%d]: period too short, but cannot scale up without losing precision (cfs_period_us = %lld, cfs_quota_us = %lld)\n",
     smp_processor_id(),
     div_u64(old, NSEC_PER_USEC),
     div_u64(cfs_b->quota, NSEC_PER_USEC));
   }

   /* reset count so we don't come right back in here */
   count = 0;
  }
 }
 if (idle)
  cfs_b->period_active = 0;
 raw_spin_unlock_irqrestore(&cfs_b->lock, flags);

 return idle ? HRTIMER_NORESTART : HRTIMER_RESTART;
}

void init_cfs_bandwidth(struct cfs_bandwidth *cfs_b, struct cfs_bandwidth *parent)
{
 raw_spin_lock_init(&cfs_b->lock);
 cfs_b->runtime = 0;
 cfs_b->quota = RUNTIME_INF;
 cfs_b->period = us_to_ktime(default_bw_period_us());
 cfs_b->burst = 0;
 cfs_b->hierarchical_quota = parent ? parent->hierarchical_quota : RUNTIME_INF;

 INIT_LIST_HEAD(&cfs_b->throttled_cfs_rq);
 hrtimer_setup(&cfs_b->period_timer, sched_cfs_period_timer, CLOCK_MONOTONIC,
        HRTIMER_MODE_ABS_PINNED);

 /* Add a random offset so that timers interleave */
 hrtimer_set_expires(&cfs_b->period_timer,
       get_random_u32_below(cfs_b->period));
 hrtimer_setup(&cfs_b->slack_timer, sched_cfs_slack_timer, CLOCK_MONOTONIC,
        HRTIMER_MODE_REL);
 cfs_b->slack_started = false;
}

static void init_cfs_rq_runtime(struct cfs_rq *cfs_rq)
{
 cfs_rq->runtime_enabled = 0;
 INIT_LIST_HEAD(&cfs_rq->throttled_list);
 INIT_LIST_HEAD(&cfs_rq->throttled_csd_list);
}

void start_cfs_bandwidth(struct cfs_bandwidth *cfs_b)
{
 lockdep_assert_held(&cfs_b->lock);

 if (cfs_b->period_active)
  return;

 cfs_b->period_active = 1;
 hrtimer_forward_now(&cfs_b->period_timer, cfs_b->period);
 hrtimer_start_expires(&cfs_b->period_timer, HRTIMER_MODE_ABS_PINNED);
}

static void destroy_cfs_bandwidth(struct cfs_bandwidth *cfs_b)
{
 int __maybe_unused i;

 /* init_cfs_bandwidth() was not called */
 if (!cfs_b->throttled_cfs_rq.next)
  return;

 hrtimer_cancel(&cfs_b->period_timer);
 hrtimer_cancel(&cfs_b->slack_timer);

 /*
  * It is possible that we still have some cfs_rq's pending on a CSD
  * list, though this race is very rare. In order for this to occur, we
  * must have raced with the last task leaving the group while there
  * exist throttled cfs_rq(s), and the period_timer must have queued the
  * CSD item but the remote cpu has not yet processed it. To handle this,
  * we can simply flush all pending CSD work inline here. We're
  * guaranteed at this point that no additional cfs_rq of this group can
  * join a CSD list.
 */
 for_each_possible_cpu(i) {
  struct rq *rq = cpu_rq(i);
  unsigned long flags;

  if (list_empty(&rq->cfsb_csd_list))
   continue;

  local_irq_save(flags);
  __cfsb_csd_unthrottle(rq);
  local_irq_restore(flags);
 }
}

/*
 * Both these CPU hotplug callbacks race against unregister_fair_sched_group()
 *
 * The race is harmless, since modifying bandwidth settings of unhooked group
 * bits doesn't do much.
 */

/* cpu online callback */
static void __maybe_unused update_runtime_enabled(struct rq *rq)
{
 struct task_group *tg;

 lockdep_assert_rq_held(rq);

 rcu_read_lock();
 list_for_each_entry_rcu(tg, &task_groups, list) {
  struct cfs_bandwidth *cfs_b = &tg->cfs_bandwidth;
  struct cfs_rq *cfs_rq = tg->cfs_rq[cpu_of(rq)];

  raw_spin_lock(&cfs_b->lock);
  cfs_rq->runtime_enabled = cfs_b->quota != RUNTIME_INF;
  raw_spin_unlock(&cfs_b->lock);
 }
 rcu_read_unlock();
}

/* cpu offline callback */
static void __maybe_unused unthrottle_offline_cfs_rqs(struct rq *rq)
{
 struct task_group *tg;

 lockdep_assert_rq_held(rq);

 // Do not unthrottle for an active CPU
 if (cpumask_test_cpu(cpu_of(rq), cpu_active_mask))
  return;

 /*
  * The rq clock has already been updated in the
  * set_rq_offline(), so we should skip updating
  * the rq clock again in unthrottle_cfs_rq().
 */
 rq_clock_start_loop_update(rq);

 rcu_read_lock();
 list_for_each_entry_rcu(tg, &task_groups, list) {
  struct cfs_rq *cfs_rq = tg->cfs_rq[cpu_of(rq)];

  if (!cfs_rq->runtime_enabled)
   continue;

  /*
   * Offline rq is schedulable till CPU is completely disabled
   * in take_cpu_down(), so we prevent new cfs throttling here.
 */
  cfs_rq->runtime_enabled = 0;

  if (!cfs_rq_throttled(cfs_rq))
   continue;

  /*
   * clock_task is not advancing so we just need to make sure
   * there's some valid quota amount
 */
  cfs_rq->runtime_remaining = 1;
  unthrottle_cfs_rq(cfs_rq);
 }
 rcu_read_unlock();

 rq_clock_stop_loop_update(rq);
}

bool cfs_task_bw_constrained(struct task_struct *p)
{
 struct cfs_rq *cfs_rq = task_cfs_rq(p);

 if (!cfs_bandwidth_used())
  return false;

 if (cfs_rq->runtime_enabled ||
     tg_cfs_bandwidth(cfs_rq->tg)->hierarchical_quota != RUNTIME_INF)
  return true;

 return false;
}

#ifdef CONFIG_NO_HZ_FULL
/* called from pick_next_task_fair() */
static void sched_fair_update_stop_tick(struct rq *rq, struct task_struct *p)
{
 int cpu = cpu_of(rq);

 if (!cfs_bandwidth_used())
  return;

 if (!tick_nohz_full_cpu(cpu))
  return;

 if (rq->nr_running != 1)
  return;

 /*
  *  We know there is only one task runnable and we've just picked it. The
  *  normal enqueue path will have cleared TICK_DEP_BIT_SCHED if we will
  *  be otherwise able to stop the tick. Just need to check if we are using
  *  bandwidth control.
 */
 if (cfs_task_bw_constrained(p))
  tick_nohz_dep_set_cpu(cpu, TICK_DEP_BIT_SCHED);
}
#endif /* CONFIG_NO_HZ_FULL */

#else /* !CONFIG_CFS_BANDWIDTH: */

static void account_cfs_rq_runtime(struct cfs_rq *cfs_rq, u64 delta_exec) {}
static bool check_cfs_rq_runtime(struct cfs_rq *cfs_rq) { return false; }
static void check_enqueue_throttle(struct cfs_rq *cfs_rq) {}
static inline void sync_throttle(struct task_group *tg, int cpu) {}
static __always_inline void return_cfs_rq_runtime(struct cfs_rq *cfs_rq) {}

static inline int cfs_rq_throttled(struct cfs_rq *cfs_rq)
{
 return 0;
}

static inline int throttled_hierarchy(struct cfs_rq *cfs_rq)
{
 return 0;
}

static inline int throttled_lb_pair(struct task_group *tg,
        int src_cpu, int dest_cpu)
{
 return 0;
}

#ifdef CONFIG_FAIR_GROUP_SCHED
void init_cfs_bandwidth(struct cfs_bandwidth *cfs_b, struct cfs_bandwidth *parent) {}
static void init_cfs_rq_runtime(struct cfs_rq *cfs_rq) {}
#endif

static inline struct cfs_bandwidth *tg_cfs_bandwidth(struct task_group *tg)
{
 return NULL;
}
static inline void destroy_cfs_bandwidth(struct cfs_bandwidth *cfs_b) {}
static inline void update_runtime_enabled(struct rq *rq) {}
static inline void unthrottle_offline_cfs_rqs(struct rq *rq) {}
#ifdef CONFIG_CGROUP_SCHED
bool cfs_task_bw_constrained(struct task_struct *p)
{
 return false;
}
#endif
#endif /* !CONFIG_CFS_BANDWIDTH */

#if !defined(CONFIG_CFS_BANDWIDTH) || !defined(CONFIG_NO_HZ_FULL)
static inline void sched_fair_update_stop_tick(struct rq *rq, struct task_struct *p) {}
#endif

/**************************************************
 * CFS operations on tasks:
 */

#ifdef CONFIG_SCHED_HRTICK
static void hrtick_start_fair(struct rq *rq, struct task_struct *p)
{
 struct sched_entity *se = &p->se;

 WARN_ON_ONCE(task_rq(p) != rq);

 if (rq->cfs.h_nr_queued > 1) {
  u64 ran = se->sum_exec_runtime - se->prev_sum_exec_runtime;
  u64 slice = se->slice;
  s64 delta = slice - ran;

  if (delta < 0) {
   if (task_current_donor(rq, p))
    resched_curr(rq);
   return;
  }
  hrtick_start(rq, delta);
 }
}

/*
 * called from enqueue/dequeue and updates the hrtick when the
 * current task is from our class and nr_running is low enough
 * to matter.
 */
static void hrtick_update(struct rq *rq)
{
 struct task_struct *donor = rq->donor;

 if (!hrtick_enabled_fair(rq) || donor->sched_class != &fair_sched_class)
  return;

 hrtick_start_fair(rq, donor);
}
#else /* !CONFIG_SCHED_HRTICK: */
static inline void
hrtick_start_fair(struct rq *rq, struct task_struct *p)
{
}

static inline void hrtick_update(struct rq *rq)
{
}
#endif /* !CONFIG_SCHED_HRTICK */

static inline bool cpu_overutilized(int cpu)
{
 unsigned long  rq_util_min, rq_util_max;

 if (!sched_energy_enabled())
  return false;

 rq_util_min = uclamp_rq_get(cpu_rq(cpu), UCLAMP_MIN);
 rq_util_max = uclamp_rq_get(cpu_rq(cpu), UCLAMP_MAX);

 /* Return true only if the utilization doesn't fit CPU's capacity */
 return !util_fits_cpu(cpu_util_cfs(cpu), rq_util_min, rq_util_max, cpu);
}

/*
 * overutilized value make sense only if EAS is enabled
 */
static inline bool is_rd_overutilized(struct root_domain *rd)
{
 return !sched_energy_enabled() || READ_ONCE(rd->overutilized);
}

static inline void set_rd_overutilized(struct root_domain *rd, bool flag)
{
 if (!sched_energy_enabled())
  return;

 WRITE_ONCE(rd->overutilized, flag);
 trace_sched_overutilized_tp(rd, flag);
}

static inline void check_update_overutilized_status(struct rq *rq)
{
 /*
  * overutilized field is used for load balancing decisions only
  * if energy aware scheduler is being used
 */

 if (!is_rd_overutilized(rq->rd) && cpu_overutilized(rq->cpu))
  set_rd_overutilized(rq->rd, 1);
}

/* Runqueue only has SCHED_IDLE tasks enqueued */
static int sched_idle_rq(struct rq *rq)
{
 return unlikely(rq->nr_running == rq->cfs.h_nr_idle &&
   rq->nr_running);
}

static int sched_idle_cpu(int cpu)
{
 return sched_idle_rq(cpu_rq(cpu));
}

static void
requeue_delayed_entity(struct sched_entity *se)
{
 struct cfs_rq *cfs_rq = cfs_rq_of(se);

 /*
  * se->sched_delayed should imply: se->on_rq == 1.
  * Because a delayed entity is one that is still on
  * the runqueue competing until elegibility.
 */
 WARN_ON_ONCE(!se->sched_delayed);
 WARN_ON_ONCE(!se->on_rq);

 if (sched_feat(DELAY_ZERO)) {
  update_entity_lag(cfs_rq, se);
  if (se->vlag > 0) {
   cfs_rq->nr_queued--;
   if (se != cfs_rq->curr)
    __dequeue_entity(cfs_rq, se);
   se->vlag = 0;
   place_entity(cfs_rq, se, 0);
   if (se != cfs_rq->curr)
    __enqueue_entity(cfs_rq, se);
   cfs_rq->nr_queued++;
  }
 }

 update_load_avg(cfs_rq, se, 0);
 clear_delayed(se);
}

/*
 * The enqueue_task method is called before nr_running is
 * increased. Here we update the fair scheduling stats and
 * then put the task into the rbtree:
 */
static void
enqueue_task_fair(struct rq *rq, struct task_struct *p, int flags)
{
 struct cfs_rq *cfs_rq;
 struct sched_entity *se = &p->se;
 int h_nr_idle = task_has_idle_policy(p);
 int h_nr_runnable = 1;
 int task_new = !(flags & ENQUEUE_WAKEUP);
 int rq_h_nr_queued = rq->cfs.h_nr_queued;
 u64 slice = 0;

 /*
  * The code below (indirectly) updates schedutil which looks at
  * the cfs_rq utilization to select a frequency.
  * Let's add the task's estimated utilization to the cfs_rq's
  * estimated utilization, before we update schedutil.
 */
 if (!p->se.sched_delayed || (flags & ENQUEUE_DELAYED))
  util_est_enqueue(&rq->cfs, p);

 if (flags & ENQUEUE_DELAYED) {
  requeue_delayed_entity(se);
  return;
 }

 /*
  * If in_iowait is set, the code below may not trigger any cpufreq
  * utilization updates, so do it here explicitly with the IOWAIT flag
  * passed.
 */
 if (p->in_iowait)
  cpufreq_update_util(rq, SCHED_CPUFREQ_IOWAIT);

 if (task_new && se->sched_delayed)
  h_nr_runnable = 0;

 for_each_sched_entity(se) {
  if (se->on_rq) {
   if (se->sched_delayed)
    requeue_delayed_entity(se);
   break;
  }
  cfs_rq = cfs_rq_of(se);

  /*
   * Basically set the slice of group entries to the min_slice of
   * their respective cfs_rq. This ensures the group can service
   * its entities in the desired time-frame.
 */
  if (slice) {
   se->slice = slice;
   se->custom_slice = 1;
  }
  enqueue_entity(cfs_rq, se, flags);
  slice = cfs_rq_min_slice(cfs_rq);

  cfs_rq->h_nr_runnable += h_nr_runnable;
  cfs_rq->h_nr_queued++;
  cfs_rq->h_nr_idle += h_nr_idle;

  if (cfs_rq_is_idle(cfs_rq))
   h_nr_idle = 1;

  /* end evaluation on encountering a throttled cfs_rq */
  if (cfs_rq_throttled(cfs_rq))
   goto enqueue_throttle;

  flags = ENQUEUE_WAKEUP;
 }

 for_each_sched_entity(se) {
  cfs_rq = cfs_rq_of(se);

  update_load_avg(cfs_rq, se, UPDATE_TG);
  se_update_runnable(se);
  update_cfs_group(se);

  se->slice = slice;
  if (se != cfs_rq->curr)
   min_vruntime_cb_propagate(&se->run_node, NULL);
  slice = cfs_rq_min_slice(cfs_rq);

  cfs_rq->h_nr_runnable += h_nr_runnable;
  cfs_rq->h_nr_queued++;
  cfs_rq->h_nr_idle += h_nr_idle;

  if (cfs_rq_is_idle(cfs_rq))
   h_nr_idle = 1;

  /* end evaluation on encountering a throttled cfs_rq */
  if (cfs_rq_throttled(cfs_rq))
   goto enqueue_throttle;
 }

 if (!rq_h_nr_queued && rq->cfs.h_nr_queued) {
  /* Account for idle runtime */
  if (!rq->nr_running)
   dl_server_update_idle_time(rq, rq->curr);
  dl_server_start(&rq->fair_server);
 }

 /* At this point se is NULL and we are at root level*/
 add_nr_running(rq, 1);

 /*
  * Since new tasks are assigned an initial util_avg equal to
  * half of the spare capacity of their CPU, tiny tasks have the
  * ability to cross the overutilized threshold, which will
  * result in the load balancer ruining all the task placement
  * done by EAS. As a way to mitigate that effect, do not account
  * for the first enqueue operation of new tasks during the
  * overutilized flag detection.
  *
  * A better way of solving this problem would be to wait for
  * the PELT signals of tasks to converge before taking them
  * into account, but that is not straightforward to implement,
  * and the following generally works well enough in practice.
 */
 if (!task_new)
  check_update_overutilized_status(rq);

enqueue_throttle:
 assert_list_leaf_cfs_rq(rq);

 hrtick_update(rq);
}

static void set_next_buddy(struct sched_entity *se);

/*
 * Basically dequeue_task_fair(), except it can deal with dequeue_entity()
 * failing half-way through and resume the dequeue later.
 *
 * Returns:
 * -1 - dequeue delayed
 *  0 - dequeue throttled
 *  1 - dequeue complete
 */
static int dequeue_entities(struct rq *rq, struct sched_entity *se, int flags)
{
 bool was_sched_idle = sched_idle_rq(rq);
 bool task_sleep = flags & DEQUEUE_SLEEP;
 bool task_delayed = flags & DEQUEUE_DELAYED;
 struct task_struct *p = NULL;
 int h_nr_idle = 0;
 int h_nr_queued = 0;
 int h_nr_runnable = 0;
 struct cfs_rq *cfs_rq;
 u64 slice = 0;
 int ret = 0;

 if (entity_is_task(se)) {
  p = task_of(se);
  h_nr_queued = 1;
  h_nr_idle = task_has_idle_policy(p);
  if (task_sleep || task_delayed || !se->sched_delayed)
   h_nr_runnable = 1;
 }

 for_each_sched_entity(se) {
  cfs_rq = cfs_rq_of(se);

  if (!dequeue_entity(cfs_rq, se, flags)) {
   if (p && &p->se == se)
    return -1;

   slice = cfs_rq_min_slice(cfs_rq);
   break;
  }

  cfs_rq->h_nr_runnable -= h_nr_runnable;
  cfs_rq->h_nr_queued -= h_nr_queued;
  cfs_rq->h_nr_idle -= h_nr_idle;

  if (cfs_rq_is_idle(cfs_rq))
   h_nr_idle = h_nr_queued;

  /* end evaluation on encountering a throttled cfs_rq */
  if (cfs_rq_throttled(cfs_rq))
   goto out;

  /* Don't dequeue parent if it has other entities besides us */
  if (cfs_rq->load.weight) {
   slice = cfs_rq_min_slice(cfs_rq);

   /* Avoid re-evaluating load for this entity: */
   se = parent_entity(se);
   /*
    * Bias pick_next to pick a task from this cfs_rq, as
    * p is sleeping when it is within its sched_slice.
 */
   if (task_sleep && se && !throttled_hierarchy(cfs_rq))
    set_next_buddy(se);
   break;
  }
  flags |= DEQUEUE_SLEEP;
  flags &= ~(DEQUEUE_DELAYED | DEQUEUE_SPECIAL);
 }

 for_each_sched_entity(se) {
  cfs_rq = cfs_rq_of(se);

  update_load_avg(cfs_rq, se, UPDATE_TG);
  se_update_runnable(se);
  update_cfs_group(se);

  se->slice = slice;
  if (se != cfs_rq->curr)
   min_vruntime_cb_propagate(&se->run_node, NULL);
  slice = cfs_rq_min_slice(cfs_rq);

  cfs_rq->h_nr_runnable -= h_nr_runnable;
  cfs_rq->h_nr_queued -= h_nr_queued;
  cfs_rq->h_nr_idle -= h_nr_idle;

  if (cfs_rq_is_idle(cfs_rq))
   h_nr_idle = h_nr_queued;

  /* end evaluation on encountering a throttled cfs_rq */
  if (cfs_rq_throttled(cfs_rq))
   goto out;
 }

 sub_nr_running(rq, h_nr_queued);

 /* balance early to pull high priority tasks */
 if (unlikely(!was_sched_idle && sched_idle_rq(rq)))
  rq->next_balance = jiffies;

 ret = 1;
out:
 if (p && task_delayed) {
  WARN_ON_ONCE(!task_sleep);
  WARN_ON_ONCE(p->on_rq != 1);

  /* Fix-up what dequeue_task_fair() skipped */
  hrtick_update(rq);

  /*
   * Fix-up what block_task() skipped.
   *
   * Must be last, @p might not be valid after this.
 */
  __block_task(rq, p);
 }

 return ret;
}

/*
 * The dequeue_task method is called before nr_running is
 * decreased. We remove the task from the rbtree and
 * update the fair scheduling stats:
 */
static bool dequeue_task_fair(struct rq *rq, struct task_struct *p, int flags)
{
 if (!p->se.sched_delayed)
  util_est_dequeue(&rq->cfs, p);

 util_est_update(&rq->cfs, p, flags & DEQUEUE_SLEEP);
 if (dequeue_entities(rq, &p->se, flags) < 0)
  return false;

 /*
  * Must not reference @p after dequeue_entities(DEQUEUE_DELAYED).
 */

 hrtick_update(rq);
 return true;
}

static inline unsigned int cfs_h_nr_delayed(struct rq *rq)
{
 return (rq->cfs.h_nr_queued - rq->cfs.h_nr_runnable);
}

/* Working cpumask for: sched_balance_rq(), sched_balance_newidle(). */
static DEFINE_PER_CPU(cpumask_var_t, load_balance_mask);
static DEFINE_PER_CPU(cpumask_var_t, select_rq_mask);
static DEFINE_PER_CPU(cpumask_var_t, should_we_balance_tmpmask);

#ifdef CONFIG_NO_HZ_COMMON

static struct {
 cpumask_var_t idle_cpus_mask;
 atomic_t nr_cpus;
 int has_blocked;  /* Idle CPUS has blocked load */
 int needs_update;  /* Newly idle CPUs need their next_balance collated */
 unsigned long next_balance;     /* in jiffy units */
 unsigned long next_blocked; /* Next update of blocked load in jiffies */
} nohz ____cacheline_aligned;

#endif /* CONFIG_NO_HZ_COMMON */

static unsigned long cpu_load(struct rq *rq)
{
 return cfs_rq_load_avg(&rq->cfs);
}

/*
 * cpu_load_without - compute CPU load without any contributions from *p
 * @cpu: the CPU which load is requested
 * @p: the task which load should be discounted
 *
 * The load of a CPU is defined by the load of tasks currently enqueued on that
 * CPU as well as tasks which are currently sleeping after an execution on that
 * CPU.
 *
 * This method returns the load of the specified CPU by discounting the load of
 * the specified task, whenever the task is currently contributing to the CPU
 * load.
 */
static unsigned long cpu_load_without(struct rq *rq, struct task_struct *p)
{
 struct cfs_rq *cfs_rq;
 unsigned int load;

 /* Task has no contribution or is new */
 if (cpu_of(rq) != task_cpu(p) || !READ_ONCE(p->se.avg.last_update_time))
  return cpu_load(rq);

 cfs_rq = &rq->cfs;
 load = READ_ONCE(cfs_rq->avg.load_avg);

 /* Discount task's util from CPU's util */
 lsub_positive(&load, task_h_load(p));

 return load;
}

static unsigned long cpu_runnable(struct rq *rq)
{
 return cfs_rq_runnable_avg(&rq->cfs);
}

static unsigned long cpu_runnable_without(struct rq *rq, struct task_struct *p)
{
 struct cfs_rq *cfs_rq;
 unsigned int runnable;

 /* Task has no contribution or is new */
 if (cpu_of(rq) != task_cpu(p) || !READ_ONCE(p->se.avg.last_update_time))
  return cpu_runnable(rq);

 cfs_rq = &rq->cfs;
 runnable = READ_ONCE(cfs_rq->avg.runnable_avg);

 /* Discount task's runnable from CPU's runnable */
 lsub_positive(&runnable, p->se.avg.runnable_avg);

 return runnable;
}

static unsigned long capacity_of(int cpu)
{
 return cpu_rq(cpu)->cpu_capacity;
}

static void record_wakee(struct task_struct *p)
{
 /*
  * Only decay a single time; tasks that have less then 1 wakeup per
  * jiffy will not have built up many flips.
 */
 if (time_after(jiffies, current->wakee_flip_decay_ts + HZ)) {
  current->wakee_flips >>= 1;
  current->wakee_flip_decay_ts = jiffies;
 }

 if (current->last_wakee != p) {
  current->last_wakee = p;
  current->wakee_flips++;
 }
}

/*
 * Detect M:N waker/wakee relationships via a switching-frequency heuristic.
 *
 * A waker of many should wake a different task than the one last awakened
 * at a frequency roughly N times higher than one of its wakees.
 *
 * In order to determine whether we should let the load spread vs consolidating
 * to shared cache, we look for a minimum 'flip' frequency of llc_size in one
 * partner, and a factor of lls_size higher frequency in the other.
 *
 * With both conditions met, we can be relatively sure that the relationship is
 * non-monogamous, with partner count exceeding socket size.
 *
 * Waker/wakee being client/server, worker/dispatcher, interrupt source or
 * whatever is irrelevant, spread criteria is apparent partner count exceeds
 * socket size.
 */
static int wake_wide(struct task_struct *p)
{
 unsigned int master = current->wakee_flips;
 unsigned int slave = p->wakee_flips;
 int factor = __this_cpu_read(sd_llc_size);

 if (master < slave)
  swap(master, slave);
 if (slave < factor || master < slave * factor)
  return 0;
 return 1;
}

/*
 * The purpose of wake_affine() is to quickly determine on which CPU we can run
 * soonest. For the purpose of speed we only consider the waking and previous
 * CPU.
 *
 * wake_affine_idle() - only considers 'now', it check if the waking CPU is
 *   cache-affine and is (or will be) idle.
 *
 * wake_affine_weight() - considers the weight to reflect the average
 *     scheduling latency of the CPUs. This seems to work
 *     for the overloaded case.
 */
static int
wake_affine_idle(int this_cpu, int prev_cpu, int sync)
{
 /*
  * If this_cpu is idle, it implies the wakeup is from interrupt
  * context. Only allow the move if cache is shared. Otherwise an
  * interrupt intensive workload could force all tasks onto one
  * node depending on the IO topology or IRQ affinity settings.
  *
  * If the prev_cpu is idle and cache affine then avoid a migration.
  * There is no guarantee that the cache hot data from an interrupt
  * is more important than cache hot data on the prev_cpu and from
  * a cpufreq perspective, it's better to have higher utilisation
  * on one CPU.
 */
 if (available_idle_cpu(this_cpu) && cpus_share_cache(this_cpu, prev_cpu))
  return available_idle_cpu(prev_cpu) ? prev_cpu : this_cpu;

 if (sync) {
  struct rq *rq = cpu_rq(this_cpu);

  if ((rq->nr_running - cfs_h_nr_delayed(rq)) == 1)
   return this_cpu;
 }

 if (available_idle_cpu(prev_cpu))
  return prev_cpu;

 return nr_cpumask_bits;
}

static int
wake_affine_weight(struct sched_domain *sd, struct task_struct *p,
     int this_cpu, int prev_cpu, int sync)
{
 s64 this_eff_load, prev_eff_load;
 unsigned long task_load;

 this_eff_load = cpu_load(cpu_rq(this_cpu));

 if (sync) {
  unsigned long current_load = task_h_load(current);

  if (current_load > this_eff_load)
   return this_cpu;

  this_eff_load -= current_load;
 }

 task_load = task_h_load(p);

 this_eff_load += task_load;
 if (sched_feat(WA_BIAS))
  this_eff_load *= 100;
 this_eff_load *= capacity_of(prev_cpu);

 prev_eff_load = cpu_load(cpu_rq(prev_cpu));
 prev_eff_load -= task_load;
 if (sched_feat(WA_BIAS))
  prev_eff_load *= 100 + (sd->imbalance_pct - 100) / 2;
 prev_eff_load *= capacity_of(this_cpu);

 /*
  * If sync, adjust the weight of prev_eff_load such that if
  * prev_eff == this_eff that select_idle_sibling() will consider
  * stacking the wakee on top of the waker if no other CPU is
  * idle.
 */
 if (sync)
  prev_eff_load += 1;

 return this_eff_load < prev_eff_load ? this_cpu : nr_cpumask_bits;
}

static int wake_affine(struct sched_domain *sd, struct task_struct *p,
         int this_cpu, int prev_cpu, int sync)
{
 int target = nr_cpumask_bits;

 if (sched_feat(WA_IDLE))
  target = wake_affine_idle(this_cpu, prev_cpu, sync);

 if (sched_feat(WA_WEIGHT) && target == nr_cpumask_bits)
  target = wake_affine_weight(sd, p, this_cpu, prev_cpu, sync);

 schedstat_inc(p->stats.nr_wakeups_affine_attempts);
 if (target != this_cpu)
  return prev_cpu;

 schedstat_inc(sd->ttwu_move_affine);
 schedstat_inc(p->stats.nr_wakeups_affine);
 return target;
}

static struct sched_group *
sched_balance_find_dst_group(struct sched_domain *sd, struct task_struct *p, int this_cpu);

/*
 * sched_balance_find_dst_group_cpu - find the idlest CPU among the CPUs in the group.
 */
static int
sched_balance_find_dst_group_cpu(struct sched_group *group, struct task_struct *p, int this_cpu)
{
 unsigned long load, min_load = ULONG_MAX;
 unsigned int min_exit_latency = UINT_MAX;
 u64 latest_idle_timestamp = 0;
 int least_loaded_cpu = this_cpu;
 int shallowest_idle_cpu = -1;
 int i;

 /* Check if we have any choice: */
 if (group->group_weight == 1)
  return cpumask_first(sched_group_span(group));

 /* Traverse only the allowed CPUs */
 for_each_cpu_and(i, sched_group_span(group), p->cpus_ptr) {
  struct rq *rq = cpu_rq(i);

  if (!sched_core_cookie_match(rq, p))
   continue;

  if (sched_idle_cpu(i))
   return i;

  if (available_idle_cpu(i)) {
   struct cpuidle_state *idle = idle_get_state(rq);
   if (idle && idle->exit_latency < min_exit_latency) {
    /*
     * We give priority to a CPU whose idle state
     * has the smallest exit latency irrespective
     * of any idle timestamp.
 */
    min_exit_latency = idle->exit_latency;
    latest_idle_timestamp = rq->idle_stamp;
    shallowest_idle_cpu = i;
   } else if ((!idle || idle->exit_latency == min_exit_latency) &&
       rq->idle_stamp > latest_idle_timestamp) {
    /*
     * If equal or no active idle state, then
     * the most recently idled CPU might have
     * a warmer cache.
 */
    latest_idle_timestamp = rq->idle_stamp;
    shallowest_idle_cpu = i;
   }
  } else if (shallowest_idle_cpu == -1) {
   load = cpu_load(cpu_rq(i));
   if (load < min_load) {
    min_load = load;
    least_loaded_cpu = i;
   }
  }
 }

 return shallowest_idle_cpu != -1 ? shallowest_idle_cpu : least_loaded_cpu;
}

static inline int sched_balance_find_dst_cpu(struct sched_domain *sd, struct task_struct *p,
      int cpu, int prev_cpu, int sd_flag)
{
 int new_cpu = cpu;

 if (!cpumask_intersects(sched_domain_span(sd), p->cpus_ptr))
  return prev_cpu;

 /*
  * We need task's util for cpu_util_without, sync it up to
  * prev_cpu's last_update_time.
 */
 if (!(sd_flag & SD_BALANCE_FORK))
  sync_entity_load_avg(&p->se);

 while (sd) {
  struct sched_group *group;
  struct sched_domain *tmp;
  int weight;

  if (!(sd->flags & sd_flag)) {
   sd = sd->child;
   continue;
  }

  group = sched_balance_find_dst_group(sd, p, cpu);
  if (!group) {
   sd = sd->child;
   continue;
  }

  new_cpu = sched_balance_find_dst_group_cpu(group, p, cpu);
  if (new_cpu == cpu) {
   /* Now try balancing at a lower domain level of 'cpu': */
   sd = sd->child;
   continue;
  }

  /* Now try balancing at a lower domain level of 'new_cpu': */
  cpu = new_cpu;
  weight = sd->span_weight;
  sd = NULL;
  for_each_domain(cpu, tmp) {
   if (weight <= tmp->span_weight)
    break;
   if (tmp->flags & sd_flag)
    sd = tmp;
  }
 }

 return new_cpu;
}

static inline int __select_idle_cpu(int cpu, struct task_struct *p)
{
 if ((available_idle_cpu(cpu) || sched_idle_cpu(cpu)) &&
     sched_cpu_cookie_match(cpu_rq(cpu), p))
  return cpu;

 return -1;
}

#ifdef CONFIG_SCHED_SMT
DEFINE_STATIC_KEY_FALSE(sched_smt_present);
EXPORT_SYMBOL_GPL(sched_smt_present);

static inline void set_idle_cores(int cpu, int val)
{
 struct sched_domain_shared *sds;

 sds = rcu_dereference(per_cpu(sd_llc_shared, cpu));
 if (sds)
  WRITE_ONCE(sds->has_idle_cores, val);
}

static inline bool test_idle_cores(int cpu)
{
 struct sched_domain_shared *sds;

 sds = rcu_dereference(per_cpu(sd_llc_shared, cpu));
 if (sds)
  return READ_ONCE(sds->has_idle_cores);

 return false;
}

/*
 * Scans the local SMT mask to see if the entire core is idle, and records this
 * information in sd_llc_shared->has_idle_cores.
 *
 * Since SMT siblings share all cache levels, inspecting this limited remote
 * state should be fairly cheap.
 */
void __update_idle_core(struct rq *rq)
{
 int core = cpu_of(rq);
 int cpu;

 rcu_read_lock();
 if (test_idle_cores(core))
  goto unlock;

 for_each_cpu(cpu, cpu_smt_mask(core)) {
  if (cpu == core)
   continue;

  if (!available_idle_cpu(cpu))
   goto unlock;
 }

 set_idle_cores(core, 1);
unlock:
 rcu_read_unlock();
}

/*
 * Scan the entire LLC domain for idle cores; this dynamically switches off if
 * there are no idle cores left in the system; tracked through
 * sd_llc->shared->has_idle_cores and enabled through update_idle_core() above.
 */
static int select_idle_core(struct task_struct *p, int core, struct cpumask *cpus, int *idle_cpu)
{
 bool idle = true;
 int cpu;

 for_each_cpu(cpu, cpu_smt_mask(core)) {
  if (!available_idle_cpu(cpu)) {
   idle = false;
   if (*idle_cpu == -1) {
    if (sched_idle_cpu(cpu) && cpumask_test_cpu(cpu, cpus)) {
     *idle_cpu = cpu;
     break;
    }
    continue;
   }
   break;
  }
  if (*idle_cpu == -1 && cpumask_test_cpu(cpu, cpus))
   *idle_cpu = cpu;
 }

 if (idle)
  return core;

 cpumask_andnot(cpus, cpus, cpu_smt_mask(core));
 return -1;
}

/*
 * Scan the local SMT mask for idle CPUs.
 */
static int select_idle_smt(struct task_struct *p, struct sched_domain *sd, int target)
{
 int cpu;

 for_each_cpu_and(cpu, cpu_smt_mask(target), p->cpus_ptr) {
  if (cpu == target)
   continue;
  /*
   * Check if the CPU is in the LLC scheduling domain of @target.
   * Due to isolcpus, there is no guarantee that all the siblings are in the domain.
 */
  if (!cpumask_test_cpu(cpu, sched_domain_span(sd)))
   continue;
  if (available_idle_cpu(cpu) || sched_idle_cpu(cpu))
   return cpu;
 }

 return -1;
}

#else /* !CONFIG_SCHED_SMT: */

static inline void set_idle_cores(int cpu, int val)
{
}

static inline bool test_idle_cores(int cpu)
{
 return false;
}

static inline int select_idle_core(struct task_struct *p, int core, struct cpumask *cpus, int *idle_cpu)
{
 return __select_idle_cpu(core, p);
}

static inline int select_idle_smt(struct task_struct *p, struct sched_domain *sd, int target)
{
 return -1;
}

#endif /* !CONFIG_SCHED_SMT */

/*
 * Scan the LLC domain for idle CPUs; this is dynamically regulated by
 * comparing the average scan cost (tracked in sd->avg_scan_cost) against the
 * average idle time for this rq (as found in rq->avg_idle).
 */
static int select_idle_cpu(struct task_struct *p, struct sched_domain *sd, bool has_idle_core, int target)
{
 struct cpumask *cpus = this_cpu_cpumask_var_ptr(select_rq_mask);
 int i, cpu, idle_cpu = -1, nr = INT_MAX;
 struct sched_domain_shared *sd_share;

 cpumask_and(cpus, sched_domain_span(sd), p->cpus_ptr);

 if (sched_feat(SIS_UTIL)) {
  sd_share = rcu_dereference(per_cpu(sd_llc_shared, target));
  if (sd_share) {
   /* because !--nr is the condition to stop scan */
   nr = READ_ONCE(sd_share->nr_idle_scan) + 1;
   /* overloaded LLC is unlikely to have idle cpu/core */
   if (nr == 1)
    return -1;
  }
 }

 if (static_branch_unlikely(&sched_cluster_active)) {
  struct sched_group *sg = sd->groups;

  if (sg->flags & SD_CLUSTER) {
   for_each_cpu_wrap(cpu, sched_group_span(sg), target + 1) {
    if (!cpumask_test_cpu(cpu, cpus))
     continue;

    if (has_idle_core) {
     i = select_idle_core(p, cpu, cpus, &idle_cpu);
     if ((unsigned int)i < nr_cpumask_bits)
      return i;
    } else {
     if (--nr <= 0)
      return -1;
     idle_cpu = __select_idle_cpu(cpu, p);
     if ((unsigned int)idle_cpu < nr_cpumask_bits)
      return idle_cpu;
    }
   }
   cpumask_andnot(cpus, cpus, sched_group_span(sg));
  }
 }

 for_each_cpu_wrap(cpu, cpus, target + 1) {
  if (has_idle_core) {
   i = select_idle_core(p, cpu, cpus, &idle_cpu);
   if ((unsigned int)i < nr_cpumask_bits)
    return i;

  } else {
   if (--nr <= 0)
    return -1;
   idle_cpu = __select_idle_cpu(cpu, p);
   if ((unsigned int)idle_cpu < nr_cpumask_bits)
    break;
  }
 }

 if (has_idle_core)
  set_idle_cores(target, false);

 return idle_cpu;
}

/*
 * Scan the asym_capacity domain for idle CPUs; pick the first idle one on which
 * the task fits. If no CPU is big enough, but there are idle ones, try to
 * maximize capacity.
 */
static int
select_idle_capacity(struct task_struct *p, struct sched_domain *sd, int target)
{
 unsigned long task_util, util_min, util_max, best_cap = 0;
 int fits, best_fits = 0;
 int cpu, best_cpu = -1;
 struct cpumask *cpus;

 cpus = this_cpu_cpumask_var_ptr(select_rq_mask);
 cpumask_and(cpus, sched_domain_span(sd), p->cpus_ptr);

 task_util = task_util_est(p);
 util_min = uclamp_eff_value(p, UCLAMP_MIN);
 util_max = uclamp_eff_value(p, UCLAMP_MAX);

 for_each_cpu_wrap(cpu, cpus, target) {
  unsigned long cpu_cap = capacity_of(cpu);

  if (!available_idle_cpu(cpu) && !sched_idle_cpu(cpu))
   continue;

  fits = util_fits_cpu(task_util, util_min, util_max, cpu);

  /* This CPU fits with all requirements */
  if (fits > 0)
   return cpu;
  /*
   * Only the min performance hint (i.e. uclamp_min) doesn't fit.
   * Look for the CPU with best capacity.
 */
  else if (fits < 0)
   cpu_cap = get_actual_cpu_capacity(cpu);

  /*
   * First, select CPU which fits better (-1 being better than 0).
   * Then, select the one with best capacity at same level.
 */
  if ((fits < best_fits) ||
      ((fits == best_fits) && (cpu_cap > best_cap))) {
   best_cap = cpu_cap;
   best_cpu = cpu;
   best_fits = fits;
  }
 }

 return best_cpu;
}

static inline bool asym_fits_cpu(unsigned long util,
     unsigned long util_min,
     unsigned long util_max,
     int cpu)
{
 if (sched_asym_cpucap_active())
  /*
   * Return true only if the cpu fully fits the task requirements
   * which include the utilization and the performance hints.
 */
  return (util_fits_cpu(util, util_min, util_max, cpu) > 0);

 return true;
}

/*
 * Try and locate an idle core/thread in the LLC cache domain.
 */
static int select_idle_sibling(struct task_struct *p, int prev, int target)
{
 bool has_idle_core = false;
 struct sched_domain *sd;
 unsigned long task_util, util_min, util_max;
 int i, recent_used_cpu, prev_aff = -1;

 /*
  * On asymmetric system, update task utilization because we will check
  * that the task fits with CPU's capacity.
 */
 if (sched_asym_cpucap_active()) {
  sync_entity_load_avg(&p->se);
  task_util = task_util_est(p);
  util_min = uclamp_eff_value(p, UCLAMP_MIN);
  util_max = uclamp_eff_value(p, UCLAMP_MAX);
 }

 /*
  * per-cpu select_rq_mask usage
 */
 lockdep_assert_irqs_disabled();

 if ((available_idle_cpu(target) || sched_idle_cpu(target)) &&
     asym_fits_cpu(task_util, util_min, util_max, target))
  return target;

 /*
  * If the previous CPU is cache affine and idle, don't be stupid:
 */
 if (prev != target && cpus_share_cache(prev, target) &&
     (available_idle_cpu(prev) || sched_idle_cpu(prev)) &&
     asym_fits_cpu(task_util, util_min, util_max, prev)) {

  if (!static_branch_unlikely(&sched_cluster_active) ||
      cpus_share_resources(prev, target))
   return prev;

  prev_aff = prev;
 }

 /*
  * Allow a per-cpu kthread to stack with the wakee if the
  * kworker thread and the tasks previous CPUs are the same.
  * The assumption is that the wakee queued work for the
  * per-cpu kthread that is now complete and the wakeup is
  * essentially a sync wakeup. An obvious example of this
  * pattern is IO completions.
 */
 if (is_per_cpu_kthread(current) &&
     in_task() &&
     prev == smp_processor_id() &&
     this_rq()->nr_running <= 1 &&
     asym_fits_cpu(task_util, util_min, util_max, prev)) {
  return prev;
 }

 /* Check a recently used CPU as a potential idle candidate: */
 recent_used_cpu = p->recent_used_cpu;
 p->recent_used_cpu = prev;
 if (recent_used_cpu != prev &&
     recent_used_cpu != target &&
     cpus_share_cache(recent_used_cpu, target) &&
     (available_idle_cpu(recent_used_cpu) || sched_idle_cpu(recent_used_cpu)) &&
     cpumask_test_cpu(recent_used_cpu, p->cpus_ptr) &&
     asym_fits_cpu(task_util, util_min, util_max, recent_used_cpu)) {

  if (!static_branch_unlikely(&sched_cluster_active) ||
      cpus_share_resources(recent_used_cpu, target))
   return recent_used_cpu;

 } else {
  recent_used_cpu = -1;
 }

 /*
  * For asymmetric CPU capacity systems, our domain of interest is
  * sd_asym_cpucapacity rather than sd_llc.
 */
 if (sched_asym_cpucap_active()) {
  sd = rcu_dereference(per_cpu(sd_asym_cpucapacity, target));
  /*
   * On an asymmetric CPU capacity system where an exclusive
   * cpuset defines a symmetric island (i.e. one unique
   * capacity_orig value through the cpuset), the key will be set
   * but the CPUs within that cpuset will not have a domain with
   * SD_ASYM_CPUCAPACITY. These should follow the usual symmetric
   * capacity path.
 */
  if (sd) {
   i = select_idle_capacity(p, sd, target);
   return ((unsigned)i < nr_cpumask_bits) ? i : target;
  }
 }

 sd = rcu_dereference(per_cpu(sd_llc, target));
 if (!sd)
  return target;

 if (sched_smt_active()) {
  has_idle_core = test_idle_cores(target);

  if (!has_idle_core && cpus_share_cache(prev, target)) {
   i = select_idle_smt(p, sd, prev);
   if ((unsigned int)i < nr_cpumask_bits)
    return i;
  }
 }

 i = select_idle_cpu(p, sd, has_idle_core, target);
 if ((unsigned)i < nr_cpumask_bits)
  return i;

 /*
  * For cluster machines which have lower sharing cache like L2 or
  * LLC Tag, we tend to find an idle CPU in the target's cluster
  * first. But prev_cpu or recent_used_cpu may also be a good candidate,
  * use them if possible when no idle CPU found in select_idle_cpu().
 */
 if ((unsigned int)prev_aff < nr_cpumask_bits)
  return prev_aff;
 if ((unsigned int)recent_used_cpu < nr_cpumask_bits)
  return recent_used_cpu;

 return target;
}

/**
 * cpu_util() - Estimates the amount of CPU capacity used by CFS tasks.
 * @cpu: the CPU to get the utilization for
 * @p: task for which the CPU utilization should be predicted or NULL
 * @dst_cpu: CPU @p migrates to, -1 if @p moves from @cpu or @p == NULL
 * @boost: 1 to enable boosting, otherwise 0
 *
 * The unit of the return value must be the same as the one of CPU capacity
 * so that CPU utilization can be compared with CPU capacity.
 *
 * CPU utilization is the sum of running time of runnable tasks plus the
 * recent utilization of currently non-runnable tasks on that CPU.
 * It represents the amount of CPU capacity currently used by CFS tasks in
 * the range [0..max CPU capacity] with max CPU capacity being the CPU
 * capacity at f_max.
 *
 * The estimated CPU utilization is defined as the maximum between CPU
 * utilization and sum of the estimated utilization of the currently
 * runnable tasks on that CPU. It preserves a utilization "snapshot" of
 * previously-executed tasks, which helps better deduce how busy a CPU will
 * be when a long-sleeping task wakes up. The contribution to CPU utilization
 * of such a task would be significantly decayed at this point of time.
 *
 * Boosted CPU utilization is defined as max(CPU runnable, CPU utilization).
 * CPU contention for CFS tasks can be detected by CPU runnable > CPU
 * utilization. Boosting is implemented in cpu_util() so that internal
 * users (e.g. EAS) can use it next to external users (e.g. schedutil),
 * latter via cpu_util_cfs_boost().
 *
 * CPU utilization can be higher than the current CPU capacity
 * (f_curr/f_max * max CPU capacity) or even the max CPU capacity because
 * of rounding errors as well as task migrations or wakeups of new tasks.
 * CPU utilization has to be capped to fit into the [0..max CPU capacity]
 * range. Otherwise a group of CPUs (CPU0 util = 121% + CPU1 util = 80%)
 * could be seen as over-utilized even though CPU1 has 20% of spare CPU
 * capacity. CPU utilization is allowed to overshoot current CPU capacity
 * though since this is useful for predicting the CPU capacity required
 * after task migrations (scheduler-driven DVFS).
 *
 * Return: (Boosted) (estimated) utilization for the specified CPU.
 */
static unsigned long
cpu_util(int cpu, struct task_struct *p, int dst_cpu, int boost)
{
 struct cfs_rq *cfs_rq = &cpu_rq(cpu)->cfs;
 unsigned long util = READ_ONCE(cfs_rq->avg.util_avg);
 unsigned long runnable;

 if (boost) {
  runnable = READ_ONCE(cfs_rq->avg.runnable_avg);
  util = max(util, runnable);
 }

 /*
  * If @dst_cpu is -1 or @p migrates from @cpu to @dst_cpu remove its
  * contribution. If @p migrates from another CPU to @cpu add its
  * contribution. In all the other cases @cpu is not impacted by the
  * migration so its util_avg is already correct.
 */
 if (p && task_cpu(p) == cpu && dst_cpu != cpu)
  lsub_positive(&util, task_util(p));
 else if (p && task_cpu(p) != cpu && dst_cpu == cpu)
  util += task_util(p);

 if (sched_feat(UTIL_EST)) {
  unsigned long util_est;

  util_est = READ_ONCE(cfs_rq->avg.util_est);

  /*
   * During wake-up @p isn't enqueued yet and doesn't contribute
   * to any cpu_rq(cpu)->cfs.avg.util_est.
   * If @dst_cpu == @cpu add it to "simulate" cpu_util after @p
   * has been enqueued.
   *
   * During exec (@dst_cpu = -1) @p is enqueued and does
   * contribute to cpu_rq(cpu)->cfs.util_est.
   * Remove it to "simulate" cpu_util without @p's contribution.
   *
   * Despite the task_on_rq_queued(@p) check there is still a
   * small window for a possible race when an exec
   * select_task_rq_fair() races with LB's detach_task().
   *
   *   detach_task()
   *     deactivate_task()
   *       p->on_rq = TASK_ON_RQ_MIGRATING;
   *       -------------------------------- A
   *       dequeue_task()                    \
   *         dequeue_task_fair()              + Race Time
   *           util_est_dequeue()            /
   *       -------------------------------- B
   *
   * The additional check "current == p" is required to further
   * reduce the race window.
 */
  if (dst_cpu == cpu)
   util_est += _task_util_est(p);
  else if (p && unlikely(task_on_rq_queued(p) || current == p))
   lsub_positive(&util_est, _task_util_est(p));

  util = max(util, util_est);
 }

 return min(util, arch_scale_cpu_capacity(cpu));
}

unsigned long cpu_util_cfs(int cpu)
{
 return cpu_util(cpu, NULL, -1, 0);
}

unsigned long cpu_util_cfs_boost(int cpu)
{
 return cpu_util(cpu, NULL, -1, 1);
}

/*
 * cpu_util_without: compute cpu utilization without any contributions from *p
 * @cpu: the CPU which utilization is requested
 * @p: the task which utilization should be discounted
 *
 * The utilization of a CPU is defined by the utilization of tasks currently
 * enqueued on that CPU as well as tasks which are currently sleeping after an
 * execution on that CPU.
 *
 * This method returns the utilization of the specified CPU by discounting the
 * utilization of the specified task, whenever the task is currently
 * contributing to the CPU utilization.
 */
static unsigned long cpu_util_without(int cpu, struct task_struct *p)
{
 /* Task has no contribution or is new */
 if (cpu != task_cpu(p) || !READ_ONCE(p->se.avg.last_update_time))
  p = NULL;

 return cpu_util(cpu, p, -1, 0);
}

/*
 * This function computes an effective utilization for the given CPU, to be
 * used for frequency selection given the linear relation: f = u * f_max.
 *
 * The scheduler tracks the following metrics:
 *
 *   cpu_util_{cfs,rt,dl,irq}()
 *   cpu_bw_dl()
 *
 * Where the cfs,rt and dl util numbers are tracked with the same metric and
 * synchronized windows and are thus directly comparable.
 *
 * The cfs,rt,dl utilization are the running times measured with rq->clock_task
 * which excludes things like IRQ and steal-time. These latter are then accrued
 * in the IRQ utilization.
 *
 * The DL bandwidth number OTOH is not a measured metric but a value computed
 * based on the task model parameters and gives the minimal utilization
 * required to meet deadlines.
 */
unsigned long effective_cpu_util(int cpu, unsigned long util_cfs,
     unsigned long *min,
     unsigned long *max)
{
 unsigned long util, irq, scale;
 struct rq *rq = cpu_rq(cpu);

 scale = arch_scale_cpu_capacity(cpu);

 /*
  * Early check to see if IRQ/steal time saturates the CPU, can be
  * because of inaccuracies in how we track these -- see
  * update_irq_load_avg().
 */
 irq = cpu_util_irq(rq);
 if (unlikely(irq >= scale)) {
  if (min)
   *min = scale;
  if (max)
   *max = scale;
  return scale;
 }

 if (min) {
  /*
   * The minimum utilization returns the highest level between:
   * - the computed DL bandwidth needed with the IRQ pressure which
   *   steals time to the deadline task.
   * - The minimum performance requirement for CFS and/or RT.
 */
  *min = max(irq + cpu_bw_dl(rq), uclamp_rq_get(rq, UCLAMP_MIN));

  /*
   * When an RT task is runnable and uclamp is not used, we must
   * ensure that the task will run at maximum compute capacity.
 */
  if (!uclamp_is_used() && rt_rq_is_runnable(&rq->rt))
   *min = max(*min, scale);
 }

 /*
  * Because the time spend on RT/DL tasks is visible as 'lost' time to
  * CFS tasks and we use the same metric to track the effective
  * utilization (PELT windows are synchronized) we can directly add them
  * to obtain the CPU's actual utilization.
 */
 util = util_cfs + cpu_util_rt(rq);
 util += cpu_util_dl(rq);

 /*
  * The maximum hint is a soft bandwidth requirement, which can be lower
  * than the actual utilization because of uclamp_max requirements.
 */
 if (max)
  *max = min(scale, uclamp_rq_get(rq, UCLAMP_MAX));

 if (util >= scale)
  return scale;

 /*
  * There is still idle time; further improve the number by using the
  * IRQ metric. Because IRQ/steal time is hidden from the task clock we
  * need to scale the task numbers:
  *
  *              max - irq
  *   U' = irq + --------- * U
  *                 max
 */
 util = scale_irq_capacity(util, irq, scale);
 util += irq;

 return min(scale, util);
}

unsigned long sched_cpu_util(int cpu)
{
 return effective_cpu_util(cpu, cpu_util_cfs(cpu), NULL, NULL);
}

/*
 * energy_env - Utilization landscape for energy estimation.
 * @task_busy_time: Utilization contribution by the task for which we test the
 *                  placement. Given by eenv_task_busy_time().
 * @pd_busy_time:   Utilization of the whole perf domain without the task
 *                  contribution. Given by eenv_pd_busy_time().
 * @cpu_cap:        Maximum CPU capacity for the perf domain.
 * @pd_cap:         Entire perf domain capacity. (pd->nr_cpus * cpu_cap).
 */
struct energy_env {
 unsigned long task_busy_time;
 unsigned long pd_busy_time;
 unsigned long cpu_cap;
 unsigned long pd_cap;
};

/*
 * Compute the task busy time for compute_energy(). This time cannot be
 * injected directly into effective_cpu_util() because of the IRQ scaling.
 * The latter only makes sense with the most recent CPUs where the task has
 * run.
 */
static inline void eenv_task_busy_time(struct energy_env *eenv,
           struct task_struct *p, int prev_cpu)
{
 unsigned long busy_time, max_cap = arch_scale_cpu_capacity(prev_cpu);
 unsigned long irq = cpu_util_irq(cpu_rq(prev_cpu));

 if (unlikely(irq >= max_cap))
  busy_time = max_cap;
 else
  busy_time = scale_irq_capacity(task_util_est(p), irq, max_cap);

 eenv->task_busy_time = busy_time;
}

/*
 * Compute the perf_domain (PD) busy time for compute_energy(). Based on the
 * utilization for each @pd_cpus, it however doesn't take into account
 * clamping since the ratio (utilization / cpu_capacity) is already enough to
 * scale the EM reported power consumption at the (eventually clamped)
 * cpu_capacity.
 *
 * The contribution of the task @p for which we want to estimate the
 * energy cost is removed (by cpu_util()) and must be calculated
 * separately (see eenv_task_busy_time). This ensures:
 *
 *   - A stable PD utilization, no matter which CPU of that PD we want to place
 *     the task on.
 *
 *   - A fair comparison between CPUs as the task contribution (task_util())
 *     will always be the same no matter which CPU utilization we rely on
 *     (util_avg or util_est).
 *
 * Set @eenv busy time for the PD that spans @pd_cpus. This busy time can't
 * exceed @eenv->pd_cap.
 */
static inline void eenv_pd_busy_time(struct energy_env *eenv,
         struct cpumask *pd_cpus,
         struct task_struct *p)
{
 unsigned long busy_time = 0;
 int cpu;

 for_each_cpu(cpu, pd_cpus) {
  unsigned long util = cpu_util(cpu, p, -1, 0);

  busy_time += effective_cpu_util(cpu, util, NULL, NULL);
 }

 eenv->pd_busy_time = min(eenv->pd_cap, busy_time);
}

/*
 * Compute the maximum utilization for compute_energy() when the task @p
 * is placed on the cpu @dst_cpu.
 *
 * Returns the maximum utilization among @eenv->cpus. This utilization can't
 * exceed @eenv->cpu_cap.
 */
static inline unsigned long
eenv_pd_max_util(struct energy_env *eenv, struct cpumask *pd_cpus,
   struct task_struct *p, int dst_cpu)
{
 unsigned long max_util = 0;
 int cpu;

 for_each_cpu(cpu, pd_cpus) {
  struct task_struct *tsk = (cpu == dst_cpu) ? p : NULL;
  unsigned long util = cpu_util(cpu, p, dst_cpu, 1);
  unsigned long eff_util, min, max;

  /*
   * Performance domain frequency: utilization clamping
   * must be considered since it affects the selection
   * of the performance domain frequency.
   * NOTE: in case RT tasks are running, by default the min
   * utilization can be max OPP.
 */
  eff_util = effective_cpu_util(cpu, util, &min, &max);

  /* Task's uclamp can modify min and max value */
  if (tsk && uclamp_is_used()) {
   min = max(min, uclamp_eff_value(p, UCLAMP_MIN));

   /*
    * If there is no active max uclamp constraint,
    * directly use task's one, otherwise keep max.
 */
   if (uclamp_rq_is_idle(cpu_rq(cpu)))
    max = uclamp_eff_value(p, UCLAMP_MAX);
   else
    max = max(max, uclamp_eff_value(p, UCLAMP_MAX));
  }

  eff_util = sugov_effective_cpu_perf(cpu, eff_util, min, max);
  max_util = max(max_util, eff_util);
 }

 return min(max_util, eenv->cpu_cap);
}

/*
 * compute_energy(): Use the Energy Model to estimate the energy that @pd would
 * consume for a given utilization landscape @eenv. When @dst_cpu < 0, the task
 * contribution is ignored.
 */
static inline unsigned long
compute_energy(struct energy_env *eenv, struct perf_domain *pd,
        struct cpumask *pd_cpus, struct task_struct *p, int dst_cpu)
{
 unsigned long max_util = eenv_pd_max_util(eenv, pd_cpus, p, dst_cpu);
 unsigned long busy_time = eenv->pd_busy_time;
 unsigned long energy;

 if (dst_cpu >= 0)
  busy_time = min(eenv->pd_cap, busy_time + eenv->task_busy_time);

 energy = em_cpu_energy(pd->em_pd, max_util, busy_time, eenv->cpu_cap);

 trace_sched_compute_energy_tp(p, dst_cpu, energy, max_util, busy_time);

 return energy;
}

/*
 * find_energy_efficient_cpu(): Find most energy-efficient target CPU for the
 * waking task. find_energy_efficient_cpu() looks for the CPU with maximum
 * spare capacity in each performance domain and uses it as a potential
 * candidate to execute the task. Then, it uses the Energy Model to figure
 * out which of the CPU candidates is the most energy-efficient.
 *
 * The rationale for this heuristic is as follows. In a performance domain,
 * all the most energy efficient CPU candidates (according to the Energy
 * Model) are those for which we'll request a low frequency. When there are
 * several CPUs for which the frequency request will be the same, we don't
 * have enough data to break the tie between them, because the Energy Model
 * only includes active power costs. With this model, if we assume that
 * frequency requests follow utilization (e.g. using schedutil), the CPU with
 * the maximum spare capacity in a performance domain is guaranteed to be among
 * the best candidates of the performance domain.
 *
 * In practice, it could be preferable from an energy standpoint to pack
 * small tasks on a CPU in order to let other CPUs go in deeper idle states,
 * but that could also hurt our chances to go cluster idle, and we have no
 * ways to tell with the current Energy Model if this is actually a good
 * idea or not. So, find_energy_efficient_cpu() basically favors
 * cluster-packing, and spreading inside a cluster. That should at least be
 * a good thing for latency, and this is consistent with the idea that most
 * of the energy savings of EAS come from the asymmetry of the system, and
 * not so much from breaking the tie between identical CPUs. That's also the
 * reason why EAS is enabled in the topology code only for systems where
 * SD_ASYM_CPUCAPACITY is set.
 *
 * NOTE: Forkees are not accepted in the energy-aware wake-up path because
 * they don't have any useful utilization data yet and it's not possible to
 * forecast their impact on energy consumption. Consequently, they will be
 * placed by sched_balance_find_dst_cpu() on the least loaded CPU, which might turn out
 * to be energy-inefficient in some use-cases. The alternative would be to
 * bias new tasks towards specific types of CPUs first, or to try to infer
 * their util_avg from the parent task, but those heuristics could hurt
 * other use-cases too. So, until someone finds a better way to solve this,
 * let's keep things simple by re-using the existing slow path.
 */
static int find_energy_efficient_cpu(struct task_struct *p, int prev_cpu)
{
 struct cpumask *cpus = this_cpu_cpumask_var_ptr(select_rq_mask);
 unsigned long prev_delta = ULONG_MAX, best_delta = ULONG_MAX;
 unsigned long p_util_min = uclamp_is_used() ? uclamp_eff_value(p, UCLAMP_MIN) : 0;
 unsigned long p_util_max = uclamp_is_used() ? uclamp_eff_value(p, UCLAMP_MAX) : 1024;
 struct root_domain *rd = this_rq()->rd;
 int cpu, best_energy_cpu, target = -1;
 int prev_fits = -1, best_fits = -1;
 unsigned long best_actual_cap = 0;
 unsigned long prev_actual_cap = 0;
 struct sched_domain *sd;
 struct perf_domain *pd;
 struct energy_env eenv;

 rcu_read_lock();
 pd = rcu_dereference(rd->pd);
 if (!pd)
  goto unlock;

 /*
  * Energy-aware wake-up happens on the lowest sched_domain starting
  * from sd_asym_cpucapacity spanning over this_cpu and prev_cpu.
 */
 sd = rcu_dereference(*this_cpu_ptr(&sd_asym_cpucapacity));
 while (sd && !cpumask_test_cpu(prev_cpu, sched_domain_span(sd)))
  sd = sd->parent;
 if (!sd)
  goto unlock;

 target = prev_cpu;

 sync_entity_load_avg(&p->se);
 if (!task_util_est(p) && p_util_min == 0)
  goto unlock;

 eenv_task_busy_time(&eenv, p, prev_cpu);

 for (; pd; pd = pd->next) {
  unsigned long util_min = p_util_min, util_max = p_util_max;
  unsigned long cpu_cap, cpu_actual_cap, util;
  long prev_spare_cap = -1, max_spare_cap = -1;
  unsigned long rq_util_min, rq_util_max;
  unsigned long cur_delta, base_energy;
  int max_spare_cap_cpu = -1;
  int fits, max_fits = -1;

  cpumask_and(cpus, perf_domain_span(pd), cpu_online_mask);

  if (cpumask_empty(cpus))
   continue;

  /* Account external pressure for the energy estimation */
  cpu = cpumask_first(cpus);
  cpu_actual_cap = get_actual_cpu_capacity(cpu);

  eenv.cpu_cap = cpu_actual_cap;
  eenv.pd_cap = 0;

  for_each_cpu(cpu, cpus) {
   struct rq *rq = cpu_rq(cpu);

   eenv.pd_cap += cpu_actual_cap;

   if (!cpumask_test_cpu(cpu, sched_domain_span(sd)))
    continue;

   if (!cpumask_test_cpu(cpu, p->cpus_ptr))
    continue;

   util = cpu_util(cpu, p, cpu, 0);
   cpu_cap = capacity_of(cpu);

   /*
    * Skip CPUs that cannot satisfy the capacity request.
    * IOW, placing the task there would make the CPU
    * overutilized. Take uclamp into account to see how
    * much capacity we can get out of the CPU; this is
    * aligned with sched_cpu_util().
 */
   if (uclamp_is_used() && !uclamp_rq_is_idle(rq)) {
    /*
     * Open code uclamp_rq_util_with() except for
     * the clamp() part. I.e.: apply max aggregation
     * only. util_fits_cpu() logic requires to
     * operate on non clamped util but must use the
     * max-aggregated uclamp_{min, max}.
 */
    rq_util_min = uclamp_rq_get(rq, UCLAMP_MIN);
    rq_util_max = uclamp_rq_get(rq, UCLAMP_MAX);

    util_min = max(rq_util_min, p_util_min);
    util_max = max(rq_util_max, p_util_max);
   }

   fits = util_fits_cpu(util, util_min, util_max, cpu);
   if (!fits)
    continue;

   lsub_positive(&cpu_cap, util);

   if (cpu == prev_cpu) {
    /* Always use prev_cpu as a candidate. */
    prev_spare_cap = cpu_cap;
    prev_fits = fits;
   } else if ((fits > max_fits) ||
       ((fits == max_fits) && ((long)cpu_cap > max_spare_cap))) {
    /*
     * Find the CPU with the maximum spare capacity
     * among the remaining CPUs in the performance
     * domain.
 */
    max_spare_cap = cpu_cap;
    max_spare_cap_cpu = cpu;
    max_fits = fits;
   }
  }

  if (max_spare_cap_cpu < 0 && prev_spare_cap < 0)
   continue;

  eenv_pd_busy_time(&eenv, cpus, p);
  /* Compute the 'base' energy of the pd, without @p */
  base_energy = compute_energy(&eenv, pd, cpus, p, -1);

  /* Evaluate the energy impact of using prev_cpu. */
  if (prev_spare_cap > -1) {
   prev_delta = compute_energy(&eenv, pd, cpus, p,
          prev_cpu);
   /* CPU utilization has changed */
   if (prev_delta < base_energy)
    goto unlock;
   prev_delta -= base_energy;
   prev_actual_cap = cpu_actual_cap;
   best_delta = min(best_delta, prev_delta);
  }

  /* Evaluate the energy impact of using max_spare_cap_cpu. */
  if (max_spare_cap_cpu >= 0 && max_spare_cap > prev_spare_cap) {
   /* Current best energy cpu fits better */
   if (max_fits < best_fits)
    continue;

   /*
    * Both don't fit performance hint (i.e. uclamp_min)
    * but best energy cpu has better capacity.
 */
   if ((max_fits < 0) &&
       (cpu_actual_cap <= best_actual_cap))
    continue;

   cur_delta = compute_energy(&eenv, pd, cpus, p,
         max_spare_cap_cpu);
   /* CPU utilization has changed */
   if (cur_delta < base_energy)
    goto unlock;
   cur_delta -= base_energy;

   /*
    * Both fit for the task but best energy cpu has lower
    * energy impact.
 */
   if ((max_fits > 0) && (best_fits > 0) &&
       (cur_delta >= best_delta))
    continue;

   best_delta = cur_delta;
   best_energy_cpu = max_spare_cap_cpu;
   best_fits = max_fits;
   best_actual_cap = cpu_actual_cap;
  }
 }
 rcu_read_unlock();

 if ((best_fits > prev_fits) ||
     ((best_fits > 0) && (best_delta < prev_delta)) ||
     ((best_fits < 0) && (best_actual_cap > prev_actual_cap)))
  target = best_energy_cpu;

 return target;

unlock:
 rcu_read_unlock();

 return target;
}

/*
 * select_task_rq_fair: Select target runqueue for the waking task in domains
 * that have the relevant SD flag set. In practice, this is SD_BALANCE_WAKE,
 * SD_BALANCE_FORK, or SD_BALANCE_EXEC.
 *
 * Balances load by selecting the idlest CPU in the idlest group, or under
 * certain conditions an idle sibling CPU if the domain has SD_WAKE_AFFINE set.
 *
 * Returns the target CPU number.
 */
static int
select_task_rq_fair(struct task_struct *p, int prev_cpu, int wake_flags)
{
 int sync = (wake_flags & WF_SYNC) && !(current->flags & PF_EXITING);
 struct sched_domain *tmp, *sd = NULL;
 int cpu = smp_processor_id();
 int new_cpu = prev_cpu;
 int want_affine = 0;
 /* SD_flags and WF_flags share the first nibble */
 int sd_flag = wake_flags & 0xF;

 /*
  * required for stable ->cpus_allowed
 */
 lockdep_assert_held(&p->pi_lock);
 if (wake_flags & WF_TTWU) {
  record_wakee(p);

  if ((wake_flags & WF_CURRENT_CPU) &&
      cpumask_test_cpu(cpu, p->cpus_ptr))
   return cpu;

  if (!is_rd_overutilized(this_rq()->rd)) {
   new_cpu = find_energy_efficient_cpu(p, prev_cpu);
   if (new_cpu >= 0)
    return new_cpu;
   new_cpu = prev_cpu;
  }

  want_affine = !wake_wide(p) && cpumask_test_cpu(cpu, p->cpus_ptr);
 }

 rcu_read_lock();
 for_each_domain(cpu, tmp) {
  /*
   * If both 'cpu' and 'prev_cpu' are part of this domain,
   * cpu is a valid SD_WAKE_AFFINE target.
 */
  if (want_affine && (tmp->flags & SD_WAKE_AFFINE) &&
      cpumask_test_cpu(prev_cpu, sched_domain_span(tmp))) {
   if (cpu != prev_cpu)
    new_cpu = wake_affine(tmp, p, cpu, prev_cpu, sync);

   sd = NULL; /* Prefer wake_affine over balance flags */
   break;
  }

  /*
   * Usually only true for WF_EXEC and WF_FORK, as sched_domains
   * usually do not have SD_BALANCE_WAKE set. That means wakeup
   * will usually go to the fast path.
 */
  if (tmp->flags & sd_flag)
   sd = tmp;
  else if (!want_affine)
   break;
 }

 if (unlikely(sd)) {
  /* Slow path */
  new_cpu = sched_balance_find_dst_cpu(sd, p, cpu, prev_cpu, sd_flag);
 } else if (wake_flags & WF_TTWU) { /* XXX always ? */
  /* Fast path */
  new_cpu = select_idle_sibling(p, prev_cpu, new_cpu);
 }
 rcu_read_unlock();

 return new_cpu;
}

/*
 * Called immediately before a task is migrated to a new CPU; task_cpu(p) and
 * cfs_rq_of(p) references at time of call are still valid and identify the
 * previous CPU. The caller guarantees p->pi_lock or task_rq(p)->lock is held.
 */
static void migrate_task_rq_fair(struct task_struct *p, int new_cpu)
{
 struct sched_entity *se = &p->se;

 if (!task_on_rq_migrating(p)) {
  remove_entity_load_avg(se);

  /*
   * Here, the task's PELT values have been updated according to
   * the current rq's clock. But if that clock hasn't been
   * updated in a while, a substantial idle time will be missed,
   * leading to an inflation after wake-up on the new rq.
   *
   * Estimate the missing time from the cfs_rq last_update_time
   * and update sched_avg to improve the PELT continuity after
   * migration.
 */
  migrate_se_pelt_lag(se);
 }

 /* Tell new CPU we are migrated */
 se->avg.last_update_time = 0;

 update_scan_period(p, new_cpu);
}

static void task_dead_fair(struct task_struct *p)
{
 struct sched_entity *se = &p->se;

 if (se->sched_delayed) {
  struct rq_flags rf;
  struct rq *rq;

  rq = task_rq_lock(p, &rf);
  if (se->sched_delayed) {
   update_rq_clock(rq);
   dequeue_entities(rq, se, DEQUEUE_SLEEP | DEQUEUE_DELAYED);
  }
  task_rq_unlock(rq, p, &rf);
 }

 remove_entity_load_avg(se);
}

/*
 * Set the max capacity the task is allowed to run at for misfit detection.
 */
static void set_task_max_allowed_capacity(struct task_struct *p)
{
 struct asym_cap_data *entry;

 if (!sched_asym_cpucap_active())
  return;

 rcu_read_lock();
 list_for_each_entry_rcu(entry, &asym_cap_list, link) {
  cpumask_t *cpumask;

  cpumask = cpu_capacity_span(entry);
  if (!cpumask_intersects(p->cpus_ptr, cpumask))
   continue;

  p->max_allowed_capacity = entry->capacity;
  break;
 }
 rcu_read_unlock();
}

static void set_cpus_allowed_fair(struct task_struct *p, struct affinity_context *ctx)
{
 set_cpus_allowed_common(p, ctx);
 set_task_max_allowed_capacity(p);
}

static int
balance_fair(struct rq *rq, struct task_struct *prev, struct rq_flags *rf)
{
 if (sched_fair_runnable(rq))
  return 1;

 return sched_balance_newidle(rq, rf) != 0;
}

static void set_next_buddy(struct sched_entity *se)
{
 for_each_sched_entity(se) {
  if (WARN_ON_ONCE(!se->on_rq))
   return;
  if (se_is_idle(se))
   return;
  cfs_rq_of(se)->next = se;
 }
}

/*
 * Preempt the current task with a newly woken task if needed:
 */
static void check_preempt_wakeup_fair(struct rq *rq, struct task_struct *p, int wake_flags)
{
 struct task_struct *donor = rq->donor;
 struct sched_entity *se = &donor->se, *pse = &p->se;
 struct cfs_rq *cfs_rq = task_cfs_rq(donor);
 int cse_is_idle, pse_is_idle;
 bool do_preempt_short = false;

 if (unlikely(se == pse))
  return;

 /*
  * This is possible from callers such as attach_tasks(), in which we
  * unconditionally wakeup_preempt() after an enqueue (which may have
  * lead to a throttle).  This both saves work and prevents false
  * next-buddy nomination below.
 */
 if (unlikely(throttled_hierarchy(cfs_rq_of(pse))))
  return;

 if (sched_feat(NEXT_BUDDY) && !(wake_flags & WF_FORK) && !pse->sched_delayed) {
  set_next_buddy(pse);
 }

 /*
  * We can come here with TIF_NEED_RESCHED already set from new task
  * wake up path.
  *
  * Note: this also catches the edge-case of curr being in a throttled
  * group (e.g. via set_curr_task), since update_curr() (in the
  * enqueue of curr) will have resulted in resched being set.  This
  * prevents us from potentially nominating it as a false LAST_BUDDY
  * below.
 */
 if (test_tsk_need_resched(rq->curr))
  return;

 if (!sched_feat(WAKEUP_PREEMPTION))
  return;

 find_matching_se(&se, &pse);
 WARN_ON_ONCE(!pse);

 cse_is_idle = se_is_idle(se);
 pse_is_idle = se_is_idle(pse);

 /*
  * Preempt an idle entity in favor of a non-idle entity (and don't preempt
  * in the inverse case).
 */
 if (cse_is_idle && !pse_is_idle) {
  /*
   * When non-idle entity preempt an idle entity,
   * don't give idle entity slice protection.
 */
  do_preempt_short = true;
  goto preempt;
 }

 if (cse_is_idle != pse_is_idle)
  return;

 /*
  * BATCH and IDLE tasks do not preempt others.
 */
 if (unlikely(!normal_policy(p->policy)))
  return;

 cfs_rq = cfs_rq_of(se);
 update_curr(cfs_rq);
 /*
  * If @p has a shorter slice than current and @p is eligible, override
  * current's slice protection in order to allow preemption.
 */
 do_preempt_short = sched_feat(PREEMPT_SHORT) && (pse->slice < se->slice);

 /*
  * If @p has become the most eligible task, force preemption.
 */
 if (__pick_eevdf(cfs_rq, !do_preempt_short) == pse)
  goto preempt;

 if (sched_feat(RUN_TO_PARITY) && do_preempt_short)
  update_protect_slice(cfs_rq, se);

 return;

preempt:
 if (do_preempt_short)
  cancel_protect_slice(se);

 resched_curr_lazy(rq);
}

static struct task_struct *pick_task_fair(struct rq *rq)
{
 struct sched_entity *se;
 struct cfs_rq *cfs_rq;

again:
 cfs_rq = &rq->cfs;
 if (!cfs_rq->nr_queued)
  return NULL;

 do {
  /* Might not have done put_prev_entity() */
  if (cfs_rq->curr && cfs_rq->curr->on_rq)
   update_curr(cfs_rq);

  if (unlikely(check_cfs_rq_runtime(cfs_rq)))
   goto again;

  se = pick_next_entity(rq, cfs_rq);
  if (!se)
   goto again;
  cfs_rq = group_cfs_rq(se);
 } while (cfs_rq);

 return task_of(se);
}

static void __set_next_task_fair(struct rq *rq, struct task_struct *p, bool first);
static void set_next_task_fair(struct rq *rq, struct task_struct *p, bool first);

struct task_struct *
pick_next_task_fair(struct rq *rq, struct task_struct *prev, struct rq_flags *rf)
{
 struct sched_entity *se;
 struct task_struct *p;
 int new_tasks;

again:
 p = pick_task_fair(rq);
 if (!p)
  goto idle;
 se = &p->se;

#ifdef CONFIG_FAIR_GROUP_SCHED
 if (prev->sched_class != &fair_sched_class)
  goto simple;

 __put_prev_set_next_dl_server(rq, prev, p);

 /*
  * Because of the set_next_buddy() in dequeue_task_fair() it is rather
  * likely that a next task is from the same cgroup as the current.
  *
  * Therefore attempt to avoid putting and setting the entire cgroup
  * hierarchy, only change the part that actually changes.
  *
  * Since we haven't yet done put_prev_entity and if the selected task
  * is a different task than we started out with, try and touch the
  * least amount of cfs_rqs.
 */
 if (prev != p) {
  struct sched_entity *pse = &prev->se;
  struct cfs_rq *cfs_rq;

  while (!(cfs_rq = is_same_group(se, pse))) {
   int se_depth = se->depth;
   int pse_depth = pse->depth;

   if (se_depth <= pse_depth) {
    put_prev_entity(cfs_rq_of(pse), pse);
    pse = parent_entity(pse);
   }
   if (se_depth >= pse_depth) {
    set_next_entity(cfs_rq_of(se), se);
    se = parent_entity(se);
   }
  }

  put_prev_entity(cfs_rq, pse);
  set_next_entity(cfs_rq, se);

  __set_next_task_fair(rq, p, true);
 }

 return p;

simple:
#endif /* CONFIG_FAIR_GROUP_SCHED */
 put_prev_set_next_task(rq, prev, p);
 return p;

idle:
 if (rf) {
  new_tasks = sched_balance_newidle(rq, rf);

  /*
   * Because sched_balance_newidle() releases (and re-acquires)
   * rq->lock, it is possible for any higher priority task to
   * appear. In that case we must re-start the pick_next_entity()
   * loop.
 */
  if (new_tasks < 0)
   return RETRY_TASK;

  if (new_tasks > 0)
   goto again;
 }

 /*
  * rq is about to be idle, check if we need to update the
  * lost_idle_time of clock_pelt
 */
 update_idle_rq_clock_pelt(rq);

 return NULL;
}

static struct task_struct *__pick_next_task_fair(struct rq *rq, struct task_struct *prev)
{
 return pick_next_task_fair(rq, prev, NULL);
}

static struct task_struct *fair_server_pick_task(struct sched_dl_entity *dl_se)
{
 return pick_task_fair(dl_se->rq);
}

void fair_server_init(struct rq *rq)
{
 struct sched_dl_entity *dl_se = &rq->fair_server;

 init_dl_entity(dl_se);

 dl_server_init(dl_se, rq, fair_server_pick_task);
}

/*
 * Account for a descheduled task:
 */
static void put_prev_task_fair(struct rq *rq, struct task_struct *prev, struct task_struct *next)
{
 struct sched_entity *se = &prev->se;
 struct cfs_rq *cfs_rq;

 for_each_sched_entity(se) {
  cfs_rq = cfs_rq_of(se);
  put_prev_entity(cfs_rq, se);
 }
}

/*
 * sched_yield() is very simple
 */
static void yield_task_fair(struct rq *rq)
{
 struct task_struct *curr = rq->curr;
 struct cfs_rq *cfs_rq = task_cfs_rq(curr);
 struct sched_entity *se = &curr->se;

 /*
  * Are we the only task in the tree?
 */
 if (unlikely(rq->nr_running == 1))
  return;

 clear_buddies(cfs_rq, se);

 update_rq_clock(rq);
 /*
  * Update run-time statistics of the 'current'.
 */
 update_curr(cfs_rq);
 /*
  * Tell update_rq_clock() that we've just updated,
  * so we don't do microscopic update in schedule()
  * and double the fastpath cost.
 */
 rq_clock_skip_update(rq);

 se->deadline += calc_delta_fair(se->slice, se);
}

static bool yield_to_task_fair(struct rq *rq, struct task_struct *p)
{
 struct sched_entity *se = &p->se;

 /* throttled hierarchies are not runnable */
 if (!se->on_rq || throttled_hierarchy(cfs_rq_of(se)))
  return false;

 /* Tell the scheduler that we'd really like se to run next. */
 set_next_buddy(se);

 yield_task_fair(rq);

 return true;
}

/**************************************************
 * Fair scheduling class load-balancing methods.
 *
 * BASICS
 *
 * The purpose of load-balancing is to achieve the same basic fairness the
 * per-CPU scheduler provides, namely provide a proportional amount of compute
 * time to each task. This is expressed in the following equation:
 *
 *   W_i,n/P_i == W_j,n/P_j for all i,j                               (1)
 *
 * Where W_i,n is the n-th weight average for CPU i. The instantaneous weight
 * W_i,0 is defined as:
 *
 *   W_i,0 = \Sum_j w_i,j                                             (2)
 *
 * Where w_i,j is the weight of the j-th runnable task on CPU i. This weight
 * is derived from the nice value as per sched_prio_to_weight[].
 *
 * The weight average is an exponential decay average of the instantaneous
 * weight:
 *
 *   W'_i,n = (2^n - 1) / 2^n * W_i,n + 1 / 2^n * W_i,0               (3)
 *
 * C_i is the compute capacity of CPU i, typically it is the
 * fraction of 'recent' time available for SCHED_OTHER task execution. But it
 * can also include other factors [XXX].
 *
 * To achieve this balance we define a measure of imbalance which follows
 * directly from (1):
 *
 *   imb_i,j = max{ avg(W/C), W_i/C_i } - min{ avg(W/C), W_j/C_j }    (4)
 *
 * We them move tasks around to minimize the imbalance. In the continuous
 * function space it is obvious this converges, in the discrete case we get
 * a few fun cases generally called infeasible weight scenarios.
 *
 * [XXX expand on:
 *     - infeasible weights;
 *     - local vs global optima in the discrete case. ]
 *
 *
 * SCHED DOMAINS
 *
 * In order to solve the imbalance equation (4), and avoid the obvious O(n^2)
 * for all i,j solution, we create a tree of CPUs that follows the hardware
 * topology where each level pairs two lower groups (or better). This results
 * in O(log n) layers. Furthermore we reduce the number of CPUs going up the
 * tree to only the first of the previous level and we decrease the frequency
 * of load-balance at each level inversely proportional to the number of CPUs in
 * the groups.
 *
 * This yields:
 *
 *     log_2 n     1     n
 *   \Sum       { --- * --- * 2^i } = O(n)                            (5)
 *     i = 0      2^i   2^i
 *                               `- size of each group
 *         |         |     `- number of CPUs doing load-balance
 *         |         `- freq
 *         `- sum over all levels
 *
 * Coupled with a limit on how many tasks we can migrate every balance pass,
 * this makes (5) the runtime complexity of the balancer.
 *
 * An important property here is that each CPU is still (indirectly) connected
 * to every other CPU in at most O(log n) steps:
 *
 * The adjacency matrix of the resulting graph is given by:
 *
 *             log_2 n
 *   A_i,j = \Union     (i % 2^k == 0) && i / 2^(k+1) == j / 2^(k+1)  (6)
 *             k = 0
 *
 * And you'll find that:
 *
 *   A^(log_2 n)_i,j != 0  for all i,j                                (7)
 *
 * Showing there's indeed a path between every CPU in at most O(log n) steps.
 * The task movement gives a factor of O(m), giving a convergence complexity
 * of:
 *
 *   O(nm log n),  n := nr_cpus, m := nr_tasks                        (8)
 *
 *
 * WORK CONSERVING
 *
 * In order to avoid CPUs going idle while there's still work to do, new idle
 * balancing is more aggressive and has the newly idle CPU iterate up the domain
 * tree itself instead of relying on other CPUs to bring it work.
 *
 * This adds some complexity to both (5) and (8) but it reduces the total idle
 * time.
 *
 * [XXX more?]
 *
 *
 * CGROUPS
 *
 * Cgroups make a horror show out of (2), instead of a simple sum we get:
 *
 *                                s_k,i
 *   W_i,0 = \Sum_j \Prod_k w_k * -----                               (9)
 *                                 S_k
 *
 * Where
 *
 *   s_k,i = \Sum_j w_i,j,k  and  S_k = \Sum_i s_k,i                 (10)
 *
 * w_i,j,k is the weight of the j-th runnable task in the k-th cgroup on CPU i.
 *
 * The big problem is S_k, its a global sum needed to compute a local (W_i)
 * property.
 *
 * [XXX write more on how we solve this.. _after_ merging pjt's patches that
 *      rewrite all of this once again.]
 */

static unsigned long __read_mostly max_load_balance_interval = HZ/10;

enum fbq_type { regular, remote, all };

/*
 * 'group_type' describes the group of CPUs at the moment of load balancing.
 *
 * The enum is ordered by pulling priority, with the group with lowest priority
 * first so the group_type can simply be compared when selecting the busiest
 * group. See update_sd_pick_busiest().
 */
enum group_type {
 /* The group has spare capacity that can be used to run more tasks.  */
 group_has_spare = 0,
 /*
  * The group is fully used and the tasks don't compete for more CPU
  * cycles. Nevertheless, some tasks might wait before running.
 */
 group_fully_busy,
 /*
  * One task doesn't fit with CPU's capacity and must be migrated to a
  * more powerful CPU.
 */
 group_misfit_task,
 /*
  * Balance SMT group that's fully busy. Can benefit from migration
  * a task on SMT with busy sibling to another CPU on idle core.
 */
 group_smt_balance,
 /*
  * SD_ASYM_PACKING only: One local CPU with higher capacity is available,
  * and the task should be migrated to it instead of running on the
  * current CPU.
 */
 group_asym_packing,
 /*
  * The tasks' affinity constraints previously prevented the scheduler
  * from balancing the load across the system.
 */
 group_imbalanced,
 /*
  * The CPU is overloaded and can't provide expected CPU cycles to all
  * tasks.
 */
 group_overloaded
};

enum migration_type {
 migrate_load = 0,
 migrate_util,
 migrate_task,
 migrate_misfit
};

#define LBF_ALL_PINNED 0x01
#define LBF_NEED_BREAK 0x02
#define LBF_DST_PINNED  0x04
#define LBF_SOME_PINNED 0x08
#define LBF_ACTIVE_LB 0x10

struct lb_env {
 struct sched_domain *sd;

 struct rq  *src_rq;
 int   src_cpu;

 int   dst_cpu;
 struct rq  *dst_rq;

 struct cpumask  *dst_grpmask;
 int   new_dst_cpu;
 enum cpu_idle_type idle;
 long   imbalance;
 /* The set of CPUs under consideration for load-balancing */
 struct cpumask  *cpus;

 unsigned int  flags;

 unsigned int  loop;
 unsigned int  loop_break;
 unsigned int  loop_max;

 enum fbq_type  fbq_type;
 enum migration_type migration_type;
 struct list_head tasks;
};

/*
 * Is this task likely cache-hot:
 */
static int task_hot(struct task_struct *p, struct lb_env *env)
{
 s64 delta;

 lockdep_assert_rq_held(env->src_rq);

 if (p->sched_class != &fair_sched_class)
  return 0;

 if (unlikely(task_has_idle_policy(p)))
  return 0;

 /* SMT siblings share cache */
 if (env->sd->flags & SD_SHARE_CPUCAPACITY)
  return 0;

 /*
  * Buddy candidates are cache hot:
 */
 if (sched_feat(CACHE_HOT_BUDDY) && env->dst_rq->nr_running &&
     (&p->se == cfs_rq_of(&p->se)->next))
  return 1;

 if (sysctl_sched_migration_cost == -1)
  return 1;

 /*
  * Don't migrate task if the task's cookie does not match
  * with the destination CPU's core cookie.
 */
 if (!sched_core_cookie_match(cpu_rq(env->dst_cpu), p))
  return 1;

 if (sysctl_sched_migration_cost == 0)
  return 0;

 delta = rq_clock_task(env->src_rq) - p->se.exec_start;

 return delta < (s64)sysctl_sched_migration_cost;
}

#ifdef CONFIG_NUMA_BALANCING
/*
 * Returns a positive value, if task migration degrades locality.
 * Returns 0, if task migration is not affected by locality.
 * Returns a negative value, if task migration improves locality i.e migration preferred.
 */
static long migrate_degrades_locality(struct task_struct *p, struct lb_env *env)
{
 struct numa_group *numa_group = rcu_dereference(p->numa_group);
 unsigned long src_weight, dst_weight;
 int src_nid, dst_nid, dist;

 if (!static_branch_likely(&sched_numa_balancing))
  return 0;

 if (!p->numa_faults || !(env->sd->flags & SD_NUMA))
  return 0;

 src_nid = cpu_to_node(env->src_cpu);
 dst_nid = cpu_to_node(env->dst_cpu);

 if (src_nid == dst_nid)
  return 0;

 /* Migrating away from the preferred node is always bad. */
 if (src_nid == p->numa_preferred_nid) {
  if (env->src_rq->nr_running > env->src_rq->nr_preferred_running)
   return 1;
  else
   return 0;
 }

 /* Encourage migration to the preferred node. */
 if (dst_nid == p->numa_preferred_nid)
  return -1;

 /* Leaving a core idle is often worse than degrading locality. */
 if (env->idle == CPU_IDLE)
  return 0;

 dist = node_distance(src_nid, dst_nid);
 if (numa_group) {
  src_weight = group_weight(p, src_nid, dist);
  dst_weight = group_weight(p, dst_nid, dist);
 } else {
  src_weight = task_weight(p, src_nid, dist);
  dst_weight = task_weight(p, dst_nid, dist);
 }

 return src_weight - dst_weight;
}

#else /* !CONFIG_NUMA_BALANCING: */
static inline long migrate_degrades_locality(struct task_struct *p,
          struct lb_env *env)
{
 return 0;
}
#endif /* !CONFIG_NUMA_BALANCING */

/*
 * Check whether the task is ineligible on the destination cpu
 *
 * When the PLACE_LAG scheduling feature is enabled and
 * dst_cfs_rq->nr_queued is greater than 1, if the task
 * is ineligible, it will also be ineligible when
 * it is migrated to the destination cpu.
 */
static inline int task_is_ineligible_on_dst_cpu(struct task_struct *p, int dest_cpu)
{
 struct cfs_rq *dst_cfs_rq;

#ifdef CONFIG_FAIR_GROUP_SCHED
 dst_cfs_rq = task_group(p)->cfs_rq[dest_cpu];
#else
 dst_cfs_rq = &cpu_rq(dest_cpu)->cfs;
#endif
 if (sched_feat(PLACE_LAG) && dst_cfs_rq->nr_queued &&
     !entity_eligible(task_cfs_rq(p), &p->se))
  return 1;

 return 0;
}

/*
 * can_migrate_task - may task p from runqueue rq be migrated to this_cpu?
 */
static
int can_migrate_task(struct task_struct *p, struct lb_env *env)
{
 long degrades, hot;

 lockdep_assert_rq_held(env->src_rq);
 if (p->sched_task_hot)
  p->sched_task_hot = 0;

 /*
  * We do not migrate tasks that are:
  * 1) delayed dequeued unless we migrate load, or
  * 2) throttled_lb_pair, or
  * 3) cannot be migrated to this CPU due to cpus_ptr, or
  * 4) running (obviously), or
  * 5) are cache-hot on their current CPU, or
  * 6) are blocked on mutexes (if SCHED_PROXY_EXEC is enabled)
 */
 if ((p->se.sched_delayed) && (env->migration_type != migrate_load))
  return 0;

 if (throttled_lb_pair(task_group(p), env->src_cpu, env->dst_cpu))
  return 0;

 /*
  * We want to prioritize the migration of eligible tasks.
  * For ineligible tasks we soft-limit them and only allow
  * them to migrate when nr_balance_failed is non-zero to
  * avoid load-balancing trying very hard to balance the load.
 */
 if (!env->sd->nr_balance_failed &&
     task_is_ineligible_on_dst_cpu(p, env->dst_cpu))
  return 0;

 /* Disregard percpu kthreads; they are where they need to be. */
 if (kthread_is_per_cpu(p))
  return 0;

 if (task_is_blocked(p))
  return 0;

 if (!cpumask_test_cpu(env->dst_cpu, p->cpus_ptr)) {
  int cpu;

  schedstat_inc(p->stats.nr_failed_migrations_affine);

  env->flags |= LBF_SOME_PINNED;

  /*
   * Remember if this task can be migrated to any other CPU in
   * our sched_group. We may want to revisit it if we couldn't
   * meet load balance goals by pulling other tasks on src_cpu.
   *
   * Avoid computing new_dst_cpu
   * - for NEWLY_IDLE
   * - if we have already computed one in current iteration
   * - if it's an active balance
 */
  if (env->idle == CPU_NEWLY_IDLE ||
      env->flags & (LBF_DST_PINNED | LBF_ACTIVE_LB))
   return 0;

  /* Prevent to re-select dst_cpu via env's CPUs: */
  cpu = cpumask_first_and_and(env->dst_grpmask, env->cpus, p->cpus_ptr);

  if (cpu < nr_cpu_ids) {
   env->flags |= LBF_DST_PINNED;
   env->new_dst_cpu = cpu;
  }

  return 0;
 }

 /* Record that we found at least one task that could run on dst_cpu */
 env->flags &= ~LBF_ALL_PINNED;

 if (task_on_cpu(env->src_rq, p) ||
     task_current_donor(env->src_rq, p)) {
  schedstat_inc(p->stats.nr_failed_migrations_running);
  return 0;
 }

 /*
  * Aggressive migration if:
  * 1) active balance
  * 2) destination numa is preferred
  * 3) task is cache cold, or
  * 4) too many balance attempts have failed.
 */
 if (env->flags & LBF_ACTIVE_LB)
  return 1;

 degrades = migrate_degrades_locality(p, env);
 if (!degrades)
  hot = task_hot(p, env);
 else
  hot = degrades > 0;

 if (!hot || env->sd->nr_balance_failed > env->sd->cache_nice_tries) {
  if (hot)
   p->sched_task_hot = 1;
  return 1;
 }

 schedstat_inc(p->stats.nr_failed_migrations_hot);
 return 0;
}

/*
 * detach_task() -- detach the task for the migration specified in env
 */
static void detach_task(struct task_struct *p, struct lb_env *env)
{
 lockdep_assert_rq_held(env->src_rq);

 if (p->sched_task_hot) {
  p->sched_task_hot = 0;
  schedstat_inc(env->sd->lb_hot_gained[env->idle]);
  schedstat_inc(p->stats.nr_forced_migrations);
 }

 WARN_ON(task_current(env->src_rq, p));
 WARN_ON(task_current_donor(env->src_rq, p));

 deactivate_task(env->src_rq, p, DEQUEUE_NOCLOCK);
 set_task_cpu(p, env->dst_cpu);
}

/*
 * detach_one_task() -- tries to dequeue exactly one task from env->src_rq, as
 * part of active balancing operations within "domain".
 *
 * Returns a task if successful and NULL otherwise.
 */
static struct task_struct *detach_one_task(struct lb_env *env)
{
 struct task_struct *p;

 lockdep_assert_rq_held(env->src_rq);

 list_for_each_entry_reverse(p,
   &env->src_rq->cfs_tasks, se.group_node) {
  if (!can_migrate_task(p, env))
   continue;

  detach_task(p, env);

  /*
   * Right now, this is only the second place where
   * lb_gained[env->idle] is updated (other is detach_tasks)
   * so we can safely collect stats here rather than
   * inside detach_tasks().
 */
  schedstat_inc(env->sd->lb_gained[env->idle]);
  return p;
 }
 return NULL;
}

/*
 * detach_tasks() -- tries to detach up to imbalance load/util/tasks from
 * busiest_rq, as part of a balancing operation within domain "sd".
 *
 * Returns number of detached tasks if successful and 0 otherwise.
 */
static int detach_tasks(struct lb_env *env)
{
 struct list_head *tasks = &env->src_rq->cfs_tasks;
 unsigned long util, load;
 struct task_struct *p;
 int detached = 0;

 lockdep_assert_rq_held(env->src_rq);

 /*
  * Source run queue has been emptied by another CPU, clear
  * LBF_ALL_PINNED flag as we will not test any task.
 */
 if (env->src_rq->nr_running <= 1) {
  env->flags &= ~LBF_ALL_PINNED;
  return 0;
 }

 if (env->imbalance <= 0)
  return 0;

 while (!list_empty(tasks)) {
  /*
   * We don't want to steal all, otherwise we may be treated likewise,
   * which could at worst lead to a livelock crash.
 */
  if (env->idle && env->src_rq->nr_running <= 1)
   break;

  env->loop++;
  /* We've more or less seen every task there is, call it quits */
  if (env->loop > env->loop_max)
   break;

  /* take a breather every nr_migrate tasks */
  if (env->loop > env->loop_break) {
   env->loop_break += SCHED_NR_MIGRATE_BREAK;
   env->flags |= LBF_NEED_BREAK;
   break;
  }

  p = list_last_entry(tasks, struct task_struct, se.group_node);

  if (!can_migrate_task(p, env))
   goto next;

  switch (env->migration_type) {
  case migrate_load:
   /*
    * Depending of the number of CPUs and tasks and the
    * cgroup hierarchy, task_h_load() can return a null
    * value. Make sure that env->imbalance decreases
    * otherwise detach_tasks() will stop only after
    * detaching up to loop_max tasks.
 */
   load = max_t(unsigned long, task_h_load(p), 1);

   if (sched_feat(LB_MIN) &&
       load < 16 && !env->sd->nr_balance_failed)
    goto next;

   /*
    * Make sure that we don't migrate too much load.
    * Nevertheless, let relax the constraint if
    * scheduler fails to find a good waiting task to
    * migrate.
 */
   if (shr_bound(load, env->sd->nr_balance_failed) > env->imbalance)
    goto next;

   env->imbalance -= load;
   break;

  case migrate_util:
   util = task_util_est(p);

   if (shr_bound(util, env->sd->nr_balance_failed) > env->imbalance)
    goto next;

   env->imbalance -= util;
   break;

  case migrate_task:
   env->imbalance--;
   break;

  case migrate_misfit:
   /* This is not a misfit task */
   if (task_fits_cpu(p, env->src_cpu))
    goto next;

   env->imbalance = 0;
   break;
  }

  detach_task(p, env);
  list_add(&p->se.group_node, &env->tasks);

  detached++;

#ifdef CONFIG_PREEMPTION
  /*
   * NEWIDLE balancing is a source of latency, so preemptible
   * kernels will stop after the first task is detached to minimize
   * the critical section.
 */
  if (env->idle == CPU_NEWLY_IDLE)
   break;
#endif

  /*
   * We only want to steal up to the prescribed amount of
   * load/util/tasks.
 */
  if (env->imbalance <= 0)
   break;

  continue;
next:
  if (p->sched_task_hot)
   schedstat_inc(p->stats.nr_failed_migrations_hot);

  list_move(&p->se.group_node, tasks);
 }

 /*
  * Right now, this is one of only two places we collect this stat
  * so we can safely collect detach_one_task() stats here rather
  * than inside detach_one_task().
 */
 schedstat_add(env->sd->lb_gained[env->idle], detached);

 return detached;
}

/*
 * attach_task() -- attach the task detached by detach_task() to its new rq.
 */
static void attach_task(struct rq *rq, struct task_struct *p)
{
 lockdep_assert_rq_held(rq);

 WARN_ON_ONCE(task_rq(p) != rq);
 activate_task(rq, p, ENQUEUE_NOCLOCK);
 wakeup_preempt(rq, p, 0);
}

/*
 * attach_one_task() -- attaches the task returned from detach_one_task() to
 * its new rq.
 */
static void attach_one_task(struct rq *rq, struct task_struct *p)
{
 struct rq_flags rf;

 rq_lock(rq, &rf);
 update_rq_clock(rq);
 attach_task(rq, p);
 rq_unlock(rq, &rf);
}

/*
 * attach_tasks() -- attaches all tasks detached by detach_tasks() to their
 * new rq.
 */
static void attach_tasks(struct lb_env *env)
{
 struct list_head *tasks = &env->tasks;
 struct task_struct *p;
 struct rq_flags rf;

 rq_lock(env->dst_rq, &rf);
 update_rq_clock(env->dst_rq);

 while (!list_empty(tasks)) {
  p = list_first_entry(tasks, struct task_struct, se.group_node);
  list_del_init(&p->se.group_node);

  attach_task(env->dst_rq, p);
 }

 rq_unlock(env->dst_rq, &rf);
}

#ifdef CONFIG_NO_HZ_COMMON
static inline bool cfs_rq_has_blocked(struct cfs_rq *cfs_rq)
{
 if (cfs_rq->avg.load_avg)
  return true;

 if (cfs_rq->avg.util_avg)
  return true;

 return false;
}

static inline bool others_have_blocked(struct rq *rq)
{
 if (cpu_util_rt(rq))
  return true;

 if (cpu_util_dl(rq))
  return true;

 if (hw_load_avg(rq))
  return true;

 if (cpu_util_irq(rq))
  return true;

 return false;
}

static inline void update_blocked_load_tick(struct rq *rq)
{
 WRITE_ONCE(rq->last_blocked_load_update_tick, jiffies);
}

static inline void update_blocked_load_status(struct rq *rq, bool has_blocked)
{
 if (!has_blocked)
  rq->has_blocked_load = 0;
}
#else /* !CONFIG_NO_HZ_COMMON: */
static inline bool cfs_rq_has_blocked(struct cfs_rq *cfs_rq) { return false; }
static inline bool others_have_blocked(struct rq *rq) { return false; }
static inline void update_blocked_load_tick(struct rq *rq) {}
static inline void update_blocked_load_status(struct rq *rq, bool has_blocked) {}
#endif /* !CONFIG_NO_HZ_COMMON */

static bool __update_blocked_others(struct rq *rq, bool *done)
{
 bool updated;

 /*
  * update_load_avg() can call cpufreq_update_util(). Make sure that RT,
  * DL and IRQ signals have been updated before updating CFS.
 */
 updated = update_other_load_avgs(rq);

 if (others_have_blocked(rq))
  *done = false;

 return updated;
}

#ifdef CONFIG_FAIR_GROUP_SCHED

static bool __update_blocked_fair(struct rq *rq, bool *done)
{
 struct cfs_rq *cfs_rq, *pos;
 bool decayed = false;
 int cpu = cpu_of(rq);

 /*
  * Iterates the task_group tree in a bottom up fashion, see
  * list_add_leaf_cfs_rq() for details.
 */
 for_each_leaf_cfs_rq_safe(rq, cfs_rq, pos) {
  struct sched_entity *se;

  if (update_cfs_rq_load_avg(cfs_rq_clock_pelt(cfs_rq), cfs_rq)) {
   update_tg_load_avg(cfs_rq);

   if (cfs_rq->nr_queued == 0)
    update_idle_cfs_rq_clock_pelt(cfs_rq);

   if (cfs_rq == &rq->cfs)
    decayed = true;
  }

  /* Propagate pending load changes to the parent, if any: */
  se = cfs_rq->tg->se[cpu];
  if (se && !skip_blocked_update(se))
   update_load_avg(cfs_rq_of(se), se, UPDATE_TG);

  /*
   * There can be a lot of idle CPU cgroups.  Don't let fully
   * decayed cfs_rqs linger on the list.
 */
  if (cfs_rq_is_decayed(cfs_rq))
   list_del_leaf_cfs_rq(cfs_rq);

  /* Don't need periodic decay once load/util_avg are null */
  if (cfs_rq_has_blocked(cfs_rq))
   *done = false;
 }

 return decayed;
}

/*
 * Compute the hierarchical load factor for cfs_rq and all its ascendants.
 * This needs to be done in a top-down fashion because the load of a child
 * group is a fraction of its parents load.
 */
static void update_cfs_rq_h_load(struct cfs_rq *cfs_rq)
{
 struct rq *rq = rq_of(cfs_rq);
 struct sched_entity *se = cfs_rq->tg->se[cpu_of(rq)];
 unsigned long now = jiffies;
 unsigned long load;

 if (cfs_rq->last_h_load_update == now)
  return;

 WRITE_ONCE(cfs_rq->h_load_next, NULL);
 for_each_sched_entity(se) {
  cfs_rq = cfs_rq_of(se);
  WRITE_ONCE(cfs_rq->h_load_next, se);
  if (cfs_rq->last_h_load_update == now)
   break;
 }

 if (!se) {
  cfs_rq->h_load = cfs_rq_load_avg(cfs_rq);
  cfs_rq->last_h_load_update = now;
 }

 while ((se = READ_ONCE(cfs_rq->h_load_next)) != NULL) {
  load = cfs_rq->h_load;
  load = div64_ul(load * se->avg.load_avg,
   cfs_rq_load_avg(cfs_rq) + 1);
  cfs_rq = group_cfs_rq(se);
  cfs_rq->h_load = load;
  cfs_rq->last_h_load_update = now;
 }
}

static unsigned long task_h_load(struct task_struct *p)
{
 struct cfs_rq *cfs_rq = task_cfs_rq(p);

 update_cfs_rq_h_load(cfs_rq);
 return div64_ul(p->se.avg.load_avg * cfs_rq->h_load,
   cfs_rq_load_avg(cfs_rq) + 1);
}
#else /* !CONFIG_FAIR_GROUP_SCHED: */
static bool __update_blocked_fair(struct rq *rq, bool *done)
{
 struct cfs_rq *cfs_rq = &rq->cfs;
 bool decayed;

 decayed = update_cfs_rq_load_avg(cfs_rq_clock_pelt(cfs_rq), cfs_rq);
 if (cfs_rq_has_blocked(cfs_rq))
  *done = false;

 return decayed;
}

static unsigned long task_h_load(struct task_struct *p)
{
 return p->se.avg.load_avg;
}
#endif /* !CONFIG_FAIR_GROUP_SCHED */

static void sched_balance_update_blocked_averages(int cpu)
{
 bool decayed = false, done = true;
 struct rq *rq = cpu_rq(cpu);
 struct rq_flags rf;

 rq_lock_irqsave(rq, &rf);
 update_blocked_load_tick(rq);
 update_rq_clock(rq);

 decayed |= __update_blocked_others(rq, &done);
 decayed |= __update_blocked_fair(rq, &done);

 update_blocked_load_status(rq, !done);
 if (decayed)
  cpufreq_update_util(rq, 0);
 rq_unlock_irqrestore(rq, &rf);
}

/********** Helpers for sched_balance_find_src_group ************************/

/*
 * sg_lb_stats - stats of a sched_group required for load-balancing:
 */
struct sg_lb_stats {
 unsigned long avg_load;   /* Avg load            over the CPUs of the group */
 unsigned long group_load;  /* Total load          over the CPUs of the group */
 unsigned long group_capacity;  /* Capacity            over the CPUs of the group */
 unsigned long group_util;  /* Total utilization   over the CPUs of the group */
 unsigned long group_runnable;  /* Total runnable time over the CPUs of the group */
 unsigned int sum_nr_running;  /* Nr of all tasks running in the group */
 unsigned int sum_h_nr_running;  /* Nr of CFS tasks running in the group */
 unsigned int idle_cpus;                 /* Nr of idle CPUs         in the group */
 unsigned int group_weight;
 enum group_type group_type;
 unsigned int group_asym_packing; /* Tasks should be moved to preferred CPU */
 unsigned int group_smt_balance;  /* Task on busy SMT be moved */
 unsigned long group_misfit_task_load; /* A CPU has a task too big for its capacity */
#ifdef CONFIG_NUMA_BALANCING
 unsigned int nr_numa_running;
 unsigned int nr_preferred_running;
#endif
};

/*
 * sd_lb_stats - stats of a sched_domain required for load-balancing:
 */
struct sd_lb_stats {
 struct sched_group *busiest;  /* Busiest group in this sd */
 struct sched_group *local;  /* Local group in this sd */
 unsigned long total_load;  /* Total load of all groups in sd */
 unsigned long total_capacity;  /* Total capacity of all groups in sd */
 unsigned long avg_load;   /* Average load across all groups in sd */
 unsigned int prefer_sibling;  /* Tasks should go to sibling first */

 struct sg_lb_stats busiest_stat; /* Statistics of the busiest group */
 struct sg_lb_stats local_stat;  /* Statistics of the local group */
};

static inline void init_sd_lb_stats(struct sd_lb_stats *sds)
{
 /*
  * Skimp on the clearing to avoid duplicate work. We can avoid clearing
  * local_stat because update_sg_lb_stats() does a full clear/assignment.
  * We must however set busiest_stat::group_type and
  * busiest_stat::idle_cpus to the worst busiest group because
  * update_sd_pick_busiest() reads these before assignment.
 */
 *sds = (struct sd_lb_stats){
  .busiest = NULL,
  .local = NULL,
  .total_load = 0UL,
  .total_capacity = 0UL,
  .busiest_stat = {
   .idle_cpus = UINT_MAX,
   .group_type = group_has_spare,
  },
 };
}

static unsigned long scale_rt_capacity(int cpu)
{
 unsigned long max = get_actual_cpu_capacity(cpu);
 struct rq *rq = cpu_rq(cpu);
 unsigned long used, free;
 unsigned long irq;

 irq = cpu_util_irq(rq);

 if (unlikely(irq >= max))
  return 1;

 /*
  * avg_rt.util_avg and avg_dl.util_avg track binary signals
  * (running and not running) with weights 0 and 1024 respectively.
 */
 used = cpu_util_rt(rq);
 used += cpu_util_dl(rq);

 if (unlikely(used >= max))
  return 1;

 free = max - used;

 return scale_irq_capacity(free, irq, max);
}

static void update_cpu_capacity(struct sched_domain *sd, int cpu)
{
 unsigned long capacity = scale_rt_capacity(cpu);
 struct sched_group *sdg = sd->groups;

 if (!capacity)
  capacity = 1;

 cpu_rq(cpu)->cpu_capacity = capacity;
 trace_sched_cpu_capacity_tp(cpu_rq(cpu));

 sdg->sgc->capacity = capacity;
 sdg->sgc->min_capacity = capacity;
 sdg->sgc->max_capacity = capacity;
}

void update_group_capacity(struct sched_domain *sd, int cpu)
{
 struct sched_domain *child = sd->child;
 struct sched_group *group, *sdg = sd->groups;
 unsigned long capacity, min_capacity, max_capacity;
 unsigned long interval;

 interval = msecs_to_jiffies(sd->balance_interval);
 interval = clamp(interval, 1UL, max_load_balance_interval);
 sdg->sgc->next_update = jiffies + interval;

 if (!child) {
  update_cpu_capacity(sd, cpu);
  return;
 }

 capacity = 0;
 min_capacity = ULONG_MAX;
 max_capacity = 0;

 if (child->flags & SD_NUMA) {
  /*
   * SD_NUMA domains cannot assume that child groups
   * span the current group.
 */

  for_each_cpu(cpu, sched_group_span(sdg)) {
   unsigned long cpu_cap = capacity_of(cpu);

   capacity += cpu_cap;
   min_capacity = min(cpu_cap, min_capacity);
   max_capacity = max(cpu_cap, max_capacity);
  }
 } else  {
  /*
   * !SD_NUMA domains can assume that child groups
   * span the current group.
 */

  group = child->groups;
  do {
   struct sched_group_capacity *sgc = group->sgc;

   capacity += sgc->capacity;
   min_capacity = min(sgc->min_capacity, min_capacity);
   max_capacity = max(sgc->max_capacity, max_capacity);
   group = group->next;
  } while (group != child->groups);
 }

 sdg->sgc->capacity = capacity;
 sdg->sgc->min_capacity = min_capacity;
 sdg->sgc->max_capacity = max_capacity;
}

/*
 * Check whether the capacity of the rq has been noticeably reduced by side
 * activity. The imbalance_pct is used for the threshold.
 * Return true is the capacity is reduced
 */
static inline int
check_cpu_capacity(struct rq *rq, struct sched_domain *sd)
{
 return ((rq->cpu_capacity * sd->imbalance_pct) <
    (arch_scale_cpu_capacity(cpu_of(rq)) * 100));
}

/* Check if the rq has a misfit task */
static inline bool check_misfit_status(struct rq *rq)
{
 return rq->misfit_task_load;
}

/*
 * Group imbalance indicates (and tries to solve) the problem where balancing
 * groups is inadequate due to ->cpus_ptr constraints.
 *
 * Imagine a situation of two groups of 4 CPUs each and 4 tasks each with a
 * cpumask covering 1 CPU of the first group and 3 CPUs of the second group.
 * Something like:
 *
 * { 0 1 2 3 } { 4 5 6 7 }
 *         *     * * *
 *
 * If we were to balance group-wise we'd place two tasks in the first group and
 * two tasks in the second group. Clearly this is undesired as it will overload
 * cpu 3 and leave one of the CPUs in the second group unused.
 *
 * The current solution to this issue is detecting the skew in the first group
 * by noticing the lower domain failed to reach balance and had difficulty
 * moving tasks due to affinity constraints.
 *
 * When this is so detected; this group becomes a candidate for busiest; see
 * update_sd_pick_busiest(). And calculate_imbalance() and
 * sched_balance_find_src_group() avoid some of the usual balance conditions to allow it
 * to create an effective group imbalance.
 *
 * This is a somewhat tricky proposition since the next run might not find the
 * group imbalance and decide the groups need to be balanced again. A most
 * subtle and fragile situation.
 */

static inline int sg_imbalanced(struct sched_group *group)
{
 return group->sgc->imbalance;
}

/*
 * group_has_capacity returns true if the group has spare capacity that could
 * be used by some tasks.
 * We consider that a group has spare capacity if the number of task is
 * smaller than the number of CPUs or if the utilization is lower than the
 * available capacity for CFS tasks.
 * For the latter, we use a threshold to stabilize the state, to take into
 * account the variance of the tasks' load and to return true if the available
 * capacity in meaningful for the load balancer.
 * As an example, an available capacity of 1% can appear but it doesn't make
 * any benefit for the load balance.
 */
static inline bool
group_has_capacity(unsigned int imbalance_pct, struct sg_lb_stats *sgs)
{
 if (sgs->sum_nr_running < sgs->group_weight)
  return true;

 if ((sgs->group_capacity * imbalance_pct) <
   (sgs->group_runnable * 100))
  return false;

 if ((sgs->group_capacity * 100) >
   (sgs->group_util * imbalance_pct))
  return true;

 return false;
}

/*
 *  group_is_overloaded returns true if the group has more tasks than it can
 *  handle.
 *  group_is_overloaded is not equals to !group_has_capacity because a group
 *  with the exact right number of tasks, has no more spare capacity but is not
 *  overloaded so both group_has_capacity and group_is_overloaded return
 *  false.
 */
static inline bool
group_is_overloaded(unsigned int imbalance_pct, struct sg_lb_stats *sgs)
{
 if (sgs->sum_nr_running <= sgs->group_weight)
  return false;

 if ((sgs->group_capacity * 100) <
   (sgs->group_util * imbalance_pct))
  return true;

 if ((sgs->group_capacity * imbalance_pct) <
   (sgs->group_runnable * 100))
  return true;

 return false;
}

static inline enum
group_type group_classify(unsigned int imbalance_pct,
     struct sched_group *group,
     struct sg_lb_stats *sgs)
{
 if (group_is_overloaded(imbalance_pct, sgs))
  return group_overloaded;

 if (sg_imbalanced(group))
  return group_imbalanced;

 if (sgs->group_asym_packing)
  return group_asym_packing;

 if (sgs->group_smt_balance)
  return group_smt_balance;

 if (sgs->group_misfit_task_load)
  return group_misfit_task;

 if (!group_has_capacity(imbalance_pct, sgs))
  return group_fully_busy;

 return group_has_spare;
}

/**
 * sched_use_asym_prio - Check whether asym_packing priority must be used
 * @sd:  The scheduling domain of the load balancing
 * @cpu: A CPU
 *
 * Always use CPU priority when balancing load between SMT siblings. When
 * balancing load between cores, it is not sufficient that @cpu is idle. Only
 * use CPU priority if the whole core is idle.
 *
 * Returns: True if the priority of @cpu must be followed. False otherwise.
 */
static bool sched_use_asym_prio(struct sched_domain *sd, int cpu)
{
 if (!(sd->flags & SD_ASYM_PACKING))
  return false;

 if (!sched_smt_active())
  return true;

 return sd->flags & SD_SHARE_CPUCAPACITY || is_core_idle(cpu);
}

static inline bool sched_asym(struct sched_domain *sd, int dst_cpu, int src_cpu)
{
 /*
  * First check if @dst_cpu can do asym_packing load balance. Only do it
  * if it has higher priority than @src_cpu.
 */
 return sched_use_asym_prio(sd, dst_cpu) &&
  sched_asym_prefer(dst_cpu, src_cpu);
}

/**
 * sched_group_asym - Check if the destination CPU can do asym_packing balance
 * @env: The load balancing environment
 * @sgs: Load-balancing statistics of the candidate busiest group
 * @group: The candidate busiest group
 *
 * @env::dst_cpu can do asym_packing if it has higher priority than the
 * preferred CPU of @group.
 *
 * Return: true if @env::dst_cpu can do with asym_packing load balance. False
 * otherwise.
 */
static inline bool
sched_group_asym(struct lb_env *env, struct sg_lb_stats *sgs, struct sched_group *group)
{
 /*
  * CPU priorities do not make sense for SMT cores with more than one
  * busy sibling.
 */
 if ((group->flags & SD_SHARE_CPUCAPACITY) &&
     (sgs->group_weight - sgs->idle_cpus != 1))
  return false;

 return sched_asym(env->sd, env->dst_cpu, READ_ONCE(group->asym_prefer_cpu));
}

/* One group has more than one SMT CPU while the other group does not */
static inline bool smt_vs_nonsmt_groups(struct sched_group *sg1,
        struct sched_group *sg2)
{
 if (!sg1 || !sg2)
  return false;

 return (sg1->flags & SD_SHARE_CPUCAPACITY) !=
  (sg2->flags & SD_SHARE_CPUCAPACITY);
}

static inline bool smt_balance(struct lb_env *env, struct sg_lb_stats *sgs,
          struct sched_group *group)
{
 if (!env->idle)
  return false;

 /*
  * For SMT source group, it is better to move a task
  * to a CPU that doesn't have multiple tasks sharing its CPU capacity.
  * Note that if a group has a single SMT, SD_SHARE_CPUCAPACITY
  * will not be on.
 */
 if (group->flags & SD_SHARE_CPUCAPACITY &&
     sgs->sum_h_nr_running > 1)
  return true;

 return false;
}

static inline long sibling_imbalance(struct lb_env *env,
        struct sd_lb_stats *sds,
        struct sg_lb_stats *busiest,
        struct sg_lb_stats *local)
{
 int ncores_busiest, ncores_local;
 long imbalance;

 if (!env->idle || !busiest->sum_nr_running)
  return 0;

 ncores_busiest = sds->busiest->cores;
 ncores_local = sds->local->cores;

 if (ncores_busiest == ncores_local) {
  imbalance = busiest->sum_nr_running;
  lsub_positive(&imbalance, local->sum_nr_running);
  return imbalance;
 }

 /* Balance such that nr_running/ncores ratio are same on both groups */
 imbalance = ncores_local * busiest->sum_nr_running;
 lsub_positive(&imbalance, ncores_busiest * local->sum_nr_running);
 /* Normalize imbalance and do rounding on normalization */
 imbalance = 2 * imbalance + ncores_local + ncores_busiest;
 imbalance /= ncores_local + ncores_busiest;

 /* Take advantage of resource in an empty sched group */
 if (imbalance <= 1 && local->sum_nr_running == 0 &&
     busiest->sum_nr_running > 1)
  imbalance = 2;

 return imbalance;
}

static inline bool
sched_reduced_capacity(struct rq *rq, struct sched_domain *sd)
{
 /*
  * When there is more than 1 task, the group_overloaded case already
  * takes care of cpu with reduced capacity
 */
 if (rq->cfs.h_nr_runnable != 1)
  return false;

 return check_cpu_capacity(rq, sd);
}

/**
 * update_sg_lb_stats - Update sched_group's statistics for load balancing.
 * @env: The load balancing environment.
 * @sds: Load-balancing data with statistics of the local group.
 * @group: sched_group whose statistics are to be updated.
 * @sgs: variable to hold the statistics for this group.
 * @sg_overloaded: sched_group is overloaded
 * @sg_overutilized: sched_group is overutilized
 */
static inline void update_sg_lb_stats(struct lb_env *env,
          struct sd_lb_stats *sds,
          struct sched_group *group,
          struct sg_lb_stats *sgs,
          bool *sg_overloaded,
          bool *sg_overutilized)
{
 int i, nr_running, local_group, sd_flags = env->sd->flags;
 bool balancing_at_rd = !env->sd->parent;

 memset(sgs, 0, sizeof(*sgs));

 local_group = group == sds->local;

 for_each_cpu_and(i, sched_group_span(group), env->cpus) {
  struct rq *rq = cpu_rq(i);
  unsigned long load = cpu_load(rq);

  sgs->group_load += load;
  sgs->group_util += cpu_util_cfs(i);
  sgs->group_runnable += cpu_runnable(rq);
  sgs->sum_h_nr_running += rq->cfs.h_nr_runnable;

  nr_running = rq->nr_running;
  sgs->sum_nr_running += nr_running;

  if (cpu_overutilized(i))
   *sg_overutilized = 1;

  /*
   * No need to call idle_cpu() if nr_running is not 0
 */
  if (!nr_running && idle_cpu(i)) {
   sgs->idle_cpus++;
   /* Idle cpu can't have misfit task */
   continue;
  }

  /* Overload indicator is only updated at root domain */
  if (balancing_at_rd && nr_running > 1)
   *sg_overloaded = 1;

#ifdef CONFIG_NUMA_BALANCING
  /* Only fbq_classify_group() uses this to classify NUMA groups */
  if (sd_flags & SD_NUMA) {
   sgs->nr_numa_running += rq->nr_numa_running;
   sgs->nr_preferred_running += rq->nr_preferred_running;
  }
#endif
  if (local_group)
   continue;

  if (sd_flags & SD_ASYM_CPUCAPACITY) {
   /* Check for a misfit task on the cpu */
   if (sgs->group_misfit_task_load < rq->misfit_task_load) {
    sgs->group_misfit_task_load = rq->misfit_task_load;
    *sg_overloaded = 1;
   }
  } else if (env->idle && sched_reduced_capacity(rq, env->sd)) {
   /* Check for a task running on a CPU with reduced capacity */
   if (sgs->group_misfit_task_load < load)
    sgs->group_misfit_task_load = load;
  }
 }

 sgs->group_capacity = group->sgc->capacity;

 sgs->group_weight = group->group_weight;

 /* Check if dst CPU is idle and preferred to this group */
 if (!local_group && env->idle && sgs->sum_h_nr_running &&
     sched_group_asym(env, sgs, group))
  sgs->group_asym_packing = 1;

 /* Check for loaded SMT group to be balanced to dst CPU */
 if (!local_group && smt_balance(env, sgs, group))
  sgs->group_smt_balance = 1;

 sgs->group_type = group_classify(env->sd->imbalance_pct, group, sgs);

 /* Computing avg_load makes sense only when group is overloaded */
 if (sgs->group_type == group_overloaded)
  sgs->avg_load = (sgs->group_load * SCHED_CAPACITY_SCALE) /
    sgs->group_capacity;
}

/**
 * update_sd_pick_busiest - return 1 on busiest group
 * @env: The load balancing environment.
 * @sds: sched_domain statistics
 * @sg: sched_group candidate to be checked for being the busiest
 * @sgs: sched_group statistics
 *
 * Determine if @sg is a busier group than the previously selected
 * busiest group.
 *
 * Return: %true if @sg is a busier group than the previously selected
 * busiest group. %false otherwise.
 */
static bool update_sd_pick_busiest(struct lb_env *env,
       struct sd_lb_stats *sds,
       struct sched_group *sg,
       struct sg_lb_stats *sgs)
{
 struct sg_lb_stats *busiest = &sds->busiest_stat;

 /* Make sure that there is at least one task to pull */
 if (!sgs->sum_h_nr_running)
  return false;

 /*
  * Don't try to pull misfit tasks we can't help.
  * We can use max_capacity here as reduction in capacity on some
  * CPUs in the group should either be possible to resolve
  * internally or be covered by avg_load imbalance (eventually).
 */
 if ((env->sd->flags & SD_ASYM_CPUCAPACITY) &&
     (sgs->group_type == group_misfit_task) &&
     (!capacity_greater(capacity_of(env->dst_cpu), sg->sgc->max_capacity) ||
      sds->local_stat.group_type != group_has_spare))
  return false;

 if (sgs->group_type > busiest->group_type)
  return true;

 if (sgs->group_type < busiest->group_type)
  return false;

 /*
  * The candidate and the current busiest group are the same type of
  * group. Let check which one is the busiest according to the type.
 */

 switch (sgs->group_type) {
 case group_overloaded:
  /* Select the overloaded group with highest avg_load. */
  return sgs->avg_load > busiest->avg_load;

 case group_imbalanced:
  /*
   * Select the 1st imbalanced group as we don't have any way to
   * choose one more than another.
 */
  return false;

 case group_asym_packing:
  /* Prefer to move from lowest priority CPU's work */
  return sched_asym_prefer(READ_ONCE(sds->busiest->asym_prefer_cpu),
      READ_ONCE(sg->asym_prefer_cpu));

 case group_misfit_task:
  /*
   * If we have more than one misfit sg go with the biggest
   * misfit.
 */
  return sgs->group_misfit_task_load > busiest->group_misfit_task_load;

 case group_smt_balance:
  /*
   * Check if we have spare CPUs on either SMT group to
   * choose has spare or fully busy handling.
 */
  if (sgs->idle_cpus != 0 || busiest->idle_cpus != 0)
   goto has_spare;

  fallthrough;

 case group_fully_busy:
  /*
   * Select the fully busy group with highest avg_load. In
   * theory, there is no need to pull task from such kind of
   * group because tasks have all compute capacity that they need
   * but we can still improve the overall throughput by reducing
   * contention when accessing shared HW resources.
   *
   * XXX for now avg_load is not computed and always 0 so we
   * select the 1st one, except if @sg is composed of SMT
   * siblings.
 */

  if (sgs->avg_load < busiest->avg_load)
   return false;

  if (sgs->avg_load == busiest->avg_load) {
   /*
    * SMT sched groups need more help than non-SMT groups.
    * If @sg happens to also be SMT, either choice is good.
 */
   if (sds->busiest->flags & SD_SHARE_CPUCAPACITY)
    return false;
  }

  break;

 case group_has_spare:
  /*
   * Do not pick sg with SMT CPUs over sg with pure CPUs,
   * as we do not want to pull task off SMT core with one task
   * and make the core idle.
 */
  if (smt_vs_nonsmt_groups(sds->busiest, sg)) {
   if (sg->flags & SD_SHARE_CPUCAPACITY && sgs->sum_h_nr_running <= 1)
    return false;
   else
    return true;
  }
has_spare:

  /*
   * Select not overloaded group with lowest number of idle CPUs
   * and highest number of running tasks. We could also compare
   * the spare capacity which is more stable but it can end up
   * that the group has less spare capacity but finally more idle
   * CPUs which means less opportunity to pull tasks.
 */
  if (sgs->idle_cpus > busiest->idle_cpus)
   return false;
  else if ((sgs->idle_cpus == busiest->idle_cpus) &&
    (sgs->sum_nr_running <= busiest->sum_nr_running))
   return false;

  break;
 }

 /*
  * Candidate sg has no more than one task per CPU and has higher
  * per-CPU capacity. Migrating tasks to less capable CPUs may harm
  * throughput. Maximize throughput, power/energy consequences are not
  * considered.
 */
 if ((env->sd->flags & SD_ASYM_CPUCAPACITY) &&
     (sgs->group_type <= group_fully_busy) &&
     (capacity_greater(sg->sgc->min_capacity, capacity_of(env->dst_cpu))))
  return false;

 return true;
}

#ifdef CONFIG_NUMA_BALANCING
static inline enum fbq_type fbq_classify_group(struct sg_lb_stats *sgs)
{
 if (sgs->sum_h_nr_running > sgs->nr_numa_running)
  return regular;
 if (sgs->sum_h_nr_running > sgs->nr_preferred_running)
  return remote;
 return all;
}

static inline enum fbq_type fbq_classify_rq(struct rq *rq)
{
 if (rq->nr_running > rq->nr_numa_running)
  return regular;
 if (rq->nr_running > rq->nr_preferred_running)
  return remote;
 return all;
}
#else /* !CONFIG_NUMA_BALANCING: */
static inline enum fbq_type fbq_classify_group(struct sg_lb_stats *sgs)
{
 return all;
}

static inline enum fbq_type fbq_classify_rq(struct rq *rq)
{
 return regular;
}
#endif /* !CONFIG_NUMA_BALANCING */


struct sg_lb_stats;

/*
 * task_running_on_cpu - return 1 if @p is running on @cpu.
 */

static unsigned int task_running_on_cpu(int cpu, struct task_struct *p)
{
 /* Task has no contribution or is new */
 if (cpu != task_cpu(p) || !READ_ONCE(p->se.avg.last_update_time))
  return 0;

 if (task_on_rq_queued(p))
  return 1;

 return 0;
}

/**
 * idle_cpu_without - would a given CPU be idle without p ?
 * @cpu: the processor on which idleness is tested.
 * @p: task which should be ignored.
 *
 * Return: 1 if the CPU would be idle. 0 otherwise.
 */
static int idle_cpu_without(int cpu, struct task_struct *p)
{
 struct rq *rq = cpu_rq(cpu);

 if (rq->curr != rq->idle && rq->curr != p)
  return 0;

 /*
  * rq->nr_running can't be used but an updated version without the
  * impact of p on cpu must be used instead. The updated nr_running
  * be computed and tested before calling idle_cpu_without().
 */

 if (rq->ttwu_pending)
  return 0;

 return 1;
}

/*
 * update_sg_wakeup_stats - Update sched_group's statistics for wakeup.
 * @sd: The sched_domain level to look for idlest group.
 * @group: sched_group whose statistics are to be updated.
 * @sgs: variable to hold the statistics for this group.
 * @p: The task for which we look for the idlest group/CPU.
 */
static inline void update_sg_wakeup_stats(struct sched_domain *sd,
       struct sched_group *group,
       struct sg_lb_stats *sgs,
       struct task_struct *p)
{
 int i, nr_running;

 memset(sgs, 0, sizeof(*sgs));

 /* Assume that task can't fit any CPU of the group */
 if (sd->flags & SD_ASYM_CPUCAPACITY)
  sgs->group_misfit_task_load = 1;

 for_each_cpu(i, sched_group_span(group)) {
  struct rq *rq = cpu_rq(i);
  unsigned int local;

  sgs->group_load += cpu_load_without(rq, p);
  sgs->group_util += cpu_util_without(i, p);
  sgs->group_runnable += cpu_runnable_without(rq, p);
  local = task_running_on_cpu(i, p);
  sgs->sum_h_nr_running += rq->cfs.h_nr_runnable - local;

  nr_running = rq->nr_running - local;
  sgs->sum_nr_running += nr_running;

  /*
   * No need to call idle_cpu_without() if nr_running is not 0
 */
  if (!nr_running && idle_cpu_without(i, p))
   sgs->idle_cpus++;

  /* Check if task fits in the CPU */
  if (sd->flags & SD_ASYM_CPUCAPACITY &&
      sgs->group_misfit_task_load &&
      task_fits_cpu(p, i))
   sgs->group_misfit_task_load = 0;

 }

 sgs->group_capacity = group->sgc->capacity;

 sgs->group_weight = group->group_weight;

 sgs->group_type = group_classify(sd->imbalance_pct, group, sgs);

 /*
  * Computing avg_load makes sense only when group is fully busy or
  * overloaded
 */
 if (sgs->group_type == group_fully_busy ||
  sgs->group_type == group_overloaded)
  sgs->avg_load = (sgs->group_load * SCHED_CAPACITY_SCALE) /
    sgs->group_capacity;
}

static bool update_pick_idlest(struct sched_group *idlest,
          struct sg_lb_stats *idlest_sgs,
          struct sched_group *group,
          struct sg_lb_stats *sgs)
{
 if (sgs->group_type < idlest_sgs->group_type)
  return true;

 if (sgs->group_type > idlest_sgs->group_type)
  return false;

 /*
  * The candidate and the current idlest group are the same type of
  * group. Let check which one is the idlest according to the type.
 */

 switch (sgs->group_type) {
 case group_overloaded:
 case group_fully_busy:
  /* Select the group with lowest avg_load. */
  if (idlest_sgs->avg_load <= sgs->avg_load)
   return false;
  break;

 case group_imbalanced:
 case group_asym_packing:
 case group_smt_balance:
  /* Those types are not used in the slow wakeup path */
  return false;

 case group_misfit_task:
  /* Select group with the highest max capacity */
  if (idlest->sgc->max_capacity >= group->sgc->max_capacity)
   return false;
  break;

 case group_has_spare:
  /* Select group with most idle CPUs */
  if (idlest_sgs->idle_cpus > sgs->idle_cpus)
   return false;

  /* Select group with lowest group_util */
  if (idlest_sgs->idle_cpus == sgs->idle_cpus &&
   idlest_sgs->group_util <= sgs->group_util)
   return false;

  break;
 }

 return true;
}

/*
 * sched_balance_find_dst_group() finds and returns the least busy CPU group within the
 * domain.
 *
 * Assumes p is allowed on at least one CPU in sd.
 */
static struct sched_group *
sched_balance_find_dst_group(struct sched_domain *sd, struct task_struct *p, int this_cpu)
{
 struct sched_group *idlest = NULL, *local = NULL, *group = sd->groups;
 struct sg_lb_stats local_sgs, tmp_sgs;
 struct sg_lb_stats *sgs;
 unsigned long imbalance;
 struct sg_lb_stats idlest_sgs = {
   .avg_load = UINT_MAX,
   .group_type = group_overloaded,
 };

 do {
  int local_group;

  /* Skip over this group if it has no CPUs allowed */
  if (!cpumask_intersects(sched_group_span(group),
     p->cpus_ptr))
   continue;

  /* Skip over this group if no cookie matched */
  if (!sched_group_cookie_match(cpu_rq(this_cpu), p, group))
   continue;

  local_group = cpumask_test_cpu(this_cpu,
            sched_group_span(group));

  if (local_group) {
   sgs = &local_sgs;
   local = group;
  } else {
   sgs = &tmp_sgs;
  }

  update_sg_wakeup_stats(sd, group, sgs, p);

  if (!local_group && update_pick_idlest(idlest, &idlest_sgs, group, sgs)) {
   idlest = group;
   idlest_sgs = *sgs;
  }

 } while (group = group->next, group != sd->groups);


 /* There is no idlest group to push tasks to */
 if (!idlest)
  return NULL;

 /* The local group has been skipped because of CPU affinity */
 if (!local)
  return idlest;

 /*
  * If the local group is idler than the selected idlest group
  * don't try and push the task.
 */
 if (local_sgs.group_type < idlest_sgs.group_type)
  return NULL;

 /*
  * If the local group is busier than the selected idlest group
  * try and push the task.
 */
 if (local_sgs.group_type > idlest_sgs.group_type)
  return idlest;

 switch (local_sgs.group_type) {
 case group_overloaded:
 case group_fully_busy:

  /* Calculate allowed imbalance based on load */
  imbalance = scale_load_down(NICE_0_LOAD) *
    (sd->imbalance_pct-100) / 100;

  /*
   * When comparing groups across NUMA domains, it's possible for
   * the local domain to be very lightly loaded relative to the
   * remote domains but "imbalance" skews the comparison making
   * remote CPUs look much more favourable. When considering
   * cross-domain, add imbalance to the load on the remote node
   * and consider staying local.
 */

  if ((sd->flags & SD_NUMA) &&
      ((idlest_sgs.avg_load + imbalance) >= local_sgs.avg_load))
   return NULL;

  /*
   * If the local group is less loaded than the selected
   * idlest group don't try and push any tasks.
 */
  if (idlest_sgs.avg_load >= (local_sgs.avg_load + imbalance))
   return NULL;

  if (100 * local_sgs.avg_load <= sd->imbalance_pct * idlest_sgs.avg_load)
   return NULL;
  break;

 case group_imbalanced:
 case group_asym_packing:
 case group_smt_balance:
  /* Those type are not used in the slow wakeup path */
  return NULL;

 case group_misfit_task:
  /* Select group with the highest max capacity */
  if (local->sgc->max_capacity >= idlest->sgc->max_capacity)
   return NULL;
  break;

 case group_has_spare:
#ifdef CONFIG_NUMA
  if (sd->flags & SD_NUMA) {
   int imb_numa_nr = sd->imb_numa_nr;
#ifdef CONFIG_NUMA_BALANCING
   int idlest_cpu;
   /*
    * If there is spare capacity at NUMA, try to select
    * the preferred node
 */
   if (cpu_to_node(this_cpu) == p->numa_preferred_nid)
    return NULL;

   idlest_cpu = cpumask_first(sched_group_span(idlest));
   if (cpu_to_node(idlest_cpu) == p->numa_preferred_nid)
    return idlest;
#endif /* CONFIG_NUMA_BALANCING */
   /*
    * Otherwise, keep the task close to the wakeup source
    * and improve locality if the number of running tasks
    * would remain below threshold where an imbalance is
    * allowed while accounting for the possibility the
    * task is pinned to a subset of CPUs. If there is a
    * real need of migration, periodic load balance will
    * take care of it.
 */
   if (p->nr_cpus_allowed != NR_CPUS) {
    struct cpumask *cpus = this_cpu_cpumask_var_ptr(select_rq_mask);

    cpumask_and(cpus, sched_group_span(local), p->cpus_ptr);
    imb_numa_nr = min(cpumask_weight(cpus), sd->imb_numa_nr);
   }

   imbalance = abs(local_sgs.idle_cpus - idlest_sgs.idle_cpus);
   if (!adjust_numa_imbalance(imbalance,
         local_sgs.sum_nr_running + 1,
         imb_numa_nr)) {
    return NULL;
   }
  }
#endif /* CONFIG_NUMA */

  /*
   * Select group with highest number of idle CPUs. We could also
   * compare the utilization which is more stable but it can end
   * up that the group has less spare capacity but finally more
   * idle CPUs which means more opportunity to run task.
 */
  if (local_sgs.idle_cpus >= idlest_sgs.idle_cpus)
   return NULL;
  break;
 }

 return idlest;
}

static void update_idle_cpu_scan(struct lb_env *env,
     unsigned long sum_util)
{
 struct sched_domain_shared *sd_share;
 int llc_weight, pct;
 u64 x, y, tmp;
 /*
  * Update the number of CPUs to scan in LLC domain, which could
  * be used as a hint in select_idle_cpu(). The update of sd_share
  * could be expensive because it is within a shared cache line.
  * So the write of this hint only occurs during periodic load
  * balancing, rather than CPU_NEWLY_IDLE, because the latter
  * can fire way more frequently than the former.
 */
 if (!sched_feat(SIS_UTIL) || env->idle == CPU_NEWLY_IDLE)
  return;

 llc_weight = per_cpu(sd_llc_size, env->dst_cpu);
 if (env->sd->span_weight != llc_weight)
  return;

 sd_share = rcu_dereference(per_cpu(sd_llc_shared, env->dst_cpu));
 if (!sd_share)
  return;

 /*
  * The number of CPUs to search drops as sum_util increases, when
  * sum_util hits 85% or above, the scan stops.
  * The reason to choose 85% as the threshold is because this is the
  * imbalance_pct(117) when a LLC sched group is overloaded.
  *
  * let y = SCHED_CAPACITY_SCALE - p * x^2                       [1]
  * and y'= y / SCHED_CAPACITY_SCALE
  *
  * x is the ratio of sum_util compared to the CPU capacity:
  * x = sum_util / (llc_weight * SCHED_CAPACITY_SCALE)
  * y' is the ratio of CPUs to be scanned in the LLC domain,
  * and the number of CPUs to scan is calculated by:
  *
  * nr_scan = llc_weight * y'                                    [2]
  *
  * When x hits the threshold of overloaded, AKA, when
  * x = 100 / pct, y drops to 0. According to [1],
  * p should be SCHED_CAPACITY_SCALE * pct^2 / 10000
  *
  * Scale x by SCHED_CAPACITY_SCALE:
  * x' = sum_util / llc_weight;                                  [3]
  *
  * and finally [1] becomes:
  * y = SCHED_CAPACITY_SCALE -
  *     x'^2 * pct^2 / (10000 * SCHED_CAPACITY_SCALE)            [4]
  *
 */
 /* equation [3] */
 x = sum_util;
 do_div(x, llc_weight);

 /* equation [4] */
 pct = env->sd->imbalance_pct;
 tmp = x * x * pct * pct;
 do_div(tmp, 10000 * SCHED_CAPACITY_SCALE);
 tmp = min_t(long, tmp, SCHED_CAPACITY_SCALE);
 y = SCHED_CAPACITY_SCALE - tmp;

 /* equation [2] */
 y *= llc_weight;
 do_div(y, SCHED_CAPACITY_SCALE);
 if ((int)y != sd_share->nr_idle_scan)
  WRITE_ONCE(sd_share->nr_idle_scan, (int)y);
}

/**
 * update_sd_lb_stats - Update sched_domain's statistics for load balancing.
 * @env: The load balancing environment.
 * @sds: variable to hold the statistics for this sched_domain.
 */

static inline void update_sd_lb_stats(struct lb_env *env, struct sd_lb_stats *sds)
{
 struct sched_group *sg = env->sd->groups;
 struct sg_lb_stats *local = &sds->local_stat;
 struct sg_lb_stats tmp_sgs;
 unsigned long sum_util = 0;
 bool sg_overloaded = 0, sg_overutilized = 0;

 do {
  struct sg_lb_stats *sgs = &tmp_sgs;
  int local_group;

  local_group = cpumask_test_cpu(env->dst_cpu, sched_group_span(sg));
  if (local_group) {
   sds->local = sg;
   sgs = local;

   if (env->idle != CPU_NEWLY_IDLE ||
       time_after_eq(jiffies, sg->sgc->next_update))
    update_group_capacity(env->sd, env->dst_cpu);
  }

  update_sg_lb_stats(env, sds, sg, sgs, &sg_overloaded, &sg_overutilized);

  if (!local_group && update_sd_pick_busiest(env, sds, sg, sgs)) {
   sds->busiest = sg;
   sds->busiest_stat = *sgs;
  }

  /* Now, start updating sd_lb_stats */
  sds->total_load += sgs->group_load;
  sds->total_capacity += sgs->group_capacity;

  sum_util += sgs->group_util;
  sg = sg->next;
 } while (sg != env->sd->groups);

 /*
  * Indicate that the child domain of the busiest group prefers tasks
  * go to a child's sibling domains first. NB the flags of a sched group
  * are those of the child domain.
 */
 if (sds->busiest)
  sds->prefer_sibling = !!(sds->busiest->flags & SD_PREFER_SIBLING);


 if (env->sd->flags & SD_NUMA)
  env->fbq_type = fbq_classify_group(&sds->busiest_stat);

 if (!env->sd->parent) {
  /* update overload indicator if we are at root domain */
  set_rd_overloaded(env->dst_rq->rd, sg_overloaded);

  /* Update over-utilization (tipping point, U >= 0) indicator */
  set_rd_overutilized(env->dst_rq->rd, sg_overutilized);
 } else if (sg_overutilized) {
  set_rd_overutilized(env->dst_rq->rd, sg_overutilized);
 }

 update_idle_cpu_scan(env, sum_util);
}

/**
 * calculate_imbalance - Calculate the amount of imbalance present within the
 *    groups of a given sched_domain during load balance.
 * @env: load balance environment
 * @sds: statistics of the sched_domain whose imbalance is to be calculated.
 */
static inline void calculate_imbalance(struct lb_env *env, struct sd_lb_stats *sds)
{
 struct sg_lb_stats *local, *busiest;

 local = &sds->local_stat;
 busiest = &sds->busiest_stat;

 if (busiest->group_type == group_misfit_task) {
  if (env->sd->flags & SD_ASYM_CPUCAPACITY) {
   /* Set imbalance to allow misfit tasks to be balanced. */
   env->migration_type = migrate_misfit;
   env->imbalance = 1;
  } else {
   /*
    * Set load imbalance to allow moving task from cpu
    * with reduced capacity.
 */
   env->migration_type = migrate_load;
   env->imbalance = busiest->group_misfit_task_load;
  }
  return;
 }

 if (busiest->group_type == group_asym_packing) {
  /*
   * In case of asym capacity, we will try to migrate all load to
   * the preferred CPU.
 */
  env->migration_type = migrate_task;
  env->imbalance = busiest->sum_h_nr_running;
  return;
 }

 if (busiest->group_type == group_smt_balance) {
  /* Reduce number of tasks sharing CPU capacity */
  env->migration_type = migrate_task;
  env->imbalance = 1;
  return;
 }

 if (busiest->group_type == group_imbalanced) {
  /*
   * In the group_imb case we cannot rely on group-wide averages
   * to ensure CPU-load equilibrium, try to move any task to fix
   * the imbalance. The next load balance will take care of
   * balancing back the system.
 */
  env->migration_type = migrate_task;
  env->imbalance = 1;
  return;
 }

 /*
  * Try to use spare capacity of local group without overloading it or
  * emptying busiest.
 */
 if (local->group_type == group_has_spare) {
  if ((busiest->group_type > group_fully_busy) &&
      !(env->sd->flags & SD_SHARE_LLC)) {
   /*
    * If busiest is overloaded, try to fill spare
    * capacity. This might end up creating spare capacity
    * in busiest or busiest still being overloaded but
    * there is no simple way to directly compute the
    * amount of load to migrate in order to balance the
    * system.
 */
   env->migration_type = migrate_util;
   env->imbalance = max(local->group_capacity, local->group_util) -
      local->group_util;

   /*
    * In some cases, the group's utilization is max or even
    * higher than capacity because of migrations but the
    * local CPU is (newly) idle. There is at least one
    * waiting task in this overloaded busiest group. Let's
    * try to pull it.
 */
   if (env->idle && env->imbalance == 0) {
    env->migration_type = migrate_task;
    env->imbalance = 1;
   }

   return;
  }

  if (busiest->group_weight == 1 || sds->prefer_sibling) {
   /*
    * When prefer sibling, evenly spread running tasks on
    * groups.
 */
   env->migration_type = migrate_task;
   env->imbalance = sibling_imbalance(env, sds, busiest, local);
  } else {

   /*
    * If there is no overload, we just want to even the number of
    * idle CPUs.
 */
   env->migration_type = migrate_task;
   env->imbalance = max_t(long, 0,
            (local->idle_cpus - busiest->idle_cpus));
  }

#ifdef CONFIG_NUMA
  /* Consider allowing a small imbalance between NUMA groups */
  if (env->sd->flags & SD_NUMA) {
   env->imbalance = adjust_numa_imbalance(env->imbalance,
              local->sum_nr_running + 1,
              env->sd->imb_numa_nr);
  }
#endif

  /* Number of tasks to move to restore balance */
  env->imbalance >>= 1;

  return;
 }

 /*
  * Local is fully busy but has to take more load to relieve the
  * busiest group
 */
 if (local->group_type < group_overloaded) {
  /*
   * Local will become overloaded so the avg_load metrics are
   * finally needed.
 */

  local->avg_load = (local->group_load * SCHED_CAPACITY_SCALE) /
      local->group_capacity;

  /*
   * If the local group is more loaded than the selected
   * busiest group don't try to pull any tasks.
 */
  if (local->avg_load >= busiest->avg_load) {
   env->imbalance = 0;
   return;
  }

  sds->avg_load = (sds->total_load * SCHED_CAPACITY_SCALE) /
    sds->total_capacity;

  /*
   * If the local group is more loaded than the average system
   * load, don't try to pull any tasks.
 */
  if (local->avg_load >= sds->avg_load) {
   env->imbalance = 0;
   return;
  }

 }

 /*
  * Both group are or will become overloaded and we're trying to get all
  * the CPUs to the average_load, so we don't want to push ourselves
  * above the average load, nor do we wish to reduce the max loaded CPU
  * below the average load. At the same time, we also don't want to
  * reduce the group load below the group capacity. Thus we look for
  * the minimum possible imbalance.
 */
 env->migration_type = migrate_load;
 env->imbalance = min(
  (busiest->avg_load - sds->avg_load) * busiest->group_capacity,
  (sds->avg_load - local->avg_load) * local->group_capacity
 ) / SCHED_CAPACITY_SCALE;
}

/******* sched_balance_find_src_group() helpers end here *********************/

/*
 * Decision matrix according to the local and busiest group type:
 *
 * busiest \ local has_spare fully_busy misfit asym imbalanced overloaded
 * has_spare        nr_idle   balanced   N/A    N/A  balanced   balanced
 * fully_busy       nr_idle   nr_idle    N/A    N/A  balanced   balanced
 * misfit_task      force     N/A        N/A    N/A  N/A        N/A
 * asym_packing     force     force      N/A    N/A  force      force
 * imbalanced       force     force      N/A    N/A  force      force
 * overloaded       force     force      N/A    N/A  force      avg_load
 *
 * N/A :      Not Applicable because already filtered while updating
 *            statistics.
 * balanced : The system is balanced for these 2 groups.
 * force :    Calculate the imbalance as load migration is probably needed.
 * avg_load : Only if imbalance is significant enough.
 * nr_idle :  dst_cpu is not busy and the number of idle CPUs is quite
 *            different in groups.
 */

/**
 * sched_balance_find_src_group - Returns the busiest group within the sched_domain
 * if there is an imbalance.
 * @env: The load balancing environment.
 *
 * Also calculates the amount of runnable load which should be moved
 * to restore balance.
 *
 * Return: - The busiest group if imbalance exists.
 */
static struct sched_group *sched_balance_find_src_group(struct lb_env *env)
{
 struct sg_lb_stats *local, *busiest;
 struct sd_lb_stats sds;

 init_sd_lb_stats(&sds);

 /*
  * Compute the various statistics relevant for load balancing at
  * this level.
 */
 update_sd_lb_stats(env, &sds);

 /* There is no busy sibling group to pull tasks from */
 if (!sds.busiest)
  goto out_balanced;

 busiest = &sds.busiest_stat;

 /* Misfit tasks should be dealt with regardless of the avg load */
 if (busiest->group_type == group_misfit_task)
  goto force_balance;

 if (!is_rd_overutilized(env->dst_rq->rd) &&
     rcu_dereference(env->dst_rq->rd->pd))
  goto out_balanced;

 /* ASYM feature bypasses nice load balance check */
 if (busiest->group_type == group_asym_packing)
  goto force_balance;

 /*
  * If the busiest group is imbalanced the below checks don't
  * work because they assume all things are equal, which typically
  * isn't true due to cpus_ptr constraints and the like.
 */
 if (busiest->group_type == group_imbalanced)
  goto force_balance;

 local = &sds.local_stat;
 /*
  * If the local group is busier than the selected busiest group
  * don't try and pull any tasks.
 */
 if (local->group_type > busiest->group_type)
  goto out_balanced;

 /*
  * When groups are overloaded, use the avg_load to ensure fairness
  * between tasks.
 */
 if (local->group_type == group_overloaded) {
  /*
   * If the local group is more loaded than the selected
   * busiest group don't try to pull any tasks.
 */
  if (local->avg_load >= busiest->avg_load)
   goto out_balanced;

  /* XXX broken for overlapping NUMA groups */
  sds.avg_load = (sds.total_load * SCHED_CAPACITY_SCALE) /
    sds.total_capacity;

  /*
   * Don't pull any tasks if this group is already above the
   * domain average load.
 */
  if (local->avg_load >= sds.avg_load)
   goto out_balanced;

  /*
   * If the busiest group is more loaded, use imbalance_pct to be
   * conservative.
 */
  if (100 * busiest->avg_load <=
    env->sd->imbalance_pct * local->avg_load)
   goto out_balanced;
 }

 /*
  * Try to move all excess tasks to a sibling domain of the busiest
  * group's child domain.
 */
 if (sds.prefer_sibling && local->group_type == group_has_spare &&
     sibling_imbalance(env, &sds, busiest, local) > 1)
  goto force_balance;

 if (busiest->group_type != group_overloaded) {
  if (!env->idle) {
   /*
    * If the busiest group is not overloaded (and as a
    * result the local one too) but this CPU is already
    * busy, let another idle CPU try to pull task.
 */
   goto out_balanced;
  }

  if (busiest->group_type == group_smt_balance &&
      smt_vs_nonsmt_groups(sds.local, sds.busiest)) {
   /* Let non SMT CPU pull from SMT CPU sharing with sibling */
   goto force_balance;
  }

  if (busiest->group_weight > 1 &&
      local->idle_cpus <= (busiest->idle_cpus + 1)) {
   /*
    * If the busiest group is not overloaded
    * and there is no imbalance between this and busiest
    * group wrt idle CPUs, it is balanced. The imbalance
    * becomes significant if the diff is greater than 1
    * otherwise we might end up to just move the imbalance
    * on another group. Of course this applies only if
    * there is more than 1 CPU per group.
 */
   goto out_balanced;
  }

  if (busiest->sum_h_nr_running == 1) {
   /*
    * busiest doesn't have any tasks waiting to run
 */
   goto out_balanced;
  }
 }

force_balance:
 /* Looks like there is an imbalance. Compute it */
 calculate_imbalance(env, &sds);
 return env->imbalance ? sds.busiest : NULL;

out_balanced:
 env->imbalance = 0;
 return NULL;
}

/*
 * sched_balance_find_src_rq - find the busiest runqueue among the CPUs in the group.
 */
static struct rq *sched_balance_find_src_rq(struct lb_env *env,
         struct sched_group *group)
{
 struct rq *busiest = NULL, *rq;
 unsigned long busiest_util = 0, busiest_load = 0, busiest_capacity = 1;
 unsigned int busiest_nr = 0;
 int i;

 for_each_cpu_and(i, sched_group_span(group), env->cpus) {
  unsigned long capacity, load, util;
  unsigned int nr_running;
  enum fbq_type rt;

  rq = cpu_rq(i);
  rt = fbq_classify_rq(rq);

  /*
   * We classify groups/runqueues into three groups:
   *  - regular: there are !numa tasks
   *  - remote:  there are numa tasks that run on the 'wrong' node
   *  - all:     there is no distinction
   *
   * In order to avoid migrating ideally placed numa tasks,
   * ignore those when there's better options.
   *
   * If we ignore the actual busiest queue to migrate another
   * task, the next balance pass can still reduce the busiest
   * queue by moving tasks around inside the node.
   *
   * If we cannot move enough load due to this classification
   * the next pass will adjust the group classification and
   * allow migration of more tasks.
   *
   * Both cases only affect the total convergence complexity.
 */
  if (rt > env->fbq_type)
   continue;

  nr_running = rq->cfs.h_nr_runnable;
  if (!nr_running)
   continue;

  capacity = capacity_of(i);

  /*
   * For ASYM_CPUCAPACITY domains, don't pick a CPU that could
   * eventually lead to active_balancing high->low capacity.
   * Higher per-CPU capacity is considered better than balancing
   * average load.
 */
  if (env->sd->flags & SD_ASYM_CPUCAPACITY &&
      !capacity_greater(capacity_of(env->dst_cpu), capacity) &&
      nr_running == 1)
   continue;

  /*
   * Make sure we only pull tasks from a CPU of lower priority
   * when balancing between SMT siblings.
   *
   * If balancing between cores, let lower priority CPUs help
   * SMT cores with more than one busy sibling.
 */
  if (sched_asym(env->sd, i, env->dst_cpu) && nr_running == 1)
   continue;

  switch (env->migration_type) {
  case migrate_load:
   /*
    * When comparing with load imbalance, use cpu_load()
    * which is not scaled with the CPU capacity.
 */
   load = cpu_load(rq);

   if (nr_running == 1 && load > env->imbalance &&
       !check_cpu_capacity(rq, env->sd))
    break;

   /*
    * For the load comparisons with the other CPUs,
    * consider the cpu_load() scaled with the CPU
    * capacity, so that the load can be moved away
    * from the CPU that is potentially running at a
    * lower capacity.
    *
    * Thus we're looking for max(load_i / capacity_i),
    * crosswise multiplication to rid ourselves of the
    * division works out to:
    * load_i * capacity_j > load_j * capacity_i;
    * where j is our previous maximum.
 */
   if (load * busiest_capacity > busiest_load * capacity) {
    busiest_load = load;
    busiest_capacity = capacity;
    busiest = rq;
   }
   break;

  case migrate_util:
   util = cpu_util_cfs_boost(i);

   /*
    * Don't try to pull utilization from a CPU with one
    * running task. Whatever its utilization, we will fail
    * detach the task.
 */
   if (nr_running <= 1)
    continue;

   if (busiest_util < util) {
    busiest_util = util;
    busiest = rq;
   }
   break;

  case migrate_task:
   if (busiest_nr < nr_running) {
    busiest_nr = nr_running;
    busiest = rq;
   }
   break;

  case migrate_misfit:
   /*
    * For ASYM_CPUCAPACITY domains with misfit tasks we
    * simply seek the "biggest" misfit task.
 */
   if (rq->misfit_task_load > busiest_load) {
    busiest_load = rq->misfit_task_load;
    busiest = rq;
   }

   break;

  }
 }

 return busiest;
}

/*
 * Max backoff if we encounter pinned tasks. Pretty arbitrary value, but
 * so long as it is large enough.
 */
#define MAX_PINNED_INTERVAL 512

static inline bool
asym_active_balance(struct lb_env *env)
{
 /*
  * ASYM_PACKING needs to force migrate tasks from busy but lower
  * priority CPUs in order to pack all tasks in the highest priority
  * CPUs. When done between cores, do it only if the whole core if the
  * whole core is idle.
  *
  * If @env::src_cpu is an SMT core with busy siblings, let
  * the lower priority @env::dst_cpu help it. Do not follow
  * CPU priority.
 */
 return env->idle && sched_use_asym_prio(env->sd, env->dst_cpu) &&
        (sched_asym_prefer(env->dst_cpu, env->src_cpu) ||
  !sched_use_asym_prio(env->sd, env->src_cpu));
}

static inline bool
imbalanced_active_balance(struct lb_env *env)
{
 struct sched_domain *sd = env->sd;

 /*
  * The imbalanced case includes the case of pinned tasks preventing a fair
  * distribution of the load on the system but also the even distribution of the
  * threads on a system with spare capacity
 */
 if ((env->migration_type == migrate_task) &&
     (sd->nr_balance_failed > sd->cache_nice_tries+2))
  return 1;

 return 0;
}

static int need_active_balance(struct lb_env *env)
{
 struct sched_domain *sd = env->sd;

 if (asym_active_balance(env))
  return 1;

 if (imbalanced_active_balance(env))
  return 1;

 /*
  * The dst_cpu is idle and the src_cpu CPU has only 1 CFS task.
  * It's worth migrating the task if the src_cpu's capacity is reduced
  * because of other sched_class or IRQs if more capacity stays
  * available on dst_cpu.
 */
 if (env->idle &&
     (env->src_rq->cfs.h_nr_runnable == 1)) {
  if ((check_cpu_capacity(env->src_rq, sd)) &&
      (capacity_of(env->src_cpu)*sd->imbalance_pct < capacity_of(env->dst_cpu)*100))
   return 1;
 }

 if (env->migration_type == migrate_misfit)
  return 1;

 return 0;
}

static int active_load_balance_cpu_stop(void *data);

static int should_we_balance(struct lb_env *env)
{
 struct cpumask *swb_cpus = this_cpu_cpumask_var_ptr(should_we_balance_tmpmask);
 struct sched_group *sg = env->sd->groups;
 int cpu, idle_smt = -1;

 /*
  * Ensure the balancing environment is consistent; can happen
  * when the softirq triggers 'during' hotplug.
 */
 if (!cpumask_test_cpu(env->dst_cpu, env->cpus))
  return 0;

 /*
  * In the newly idle case, we will allow all the CPUs
  * to do the newly idle load balance.
  *
  * However, we bail out if we already have tasks or a wakeup pending,
  * to optimize wakeup latency.
 */
 if (env->idle == CPU_NEWLY_IDLE) {
  if (env->dst_rq->nr_running > 0 || env->dst_rq->ttwu_pending)
   return 0;
  return 1;
 }

 cpumask_copy(swb_cpus, group_balance_mask(sg));
 /* Try to find first idle CPU */
 for_each_cpu_and(cpu, swb_cpus, env->cpus) {
  if (!idle_cpu(cpu))
   continue;

  /*
   * Don't balance to idle SMT in busy core right away when
   * balancing cores, but remember the first idle SMT CPU for
   * later consideration.  Find CPU on an idle core first.
 */
  if (!(env->sd->flags & SD_SHARE_CPUCAPACITY) && !is_core_idle(cpu)) {
   if (idle_smt == -1)
    idle_smt = cpu;
   /*
    * If the core is not idle, and first SMT sibling which is
    * idle has been found, then its not needed to check other
    * SMT siblings for idleness:
 */
#ifdef CONFIG_SCHED_SMT
   cpumask_andnot(swb_cpus, swb_cpus, cpu_smt_mask(cpu));
#endif
   continue;
  }

  /*
   * Are we the first idle core in a non-SMT domain or higher,
   * or the first idle CPU in a SMT domain?
 */
  return cpu == env->dst_cpu;
 }

 /* Are we the first idle CPU with busy siblings? */
 if (idle_smt != -1)
  return idle_smt == env->dst_cpu;

 /* Are we the first CPU of this group ? */
 return group_balance_cpu(sg) == env->dst_cpu;
}

static void update_lb_imbalance_stat(struct lb_env *env, struct sched_domain *sd,
         enum cpu_idle_type idle)
{
 if (!schedstat_enabled())
  return;

 switch (env->migration_type) {
 case migrate_load:
  __schedstat_add(sd->lb_imbalance_load[idle], env->imbalance);
  break;
 case migrate_util:
  __schedstat_add(sd->lb_imbalance_util[idle], env->imbalance);
  break;
 case migrate_task:
  __schedstat_add(sd->lb_imbalance_task[idle], env->imbalance);
  break;
 case migrate_misfit:
  __schedstat_add(sd->lb_imbalance_misfit[idle], env->imbalance);
  break;
 }
}

/*
 * Check this_cpu to ensure it is balanced within domain. Attempt to move
 * tasks if there is an imbalance.
 */
static int sched_balance_rq(int this_cpu, struct rq *this_rq,
   struct sched_domain *sd, enum cpu_idle_type idle,
   int *continue_balancing)
{
 int ld_moved, cur_ld_moved, active_balance = 0;
 struct sched_domain *sd_parent = sd->parent;
 struct sched_group *group;
 struct rq *busiest;
 struct rq_flags rf;
 struct cpumask *cpus = this_cpu_cpumask_var_ptr(load_balance_mask);
 struct lb_env env = {
  .sd  = sd,
  .dst_cpu = this_cpu,
  .dst_rq  = this_rq,
  .dst_grpmask    = group_balance_mask(sd->groups),
  .idle  = idle,
  .loop_break = SCHED_NR_MIGRATE_BREAK,
  .cpus  = cpus,
  .fbq_type = all,
  .tasks  = LIST_HEAD_INIT(env.tasks),
 };

 cpumask_and(cpus, sched_domain_span(sd), cpu_active_mask);

 schedstat_inc(sd->lb_count[idle]);

redo:
 if (!should_we_balance(&env)) {
  *continue_balancing = 0;
  goto out_balanced;
 }

 group = sched_balance_find_src_group(&env);
 if (!group) {
  schedstat_inc(sd->lb_nobusyg[idle]);
  goto out_balanced;
 }

 busiest = sched_balance_find_src_rq(&env, group);
 if (!busiest) {
  schedstat_inc(sd->lb_nobusyq[idle]);
  goto out_balanced;
 }

 WARN_ON_ONCE(busiest == env.dst_rq);

 update_lb_imbalance_stat(&env, sd, idle);

 env.src_cpu = busiest->cpu;
 env.src_rq = busiest;

 ld_moved = 0;
 /* Clear this flag as soon as we find a pullable task */
 env.flags |= LBF_ALL_PINNED;
 if (busiest->nr_running > 1) {
  /*
   * Attempt to move tasks. If sched_balance_find_src_group has found
   * an imbalance but busiest->nr_running <= 1, the group is
   * still unbalanced. ld_moved simply stays zero, so it is
   * correctly treated as an imbalance.
 */
  env.loop_max  = min(sysctl_sched_nr_migrate, busiest->nr_running);

more_balance:
  rq_lock_irqsave(busiest, &rf);
  update_rq_clock(busiest);

  /*
   * cur_ld_moved - load moved in current iteration
   * ld_moved     - cumulative load moved across iterations
 */
  cur_ld_moved = detach_tasks(&env);

  /*
   * We've detached some tasks from busiest_rq. Every
   * task is masked "TASK_ON_RQ_MIGRATING", so we can safely
   * unlock busiest->lock, and we are able to be sure
   * that nobody can manipulate the tasks in parallel.
   * See task_rq_lock() family for the details.
 */

  rq_unlock(busiest, &rf);

  if (cur_ld_moved) {
   attach_tasks(&env);
   ld_moved += cur_ld_moved;
  }

  local_irq_restore(rf.flags);

  if (env.flags & LBF_NEED_BREAK) {
   env.flags &= ~LBF_NEED_BREAK;
   goto more_balance;
  }

  /*
   * Revisit (affine) tasks on src_cpu that couldn't be moved to
   * us and move them to an alternate dst_cpu in our sched_group
   * where they can run. The upper limit on how many times we
   * iterate on same src_cpu is dependent on number of CPUs in our
   * sched_group.
   *
   * This changes load balance semantics a bit on who can move
   * load to a given_cpu. In addition to the given_cpu itself
   * (or a ilb_cpu acting on its behalf where given_cpu is
   * nohz-idle), we now have balance_cpu in a position to move
   * load to given_cpu. In rare situations, this may cause
   * conflicts (balance_cpu and given_cpu/ilb_cpu deciding
   * _independently_ and at _same_ time to move some load to
   * given_cpu) causing excess load to be moved to given_cpu.
   * This however should not happen so much in practice and
   * moreover subsequent load balance cycles should correct the
   * excess load moved.
 */
  if ((env.flags & LBF_DST_PINNED) && env.imbalance > 0) {

   /* Prevent to re-select dst_cpu via env's CPUs */
   __cpumask_clear_cpu(env.dst_cpu, env.cpus);

   env.dst_rq  = cpu_rq(env.new_dst_cpu);
   env.dst_cpu  = env.new_dst_cpu;
   env.flags &= ~LBF_DST_PINNED;
   env.loop  = 0;
   env.loop_break  = SCHED_NR_MIGRATE_BREAK;

   /*
    * Go back to "more_balance" rather than "redo" since we
    * need to continue with same src_cpu.
 */
   goto more_balance;
  }

  /*
   * We failed to reach balance because of affinity.
 */
  if (sd_parent) {
   int *group_imbalance = &sd_parent->groups->sgc->imbalance;

   if ((env.flags & LBF_SOME_PINNED) && env.imbalance > 0)
    *group_imbalance = 1;
  }

  /* All tasks on this runqueue were pinned by CPU affinity */
  if (unlikely(env.flags & LBF_ALL_PINNED)) {
   __cpumask_clear_cpu(cpu_of(busiest), cpus);
   /*
    * Attempting to continue load balancing at the current
    * sched_domain level only makes sense if there are
    * active CPUs remaining as possible busiest CPUs to
    * pull load from which are not contained within the
    * destination group that is receiving any migrated
    * load.
 */
   if (!cpumask_subset(cpus, env.dst_grpmask)) {
    env.loop = 0;
    env.loop_break = SCHED_NR_MIGRATE_BREAK;
    goto redo;
   }
   goto out_all_pinned;
  }
 }

 if (!ld_moved) {
  schedstat_inc(sd->lb_failed[idle]);
  /*
   * Increment the failure counter only on periodic balance.
   * We do not want newidle balance, which can be very
   * frequent, pollute the failure counter causing
   * excessive cache_hot migrations and active balances.
   *
   * Similarly for migration_misfit which is not related to
   * load/util migration, don't pollute nr_balance_failed.
 */
  if (idle != CPU_NEWLY_IDLE &&
      env.migration_type != migrate_misfit)
   sd->nr_balance_failed++;

  if (need_active_balance(&env)) {
   unsigned long flags;

   raw_spin_rq_lock_irqsave(busiest, flags);

   /*
    * Don't kick the active_load_balance_cpu_stop,
    * if the curr task on busiest CPU can't be
    * moved to this_cpu:
 */
   if (!cpumask_test_cpu(this_cpu, busiest->curr->cpus_ptr)) {
    raw_spin_rq_unlock_irqrestore(busiest, flags);
    goto out_one_pinned;
   }

   /* Record that we found at least one task that could run on this_cpu */
   env.flags &= ~LBF_ALL_PINNED;

   /*
    * ->active_balance synchronizes accesses to
    * ->active_balance_work.  Once set, it's cleared
    * only after active load balance is finished.
 */
   if (!busiest->active_balance) {
    busiest->active_balance = 1;
    busiest->push_cpu = this_cpu;
    active_balance = 1;
   }

   preempt_disable();
   raw_spin_rq_unlock_irqrestore(busiest, flags);
   if (active_balance) {
    stop_one_cpu_nowait(cpu_of(busiest),
     active_load_balance_cpu_stop, busiest,
     &busiest->active_balance_work);
   }
   preempt_enable();
  }
 } else {
  sd->nr_balance_failed = 0;
 }

 if (likely(!active_balance) || need_active_balance(&env)) {
  /* We were unbalanced, so reset the balancing interval */
  sd->balance_interval = sd->min_interval;
 }

 goto out;

out_balanced:
 /*
  * We reach balance although we may have faced some affinity
  * constraints. Clear the imbalance flag only if other tasks got
  * a chance to move and fix the imbalance.
 */
 if (sd_parent && !(env.flags & LBF_ALL_PINNED)) {
  int *group_imbalance = &sd_parent->groups->sgc->imbalance;

  if (*group_imbalance)
   *group_imbalance = 0;
 }

out_all_pinned:
 /*
  * We reach balance because all tasks are pinned at this level so
  * we can't migrate them. Let the imbalance flag set so parent level
  * can try to migrate them.
 */
 schedstat_inc(sd->lb_balanced[idle]);

 sd->nr_balance_failed = 0;

out_one_pinned:
 ld_moved = 0;

 /*
  * sched_balance_newidle() disregards balance intervals, so we could
  * repeatedly reach this code, which would lead to balance_interval
  * skyrocketing in a short amount of time. Skip the balance_interval
  * increase logic to avoid that.
  *
  * Similarly misfit migration which is not necessarily an indication of
  * the system being busy and requires lb to backoff to let it settle
  * down.
 */
 if (env.idle == CPU_NEWLY_IDLE ||
     env.migration_type == migrate_misfit)
  goto out;

 /* tune up the balancing interval */
 if ((env.flags & LBF_ALL_PINNED &&
      sd->balance_interval < MAX_PINNED_INTERVAL) ||
     sd->balance_interval < sd->max_interval)
  sd->balance_interval *= 2;
out:
 return ld_moved;
}

static inline unsigned long
get_sd_balance_interval(struct sched_domain *sd, int cpu_busy)
{
 unsigned long interval = sd->balance_interval;

 if (cpu_busy)
  interval *= sd->busy_factor;

 /* scale ms to jiffies */
 interval = msecs_to_jiffies(interval);

 /*
  * Reduce likelihood of busy balancing at higher domains racing with
  * balancing at lower domains by preventing their balancing periods
  * from being multiples of each other.
 */
 if (cpu_busy)
  interval -= 1;

 interval = clamp(interval, 1UL, max_load_balance_interval);

 return interval;
}

static inline void
update_next_balance(struct sched_domain *sd, unsigned long *next_balance)
{
 unsigned long interval, next;

 /* used by idle balance, so cpu_busy = 0 */
 interval = get_sd_balance_interval(sd, 0);
 next = sd->last_balance + interval;

 if (time_after(*next_balance, next))
  *next_balance = next;
}

/*
 * active_load_balance_cpu_stop is run by the CPU stopper. It pushes
 * running tasks off the busiest CPU onto idle CPUs. It requires at
 * least 1 task to be running on each physical CPU where possible, and
 * avoids physical / logical imbalances.
 */
static int active_load_balance_cpu_stop(void *data)
{
 struct rq *busiest_rq = data;
 int busiest_cpu = cpu_of(busiest_rq);
 int target_cpu = busiest_rq->push_cpu;
 struct rq *target_rq = cpu_rq(target_cpu);
 struct sched_domain *sd;
 struct task_struct *p = NULL;
 struct rq_flags rf;

 rq_lock_irq(busiest_rq, &rf);
 /*
  * Between queueing the stop-work and running it is a hole in which
  * CPUs can become inactive. We should not move tasks from or to
  * inactive CPUs.
 */
 if (!cpu_active(busiest_cpu) || !cpu_active(target_cpu))
  goto out_unlock;

 /* Make sure the requested CPU hasn't gone down in the meantime: */
 if (unlikely(busiest_cpu != smp_processor_id() ||
       !busiest_rq->active_balance))
  goto out_unlock;

 /* Is there any task to move? */
 if (busiest_rq->nr_running <= 1)
  goto out_unlock;

 /*
  * This condition is "impossible", if it occurs
  * we need to fix it. Originally reported by
  * Bjorn Helgaas on a 128-CPU setup.
 */
 WARN_ON_ONCE(busiest_rq == target_rq);

 /* Search for an sd spanning us and the target CPU. */
 rcu_read_lock();
 for_each_domain(target_cpu, sd) {
  if (cpumask_test_cpu(busiest_cpu, sched_domain_span(sd)))
   break;
 }

 if (likely(sd)) {
  struct lb_env env = {
   .sd  = sd,
   .dst_cpu = target_cpu,
   .dst_rq  = target_rq,
   .src_cpu = busiest_rq->cpu,
   .src_rq  = busiest_rq,
   .idle  = CPU_IDLE,
   .flags  = LBF_ACTIVE_LB,
  };

  schedstat_inc(sd->alb_count);
  update_rq_clock(busiest_rq);

  p = detach_one_task(&env);
  if (p) {
   schedstat_inc(sd->alb_pushed);
   /* Active balancing done, reset the failure counter. */
   sd->nr_balance_failed = 0;
  } else {
   schedstat_inc(sd->alb_failed);
  }
 }
 rcu_read_unlock();
out_unlock:
 busiest_rq->active_balance = 0;
 rq_unlock(busiest_rq, &rf);

 if (p)
  attach_one_task(target_rq, p);

 local_irq_enable();

 return 0;
}

/*
 * This flag serializes load-balancing passes over large domains
 * (above the NODE topology level) - only one load-balancing instance
 * may run at a time, to reduce overhead on very large systems with
 * lots of CPUs and large NUMA distances.
 *
 * - Note that load-balancing passes triggered while another one
 *   is executing are skipped and not re-tried.
 *
 * - Also note that this does not serialize rebalance_domains()
 *   execution, as non-SD_SERIALIZE domains will still be
 *   load-balanced in parallel.
 */
static atomic_t sched_balance_running = ATOMIC_INIT(0);

/*
 * Scale the max sched_balance_rq interval with the number of CPUs in the system.
 * This trades load-balance latency on larger machines for less cross talk.
 */
void update_max_interval(void)
{
 max_load_balance_interval = HZ*num_online_cpus()/10;
}

static inline bool update_newidle_cost(struct sched_domain *sd, u64 cost)
{
 if (cost > sd->max_newidle_lb_cost) {
  /*
   * Track max cost of a domain to make sure to not delay the
   * next wakeup on the CPU.
   *
   * sched_balance_newidle() bumps the cost whenever newidle
   * balance fails, and we don't want things to grow out of
   * control.  Use the sysctl_sched_migration_cost as the upper
   * limit, plus a litle extra to avoid off by ones.
 */
  sd->max_newidle_lb_cost =
   min(cost, sysctl_sched_migration_cost + 200);
  sd->last_decay_max_lb_cost = jiffies;
 } else if (time_after(jiffies, sd->last_decay_max_lb_cost + HZ)) {
  /*
   * Decay the newidle max times by ~1% per second to ensure that
   * it is not outdated and the current max cost is actually
   * shorter.
 */
  sd->max_newidle_lb_cost = (sd->max_newidle_lb_cost * 253) / 256;
  sd->last_decay_max_lb_cost = jiffies;

  return true;
 }

 return false;
}

/*
 * It checks each scheduling domain to see if it is due to be balanced,
 * and initiates a balancing operation if so.
 *
 * Balancing parameters are set up in init_sched_domains.
 */
static void sched_balance_domains(struct rq *rq, enum cpu_idle_type idle)
{
 int continue_balancing = 1;
 int cpu = rq->cpu;
 int busy = idle != CPU_IDLE && !sched_idle_cpu(cpu);
 unsigned long interval;
 struct sched_domain *sd;
 /* Earliest time when we have to do rebalance again */
 unsigned long next_balance = jiffies + 60*HZ;
 int update_next_balance = 0;
 int need_serialize, need_decay = 0;
 u64 max_cost = 0;

 rcu_read_lock();
 for_each_domain(cpu, sd) {
  /*
   * Decay the newidle max times here because this is a regular
   * visit to all the domains.
 */
  need_decay = update_newidle_cost(sd, 0);
  max_cost += sd->max_newidle_lb_cost;

  /*
   * Stop the load balance at this level. There is another
   * CPU in our sched group which is doing load balancing more
   * actively.
 */
  if (!continue_balancing) {
   if (need_decay)
    continue;
   break;
  }

  interval = get_sd_balance_interval(sd, busy);

  need_serialize = sd->flags & SD_SERIALIZE;
  if (need_serialize) {
   if (atomic_cmpxchg_acquire(&sched_balance_running, 0, 1))
    goto out;
  }

  if (time_after_eq(jiffies, sd->last_balance + interval)) {
   if (sched_balance_rq(cpu, rq, sd, idle, &continue_balancing)) {
    /*
     * The LBF_DST_PINNED logic could have changed
     * env->dst_cpu, so we can't know our idle
     * state even if we migrated tasks. Update it.
 */
    idle = idle_cpu(cpu);
    busy = !idle && !sched_idle_cpu(cpu);
   }
   sd->last_balance = jiffies;
   interval = get_sd_balance_interval(sd, busy);
  }
  if (need_serialize)
   atomic_set_release(&sched_balance_running, 0);
out:
  if (time_after(next_balance, sd->last_balance + interval)) {
   next_balance = sd->last_balance + interval;
   update_next_balance = 1;
  }
 }
 if (need_decay) {
  /*
   * Ensure the rq-wide value also decays but keep it at a
   * reasonable floor to avoid funnies with rq->avg_idle.
 */
  rq->max_idle_balance_cost =
   max((u64)sysctl_sched_migration_cost, max_cost);
 }
 rcu_read_unlock();

 /*
  * next_balance will be updated only when there is a need.
  * When the cpu is attached to null domain for ex, it will not be
  * updated.
 */
 if (likely(update_next_balance))
  rq->next_balance = next_balance;

}

static inline int on_null_domain(struct rq *rq)
{
 return unlikely(!rcu_dereference_sched(rq->sd));
}

#ifdef CONFIG_NO_HZ_COMMON
/*
 * NOHZ idle load balancing (ILB) details:
 *
 * - When one of the busy CPUs notices that there may be an idle rebalancing
 *   needed, they will kick the idle load balancer, which then does idle
 *   load balancing for all the idle CPUs.
 */
static inline int find_new_ilb(void)
{
 const struct cpumask *hk_mask;
 int ilb_cpu;

 hk_mask = housekeeping_cpumask(HK_TYPE_KERNEL_NOISE);

 for_each_cpu_and(ilb_cpu, nohz.idle_cpus_mask, hk_mask) {

  if (ilb_cpu == smp_processor_id())
   continue;

  if (idle_cpu(ilb_cpu))
   return ilb_cpu;
 }

 return -1;
}

/*
 * Kick a CPU to do the NOHZ balancing, if it is time for it, via a cross-CPU
 * SMP function call (IPI).
 *
 * We pick the first idle CPU in the HK_TYPE_KERNEL_NOISE housekeeping set
 * (if there is one).
 */
static void kick_ilb(unsigned int flags)
{
 int ilb_cpu;

 /*
  * Increase nohz.next_balance only when if full ilb is triggered but
  * not if we only update stats.
 */
 if (flags & NOHZ_BALANCE_KICK)
  nohz.next_balance = jiffies+1;

 ilb_cpu = find_new_ilb();
 if (ilb_cpu < 0)
  return;

 /*
  * Don't bother if no new NOHZ balance work items for ilb_cpu,
  * i.e. all bits in flags are already set in ilb_cpu.
 */
 if ((atomic_read(nohz_flags(ilb_cpu)) & flags) == flags)
  return;

 /*
  * Access to rq::nohz_csd is serialized by NOHZ_KICK_MASK; he who sets
  * the first flag owns it; cleared by nohz_csd_func().
 */
 flags = atomic_fetch_or(flags, nohz_flags(ilb_cpu));
 if (flags & NOHZ_KICK_MASK)
  return;

 /*
  * This way we generate an IPI on the target CPU which
  * is idle, and the softirq performing NOHZ idle load balancing
  * will be run before returning from the IPI.
 */
 smp_call_function_single_async(ilb_cpu, &cpu_rq(ilb_cpu)->nohz_csd);
}

/*
 * Current decision point for kicking the idle load balancer in the presence
 * of idle CPUs in the system.
 */
static void nohz_balancer_kick(struct rq *rq)
{
 unsigned long now = jiffies;
 struct sched_domain_shared *sds;
 struct sched_domain *sd;
 int nr_busy, i, cpu = rq->cpu;
 unsigned int flags = 0;

 if (unlikely(rq->idle_balance))
  return;

 /*
  * We may be recently in ticked or tickless idle mode. At the first
  * busy tick after returning from idle, we will update the busy stats.
 */
 nohz_balance_exit_idle(rq);

 /*
  * None are in tickless mode and hence no need for NOHZ idle load
  * balancing:
 */
 if (likely(!atomic_read(&nohz.nr_cpus)))
  return;

 if (READ_ONCE(nohz.has_blocked) &&
     time_after(now, READ_ONCE(nohz.next_blocked)))
  flags = NOHZ_STATS_KICK;

 if (time_before(now, nohz.next_balance))
  goto out;

 if (rq->nr_running >= 2) {
  flags = NOHZ_STATS_KICK | NOHZ_BALANCE_KICK;
  goto out;
 }

 rcu_read_lock();

 sd = rcu_dereference(rq->sd);
 if (sd) {
  /*
   * If there's a runnable CFS task and the current CPU has reduced
   * capacity, kick the ILB to see if there's a better CPU to run on:
 */
  if (rq->cfs.h_nr_runnable >= 1 && check_cpu_capacity(rq, sd)) {
   flags = NOHZ_STATS_KICK | NOHZ_BALANCE_KICK;
   goto unlock;
  }
 }

 sd = rcu_dereference(per_cpu(sd_asym_packing, cpu));
 if (sd) {
  /*
   * When ASYM_PACKING; see if there's a more preferred CPU
   * currently idle; in which case, kick the ILB to move tasks
   * around.
   *
   * When balancing between cores, all the SMT siblings of the
   * preferred CPU must be idle.
 */
  for_each_cpu_and(i, sched_domain_span(sd), nohz.idle_cpus_mask) {
   if (sched_asym(sd, i, cpu)) {
    flags = NOHZ_STATS_KICK | NOHZ_BALANCE_KICK;
    goto unlock;
   }
  }
 }

 sd = rcu_dereference(per_cpu(sd_asym_cpucapacity, cpu));
 if (sd) {
  /*
   * When ASYM_CPUCAPACITY; see if there's a higher capacity CPU
   * to run the misfit task on.
 */
  if (check_misfit_status(rq)) {
   flags = NOHZ_STATS_KICK | NOHZ_BALANCE_KICK;
   goto unlock;
  }

  /*
   * For asymmetric systems, we do not want to nicely balance
   * cache use, instead we want to embrace asymmetry and only
   * ensure tasks have enough CPU capacity.
   *
   * Skip the LLC logic because it's not relevant in that case.
 */
  goto unlock;
 }

 sds = rcu_dereference(per_cpu(sd_llc_shared, cpu));
 if (sds) {
  /*
   * If there is an imbalance between LLC domains (IOW we could
   * increase the overall cache utilization), we need a less-loaded LLC
   * domain to pull some load from. Likewise, we may need to spread
   * load within the current LLC domain (e.g. packed SMT cores but
   * other CPUs are idle). We can't really know from here how busy
   * the others are - so just get a NOHZ balance going if it looks
   * like this LLC domain has tasks we could move.
 */
  nr_busy = atomic_read(&sds->nr_busy_cpus);
  if (nr_busy > 1) {
   flags = NOHZ_STATS_KICK | NOHZ_BALANCE_KICK;
   goto unlock;
  }
 }
unlock:
 rcu_read_unlock();
out:
 if (READ_ONCE(nohz.needs_update))
  flags |= NOHZ_NEXT_KICK;

 if (flags)
  kick_ilb(flags);
}

static void set_cpu_sd_state_busy(int cpu)
{
 struct sched_domain *sd;

 rcu_read_lock();
 sd = rcu_dereference(per_cpu(sd_llc, cpu));

 if (!sd || !sd->nohz_idle)
  goto unlock;
 sd->nohz_idle = 0;

 atomic_inc(&sd->shared->nr_busy_cpus);
unlock:
 rcu_read_unlock();
}

void nohz_balance_exit_idle(struct rq *rq)
{
 WARN_ON_ONCE(rq != this_rq());

 if (likely(!rq->nohz_tick_stopped))
  return;

 rq->nohz_tick_stopped = 0;
 cpumask_clear_cpu(rq->cpu, nohz.idle_cpus_mask);
 atomic_dec(&nohz.nr_cpus);

 set_cpu_sd_state_busy(rq->cpu);
}

static void set_cpu_sd_state_idle(int cpu)
{
 struct sched_domain *sd;

 rcu_read_lock();
 sd = rcu_dereference(per_cpu(sd_llc, cpu));

 if (!sd || sd->nohz_idle)
  goto unlock;
 sd->nohz_idle = 1;

 atomic_dec(&sd->shared->nr_busy_cpus);
unlock:
 rcu_read_unlock();
}

/*
 * This routine will record that the CPU is going idle with tick stopped.
 * This info will be used in performing idle load balancing in the future.
 */
void nohz_balance_enter_idle(int cpu)
{
 struct rq *rq = cpu_rq(cpu);

 WARN_ON_ONCE(cpu != smp_processor_id());

 /* If this CPU is going down, then nothing needs to be done: */
 if (!cpu_active(cpu))
  return;

 /*
  * Can be set safely without rq->lock held
  * If a clear happens, it will have evaluated last additions because
  * rq->lock is held during the check and the clear
 */
 rq->has_blocked_load = 1;

 /*
  * The tick is still stopped but load could have been added in the
  * meantime. We set the nohz.has_blocked flag to trig a check of the
  * *_avg. The CPU is already part of nohz.idle_cpus_mask so the clear
  * of nohz.has_blocked can only happen after checking the new load
 */
 if (rq->nohz_tick_stopped)
  goto out;

 /* If we're a completely isolated CPU, we don't play: */
 if (on_null_domain(rq))
  return;

 rq->nohz_tick_stopped = 1;

 cpumask_set_cpu(cpu, nohz.idle_cpus_mask);
 atomic_inc(&nohz.nr_cpus);

 /*
  * Ensures that if nohz_idle_balance() fails to observe our
  * @idle_cpus_mask store, it must observe the @has_blocked
  * and @needs_update stores.
 */
 smp_mb__after_atomic();

 set_cpu_sd_state_idle(cpu);

 WRITE_ONCE(nohz.needs_update, 1);
out:
 /*
  * Each time a cpu enter idle, we assume that it has blocked load and
  * enable the periodic update of the load of idle CPUs
 */
 WRITE_ONCE(nohz.has_blocked, 1);
}

static bool update_nohz_stats(struct rq *rq)
{
 unsigned int cpu = rq->cpu;

 if (!rq->has_blocked_load)
  return false;

 if (!cpumask_test_cpu(cpu, nohz.idle_cpus_mask))
  return false;

 if (!time_after(jiffies, READ_ONCE(rq->last_blocked_load_update_tick)))
  return true;

 sched_balance_update_blocked_averages(cpu);

 return rq->has_blocked_load;
}

/*
 * Internal function that runs load balance for all idle CPUs. The load balance
 * can be a simple update of blocked load or a complete load balance with
 * tasks movement depending of flags.
 */
static void _nohz_idle_balance(struct rq *this_rq, unsigned int flags)
{
 /* Earliest time when we have to do rebalance again */
 unsigned long now = jiffies;
 unsigned long next_balance = now + 60*HZ;
 bool has_blocked_load = false;
 int update_next_balance = 0;
 int this_cpu = this_rq->cpu;
 int balance_cpu;
 struct rq *rq;

 WARN_ON_ONCE((flags & NOHZ_KICK_MASK) == NOHZ_BALANCE_KICK);

 /*
  * We assume there will be no idle load after this update and clear
  * the has_blocked flag. If a cpu enters idle in the mean time, it will
  * set the has_blocked flag and trigger another update of idle load.
  * Because a cpu that becomes idle, is added to idle_cpus_mask before
  * setting the flag, we are sure to not clear the state and not
  * check the load of an idle cpu.
  *
  * Same applies to idle_cpus_mask vs needs_update.
 */
 if (flags & NOHZ_STATS_KICK)
  WRITE_ONCE(nohz.has_blocked, 0);
 if (flags & NOHZ_NEXT_KICK)
  WRITE_ONCE(nohz.needs_update, 0);

 /*
  * Ensures that if we miss the CPU, we must see the has_blocked
  * store from nohz_balance_enter_idle().
 */
 smp_mb();

 /*
  * Start with the next CPU after this_cpu so we will end with this_cpu and let a
  * chance for other idle cpu to pull load.
 */
 for_each_cpu_wrap(balance_cpu,  nohz.idle_cpus_mask, this_cpu+1) {
  if (!idle_cpu(balance_cpu))
   continue;

  /*
   * If this CPU gets work to do, stop the load balancing
   * work being done for other CPUs. Next load
   * balancing owner will pick it up.
 */
  if (!idle_cpu(this_cpu) && need_resched()) {
   if (flags & NOHZ_STATS_KICK)
    has_blocked_load = true;
   if (flags & NOHZ_NEXT_KICK)
    WRITE_ONCE(nohz.needs_update, 1);
   goto abort;
  }

  rq = cpu_rq(balance_cpu);

  if (flags & NOHZ_STATS_KICK)
   has_blocked_load |= update_nohz_stats(rq);

  /*
   * If time for next balance is due,
   * do the balance.
 */
  if (time_after_eq(jiffies, rq->next_balance)) {
   struct rq_flags rf;

   rq_lock_irqsave(rq, &rf);
   update_rq_clock(rq);
   rq_unlock_irqrestore(rq, &rf);

   if (flags & NOHZ_BALANCE_KICK)
    sched_balance_domains(rq, CPU_IDLE);
  }

  if (time_after(next_balance, rq->next_balance)) {
   next_balance = rq->next_balance;
   update_next_balance = 1;
  }
 }

 /*
  * next_balance will be updated only when there is a need.
  * When the CPU is attached to null domain for ex, it will not be
  * updated.
 */
 if (likely(update_next_balance))
  nohz.next_balance = next_balance;

 if (flags & NOHZ_STATS_KICK)
  WRITE_ONCE(nohz.next_blocked,
      now + msecs_to_jiffies(LOAD_AVG_PERIOD));

abort:
 /* There is still blocked load, enable periodic update */
 if (has_blocked_load)
  WRITE_ONCE(nohz.has_blocked, 1);
}

/*
 * In CONFIG_NO_HZ_COMMON case, the idle balance kickee will do the
 * rebalancing for all the CPUs for whom scheduler ticks are stopped.
 */
static bool nohz_idle_balance(struct rq *this_rq, enum cpu_idle_type idle)
{
 unsigned int flags = this_rq->nohz_idle_balance;

 if (!flags)
  return false;

 this_rq->nohz_idle_balance = 0;

 if (idle != CPU_IDLE)
  return false;

 _nohz_idle_balance(this_rq, flags);

 return true;
}

/*
 * Check if we need to directly run the ILB for updating blocked load before
 * entering idle state. Here we run ILB directly without issuing IPIs.
 *
 * Note that when this function is called, the tick may not yet be stopped on
 * this CPU yet. nohz.idle_cpus_mask is updated only when tick is stopped and
 * cleared on the next busy tick. In other words, nohz.idle_cpus_mask updates
 * don't align with CPUs enter/exit idle to avoid bottlenecks due to high idle
 * entry/exit rate (usec). So it is possible that _nohz_idle_balance() is
 * called from this function on (this) CPU that's not yet in the mask. That's
 * OK because the goal of nohz_run_idle_balance() is to run ILB only for
 * updating the blocked load of already idle CPUs without waking up one of
 * those idle CPUs and outside the preempt disable / IRQ off phase of the local
 * cpu about to enter idle, because it can take a long time.
 */
void nohz_run_idle_balance(int cpu)
{
 unsigned int flags;

 flags = atomic_fetch_andnot(NOHZ_NEWILB_KICK, nohz_flags(cpu));

 /*
  * Update the blocked load only if no SCHED_SOFTIRQ is about to happen
  * (i.e. NOHZ_STATS_KICK set) and will do the same.
 */
 if ((flags == NOHZ_NEWILB_KICK) && !need_resched())
  _nohz_idle_balance(cpu_rq(cpu), NOHZ_STATS_KICK);
}

static void nohz_newidle_balance(struct rq *this_rq)
{
 int this_cpu = this_rq->cpu;

 /* Will wake up very soon. No time for doing anything else*/
 if (this_rq->avg_idle < sysctl_sched_migration_cost)
  return;

 /* Don't need to update blocked load of idle CPUs*/
 if (!READ_ONCE(nohz.has_blocked) ||
     time_before(jiffies, READ_ONCE(nohz.next_blocked)))
  return;

 /*
  * Set the need to trigger ILB in order to update blocked load
  * before entering idle state.
 */
 atomic_or(NOHZ_NEWILB_KICK, nohz_flags(this_cpu));
}

#else /* !CONFIG_NO_HZ_COMMON: */
static inline void nohz_balancer_kick(struct rq *rq) { }

static inline bool nohz_idle_balance(struct rq *this_rq, enum cpu_idle_type idle)
{
 return false;
}

static inline void nohz_newidle_balance(struct rq *this_rq) { }
#endif /* !CONFIG_NO_HZ_COMMON */

/*
 * sched_balance_newidle is called by schedule() if this_cpu is about to become
 * idle. Attempts to pull tasks from other CPUs.
 *
 * Returns:
 *   < 0 - we released the lock and there are !fair tasks present
 *     0 - failed, no new tasks
 *   > 0 - success, new (fair) tasks present
 */
static int sched_balance_newidle(struct rq *this_rq, struct rq_flags *rf)
{
 unsigned long next_balance = jiffies + HZ;
 int this_cpu = this_rq->cpu;
 int continue_balancing = 1;
 u64 t0, t1, curr_cost = 0;
 struct sched_domain *sd;
 int pulled_task = 0;

 update_misfit_status(NULL, this_rq);

 /*
  * There is a task waiting to run. No need to search for one.
  * Return 0; the task will be enqueued when switching to idle.
 */
 if (this_rq->ttwu_pending)
  return 0;

 /*
  * We must set idle_stamp _before_ calling sched_balance_rq()
  * for CPU_NEWLY_IDLE, such that we measure the this duration
  * as idle time.
 */
 this_rq->idle_stamp = rq_clock(this_rq);

 /*
  * Do not pull tasks towards !active CPUs...
 */
 if (!cpu_active(this_cpu))
  return 0;

 /*
  * This is OK, because current is on_cpu, which avoids it being picked
  * for load-balance and preemption/IRQs are still disabled avoiding
  * further scheduler activity on it and we're being very careful to
  * re-start the picking loop.
 */
 rq_unpin_lock(this_rq, rf);

 rcu_read_lock();
 sd = rcu_dereference_check_sched_domain(this_rq->sd);

 if (!get_rd_overloaded(this_rq->rd) ||
     (sd && this_rq->avg_idle < sd->max_newidle_lb_cost)) {

  if (sd)
   update_next_balance(sd, &next_balance);
  rcu_read_unlock();

  goto out;
 }
 rcu_read_unlock();

 raw_spin_rq_unlock(this_rq);

 t0 = sched_clock_cpu(this_cpu);
 sched_balance_update_blocked_averages(this_cpu);

 rcu_read_lock();
 for_each_domain(this_cpu, sd) {
  u64 domain_cost;

  update_next_balance(sd, &next_balance);

  if (this_rq->avg_idle < curr_cost + sd->max_newidle_lb_cost)
   break;

  if (sd->flags & SD_BALANCE_NEWIDLE) {

   pulled_task = sched_balance_rq(this_cpu, this_rq,
         sd, CPU_NEWLY_IDLE,
         &continue_balancing);

   t1 = sched_clock_cpu(this_cpu);
   domain_cost = t1 - t0;
   curr_cost += domain_cost;
   t0 = t1;

   /*
    * Failing newidle means it is not effective;
    * bump the cost so we end up doing less of it.
 */
   if (!pulled_task)
    domain_cost = (3 * sd->max_newidle_lb_cost) / 2;

   update_newidle_cost(sd, domain_cost);
  }

  /*
   * Stop searching for tasks to pull if there are
   * now runnable tasks on this rq.
 */
  if (pulled_task || !continue_balancing)
   break;
 }
 rcu_read_unlock();

 raw_spin_rq_lock(this_rq);

 if (curr_cost > this_rq->max_idle_balance_cost)
  this_rq->max_idle_balance_cost = curr_cost;

 /*
  * While browsing the domains, we released the rq lock, a task could
  * have been enqueued in the meantime. Since we're not going idle,
  * pretend we pulled a task.
 */
 if (this_rq->cfs.h_nr_queued && !pulled_task)
  pulled_task = 1;

 /* Is there a task of a high priority class? */
 if (this_rq->nr_running != this_rq->cfs.h_nr_queued)
  pulled_task = -1;

out:
 /* Move the next balance forward */
 if (time_after(this_rq->next_balance, next_balance))
  this_rq->next_balance = next_balance;

 if (pulled_task)
  this_rq->idle_stamp = 0;
 else
  nohz_newidle_balance(this_rq);

 rq_repin_lock(this_rq, rf);

 return pulled_task;
}

/*
 * This softirq handler is triggered via SCHED_SOFTIRQ from two places:
 *
 * - directly from the local sched_tick() for periodic load balancing
 *
 * - indirectly from a remote sched_tick() for NOHZ idle balancing
 *   through the SMP cross-call nohz_csd_func()
 */
static __latent_entropy void sched_balance_softirq(void)
{
 struct rq *this_rq = this_rq();
 enum cpu_idle_type idle = this_rq->idle_balance;
 /*
  * If this CPU has a pending NOHZ_BALANCE_KICK, then do the
  * balancing on behalf of the other idle CPUs whose ticks are
  * stopped. Do nohz_idle_balance *before* sched_balance_domains to
  * give the idle CPUs a chance to load balance. Else we may
  * load balance only within the local sched_domain hierarchy
  * and abort nohz_idle_balance altogether if we pull some load.
 */
 if (nohz_idle_balance(this_rq, idle))
  return;

 /* normal load balance */
 sched_balance_update_blocked_averages(this_rq->cpu);
 sched_balance_domains(this_rq, idle);
}

/*
 * Trigger the SCHED_SOFTIRQ if it is time to do periodic load balancing.
 */
void sched_balance_trigger(struct rq *rq)
{
 /*
  * Don't need to rebalance while attached to NULL domain or
  * runqueue CPU is not active
 */
 if (unlikely(on_null_domain(rq) || !cpu_active(cpu_of(rq))))
  return;

 if (time_after_eq(jiffies, rq->next_balance))
  raise_softirq(SCHED_SOFTIRQ);

 nohz_balancer_kick(rq);
}

static void rq_online_fair(struct rq *rq)
{
 update_sysctl();

 update_runtime_enabled(rq);
}

static void rq_offline_fair(struct rq *rq)
{
 update_sysctl();

 /* Ensure any throttled groups are reachable by pick_next_task */
 unthrottle_offline_cfs_rqs(rq);

 /* Ensure that we remove rq contribution to group share: */
 clear_tg_offline_cfs_rqs(rq);
}

#ifdef CONFIG_SCHED_CORE
static inline bool
__entity_slice_used(struct sched_entity *se, int min_nr_tasks)
{
 u64 rtime = se->sum_exec_runtime - se->prev_sum_exec_runtime;
 u64 slice = se->slice;

 return (rtime * min_nr_tasks > slice);
}

#define MIN_NR_TASKS_DURING_FORCEIDLE 2
static inline void task_tick_core(struct rq *rq, struct task_struct *curr)
{
 if (!sched_core_enabled(rq))
  return;

 /*
  * If runqueue has only one task which used up its slice and
  * if the sibling is forced idle, then trigger schedule to
  * give forced idle task a chance.
  *
  * sched_slice() considers only this active rq and it gets the
  * whole slice. But during force idle, we have siblings acting
  * like a single runqueue and hence we need to consider runnable
  * tasks on this CPU and the forced idle CPU. Ideally, we should
  * go through the forced idle rq, but that would be a perf hit.
  * We can assume that the forced idle CPU has at least
  * MIN_NR_TASKS_DURING_FORCEIDLE - 1 tasks and use that to check
  * if we need to give up the CPU.
 */
 if (rq->core->core_forceidle_count && rq->cfs.nr_queued == 1 &&
     __entity_slice_used(&curr->se, MIN_NR_TASKS_DURING_FORCEIDLE))
  resched_curr(rq);
}

/*
 * se_fi_update - Update the cfs_rq->min_vruntime_fi in a CFS hierarchy if needed.
 */
static void se_fi_update(const struct sched_entity *se, unsigned int fi_seq,
    bool forceidle)
{
 for_each_sched_entity(se) {
  struct cfs_rq *cfs_rq = cfs_rq_of(se);

  if (forceidle) {
   if (cfs_rq->forceidle_seq == fi_seq)
    break;
   cfs_rq->forceidle_seq = fi_seq;
  }

  cfs_rq->min_vruntime_fi = cfs_rq->min_vruntime;
 }
}

void task_vruntime_update(struct rq *rq, struct task_struct *p, bool in_fi)
{
 struct sched_entity *se = &p->se;

 if (p->sched_class != &fair_sched_class)
  return;

 se_fi_update(se, rq->core->core_forceidle_seq, in_fi);
}

bool cfs_prio_less(const struct task_struct *a, const struct task_struct *b,
   bool in_fi)
{
 struct rq *rq = task_rq(a);
 const struct sched_entity *sea = &a->se;
 const struct sched_entity *seb = &b->se;
 struct cfs_rq *cfs_rqa;
 struct cfs_rq *cfs_rqb;
 s64 delta;

 WARN_ON_ONCE(task_rq(b)->core != rq->core);

#ifdef CONFIG_FAIR_GROUP_SCHED
 /*
  * Find an se in the hierarchy for tasks a and b, such that the se's
  * are immediate siblings.
 */
 while (sea->cfs_rq->tg != seb->cfs_rq->tg) {
  int sea_depth = sea->depth;
  int seb_depth = seb->depth;

  if (sea_depth >= seb_depth)
   sea = parent_entity(sea);
  if (sea_depth <= seb_depth)
   seb = parent_entity(seb);
 }

 se_fi_update(sea, rq->core->core_forceidle_seq, in_fi);
 se_fi_update(seb, rq->core->core_forceidle_seq, in_fi);

 cfs_rqa = sea->cfs_rq;
 cfs_rqb = seb->cfs_rq;
#else /* !CONFIG_FAIR_GROUP_SCHED: */
 cfs_rqa = &task_rq(a)->cfs;
 cfs_rqb = &task_rq(b)->cfs;
#endif /* !CONFIG_FAIR_GROUP_SCHED */

 /*
  * Find delta after normalizing se's vruntime with its cfs_rq's
  * min_vruntime_fi, which would have been updated in prior calls
  * to se_fi_update().
 */
 delta = (s64)(sea->vruntime - seb->vruntime) +
  (s64)(cfs_rqb->min_vruntime_fi - cfs_rqa->min_vruntime_fi);

 return delta > 0;
}

static int task_is_throttled_fair(struct task_struct *p, int cpu)
{
 struct cfs_rq *cfs_rq;

#ifdef CONFIG_FAIR_GROUP_SCHED
 cfs_rq = task_group(p)->cfs_rq[cpu];
#else
 cfs_rq = &cpu_rq(cpu)->cfs;
#endif
 return throttled_hierarchy(cfs_rq);
}
#else /* !CONFIG_SCHED_CORE: */
static inline void task_tick_core(struct rq *rq, struct task_struct *curr) {}
#endif /* !CONFIG_SCHED_CORE */

/*
 * scheduler tick hitting a task of our scheduling class.
 *
 * NOTE: This function can be called remotely by the tick offload that
 * goes along full dynticks. Therefore no local assumption can be made
 * and everything must be accessed through the @rq and @curr passed in
 * parameters.
 */
static void task_tick_fair(struct rq *rq, struct task_struct *curr, int queued)
{
 struct cfs_rq *cfs_rq;
 struct sched_entity *se = &curr->se;

 for_each_sched_entity(se) {
  cfs_rq = cfs_rq_of(se);
  entity_tick(cfs_rq, se, queued);
 }

 if (static_branch_unlikely(&sched_numa_balancing))
  task_tick_numa(rq, curr);

 update_misfit_status(curr, rq);
 check_update_overutilized_status(task_rq(curr));

 task_tick_core(rq, curr);
}

/*
 * called on fork with the child task as argument from the parent's context
 *  - child not yet on the tasklist
 *  - preemption disabled
 */
static void task_fork_fair(struct task_struct *p)
{
 set_task_max_allowed_capacity(p);
}

/*
 * Priority of the task has changed. Check to see if we preempt
 * the current task.
 */
static void
prio_changed_fair(struct rq *rq, struct task_struct *p, int oldprio)
{
 if (!task_on_rq_queued(p))
  return;

 if (rq->cfs.nr_queued == 1)
  return;

 /*
  * Reschedule if we are currently running on this runqueue and
  * our priority decreased, or if we are not currently running on
  * this runqueue and our priority is higher than the current's
 */
 if (task_current_donor(rq, p)) {
  if (p->prio > oldprio)
   resched_curr(rq);
 } else
  wakeup_preempt(rq, p, 0);
}

#ifdef CONFIG_FAIR_GROUP_SCHED
/*
 * Propagate the changes of the sched_entity across the tg tree to make it
 * visible to the root
 */
static void propagate_entity_cfs_rq(struct sched_entity *se)
{
 struct cfs_rq *cfs_rq = cfs_rq_of(se);

 if (cfs_rq_throttled(cfs_rq))
  return;

 if (!throttled_hierarchy(cfs_rq))
  list_add_leaf_cfs_rq(cfs_rq);

 /* Start to propagate at parent */
 se = se->parent;

 for_each_sched_entity(se) {
  cfs_rq = cfs_rq_of(se);

  update_load_avg(cfs_rq, se, UPDATE_TG);

  if (cfs_rq_throttled(cfs_rq))
   break;

  if (!throttled_hierarchy(cfs_rq))
   list_add_leaf_cfs_rq(cfs_rq);
 }
}
#else /* !CONFIG_FAIR_GROUP_SCHED: */
static void propagate_entity_cfs_rq(struct sched_entity *se) { }
#endif /* !CONFIG_FAIR_GROUP_SCHED */

static void detach_entity_cfs_rq(struct sched_entity *se)
{
 struct cfs_rq *cfs_rq = cfs_rq_of(se);

 /*
  * In case the task sched_avg hasn't been attached:
  * - A forked task which hasn't been woken up by wake_up_new_task().
  * - A task which has been woken up by try_to_wake_up() but is
  *   waiting for actually being woken up by sched_ttwu_pending().
 */
 if (!se->avg.last_update_time)
  return;

 /* Catch up with the cfs_rq and remove our load when we leave */
 update_load_avg(cfs_rq, se, 0);
 detach_entity_load_avg(cfs_rq, se);
 update_tg_load_avg(cfs_rq);
 propagate_entity_cfs_rq(se);
}

static void attach_entity_cfs_rq(struct sched_entity *se)
{
 struct cfs_rq *cfs_rq = cfs_rq_of(se);

 /* Synchronize entity with its cfs_rq */
 update_load_avg(cfs_rq, se, sched_feat(ATTACH_AGE_LOAD) ? 0 : SKIP_AGE_LOAD);
 attach_entity_load_avg(cfs_rq, se);
 update_tg_load_avg(cfs_rq);
 propagate_entity_cfs_rq(se);
}

static void detach_task_cfs_rq(struct task_struct *p)
{
 struct sched_entity *se = &p->se;

 detach_entity_cfs_rq(se);
}

static void attach_task_cfs_rq(struct task_struct *p)
{
 struct sched_entity *se = &p->se;

 attach_entity_cfs_rq(se);
}

static void switched_from_fair(struct rq *rq, struct task_struct *p)
{
 detach_task_cfs_rq(p);
}

static void switched_to_fair(struct rq *rq, struct task_struct *p)
{
 WARN_ON_ONCE(p->se.sched_delayed);

 attach_task_cfs_rq(p);

 set_task_max_allowed_capacity(p);

 if (task_on_rq_queued(p)) {
  /*
   * We were most likely switched from sched_rt, so
   * kick off the schedule if running, otherwise just see
   * if we can still preempt the current task.
 */
  if (task_current_donor(rq, p))
   resched_curr(rq);
  else
   wakeup_preempt(rq, p, 0);
 }
}

static void __set_next_task_fair(struct rq *rq, struct task_struct *p, bool first)
{
 struct sched_entity *se = &p->se;

 if (task_on_rq_queued(p)) {
  /*
   * Move the next running task to the front of the list, so our
   * cfs_tasks list becomes MRU one.
 */
  list_move(&se->group_node, &rq->cfs_tasks);
 }
 if (!first)
  return;

 WARN_ON_ONCE(se->sched_delayed);

 if (hrtick_enabled_fair(rq))
  hrtick_start_fair(rq, p);

 update_misfit_status(p, rq);
 sched_fair_update_stop_tick(rq, p);
}

/*
 * Account for a task changing its policy or group.
 *
 * This routine is mostly called to set cfs_rq->curr field when a task
 * migrates between groups/classes.
 */
static void set_next_task_fair(struct rq *rq, struct task_struct *p, bool first)
{
 struct sched_entity *se = &p->se;

 for_each_sched_entity(se) {
  struct cfs_rq *cfs_rq = cfs_rq_of(se);

  set_next_entity(cfs_rq, se);
  /* ensure bandwidth has been allocated on our new cfs_rq */
  account_cfs_rq_runtime(cfs_rq, 0);
 }

 __set_next_task_fair(rq, p, first);
}

void init_cfs_rq(struct cfs_rq *cfs_rq)
{
 cfs_rq->tasks_timeline = RB_ROOT_CACHED;
 cfs_rq->min_vruntime = (u64)(-(1LL << 20));
 raw_spin_lock_init(&cfs_rq->removed.lock);
}

#ifdef CONFIG_FAIR_GROUP_SCHED
static void task_change_group_fair(struct task_struct *p)
{
 /*
  * We couldn't detach or attach a forked task which
  * hasn't been woken up by wake_up_new_task().
 */
 if (READ_ONCE(p->__state) == TASK_NEW)
  return;

 detach_task_cfs_rq(p);

 /* Tell se's cfs_rq has been changed -- migrated */
 p->se.avg.last_update_time = 0;
 set_task_rq(p, task_cpu(p));
 attach_task_cfs_rq(p);
}

void free_fair_sched_group(struct task_group *tg)
{
 int i;

 for_each_possible_cpu(i) {
  if (tg->cfs_rq)
   kfree(tg->cfs_rq[i]);
  if (tg->se)
   kfree(tg->se[i]);
 }

 kfree(tg->cfs_rq);
 kfree(tg->se);
}

int alloc_fair_sched_group(struct task_group *tg, struct task_group *parent)
{
 struct sched_entity *se;
 struct cfs_rq *cfs_rq;
 int i;

 tg->cfs_rq = kcalloc(nr_cpu_ids, sizeof(cfs_rq), GFP_KERNEL);
 if (!tg->cfs_rq)
  goto err;
 tg->se = kcalloc(nr_cpu_ids, sizeof(se), GFP_KERNEL);
 if (!tg->se)
  goto err;

 tg->shares = NICE_0_LOAD;

 init_cfs_bandwidth(tg_cfs_bandwidth(tg), tg_cfs_bandwidth(parent));

 for_each_possible_cpu(i) {
  cfs_rq = kzalloc_node(sizeof(struct cfs_rq),
          GFP_KERNEL, cpu_to_node(i));
  if (!cfs_rq)
   goto err;

  se = kzalloc_node(sizeof(struct sched_entity_stats),
      GFP_KERNEL, cpu_to_node(i));
  if (!se)
   goto err_free_rq;

  init_cfs_rq(cfs_rq);
  init_tg_cfs_entry(tg, cfs_rq, se, i, parent->se[i]);
  init_entity_runnable_average(se);
 }

 return 1;

err_free_rq:
 kfree(cfs_rq);
err:
 return 0;
}

void online_fair_sched_group(struct task_group *tg)
{
 struct sched_entity *se;
 struct rq_flags rf;
 struct rq *rq;
 int i;

 for_each_possible_cpu(i) {
  rq = cpu_rq(i);
  se = tg->se[i];
  rq_lock_irq(rq, &rf);
  update_rq_clock(rq);
  attach_entity_cfs_rq(se);
  sync_throttle(tg, i);
  rq_unlock_irq(rq, &rf);
 }
}

void unregister_fair_sched_group(struct task_group *tg)
{
 int cpu;

 destroy_cfs_bandwidth(tg_cfs_bandwidth(tg));

 for_each_possible_cpu(cpu) {
  struct cfs_rq *cfs_rq = tg->cfs_rq[cpu];
  struct sched_entity *se = tg->se[cpu];
  struct rq *rq = cpu_rq(cpu);

  if (se) {
   if (se->sched_delayed) {
    guard(rq_lock_irqsave)(rq);
    if (se->sched_delayed) {
     update_rq_clock(rq);
     dequeue_entities(rq, se, DEQUEUE_SLEEP | DEQUEUE_DELAYED);
    }
    list_del_leaf_cfs_rq(cfs_rq);
   }
   remove_entity_load_avg(se);
  }

  /*
   * Only empty task groups can be destroyed; so we can speculatively
   * check on_list without danger of it being re-added.
 */
  if (cfs_rq->on_list) {
   guard(rq_lock_irqsave)(rq);
   list_del_leaf_cfs_rq(cfs_rq);
  }
 }
}

void init_tg_cfs_entry(struct task_group *tg, struct cfs_rq *cfs_rq,
   struct sched_entity *se, int cpu,
   struct sched_entity *parent)
{
 struct rq *rq = cpu_rq(cpu);

 cfs_rq->tg = tg;
 cfs_rq->rq = rq;
 init_cfs_rq_runtime(cfs_rq);

 tg->cfs_rq[cpu] = cfs_rq;
 tg->se[cpu] = se;

 /* se could be NULL for root_task_group */
 if (!se)
  return;

 if (!parent) {
  se->cfs_rq = &rq->cfs;
  se->depth = 0;
 } else {
  se->cfs_rq = parent->my_q;
  se->depth = parent->depth + 1;
 }

 se->my_q = cfs_rq;
 /* guarantee group entities always have weight */
 update_load_set(&se->load, NICE_0_LOAD);
 se->parent = parent;
}

static DEFINE_MUTEX(shares_mutex);

static int __sched_group_set_shares(struct task_group *tg, unsigned long shares)
{
 int i;

 lockdep_assert_held(&shares_mutex);

 /*
  * We can't change the weight of the root cgroup.
 */
 if (!tg->se[0])
  return -EINVAL;

 shares = clamp(shares, scale_load(MIN_SHARES), scale_load(MAX_SHARES));

 if (tg->shares == shares)
  return 0;

 tg->shares = shares;
 for_each_possible_cpu(i) {
  struct rq *rq = cpu_rq(i);
  struct sched_entity *se = tg->se[i];
  struct rq_flags rf;

  /* Propagate contribution to hierarchy */
  rq_lock_irqsave(rq, &rf);
  update_rq_clock(rq);
  for_each_sched_entity(se) {
   update_load_avg(cfs_rq_of(se), se, UPDATE_TG);
   update_cfs_group(se);
  }
  rq_unlock_irqrestore(rq, &rf);
 }

 return 0;
}

int sched_group_set_shares(struct task_group *tg, unsigned long shares)
{
 int ret;

 mutex_lock(&shares_mutex);
 if (tg_is_idle(tg))
  ret = -EINVAL;
 else
  ret = __sched_group_set_shares(tg, shares);
 mutex_unlock(&shares_mutex);

 return ret;
}

int sched_group_set_idle(struct task_group *tg, long idle)
{
 int i;

 if (tg == &root_task_group)
  return -EINVAL;

 if (idle < 0 || idle > 1)
  return -EINVAL;

 mutex_lock(&shares_mutex);

 if (tg->idle == idle) {
  mutex_unlock(&shares_mutex);
  return 0;
 }

 tg->idle = idle;

 for_each_possible_cpu(i) {
  struct rq *rq = cpu_rq(i);
  struct sched_entity *se = tg->se[i];
  struct cfs_rq *grp_cfs_rq = tg->cfs_rq[i];
  bool was_idle = cfs_rq_is_idle(grp_cfs_rq);
  long idle_task_delta;
  struct rq_flags rf;

  rq_lock_irqsave(rq, &rf);

  grp_cfs_rq->idle = idle;
  if (WARN_ON_ONCE(was_idle == cfs_rq_is_idle(grp_cfs_rq)))
   goto next_cpu;

  idle_task_delta = grp_cfs_rq->h_nr_queued -
      grp_cfs_rq->h_nr_idle;
  if (!cfs_rq_is_idle(grp_cfs_rq))
   idle_task_delta *= -1;

  for_each_sched_entity(se) {
   struct cfs_rq *cfs_rq = cfs_rq_of(se);

   if (!se->on_rq)
    break;

   cfs_rq->h_nr_idle += idle_task_delta;

   /* Already accounted at parent level and above. */
   if (cfs_rq_is_idle(cfs_rq))
    break;
  }

next_cpu:
  rq_unlock_irqrestore(rq, &rf);
 }

 /* Idle groups have minimum weight. */
 if (tg_is_idle(tg))
  __sched_group_set_shares(tg, scale_load(WEIGHT_IDLEPRIO));
 else
  __sched_group_set_shares(tg, NICE_0_LOAD);

 mutex_unlock(&shares_mutex);
 return 0;
}

#endif /* CONFIG_FAIR_GROUP_SCHED */


static unsigned int get_rr_interval_fair(struct rq *rq, struct task_struct *task)
{
 struct sched_entity *se = &task->se;
 unsigned int rr_interval = 0;

 /*
  * Time slice is 0 for SCHED_OTHER tasks that are on an otherwise
  * idle runqueue:
 */
 if (rq->cfs.load.weight)
  rr_interval = NS_TO_JIFFIES(se->slice);

 return rr_interval;
}

/*
 * All the scheduling class methods:
 */
DEFINE_SCHED_CLASS(fair) = {

 .enqueue_task  = enqueue_task_fair,
 .dequeue_task  = dequeue_task_fair,
 .yield_task  = yield_task_fair,
 .yield_to_task  = yield_to_task_fair,

 .wakeup_preempt  = check_preempt_wakeup_fair,

 .pick_task  = pick_task_fair,
 .pick_next_task  = __pick_next_task_fair,
 .put_prev_task  = put_prev_task_fair,
 .set_next_task          = set_next_task_fair,

 .balance  = balance_fair,
 .select_task_rq  = select_task_rq_fair,
 .migrate_task_rq = migrate_task_rq_fair,

 .rq_online  = rq_online_fair,
 .rq_offline  = rq_offline_fair,

 .task_dead  = task_dead_fair,
 .set_cpus_allowed = set_cpus_allowed_fair,

 .task_tick  = task_tick_fair,
 .task_fork  = task_fork_fair,

 .reweight_task  = reweight_task_fair,
 .prio_changed  = prio_changed_fair,
 .switched_from  = switched_from_fair,
 .switched_to  = switched_to_fair,

 .get_rr_interval = get_rr_interval_fair,

 .update_curr  = update_curr_fair,

#ifdef CONFIG_FAIR_GROUP_SCHED
 .task_change_group = task_change_group_fair,
#endif

#ifdef CONFIG_SCHED_CORE
 .task_is_throttled = task_is_throttled_fair,
#endif

#ifdef CONFIG_UCLAMP_TASK
 .uclamp_enabled  = 1,
#endif
};

void print_cfs_stats(struct seq_file *m, int cpu)
{
 struct cfs_rq *cfs_rq, *pos;

 rcu_read_lock();
 for_each_leaf_cfs_rq_safe(cpu_rq(cpu), cfs_rq, pos)
  print_cfs_rq(m, cpu, cfs_rq);
 rcu_read_unlock();
}

#ifdef CONFIG_NUMA_BALANCING
void show_numa_stats(struct task_struct *p, struct seq_file *m)
{
 int node;
 unsigned long tsf = 0, tpf = 0, gsf = 0, gpf = 0;
 struct numa_group *ng;

 rcu_read_lock();
 ng = rcu_dereference(p->numa_group);
 for_each_online_node(node) {
  if (p->numa_faults) {
   tsf = p->numa_faults[task_faults_idx(NUMA_MEM, node, 0)];
   tpf = p->numa_faults[task_faults_idx(NUMA_MEM, node, 1)];
  }
  if (ng) {
   gsf = ng->faults[task_faults_idx(NUMA_MEM, node, 0)],
   gpf = ng->faults[task_faults_idx(NUMA_MEM, node, 1)];
  }
  print_numa_stats(m, node, tsf, tpf, gsf, gpf);
 }
 rcu_read_unlock();
}
#endif /* CONFIG_NUMA_BALANCING */

__init void init_sched_fair_class(void)
{
 int i;

 for_each_possible_cpu(i) {
  zalloc_cpumask_var_node(&per_cpu(load_balance_mask, i), GFP_KERNEL, cpu_to_node(i));
  zalloc_cpumask_var_node(&per_cpu(select_rq_mask,    i), GFP_KERNEL, cpu_to_node(i));
  zalloc_cpumask_var_node(&per_cpu(should_we_balance_tmpmask, i),
     GFP_KERNEL, cpu_to_node(i));

#ifdef CONFIG_CFS_BANDWIDTH
  INIT_CSD(&cpu_rq(i)->cfsb_csd, __cfsb_csd_unthrottle, cpu_rq(i));
  INIT_LIST_HEAD(&cpu_rq(i)->cfsb_csd_list);
#endif
 }

 open_softirq(SCHED_SOFTIRQ, sched_balance_softirq);

#ifdef CONFIG_NO_HZ_COMMON
 nohz.next_balance = jiffies;
 nohz.next_blocked = jiffies;
 zalloc_cpumask_var(&nohz.idle_cpus_mask, GFP_NOWAIT);
#endif
}