epoll(2) 源码分析

文本内核代码取自 5.0.18 版本，和上一篇文章中的版本不同是因为另一个电脑出了问题，但是总体差异不大。

• 引子留下的问题
• 关键数据结构
• 提供的系统调用
• 就绪事件相关逻辑
• epoll 间的相互影响及处理
• 问题的解答

引子留下的问题

在上一篇文章中留下了几个问题，本文将针对这几个问题进行分析：

1. epoll(2) 得到就绪事件的复杂度为何是 \(O(1)\)
2. epoll(2) 和普通的文件相比的区别在哪里，比如和 eventfd(2) 比较
3. epoll(2) 相对 poll(2)/select(2) 多提供了 EPOLLET 的触发模式，现象在上面可以看到区别，实现是如何做到的。
4. epoll(2) 相互关注时，有就绪事件到来会产生相互唤醒的问题，为何会出现这样的问题
5. 对于问题 4，内核是如何解决这种相互唤醒的问题。

解答在文末.

关键的数据结构

在第一次阅读代码时，优先掌握该功能的核心数据结构有利于对于全局的把控。

struct eventpoll

struct eventpoll 对应一个 epoll 实例的结构，包含所有的文件事件，作为 epoll 的接口使用。

/*
 * This structure is stored inside the "private_data" member of the file
 * structure and represents the main data structure for the eventpoll
 * interface.
 */
struct eventpoll {
        spinlock_t lock;              // 保护整个数据结构
        struct mutex mtx;             // 保护正在操作的文件

        wait_queue_head_t wq;         // sys_epoll_wait() 使用的等待队列
        wait_queue_head_t poll_wait;  // epoll 作为被监视文件时 file->poll() 使用的等待队列，使用较少
                                      // poll_wait 队列作用和 eventfd 文件中的 wqh 队列相同

        struct list_head rdllist;     // 就绪的文件链表，连接 epitem 上的 rdllink
        struct epitem *ovflist;       // 也是用来串联就绪的事件，作为 rdlist 的备胎使用

        struct rb_root_cached rbr;    // 所有关注的文件事件的红黑树，在内核空间维护

        /* wakeup_source used when ep_scan_ready_list is running */
        struct wakeup_source *ws;     // 不分析该功能，只知道为唤醒源就行
        struct user_struct *user;     // epoll 创建操作所属的用户
        struct file *file;            // epoll 关联的文件结构

        /* used to optimize loop detection check */
        int visited;
        struct list_head visited_list_link;

#ifdef CONFIG_NET_RX_BUSY_POLL
        /* used to track busy poll napi_id */
        unsigned int napi_id;
#endif
};

struct epitem

struct epitem 每个文件描述符添加到 eventpoll 接口将产生一个 epitem项 被链接到 eventpoll 中的红黑树上。

/*
 * Each file descriptor added to the eventpoll interface will
 * have an entry of this type linked to the "rbr" RB tree.
 * Avoid increasing the size of this struct, there can be many thousands
 * of these on a server and we do not want this to take another cache line.
 */
struct epitem {
        union {
                /* RB tree node links this structure to the eventpoll RB tree */
                struct rb_node rbn;
                /* Used to free the struct epitem */
                struct rcu_head rcu;
        };

        struct list_head rdllink; // 用于连接到 eventpoll->rdllist 的链表，和 rdllist 一起使用
        struct epitem *next;      // 连接到 eventpoll->ovflist 的指针，和 ovflist 一起使用
        struct epoll_filefd ffd;  // 文件 file 结构 + fd，作为红黑树的节点

        int nwait;                // 附加在 poll 操作上活跃的等待队列的数量
        /* List containing poll wait queues */
        struct list_head pwqlist; // 注释是包含轮询等待队列的链表，但是实际上个人更倾向为这个链表只是为了连接 eppoll_entry 结构。
                                  // 和上面那个 nwait 一样，这两个变量的添加操作只会发生一次，就是调用 ep_insert() 的时候，但是 epitem 在一个 epoll 实例中只会调用一次。

        struct eventpoll *ep;     // 当前 epitem 的所有者
        struct list_head fllink;  // 连接文件结构的链表

        /* wakeup_source used when EPOLLWAKEUP is set */
        struct wakeup_source __rcu *ws;  // 唤醒源，不考虑

        /* The structure that describe the interested events and the source fd */
        struct epoll_event event;  // 用户传入的 event 结构
};

struct eppoll_entry

struct eppoll_entry 为文件的等待队列项回调和epoll相关联的结构. 类似为poll(2) 中的 poll_table_entry

/* Wait structure used by the poll hooks */
struct eppoll_entry {
        struct list_head llink;   // 连接至 epitem 中的 pwqlist 链表中
        struct epitem *base;      // epitem 所属者

        wait_queue_entry_t wait;  // 等待队列项
        wait_queue_head_t *whead; // 等待队列头，关注文件的等待队列，如 eventfd->pwh
};

epoll(2) 相关的系统调用

• epoll_create(2)
• epoll_ctl(2)
• epoll_wait(2)

整个 fs/eventpoll.c 的代码量较多(2000+), 所以这里节选部分主要的代码进行分析, 一些对于参数的合法性的校验就不放出来了.

epoll 的实现做了两种区分: 关注的文件是否为 epoll 类型, 我们先对非epoll文件进行分析, 这个部分代码比较直观易懂, 对epoll文件的处理考虑了多种情况, 留作之后分析.

epoll_create(2)

创建一个新的文件描述符, 对应一个 epoll 实例.

1. 为 eventpoll 结构分配内存并且初始化
2. 获取一个新的文件并且与 eventpoll 结构相关联.

/*
 * Open an eventpoll file descriptor.
 */
static int do_epoll_create(int flags)
{
        int error, fd;
        struct eventpoll *ep = NULL;
        struct file *file;

        error = ep_alloc(&ep);  // 分配内存并初始化, 代码较直观, 不做分析

        fd = get_unused_fd_flags(O_RDWR | (flags & O_CLOEXEC));
        if (fd < 0) {
                error = fd;
                goto out_free_ep;
        }
        file = anon_inode_getfile("[eventpoll]", &eventpoll_fops, ep,
                                 O_RDWR | (flags & O_CLOEXEC));

        ep->file = file;
        fd_install(fd, file);
}

epoll_ctl(2)

epoll_ctl 为epoll的控制函数, 根据函数的 @op 入参分发需要进行的操作.

函数的功能主体比较清晰, 也分为两部分:

1. 对监视文件为epoll经行循环检测
2. 根据操作类型分发具体执行的函数

/*
 * The following function implements the controller interface for
 * the eventpoll file that enables the insertion/removal/change of
 * file descriptors inside the interest set.
 */
SYSCALL_DEFINE4(epoll_ctl, int, epfd, int, op, int, fd,
                struct epoll_event __user *, event)
{
        // 加锁部分为对监视的文件是epoll时候进行的循环检测, 这部分后面分析, 这里只看非 epoll 文件的处理
        mutex_lock_nested(&ep->mtx, 0);
        if (op == EPOLL_CTL_ADD) {
                if (!list_empty(&f.file->f_ep_links) ||
                                                is_file_epoll(tf.file)) {
                        full_check = 1;
                        mutex_unlock(&ep->mtx);
                        mutex_lock(&epmutex);
                        if (is_file_epoll(tf.file)) {
                                error = -ELOOP;
                                if (ep_loop_check(ep, tf.file) != 0) {
                                        clear_tfile_check_list();
                                        goto error_tgt_fput;
                                }
                        } else
                                list_add(&tf.file->f_tfile_llink,
                                                        &tfile_check_list);
                        mutex_lock_nested(&ep->mtx, 0);
                        if (is_file_epoll(tf.file)) {
                                tep = tf.file->private_data;
                                mutex_lock_nested(&tep->mtx, 1);
                        }
                }
        }

        /*
         * Try to lookup the file inside our RB tree, Since we grabbed "mtx"
         * above, we can be sure to be able to use the item looked up by
         * ep_find() till we release the mutex.
         */
        epi = ep_find(ep, tf.file, fd);  // 从红黑树中寻找操作的文件

        error = -EINVAL;
        switch (op) {
        case EPOLL_CTL_ADD:
                if (!epi) {  // 不存在就插入到eventpoll中
                        epds.events |= EPOLLERR | EPOLLHUP;
                        error = ep_insert(ep, &epds, tf.file, fd, full_check);
                } else
                        error = -EEXIST;
                if (full_check)
                        clear_tfile_check_list();
                break;
        case EPOLL_CTL_DEL:
                if (epi)
                        error = ep_remove(ep, epi);
                else
                        error = -ENOENT;
                break;
        case EPOLL_CTL_MOD:
                if (epi) {
                        if (!(epi->event.events & EPOLLEXCLUSIVE)) {
                                epds.events |= EPOLLERR | EPOLLHUP;
                                error = ep_modify(ep, epi, &epds);
                        }
                } else
                        error = -ENOENT;
                break;
        }
        if (tep != NULL)
                mutex_unlock(&tep->mtx);
        mutex_unlock(&ep->mtx);

        return error;
}

ep_insert()

分配一个 epitem 的内存并初始化, 再将该 epitem 添加到 eventpoll 中的红黑树上.

初始化过程也包含了几个部分:

1. 对 epitem 结构进行初始化, 设置各成员变量的值.
2. 调用目标文件的file->f_op->poll() 函数设置等待队列项回调函数, 这个是实现 epoll_wait(2) 复杂度为 \(O(1)\) 最重要的一步, 关注的文件产生就绪事件就会调用该回调函数 ep_ptable_queue_proc
3. 返回就绪事件掩码, 将当前 epitem 添加到 eventpoll->rdllist 中, 唤醒 epoll_wait(2) 线程

/*
 * Must be called with "mtx" held.
 */
static int ep_insert(struct eventpoll *ep, const struct epoll_event *event,
                     struct file *tfile, int fd, int full_check)
{
        int error, pwake = 0;
        __poll_t revents;
        struct epitem *epi;

        if (!(epi = kmem_cache_alloc(epi_cache, GFP_KERNEL)))
                return -ENOMEM;

        /* Item initialization follow here ... */


        /* Initialize the poll table using the queue callback */
        epq.epi = epi;
        init_poll_funcptr(&epq.pt, ep_ptable_queue_proc);

        /*
         * Attach the item to the poll hooks and get current event bits.
         * We can safely use the file* here because its usage count has
         * been increased by the caller of this function. Note that after
         * this operation completes, the poll callback can start hitting
         * the new item.
         */
        revents = ep_item_poll(epi, &epq.pt, 1);

        /* Add the current item to the list of active epoll hook for this file */
        spin_lock(&tfile->f_lock);
        list_add_tail_rcu(&epi->fllink, &tfile->f_ep_links);  // 将当前 epitem 添加到监视文件的 f_ep_links 链表上.
        spin_unlock(&tfile->f_lock);

        /*
         * Add the current item to the RB tree. All RB tree operations are
         * protected by "mtx", and ep_insert() is called with "mtx" held.
         */
        ep_rbtree_insert(ep, epi); // 将当前 epitem 添加到eventpoll的红黑树中

        /* If the file is already "ready" we drop it inside the ready list */
        if (revents && !ep_is_linked(epi)) { // 产生就绪事件并且当前 epitem 未添加进 eventpoll 中(这个有点儿明显)
                list_add_tail(&epi->rdllink, &ep->rdllist); // 添加至 ep->rdllist, 留意这两个链表是一起出现的

                /* Notify waiting tasks that events are available */
                if (waitqueue_active(&ep->wq))  // wq 队列是 epoll_wait(2) 使用的, 这里唤醒调用 epoll_wait(2) 进入阻塞状态的线程.
                        wake_up_locked(&ep->wq);
                if (waitqueue_active(&ep->poll_wait))  // 这里不直接唤醒是加锁的原因, poll_wait 队列属于被监视文件使用, 不应该在epoll实例中唤醒
                        pwake++;
        }

        spin_unlock_irq(&ep->wq.lock);

        /* We have to call this outside the lock */
        if (pwake)
                ep_poll_safewake(&ep->poll_wait);

}

ep_remove()

作用和 ep_insert() 相反, 释放内存, 删除与其它资源相关联的连接, 在互斥量 eventpoll->mtx 加锁下进行.

/*
 * Removes a "struct epitem" from the eventpoll RB tree and deallocates
 * all the associated resources. Must be called with "mtx" held.
 */
static int ep_remove(struct eventpoll *ep, struct epitem *epi)
{
        struct file *file = epi->ffd.file;

        lockdep_assert_irqs_enabled();

        /*
         * Removes poll wait queue hooks.
         */
        ep_unregister_pollwait(ep, epi);  // 删除 epitem->pwdlist 关联的等待项链表

        /* Remove the current item from the list of epoll hooks */
        spin_lock(&file->f_lock);
        list_del_rcu(&epi->fllink);  // 从监视文件中的 file->f_ep_links 链表中删除当前 epitem
        spin_unlock(&file->f_lock);

        rb_erase_cached(&epi->rbn, &ep->rbr);  // 从 eventpoll 中的红黑树中删除当前 epitem 节点

        spin_lock_irq(&ep->wq.lock);
        if (ep_is_linked(epi))
                list_del_init(&epi->rdllink);  // 从 eventpoll 中的就绪队列 rdllist 中删除当前 epitem 节点
        spin_unlock_irq(&ep->wq.lock);

        /*
         * At this point it is safe to free the eventpoll item. Use the union
         * field epi->rcu, since we are trying to minimize the size of
         * 'struct epitem'. The 'rbn' field is no longer in use. Protected by
         * ep->mtx. The rcu read side, reverse_path_check_proc(), does not make
         * use of the rbn field.
         */
        call_rcu(&epi->rcu, epi_rcu_free);  // 释放当前 epitem 的内存

        atomic_long_dec(&ep->user->epoll_watches);  // eventpoll 所属用户监视的 epitem数量减一

        return 0;
}

ep_modify()

调整关注文件的事件.

/*
 * Modify the interest event mask by dropping an event if the new mask
 * has a match in the current file status. Must be called with "mtx" held.
 */
static int ep_modify(struct eventpoll *ep, struct epitem *epi,
                     const struct epoll_event *event)
{
        int pwake = 0;
        poll_table pt;

        lockdep_assert_irqs_enabled();

        // 设置 file->f_op->poll 的回调函数为NULL, 因为在insert中已经设置了文件等待队列项的回调函数
        init_poll_funcptr(&pt, NULL);

        /*
         * Get current event bits. We can safely use the file* here because
         * its usage count has been increased by the caller of this function.
         * If the item is "hot" and it is not registered inside the ready
         * list, push it inside.
         */
        if (ep_item_poll(epi, &pt, 1)) {  // 调用f_op->poll() 获取文件的就绪事件
                spin_lock_irq(&ep->wq.lock);
                if (!ep_is_linked(epi)) {  // 未添加至 eventpoll 接口的就绪队列中
                        list_add_tail(&epi->rdllink, &ep->rdllist); // 添加
                        ep_pm_stay_awake(epi);  // 电源管理的函数, 不看

                        /* Notify waiting tasks that events are available */
                        if (waitqueue_active(&ep->wq))
                                wake_up_locked(&ep->wq); // 唤醒调用 epoll_wait(2) 的线程
                        if (waitqueue_active(&ep->poll_wait))  // 分析同 ep_insert()
                                pwake++;
                }
                spin_unlock_irq(&ep->wq.lock);
        }

        /* We have to call this outside the lock */
        if (pwake)
                ep_poll_safewake(&ep->poll_wait);

        return 0;
}

epoll_wait(2)

等待就绪的事件。

ep_events_available 为检查是否存在就绪事件，其实就是检查 rdllist 和 ovflist 是否有被修改过，复杂度为 \(O(1)\).

static inline int ep_events_available(struct eventpoll *ep)
{
        return !list_empty_careful(&ep->rdllist) ||
                READ_ONCE(ep->ovflist) != EP_UNACTIVE_PTR;
}

epoll_wait(2) 的主要逻辑由 ep_poll() 实现，核心逻辑分为两部分

1. 检查就绪事件是否存在，存在执行 2，不存在根据超时时间进入阻塞状态和直接返回。
2. 将就绪事件复制到用户空间，若是复制失败，在条件（见代码分析）满足的情况下执行 1，成功则返回。

/*
 * Implement the event wait interface for the eventpoll file. It is the kernel
 * part of the user space epoll_wait(2).
 */
static int do_epoll_wait(int epfd, struct epoll_event __user *events,
                         int maxevents, int timeout)
{
        /*
         * At this point it is safe to assume that the "private_data" contains
         * our own data structure.
         */
        ep = f.file->private_data;

        /* Time to fish for events ... */
        error = ep_poll(ep, events, maxevents, timeout);
}

/*
 * ep_poll - Retrieves ready events, and delivers them to the caller supplied
 *           event buffer.
 */
static int ep_poll(struct eventpoll *ep, struct epoll_event __user *events,
                   int maxevents, long timeout)
{
        int res = 0, eavail, timed_out = 0;
        u64 slack = 0;
        bool waiter = false;
        wait_queue_entry_t wait;
        ktime_t expires, *to = NULL;

        lockdep_assert_irqs_enabled();

        // 时间处理，略过

fetch_events:  // 这为一整个获取就绪事件逻辑的开端

        if (!ep_events_available(ep))  // 无就绪事件
                ep_busy_loop(ep, timed_out);  // 中断缓解技术对 中断频繁的设置

        eavail = ep_events_available(ep);  // 有就绪事件
        if (eavail)
                goto send_events;  // 直接goto发送数据


        /*
         * We don't have any available event to return to the caller.  We need
         * to sleep here, and we will be woken by ep_poll_callback() when events
         * become available.
         */
        if (!waiter) {  // 无数据，需要等待
                waiter = true;  // 设置等待标识
                init_waitqueue_entry(&wait, current); // 初始化等待队列项

                spin_lock_irq(&ep->wq.lock);
                __add_wait_queue_exclusive(&ep->wq, &wait); // 投入到 ep->wq 的等待队列中
                spin_unlock_irq(&ep->wq.lock);
        }

        for (;;) {  // 进入无限循环
                /*
                 * We don't want to sleep if the ep_poll_callback() sends us
                 * a wakeup in between. That's why we set the task state
                 * to TASK_INTERRUPTIBLE before doing the checks.
                 */
                set_current_state(TASK_INTERRUPTIBLE);  // 设置可中断运行状态
                /*
                 * Always short-circuit for fatal signals to allow
                 * threads to make a timely exit without the chance of
                 * finding more events available and fetching
                 * repeatedly.
                 */
                if (fatal_signal_pending(current)) {  // 先判断致命错误信号
                        res = -EINTR;
                        break;
                }

                eavail = ep_events_available(ep);  // 再判断是否有就绪事件的产生，有的话推出循环
                if (eavail)
                        break;
                if (signal_pending(current)) {  // 非致命错误信号产生，中断去处理该中断
                        res = -EINTR;
                        break;
                }

                // 超时调度
                if (!schedule_hrtimeout_range(to, slack, HRTIMER_MODE_ABS)) {
                        timed_out = 1;
                        break;
                }
        }

        __set_current_state(TASK_RUNNING);

send_events:  // 将就绪事件复制到用户空间逻辑开端
        // 1.没有错误产生 2.有就绪事件 3.事件复制到用户空间失败 4.未超时
        // 满足以上4个条件的情况下重新进行获取就绪事件逻辑
        if (!res && eavail &&
            !(res = ep_send_events(ep, events, maxevents)) && !timed_out)
                goto fetch_events;

        // 在等待标志设置的情况下，需要把已添加等待队列节点删除。
        if (waiter) {
                spin_lock_irq(&ep->wq.lock);
                __remove_wait_queue(&ep->wq, &wait);
                spin_unlock_irq(&ep->wq.lock);
        }

        return res;
}

ep_send_events 将就绪的事件复制至用户空间，ep_send_events_proc 为实际的执行函数，ep_scan_ready_list 为辅助函数，这个函数放在后面具体说明，这里只看 ep_send_events_proc 的实现。

static int ep_send_events(struct eventpoll *ep,
                          struct epoll_event __user *events, int maxevents)
{
        struct ep_send_events_data esed;

        esed.maxevents = maxevents;
        esed.events = events;

        ep_scan_ready_list(ep, ep_send_events_proc, &esed, 0, false);
        return esed.res;
}


static __poll_t ep_send_events_proc(struct eventpoll *ep, struct list_head *head,
                               void *priv)
{
        struct ep_send_events_data *esed = priv;
        __poll_t revents;
        struct epitem *epi, *tmp;
        struct epoll_event __user *uevent = esed->events;
        struct wakeup_source *ws;
        poll_table pt;

        init_poll_funcptr(&pt, NULL);  // 初始化poll_table, 但是并不设置 file->f_op->poll 的回调函数
        esed->res = 0;

        /*
         * We can loop without lock because we are passed a task private list.
         * Items cannot vanish during the loop because ep_scan_ready_list() is
         * holding "mtx" during this call.
         */
        lockdep_assert_held(&ep->mtx);

        // head 实际上为 rdllist，遍历就绪文件链表
        list_for_each_entry_safe(epi, tmp, head, rdllink) {
                if (esed->res >= esed->maxevents) // 超过用户的提供的缓冲区大小，maxevents 为 epoll_wait(2) 的第3个参数
                        break;

                // __pm_stay_awake(ep->ws);
                // 为电源保持唤醒状态的处理，略过这部分逻辑

                list_del_init(&epi->rdllink);  // 从就绪文件链表中删除当前事件

                /*
                 * If the event mask intersect the caller-requested one,
                 * deliver the event to userspace. Again, ep_scan_ready_list()
                 * is holding ep->mtx, so no operations coming from userspace
                 * can change the item.
                 */
                revents = ep_item_poll(epi, &pt, 1);  // 调用 file->f_op->poll() 获取就绪事件的掩码
                if (!revents)  // 无关注的就绪事件，抬走下一个就绪文件
                        continue;

                // 复制就绪事件至用户空间
                if (__put_user(revents, &uevent->events) ||
                    __put_user(epi->event.data, &uevent->data)) {
                        list_add(&epi->rdllink, head);  // 复制失败，将当前就绪文件重新链接至就绪文件链表中
                        ep_pm_stay_awake(epi);
                        if (!esed->res)  // 如果一个事件都没有复制，就产生致命错误，毕竟连个毛都没有捞着有点气
                                esed->res = -EFAULT;
                        return 0;
                }
                esed->res++;  // 成功复制的数量
                uevent++;     // 用户空间的缓冲区增长一下
                if (epi->event.events & EPOLLONESHOT)  // 用户设置了 EPOLLONESHOT的情况下
                        epi->event.events &= EP_PRIVATE_BITS; // 重新设置关注的事件，见 ep_poll_callback 分析
                else if (!(epi->event.events & EPOLLET)) {
                        // 未设置边缘触发模式，则将当前就绪文件添加回就绪文件链表中
                        // 这里就区分了边缘触发和水平触发，水平触发必须每次epoll_wait(2)调用都检查就绪文件的事件
                        list_add_tail(&epi->rdllink, &ep->rdllist);
                        ep_pm_stay_awake(epi);
                }
        }

        return 0;
}

相关就绪事件逻辑

ep_scan_ready_list 用来扫描就绪文件链表上的就绪文件并处理；ep_poll_callback 用来向就绪文件链表中添加就绪文件。

ep_scan_ready_list

就绪文件是否存在判断了两个变量，rdllist 上面分析过了，还有一个备胎的就绪文件链表 ovflist，备胎 ovflist 是在 rdllist 被占用的情况下使用的。

ep_scan_ready_list 对两个就绪文件列表进行扫描找出就绪的文件，rdllist 是单独放在回调函数中进行处理的，ovflist 是直接在 ep_scan_ready_list 中处理的。

1. 在对 rdllist 链表处理的回调函数执行前，改变 ovflist 的状态，使得在回调函数执行期间ovflist可以串联起就绪的文件。
2. 执行回调函数。
3. 遍历ovflist，将链表上的就绪文件对应的 epitem 插入到 rdllist 上，并且唤醒调用 epoll_wait(2) 线程。

/**
 * ep_scan_ready_list - Scans the ready list in a way that makes possible for
 *                      the scan code, to call f_op->poll(). Also allows for
 *                      O(NumReady) performance.
 * Returns: The same integer error code returned by the @sproc callback.
 */
static __poll_t ep_scan_ready_list(struct eventpoll *ep,
                              __poll_t (*sproc)(struct eventpoll *,
                                           struct list_head *, void *),
                              void *priv, int depth, bool ep_locked)
{
        __poll_t res;
        int pwake = 0;
        unsigned long flags;
        struct epitem *epi, *nepi;
        LIST_HEAD(txlist);  // 初始化一个链表，将 eventpoll->rdllist 转移到该链表上

        /*
         * Steal the ready list, and re-init the original one to the
         * empty list. Also, set ep->ovflist to NULL so that events
         * happening while looping w/out locks, are not lost. We cannot
         * have the poll callback to queue directly on ep->rdllist,
         * because we want the "sproc" callback to be able to do it
         * in a lockless way.
         */
        spin_lock_irqsave(&ep->lock, flags);
        list_splice_init(&ep->rdllist, &txlist);  // txlist = rdllist; init(rdllist)
        // 这里做一个状态的转换，在文件的等待列队项回调函数（ep_poll_callback）执行时会判断ovflist是否发生改变,
        // 而NULL则为本函数后面的遍历操作使用
        ep->ovflist = NULL;
        spin_unlock_irqrestore(&ep->lock, flags);

        /*
         * Now call the callback function.
         */
        res = (*sproc)(ep, &txlist, priv);

        spin_lock_irqsave(&ep->lock, flags);
        /*
         * During the time we spent inside the "sproc" callback, some
         * other events might have been queued by the poll callback.
         * We re-insert them inside the main ready-list here.
         */
        for (nepi = ep->ovflist; (epi = nepi) != NULL;
             nepi = epi->next, epi->next = EP_UNACTIVE_PTR) { // 每次访问的 epi->next 回到最初状态
                /*
                 * We need to check if the item is already in the list.
                 * During the "sproc" callback execution time, items are
                 * queued into ->ovflist but the "txlist" might already
                 * contain them, and the list_splice() below takes care of them.
                 */
                // 保留这段代码的注释
                if (!ep_is_linked(&epi->rdllink)) { // 未被包含进 txlist(rdllist)
                        list_add_tail(&epi->rdllink, &ep->rdllist);  // 添加至正统就绪文件链表 rdllist 中
                        ep_pm_stay_awake(epi);
                }
        }
        /*
         * We need to set back ep->ovflist to EP_UNACTIVE_PTR, so that after
         * releasing the lock, events will be queued in the normal way inside
         * ep->rdllist.
         */
        ep->ovflist = EP_UNACTIVE_PTR;  // 恢复 ovflist的状态， 备胎的寿命到此结束，投下一次胎（下次调用 ep_scan_ready_list）

        /*
         * Quickly re-inject items left on "txlist".
         */
        list_splice(&txlist, &ep->rdllist);  // 把对txlist 处理的结果，加入到rdllist，
        __pm_relax(ep->ws);

        if (!list_empty(&ep->rdllist)) {  // 如果还有就绪事件，则唤醒epoll_wait(2)线程
                /*
                 * Wake up (if active) both the eventpoll wait list and
                 * the ->poll() wait list (delayed after we release the lock).
                 */
                if (waitqueue_active(&ep->wq))
                        wake_up_locked(&ep->wq);
                if (waitqueue_active(&ep->poll_wait))
                        pwake++;
        }
        spin_unlock_irqrestore(&ep->lock, flags);

        if (!ep_locked)
                mutex_unlock(&ep->mtx);

        /* We have to call this outside the lock */
        if (pwake)
                ep_poll_safewake(&ep->poll_wait);

        return res;
}

ep_poll_callback

以上为对就绪链表有数据的处理，ep_poll_callback 为向就绪链表添加数据的回调函数。

ep_poll_callback() 在 ep_insert() 中被设置为目标文件的等待队列项回调函数，当文件的状态发生改变时，会调用 ep_poll_callback() 把目标文件对应的 epitem 添加至就绪链表中。

ewake 为独占唤醒标志，ep_poll_callback 在 __wake_up_comm 中被调用

/*
 * This is the callback that is passed to the wait queue wakeup
 * mechanism. It is called by the stored file descriptors when they
 * have events to report.
 */
static int ep_poll_callback(wait_queue_entry_t *wait, unsigned mode, int sync, void *key)
{
        int pwake = 0;
        unsigned long flags;
        struct epitem *epi = ep_item_from_wait(wait);
        struct eventpoll *ep = epi->ep;
        __poll_t pollflags = key_to_poll(key);
        int ewake = 0;

        spin_lock_irqsave(&ep->lock, flags);

        if (!(epi->event.events & ~EP_PRIVATE_BITS))  // 对EPOLLONESHOT标志的处理
                goto out_unlock;

        // ep->ovflist 的状态修改后作为备胎使用
        if (unlikely(ep->ovflist != EP_UNACTIVE_PTR)) {
                if (epi->next == EP_UNACTIVE_PTR) {  // 未连接到 ovflist 中
                        epi->next = ep->ovflist;     // 头插法插入链表中
                        ep->ovflist = epi;
                }
                goto out_unlock;  // 不能进入正统就绪链表 rdllist的处理逻辑中，其实这里可用不用goto的
        }

        /* If this file is already in the ready list we exit soon */
        if (!ep_is_linked(&epi->rdllink)) {  // 当前epitem未连接至就绪列表中时，添加至就绪文件链表 rdllist 中
                list_add_tail(&epi->rdllink, &ep->rdllist);
                ep_pm_stay_awake_rcu(epi);
        }

        // EPOLLEXCLUSIVE 标志的处理，决定返回的参数
        // pollflags 为目标文件的就绪的事件掩码，可阅读 eventfd_read 的源码
        // 1.关注的事件中出现了读写就绪的事件 2.就绪的事件不为读写事件，满足其中之一则独占唤醒的标志置 1
        if (waitqueue_active(&ep->wq)) {
                if ((epi->event.events & EPOLLEXCLUSIVE) &&
                                        !(pollflags & POLLFREE)) {
                        switch (pollflags & EPOLLINOUT_BITS) {
                        case EPOLLIN:
                                if (epi->event.events & EPOLLIN)
                                        ewake = 1;
                                break;
                        case EPOLLOUT:
                                if (epi->event.events & EPOLLOUT)
                                        ewake = 1;
                                break;
                        case 0:
                                ewake = 1;
                                break;
                        }
                }
                wake_up_locked(&ep->wq);
        }
        if (waitqueue_active(&ep->poll_wait))
                pwake++;

out_unlock:
        spin_unlock_irqrestore(&ep->lock, flags);

        /* We have to call this outside the lock */
        if (pwake)
                ep_poll_safewake(&ep->poll_wait);  // 分析同上

        if (!(epi->event.events & EPOLLEXCLUSIVE))  // 未设置独占唤醒标志
                ewake = 1;

        return ewake;
}

文件状态发生改变调用文件的等待队列项上的回调函数 func，在epoll中也就是 ep_poll_callback，ret 为回调函数的独占唤醒标志。
当等待项设置了WQ_FLAG_EXCLUSIVE标志，只要回调函数返回了独占唤醒标志，在独占唤醒计数消耗完时，退出循环。

如果当前文件被多个 epoll 监视，那么这个文件的等待队列上就有多个 ep_poll_callback 回调函数，现在设置了等待项的标志 wait_entry->flags |= WQ_FLAG_EXCLUSIVE 后，只会执行 nr_exclusive 个回调函数，而 nr_exclusive 在epoll中为 1，所以就只会把就绪的文件添加到一个 epoll 中，这样避免了惊群效应.

代码位置 kernel/sched/wait.c, __wake_up_comm()

list_for_each_entry_safe_from(curr, next, &wq_head->head, entry) {
        unsigned flags = curr->flags;
        ret = curr->func(curr, mode, wake_flags, key);
        if (ret < 0)
                break;
        if (ret && (flags & WQ_FLAG_EXCLUSIVE) && !--nr_exclusive)
                break;
}

epoll 间的相互影响及处理

产生这个最根本的原因就是 epoll作为一个文件既可以监视其他文件，也可以被其他epoll监视。这样就产生了一个监视的有向图。

ep_eventpoll_poll

ep_eventpoll_poll 文件的poll操作，也就是file->f_op->poll(). 调用该函数可以获取就绪文件的事件掩码，但是 epoll 文件只提供读就绪事件，并且读就绪事件是由非epoll文件的就绪事件决定的。也就是说当一个epoll文件被 select(2)/poll(2)/epoll(2) 监听时，必须该epoll已经监听了其他的非epoll文件（如eventfd), 在调用 该epoll file->f_op->poll() 时才可能返回可读的就绪事件。

static __poll_t ep_eventpoll_poll(struct file *file, poll_table *wait)
{
        struct eventpoll *ep = file->private_data;
        int depth = 0;

        /* Insert inside our poll wait queue */
        poll_wait(file, &ep->poll_wait, wait);

        /*
         * Proceed to find out if wanted events are really available inside
         * the ready list.
         */
        return ep_scan_ready_list(ep, ep_read_events_proc,
                                  &depth, depth, false);
}

对单独的 epitem 执行 poll 操作，获取就绪的文件事件掩码。

1. 如果是非 epoll 文件，则执行 file->f_op->poll 操作。
2. 如果是 epoll 文件，则扫描该 epoll 中就绪文件链表上的 epitem 是否就绪，这里产生了一个递归。

1 是递归的基准情况，而 ep_scan_ready_list 负责为向前推进

static __poll_t ep_item_poll(const struct epitem *epi, poll_table *pt,
                                 int depth)
{
        struct eventpoll *ep;
        bool locked;

        pt->_key = epi->event.events;
        if (!is_file_epoll(epi->ffd.file))
                return epi->ffd.file->f_op->poll(epi->ffd.file, pt) &
                       epi->event.events;

        ep = epi->ffd.file->private_data;
        poll_wait(epi->ffd.file, &ep->poll_wait, pt);
        locked = pt && (pt->_qproc == ep_ptable_queue_proc);

        return ep_scan_ready_list(epi->ffd.file->private_data,
                                  ep_read_events_proc, &depth, depth,
                                  locked) & epi->event.events;
}


// 实际执行读取事件的函数
static __poll_t ep_read_events_proc(struct eventpoll *ep, struct list_head *head,
                               void *priv)
{
        struct epitem *epi, *tmp;
        poll_table pt;
        int depth = *(int *)priv;

        init_poll_funcptr(&pt, NULL);
        depth++;

        // 遍历该 epoll 中的 rdllist(参数为head)
        list_for_each_entry_safe(epi, tmp, head, rdllink) {
                if (ep_item_poll(epi, &pt, depth)) {  // 获取该 epitem 的就绪事件，若就绪，则返回为可读的就绪事件掩码
                        return EPOLLIN | EPOLLRDNORM;
                } else {  // 未就绪抬走下一个 epitem
                        /*
                         * Item has been dropped into the ready list by the poll
                         * callback, but it's not actually ready, as far as
                         * caller requested events goes. We can remove it here.
                         */
                        __pm_relax(ep_wakeup_source(epi));
                        list_del_init(&epi->rdllink);  // 无就绪事件，将当前epitem 从所有者 eventpoll 的就绪链表中删除
                }
        }

        return 0;  // 当前这个 epitem 没有就绪的事件产生。
}

深度递归调用及死循环的检测

现在有三个文件

1. eventfd efd
2. epoll epfd1
3. epoll epfd2

操作如下：

• epoll_ctl(epfd1, EPOLL_CTL_ADD, efd, IN | OUT);
• epoll_ctl(epfd2, EPOLL_CTL_ADD, epfd1, IN | OUT);

现在这三者的关系如下：

• epfd1 \(\in\) struct_ctx(efd).wqh
• epitem(efd) \(\in\) eventpoll(epfd1) , epfd2 \(\in\) eventpoll(epfd1).poll_wait

现在efd就绪，产生了 IN | OUT 事件，这个时候调用 ep_poll_callback(epfd1) 将 epitem(efd) 添加到 eventpoll(epfd1).rdllist 上，唤醒 epoll_wait(2) 和 eventpoll(epfd1).poll_wait 上的等待项, 这里再调用 ep_poll_callback(epfd2) 将 epitem(epfd1) 添加至 eventpoll(epfd2).rdllist 上，唤醒 epoll_wait(2).

关键点到了，如果现在epfd1 也监视 epfd2

• 操作 epoll_ctl(epfd1, EPOLL_CTL_ADD, epfd2, IN | OUT).
• 那么 ep_poll_callback(epfd1) \(\in\) eventpoll(epfd2).poll_wait.

在 ep_poll_callback(epfd2) 执行时，又会唤醒 eventpoll(epfd2).poll_wait 上的等待项，也就是 ep_poll_callback(epfd1). 所以就有可能出现死循环递归。

ep_call_nested 函数用来检测嵌套调用，就是针对 epitem 为 epoll 文件的处理。
我们可以将 epoll 比作一个树里面的一个节点，eventfd 这种文件只能作为叶节点使用，而 epoll 可以不是叶节点。现在我们对这棵树（如果出现相互监视，就变成了图）进行遍历，用 visited 作为已访问标志，检测到其结构中的epitem的文件类型只要是epoll 文件就继续向前推进（访问其子epitem），每次向前推进的时候进行检测，判断是否出现死循环或者递归深度超出范围。

和上面的 ep_scan_ready_list 处理逻辑有一点相近，就是遍历这些 epoll 文件形成图。

static int ep_loop_check_proc(void *priv, void *cookie, int call_nests)
{
        int error = 0;
        struct file *file = priv;
        struct eventpoll *ep = file->private_data;
        struct eventpoll *ep_tovisit;
        struct rb_node *rbp;
        struct epitem *epi;

        mutex_lock_nested(&ep->mtx, call_nests + 1);
        ep->visited = 1;  // 优化处理，已访问标志
        list_add(&ep->visited_list_link, &visited_list);
        for (rbp = rb_first_cached(&ep->rbr); rbp; rbp = rb_next(rbp)) {
                epi = rb_entry(rbp, struct epitem, rbn);
                if (unlikely(is_file_epoll(epi->ffd.file))) {  // epoll 文件
                        ep_tovisit = epi->ffd.file->private_data;
                        if (ep_tovisit->visited)
                                continue;
                        // 继续向前推进，递归检测
                        error = ep_call_nested(&poll_loop_ncalls, EP_MAX_NESTS,
                                        ep_loop_check_proc, epi->ffd.file,
                                        ep_tovisit, current);
                        if (error != 0)
                                break;
                } else {
                        // 该item未添加至文件检测链表中（唤醒风暴检测使用），是的 epoll 虽然叫文件，可是这里并不是一等公民。
                        if (list_empty(&epi->ffd.file->f_tfile_llink))
                                list_add(&epi->ffd.file->f_tfile_llink,
                                         &tfile_check_list);
                }
        }
        mutex_unlock(&ep->mtx);

        return error;
}

static int ep_call_nested(struct nested_calls *ncalls, int max_nests,
                          int (*nproc)(void *, void *, int), void *priv,
                          void *cookie, void *ctx)
{
        int error, call_nests = 0;
        unsigned long flags;
        struct list_head *lsthead = &ncalls->tasks_call_list;
        struct nested_call_node *tncur;
        struct nested_call_node tnode;

        spin_lock_irqsave(&ncalls->lock, flags);

        list_for_each_entry(tncur, lsthead, llink) {
                // call_nests 为嵌套的调用深度，cookie 为 eventpoll 结构，ctx 为当前的任务 struct_task，不懂为何呀用当前任务做限定。
                if (tncur->ctx == ctx &&
                    (tncur->cookie == cookie || ++call_nests > max_nests)) {
                        error = -1;
                        goto out_unlock;
                }
        }

        /* Add the current task and cookie to the list */
        tnode.ctx = ctx;
        tnode.cookie = cookie;
        list_add(&tnode.llink, lsthead);  // 满足条件就添加到静态链表中

        spin_unlock_irqrestore(&ncalls->lock, flags);

        /* Call the nested function */
        error = (*nproc)(priv, cookie, call_nests);  // 继续调用向前推进

        /* Remove the current task from the list */
        spin_lock_irqsave(&ncalls->lock, flags);
        list_del(&tnode.llink);
out_unlock:
        spin_unlock_irqrestore(&ncalls->lock, flags);

        return error;
}

唤醒风暴的处理

其实有了 EPOLLEXCLUSIVE 标志后，这个逻辑可以忽略的。

唤醒风暴的检查为设定一个限制，epoll 允许唤醒的最大深度为 5，一个文件最多唤醒 path_limits[深度] 的epoll描述符。牵扯到递归的深度，自然是少不了 ep_call_nested 这个检测函数了。
先看 reverse_path_check 的返回，只有两种情况:

1. -1 超出最该深度允许唤醒的epoll描述符
2. 0 在正常范围内

#define PATH_ARR_SIZE 5
static const int path_limits[PATH_ARR_SIZE] = { 1000, 500, 100, 50, 10 };
static int path_count[PATH_ARR_SIZE];

static int path_count_inc(int nests)
{
        /* Allow an arbitrary number of depth 1 paths */
        if (nests == 0)
                return 0;

        if (++path_count[nests] > path_limits[nests])
                return -1;
        return 0;
}

static void path_count_init(void)
{
        int i;

        for (i = 0; i < PATH_ARR_SIZE; i++)
                path_count[i] = 0;
}

static int reverse_path_check_proc(void *priv, void *cookie, int call_nests)
{
        int error = 0;
        struct file *file = priv;
        struct file *child_file;
        struct epitem *epi;

        /* CTL_DEL can remove links here, but that can't increase our count */
        rcu_read_lock();
        // 遍历该文件上的 epoll 节点 epitem
        list_for_each_entry_rcu(epi, &file->f_ep_links, fllink) {
                child_file = epi->ep->file;  // 该 epitem 所属 epoll 实例
                if (is_file_epoll(child_file)) {  // 文件应该必为 epoll 的
                        if (list_empty(&child_file->f_ep_links)) {  // epoll 未被监视
                                if (path_count_inc(call_nests)) {  // 判断是否满足调用深度的条件
                                        error = -1;
                                        break;  // 不满足直接返回
                                }
                        } else {  // 被监视，那就继续调用，往前推进
                                error = ep_call_nested(&poll_loop_ncalls,
                                                        EP_MAX_NESTS,
                                                        reverse_path_check_proc,
                                                        child_file, child_file,
                                                        current);
                        }
                        if (error != 0)
                                break;
                } else {
                        printk(KERN_ERR "reverse_path_check_proc: "
                                "file is not an ep!\n");
                }
        }
        rcu_read_unlock();
        return error;
}

static int reverse_path_check(void)
{
        int error = 0;
        struct file *current_file;

        /* let's call this for all tfiles */
        // 遍历监视的文件
        list_for_each_entry(current_file, &tfile_check_list, f_tfile_llink) {
                path_count_init();  // 初始化调用深度的次数为0
                // 检验可能发生递归的调用
                error = ep_call_nested(&poll_loop_ncalls, EP_MAX_NESTS,
                                        reverse_path_check_proc, current_file,
                                        current_file, current);
                if (error)
                        break;
        }
        return error;
}

引子的解答

1. epoll(2) 得到就绪事件的复杂度为何是 \(O(1)\)。
   - epoll_wait(2) 只扫描就绪文件队列，不用对所有的文件进行判断，见 epoll_wait(2) 的分析。
2. epoll(2) 和普通的文件相比的区别在哪里，比如和 eventfd(2) 比较
   - 少了 read(2)/write(2) 等文件操作
   - epoll 作为被监视文件只有可读就绪事件，eventfd 拥有读写就绪事件。
   - eventfd 的就绪事件来自文件自身的状态（计数）变化，而epoll的就绪来自监视文件的状态的变化。
3. epoll(2) 相对 poll(2)/select(2) 多提供了 EPOLLET 的触发模式，实现是如何做到的。
   - 区别在于每次调用 epoll_wait(2)在复制就绪事件至用户空间后，水平触发模式会将该文件添加回就绪链表。
4. epoll(2) 相互关注时，有就绪事件到来会产生相互唤醒的问题，为何会出现这样的问题
   - 见 epoll 间的相互影响及处理
5. 对于问题 4，内核是如何解决这种相互唤醒的问题。
   - 同 4 解答

新的问题

循环检测的时候为何需要限定单个线程（任务）间的 epoll 不同，这个猜测可能和唤醒的机制有关，作为一个问题留下。

参考

1. epoll: add EPOLLEXCLUSIVE flag，EPOLLEXCLUSIVE 标志的提交代码。
2. linux 内核poll/select/epoll实现剖析，对epoll很好的分析，代码稍微有点旧了，不过还是非常值得一看。
3. eventfd 源码分析,上一篇对eventfd的分析。