发布时间 : 星期三 文章《Linux设备驱动开发详解：基于最新的Linux 4.0内核》19. Linux电源管理系统架构和驱动更新完毕开始阅读14578ec60b4e767f5acfceee
15 continue;
16 if (s->target_residency > data->predicted_us) 17 continue;
18 if (s->exit_latency > latency_req) 19 continue;
20 if (s->exit_latency * multiplier > data->predicted_us) 21 continue; 22
23 if (s->power_usage < power_usage) { 24 power_usage = s->power_usage; 25 data->last_state_idx = i;
26 data->exit_us = s->exit_latency; 27 } 28 } 29
30 return data->last_state_idx; 31 }
还是回到drivers/media/platform/via-camera.c，当摄像头关闭后，它会通过如下语句告知上述对PM_QOS_CPU_DMA_LATENCY的性能要求取消：
static int viacam_streamon(struct file *filp, void *priv, enum v4l2_buf_type t) {
…
pm_qos_remove_request(&cam->qos_request); … }
类似的设备驱动中申请QoS特性的例子还包括drivers/net/wireless/ipw2x00/ipw2100.c，drivers/tty/serial/omap-serial.c，drivers/net/ethernet/intel/e1000e/netdev.c等。
应用程序则可以通过向/dev/cpu_dma_latency和/dev/network_latency这样的设备节点写入值来发起QoS的性能请求。
8. CPU热插拔
Linux CPU热插拔的功能已经存在了相当长的时间，在Linux 3.8之后的内核一个小小的改进就是CPU0也可以热插拔了。
一般来讲，在用户空间可以透过/sys/devices/system/cpu/cpun/online结点来操作一个CPU的online和offline：
# echo 0 > /sys/devices/system/cpu/cpu3/online CPU 3 is now offline
# echo 1 > /sys/devices/system/cpu/cpu3/online
透过“echo 0 > /sys/devices/system/cpu/cpu3/online”关闭CPU3的时候，CPU3上的进程都会被迁移到其他的CPU上，保证这个拔除CPU3的过程中，系统仍然能正常运行。一旦透过“echo 1 > /sys/devices/system/cpu/cpu3/online”再次开启CPU3，CPU3又可以参与系统的负载均衡，分担系统中的任务。
在嵌入式系统中，CPU热插拔可以作为一种省电的方式，在系统负载小的时候，动态关闭CPU，在系统负载增大的时候，再开启之前offline的CPU。目前各个芯片公司可能会根据自身SoC的特点，对内核进行调整，来实现运行时“热插拔”。这里以Nvidia的Tegra3为例展开。
Tegra3采用vSMP（variable Symmetric Multiprocessing）架构，共5个cortex-a9处理器，其中4个为高性能设计的G核，1个为低功耗设计的LP核，如图19.7。
图19.7 Tegra3的架构
在系统运行过程中，Tegra3的Linux内核会根据CPU负载切换低功耗处理器和高功耗处理器。除此之外，4个高性能ARM核心也会根据运行情况，动态借用Linux kernel支持的CPU hotplug进行CPU的UP/DOWN操作。
用华硕EeePad运行高负载、低负载应用，通过dmesg查看内核消息也确实验证了多核的热插拔以及G核和LP核之间的动态切换：
<4>[104626.426957] CPU1: Booted secondary processor
<7>[104627.427412] tegra CPU: force EDP limit 720000 kHz <4>[104627.427670] CPU2: Booted secondary processor <4>[104628.537005] stop_machine_cpu_stop cpu=0 <4>[104628.537017] stop_machine_cpu_stop cpu=2 <4>[104628.537059] stop_machine_cpu_stop cpu=1
<4>[104628.537702] __stop_cpus: wait_for_completion_timeout+
<4>[104628.537810] __stop_cpus: smp=0 done.executed=1 done.ret =0- <5>[104628.537960] CPU1: clean shutdown
<4>[104630.537092] stop_machine_cpu_stop cpu=0 <4>[104630.537172] stop_machine_cpu_stop cpu=2
<4>[104630.537739] __stop_cpus: wait_for_completion_timeout+
<4>[104630.538060] __stop_cpus: smp=0 done.executed=1 done.ret =0- <5>[104630.538203] CPU2: clean shutdown <4>[104631.306984] tegra_watchdog_touch
高性能处理器和低功耗处理器切换:
<3>[104666.799152] LP=>G: prolog 22 us, switch 2129 us, epilog 24 us, total 2175 us <3>[104667.807273] G=>LP: prolog 18 us, switch 157 us, epilog 25 us, total 200 us <4>[104671.407008] tegra_watchdog_touch
<4>[104671.408816] nct1008_get_temp: ret temp=35C
<3>[104671.939060] LP=>G: prolog 17 us, switch 2127 us, epilog 22 us, total 2166 us <3>[104672.938091] G=>LP: prolog 18 us, switch 156 us, epilog 24 us, total 198 us
运行过程中，我们会发现4个G core会动态热插拔，而4个G core和1个LP core之间，会根据运行负载进行cluster切换。这一部分都是在内核里面实现，和tegra的cpufreq驱动（DVFS驱动）紧密关联。相关代码可见于
http://nv-tegra.nvidia.com/gitweb/?p=linux-2.6.git;a=tree;f=arch/arm/mach-tegra;h=e5d1ff2;hb=rel-14r7
如何判断自己是什么core
每个core都可以通过调用is_lp_cluster()来判断当前执行CPU是LP还是G处理器：
static inline unsigned int is_lp_cluster(void) {
unsigned int reg;
reg =readl(FLOW_CTRL_CLUSTER_CONTROL); return (reg& 1); /* 0 == G, 1 == LP*/ }
即读FLOW_CTRL_CLUSTER_CONTROL寄存器判断出来自己是G core还是LP core。 G core和LP core cluster的切换时机
[场景1]何时从LP切换给G：当前执行于LPcluster，CPUFreq驱动判断出LP需要升频率超过高值门限，即TEGRA_HP_UP：
case TEGRA_HP_UP:
if(is_lp_cluster() && !no_lp) {
if(!clk_set_parent(cpu_clk, cpu_g_clk)) {
hp_stats_update(CONFIG_NR_CPUS, false); hp_stats_update(0, true);
/* catch-upwith governor target speed */ tegra_cpu_set_speed_cap(NULL); }
[场景2]何时从G切换给LP：当前执行于Gcluster，CPUFreq驱动判断出某G core需要降频率到小于低值门限，即TEGRA_HP_DOWN，且最慢的CPUID不小于nr_cpu_ids（实际上代码逻辑跟踪等价于只有CPU0还活着）：
case TEGRA_HP_DOWN:
cpu= tegra_get_slowest_cpu_n(); if(cpu < nr_cpu_ids) { ...
}else if (!is_lp_cluster() && !no_lp) {
if(!clk_set_parent(cpu_clk, cpu_lp_clk)) {
hp_stats_update(CONFIG_NR_CPUS, true); hp_stats_update(0, false);
/* catch-upwith governor target speed */ tegra_cpu_set_speed_cap(NULL); } else
queue_delayed_work(
hotplug_wq, &hotplug_work, down_delay); } break;
切换实际上就发生在clk_set_parent()更改CPU的父时钟里面，这部分代码写地比较丑，1个函数完成n个功能，实际不仅切换了时钟，还切换了G和LP cluster：
clk_set_parent(cpu_clk, cpu_lp_clk) ->
tegra3_cpu_cmplx_clk_set_parent(structclk *c, struct clk *p) ->
tegra_cluster_control(unsigned int us, unsigned int flags) -> tegra_cluster_switch_prolog()-> tegra_cluster_switch_epilog()
G core动态热插拔
何时进行G core的动态plug和unplug： [场景3]当前执行于G cluster，CPUFreq驱动判断出某Gcore需要降频率到小于低值门限，即TEGRA_HP_DOWN，且最慢的CPUID小于 nr_cpu_ids（实际上等价于还有2个或2个以上的G core活着）,关闭最慢的CPU，留意tegra_get_slowest_cpu_n()不会返回0，意味着CPU0要么活着，要么切换给LP（对应场景2）：
case TEGRA_HP_DOWN:
cpu= tegra_get_slowest_cpu_n(); if(cpu < nr_cpu_ids) { up = false;
queue_delayed_work(
hotplug_wq,&hotplug_work, down_delay); hp_stats_update(cpu, false); }
[场景4]当前执行于G cluster，CPUFreq驱动判断出某Gcore需要设置频率大于高值门限，即TEGRA_HP_UP，如果负载平衡状态为 TEGRA_CPU_SPEED_BALANCED，再开一个core；如果状态为TEGRA_CPU_SPEED_SKEWED，则关一个core。 TEGRA_CPU_SPEED_BALANCED的含义是当前所有Gcore要求的频率都高于最高频率的 50%，TEGRA_CPU_SPEED_SKEWED的含义是当前至少有2个Gcore要求的频率低于门限的25%，即CPU 频率的要求在各个core间有倾斜。
case TEGRA_HP_UP:
if (is_lp_cluster() && !no_lp) { ... } else {
switch (tegra_cpu_speed_balance()) {
/* cpu speed is up and balanced - one more on-line */ case TEGRA_CPU_SPEED_BALANCED:
cpu =cpumask_next_zero(0, cpu_online_mask); if (cpu hp_stats_update(cpu, true); } break; /* cpu speed is up, but skewed - remove one core */ case TEGRA_CPU_SPEED_SKEWED: cpu =tegra_get_slowest_cpu_n(); if (cpu < nr_cpu_ids) { up =false; hp_stats_update(cpu, false); } break; /* cpu speed is up, butunder-utilized - do nothing */ case TEGRA_CPU_SPEED_BIASED: default: break; } } 上述代码中TEGRA_CPU_SPEED_BIASED路径的含义是有1个以上Gcore的频率低于最高频率的50%但是未形成SKEWED条件，即只是“BIASED”，还没有达到“SKEWED”的程度，所以暂时什么都不做。 目前，ARM和Linux社区都在从事关于big.LITTLE架构下，CPU热插拔以及调度器方面有针对性的改进。在big.LITTLE架构中，将高性能功耗也较高的Cortex-A15和稍低性能功耗低的Cortex-A7进行了结合，或者在64位下，进行Cortex-A57和Cortex-A53的组合，如图19.8。