프로세스(Process) 스케줄러(Scheduler)

Linux 커널 프로세스 스케줄러의 전체 아키텍처를 sched_class 계층 기준으로 추적합니다. CFS/EEVDF 선택 로직, RT/DEADLINE 우선순위(Priority) 규칙, per-CPU 런큐(Runqueue)와 PELT 부하 추적, sched_domain 로드 밸런싱, BPF 기반 sched_ext 확장, 선점(Preemption) 모델 차이, 관측·튜닝·디버깅(Debugging) 절차까지 포괄적으로 분석합니다.

스케줄러 개요 (Scheduler Overview)

Linux 커널 스케줄러는 시스템의 모든 CPU에서 어떤 태스크를 언제, 얼마나 실행할지 결정하는 핵심 서브시스템입니다. 스케줄러의 주요 목표는 다음과 같습니다:

스케줄러 호출 경로 (Trigger Paths)

__schedule()은 직접 호출되지 않으며, 다음 네 가지 경로를 통해 간접적으로 호출됩니다. 각 경로를 이해하면 "언제 CPU가 다른 프로세스로 전환되는가"를 예측할 수 있습니다.

커널 스케줄러의 핵심 진입점(Entry Point)은 kernel/sched/core.c의 __schedule() 함수입니다. 이 함수는 현재 태스크를 중단하고 다음에 실행할 태스크를 선택하여 컨텍스트 스위치를 수행합니다.

/* kernel/sched/core.c — 스케줄러 핵심 진입점 (간략화) */
static void __sched notrace __schedule(unsigned int sched_mode)
{
    struct task_struct *prev, *next;
    struct rq_flags rf;
    struct rq *rq;
    int cpu;

    cpu = smp_processor_id();
    rq  = cpu_rq(cpu);           /* per-CPU 런큐 획득 */
    prev = rq->curr;               /* 현재 실행 중인 태스크 */

    rq_lock(rq, &rf);

    /* 이전 태스크의 상태 갱신 (dequeue 여부 결정) */
    if (!(sched_mode & SM_MASK_PREEMPT) && prev_state) {
        if (signal_pending_state(prev_state, prev)) {
            WRITE_ONCE(prev->__state, TASK_RUNNING);
        } else {
            prev->sched_contributes_to_load =
                (prev_state & TASK_UNINTERRUPTIBLE) &&
                !(prev_state & TASK_NOLOAD);
            deactivate_task(rq, prev, DEQUEUE_SLEEP);
        }
    }

    /* 다음 태스크 선택 — sched_class 계층을 순회 */
    next = pick_next_task(rq, prev, &rf);

    if (likely(prev != next)) {
        rq->nr_switches++;
        rq_set_curr(rq, next);

        /* 컨텍스트 스위치 수행 */
        rq = context_switch(rq, prev, next, &rf);
    }

    rq_unlock_irq(rq, &rf);
    balance_callback(rq);
}

sched_class 계층 구조

Linux 스케줄러는 모듈화된 클래스 기반 설계를 채택합니다. 각 스케줄링 정책은 struct sched_class를 구현하며, 우선순위가 높은 클래스부터 순서대로 탐색합니다.

/* include/linux/sched.h — sched_class 인터페이스 (주요 콜백) */
struct sched_class {
    /* 태스크를 런큐에 삽입/제거 */
    void (*enqueue_task)(struct rq *rq, struct task_struct *p, int flags);
    void (*dequeue_task)(struct rq *rq, struct task_struct *p, int flags);

    /* 다음에 실행할 태스크 선택 */
    struct task_struct *(*pick_next_task)(struct rq *rq);

    /* 현재 태스크가 선점되어야 하는지 검사 */
    void (*check_preempt_curr)(struct rq *rq, struct task_struct *p, int flags);

    /* 태스크가 CPU를 양보할 때 */
    void (*put_prev_task)(struct rq *rq, struct task_struct *p);

    /* 주기적 타이머 틱 처리 */
    void (*task_tick)(struct rq *rq, struct task_struct *p, int queued);

    /* 태스크 웨이크업 시 CPU 선택 */
    int (*select_task_rq)(struct task_struct *p, int prev_cpu, int wake_flags);

    /* 로드 밸런싱 관련 */
    int  (*balance)(struct rq *rq, struct task_struct *prev, struct rq_flags *rf);
    void (*task_woken)(struct rq *rq, struct task_struct *p);
};

클래스 우선순위 체인

스케줄러가 pick_next_task()를 호출하면, 가장 높은 우선순위의 클래스부터 순차적으로 실행 가능한 태스크를 찾습니다.

/* kernel/sched/core.c — pick_next_task 최적 경로 */
static inline struct task_struct *
__pick_next_task(struct rq *rq, struct task_struct *prev, struct rq_flags *rf)
{
    const struct sched_class *class;
    struct task_struct *p;

    /*
     * 최적화: 런큐의 모든 태스크가 fair 클래스이면
     * (nr_running == cfs_rq.h_nr_running) fair만 검사
     */
    if (likely(rq->nr_running == rq->cfs.h_nr_running)) {
        p = pick_next_task_fair(rq, prev, rf);
        if (unlikely(p == RETRY_TASK))
            goto restart;
        return p;
    }

restart:
    put_prev_task_balance(rq, prev, rf);

    /* 우선순위 높은 클래스부터 순회 */
    for_each_class(class) {
        p = class->pick_next_task(rq);
        if (p)
            return p;
    }

    /* idle 클래스는 항상 태스크를 반환 (per-CPU idle thread) */
    BUG();
}

스케줄링 정책 선택 가이드

어떤 정책을 써야 할지 모를 때 아래 가이드를 참고하세요. 대부분의 애플리케이션은 기본값(SCHED_NORMAL)으로 충분합니다.

/* 스케줄링 정책을 프로그래밍 방식으로 설정하는 예시 */
#include <sched.h>

/* SCHED_FIFO 설정 (rtprio=50) */
struct sched_param sp = { .sched_priority = 50 };
sched_setscheduler(0, SCHED_FIFO, &sp);

/* SCHED_DEADLINE 설정: 10ms 주기에 3ms 실행 예산 */
struct sched_attr attr = {
    .size         = sizeof(attr),
    .sched_policy = SCHED_DEADLINE,
    .sched_runtime  = 3 * 1000 * 1000,   /* 3ms (ns) */
    .sched_deadline = 10 * 1000 * 1000,  /* 10ms (ns) */
    .sched_period   = 10 * 1000 * 1000,  /* 10ms (ns) */
};
sched_setattr(0, &attr, 0);   /* 실패 시 EBUSY (admission 거부) */

/* nice 값 변경 (SCHED_NORMAL) */
setpriority(PRIO_PROCESS, 0, -5);  /* nice -5 (root 필요) */
nice(10);                           /* 현재 nice 값에서 +10 */

CFS (Completely Fair Scheduler)

CFS는 커널 2.6.23에서 Ingo Molnar가 도입한 스케줄러로, 이상적인 멀티태스킹 프로세서(Ideal Multi-Tasking CPU)를 근사(approximate)합니다. 이상적인 프로세서에서는 N개의 태스크가 각각 1/N의 CPU 시간을 동시에 받지만, 실제 하드웨어에서는 한 CPU에 하나의 태스크만 실행할 수 있으므로, CFS는 vruntime(가상 실행 시간)을 사용하여 공정성을 추적합니다.

vruntime (가상 실행 시간)

vruntime은 태스크가 실제로 소비한 CPU 시간을 가중치로 보정한 값입니다. nice 값이 낮은(우선순위 높은) 태스크는 vruntime이 느리게 증가하고, nice 값이 높은(우선순위 낮은) 태스크는 빠르게 증가합니다. update_curr()·calc_delta_fair() 구현 코드와 nice 가중치 테이블은 CFS 스케줄러를 참고하세요.

수치 예제로 이해하는 vruntime

nice 가중치는 kernel/sched/core.c의 sched_prio_to_weight[] 테이블에 정의됩니다. nice 0의 가중치는 1024이며, nice 값이 1 증가할 때마다 약 1.25배씩 감소합니다. vruntime 증분 공식은 delta_vruntime = delta_exec × (NICE_0_LOAD / weight)입니다.

위 표의 의미: 세 태스크가 모두 런큐에 있을 때, nice -5 태스크는 nice 0 태스크보다 약 3배, nice +5 태스크보다 약 9배 더 많은 실제 CPU 시간을 받습니다. 같은 10ms 실제 실행 시간이 경과해도 각 태스크의 vruntime 증가폭이 다르므로, 스케줄러가 다음 태스크를 고를 때 항상 최소 vruntime을 가진 nice -5 태스크를 우선 선택합니다.

Red-Black Tree 기반 태스크 관리

CFS는 모든 실행 가능한(runnable) 태스크를 vruntime을 키로 하는 Red-Black Tree에 관리합니다. 트리의 가장 왼쪽(최소 vruntime) 노드가 다음 실행 대상입니다. 이 구조로 삽입/삭제/탐색이 모두 O(log N)이며, 가장 왼쪽 노드는 rb_leftmost에 캐싱되어 O(1) 접근이 가능합니다.

/* include/linux/sched.h — CFS 런큐 구조 */
struct cfs_rq {
    struct load_weight  load;         /* 런큐 전체 가중치 합 */
    unsigned int        nr_running;   /* 실행 가능 태스크 수 */
    u64                 min_vruntime; /* 런큐 내 최소 vruntime */

    struct rb_root_cached tasks_timeline; /* RB-Tree (leftmost 캐싱) */

    struct sched_entity *curr;  /* 현재 실행 중인 엔티티 */
    struct sched_entity *next;  /* 다음 실행 힌트 */
    struct sched_entity *skip;  /* 건너뛸 엔티티 (yield) */
};

/* include/linux/sched.h — 스케줄 엔티티 */
struct sched_entity {
    struct load_weight  load;       /* nice에 따른 가중치 */
    struct rb_node      run_node;   /* RB-Tree 노드 */
    unsigned int        on_rq;      /* 런큐에 있는지 여부 */

    u64  exec_start;                 /* 현재 실행 시작 시각 */
    u64  sum_exec_runtime;            /* 누적 실행 시간 */
    u64  vruntime;                    /* 가상 실행 시간 */
    u64  prev_sum_exec_runtime;       /* 이전 누적값 (preempt 체크용) */
};

타임 슬라이스 계산

CFS는 고정 타임 슬라이스를 사용하지 않습니다. 대신, 타겟 지연(sched_latency_ns)를 런큐의 태스크 수로 나누고 가중치를 반영합니다.

/*
 * 타임 슬라이스 계산 공식:
 *
 *                  sched_latency_ns * weight_i
 * timeslice_i = ─────────────────────────────────
 *                     total_weight
 *
 * 예: sched_latency = 6ms, 태스크 A(nice 0, w=1024), B(nice 5, w=335)
 *
 * A의 슬라이스 = 6ms * 1024 / (1024+335) = 4.52ms
 * B의 슬라이스 = 6ms * 335  / (1024+335) = 1.48ms
 *
 * 태스크가 nr_latency(기본 8)개를 초과하면:
 * sched_min_granularity_ns(기본 0.75ms) * nr_running 사용
 */

/* kernel/sched/fair.c — sysctl 기본값 */
unsigned int sysctl_sched_latency            = 6000000ULL; /* 6ms */
unsigned int sysctl_sched_min_granularity     = 750000ULL;  /* 0.75ms */
unsigned int sysctl_sched_wakeup_granularity  = 1000000ULL; /* 1ms */

EEVDF (Earliest Eligible Virtual Deadline First)

EEVDF는 커널 v6.6에서 Peter Zijlstra에 의해 CFS를 대체한 fair 스케줄링 알고리즘입니다. 1995년 Stoica와 Abdel-Wahab이 제안한 이론적 모델을 기반으로 하며, CFS의 단순한 "최소 vruntime" 선택 대신 적격 시각(eligible time)과 가상 데드라인(virtual deadline)을 사용하여 지연 시간 보장을 강화합니다.

핵심 개념

알고리즘 동작 원리

EEVDF의 태스크 선택 과정은 두 단계입니다:

1. 적격성(Eligibility) 필터링: vruntime ≤ V(t) (즉, lag ≥ 0)인 태스크만 후보로 선별
2. 데드라인 기반 선택: 적격 태스크 중 virtual deadline이 가장 빠른 태스크를 선택

/* kernel/sched/fair.c — EEVDF pick_eevdf() (v6.6+, 간략화) */
static struct sched_entity *
pick_eevdf(struct cfs_rq *cfs_rq)
{
    struct rb_node *node = cfs_rq->tasks_timeline.rb_root.rb_node;
    struct sched_entity *best = NULL;

    while (node) {
        struct sched_entity *se = __node_2_se(node);

        /*
         * 적격성 검사: entity의 vruntime이 cfs_rq의 avg_vruntime 이하인지
         * (lag >= 0 ⟺ vruntime <= V(t) ⟺ eligible)
         */
        if (entity_eligible(cfs_rq, se)) {
            /* 적격 태스크 중 deadline이 가장 빠른 것 선택 */
            if (!best || deadline_gt(deadline, best, se))
                best = se;
            node = node->rb_left;   /* 더 빠른 vruntime (eligible) 탐색 */
        } else {
            node = node->rb_right;  /* 아직 eligible 아님 → 오른쪽 */
        }
    }

    return best;
}

/* 적격성 판단 (O(1)) */
static int entity_eligible(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
    /*
     * avg_vruntime은 런큐의 가중 평균 vruntime = V(t)
     * se->vruntime <= V(t) 이면 eligible (서비스 부족 상태)
     */
    return vruntime_eligible(cfs_rq, se->vruntime);
}

슬라이스와 데드라인

EEVDF에서 각 태스크의 가상 데드라인은 eligible time + slice / weight로 계산됩니다. slice는 태스크가 한 번에 요청하는 실행 시간 단위입니다.

/* kernel/sched/fair.c — 데드라인 갱신 */
static void update_deadline(struct cfs_rq *cfs_rq, struct sched_entity *se)
{
    if ((s64)(se->vruntime - se->deadline) >= 0) {
        /*
         * 현재 슬라이스 소진 → 새 데드라인 설정
         * deadline = vruntime + calc_delta_fair(slice, se)
         *
         * calc_delta_fair: slice를 weight로 보정
         * nice 0: deadline = vruntime + slice
         * nice -5: deadline = vruntime + slice * 0.328
         */
        se->deadline = se->vruntime +
            calc_delta_fair(se->slice, se);

        /* 선점 검사: 새 태스크의 deadline이 현재보다 빠르면 resched */
        if (cfs_rq->nr_running > 1)
            resched_curr(rq_of(cfs_rq));
    }
}

avg_vruntime (가중 평균 가상 시간)

EEVDF는 런큐의 "현재 가상 시간" V(t)를 추적하기 위해 avg_vruntime을 유지합니다. 이는 모든 실행 가능한 엔티티의 vruntime 가중 평균입니다.

/* kernel/sched/fair.c — 가중 평균 vruntime 계산 */
static 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)
        avg = div_s64(avg, load);

    return cfs_rq->min_vruntime + avg;
}

실시간 스케줄링 (Real-Time Scheduling)

Linux는 POSIX.1b 실시간 스케줄링 정책을 지원합니다. RT 태스크는 fair 클래스보다 항상 높은 우선순위를 가지므로, RT 태스크가 실행 가능한 한 일반 태스크는 CPU를 받지 못합니다.

RT 정책: SCHED_FIFO vs SCHED_RR

/* RT 스케줄링 설정 예제 (사용자 공간) */
#include <sched.h>

struct sched_param param;
param.sched_priority = 80;  /* 1-99, 높을수록 높은 우선순위 */

/* SCHED_FIFO 설정 */
sched_setscheduler(pid, SCHED_FIFO, ¶m);

/* SCHED_RR 설정 (타임 슬라이스 포함) */
sched_setscheduler(pid, SCHED_RR, ¶m);

/* 현재 RR 타임 슬라이스 확인 */
struct timespec ts;
sched_rr_get_interval(pid, &ts);  /* 기본 100ms */

RT 스케줄러 내부 구현

RT 스케줄러는 우선순위별 연결 리스트(Linked List) 배열을 사용합니다. 비트맵(Bitmap)으로 비어 있지 않은 우선순위를 O(1)에 찾습니다.

/* kernel/sched/rt.c — RT 런큐 구조 */
struct rt_prio_array {
    DECLARE_BITMAP(bitmap, MAX_RT_PRIO + 1); /* 100비트 비트맵 */
    struct list_head queue[MAX_RT_PRIO];     /* 우선순위별 리스트 */
};

struct rt_rq {
    struct rt_prio_array  active;        /* 활성 태스크 배열 */
    unsigned int         rt_nr_running; /* RT 태스크 수 */
    unsigned int         rr_nr_running; /* SCHED_RR 태스크 수 */
    struct {
        int  curr;         /* 현재 최고 우선순위 */
        int  next;         /* 다음 최고 우선순위 */
    } highest_prio;
};

/* pick_next_task_rt — O(1) 최고 우선순위 태스크 선택 */
static struct task_struct *
pick_next_task_rt(struct rq *rq)
{
    struct rt_rq *rt_rq = &rq->rt;
    struct rt_prio_array *array = &rt_rq->active;
    int idx;

    idx = sched_find_first_bit(array->bitmap); /* 비트맵에서 최고 우선순위 */
    if (idx >= MAX_RT_PRIO)
        return NULL;

    return list_first_entry(&array->queue[idx],
                             struct sched_rt_entity, run_list);
}

RT 쓰로틀링 (RT Throttling)

RT 태스크가 CPU를 독점하여 일반 태스크가 기아(starvation) 상태에 빠지는 것을 방지하기 위해, 커널은 RT 대역폭(Bandwidth) 제한(RT bandwidth throttling)을 적용합니다.

# RT 쓰로틀링 기본값 확인
cat /proc/sys/kernel/sched_rt_period_us   # 1000000 (1초)
cat /proc/sys/kernel/sched_rt_runtime_us  # 950000 (950ms)

# 의미: 1초 주기 중 RT 태스크는 최대 950ms만 실행 가능
# 나머지 50ms는 일반(fair) 태스크에 할당

# RT 쓰로틀링 비활성화 (위험! 프로덕션에서 사용 금지)
echo -1 > /proc/sys/kernel/sched_rt_runtime_us

SCHED_DEADLINE

SCHED_DEADLINE은 커널 3.14에서 도입된 CBS(Constant Bandwidth Server) + EDF(Earliest Deadline First) 기반 스케줄링 정책입니다. RT 클래스보다도 높은 우선순위를 가지며, 태스크에 명시적인 실행 예산(runtime), 주기(period), 데드라인(deadline)을 할당합니다.

SCHED_DEADLINE 파라미터

/* SCHED_DEADLINE 설정 예제 (사용자 공간) */
#include <sched.h>
#include <linux/sched/types.h>

struct sched_attr attr = {
    .size           = sizeof(attr),
    .sched_policy   = SCHED_DEADLINE,
    .sched_runtime  = 10 * 1000 * 1000,   /* 10ms 실행 예산 */
    .sched_deadline = 30 * 1000 * 1000,   /* 30ms 데드라인 */
    .sched_period   = 50 * 1000 * 1000,   /* 50ms 주기 */
};

/* sched_setattr 시스템 콜 사용 (glibc 래퍼 없음 → syscall 직접) */
syscall(SYS_sched_setattr, pid, &attr, 0);

/*
 * 대역폭 비율: Q/T = 10ms/50ms = 20%
 * 즉, 이 태스크는 CPU의 20%를 보장받으며,
 * 매 주기 시작 후 30ms 이내에 10ms를 실행
 */

CBS (Constant Bandwidth Server)

CBS는 각 DEADLINE 태스크를 독립적인 "서버"로 취급하여, 한 태스크의 과도한 실행이 다른 태스크에 영향을 미치지 않도록 격리합니다.

/* kernel/sched/deadline.c — CBS 서버 보충 로직 (간략화) */
static void replenish_dl_entity(struct sched_dl_entity *dl_se)
{
    /*
     * 새 주기 시작 → 실행 예산(runtime) 보충
     * deadline = 현재시각 + relative_deadline
     */
    dl_se->runtime  = dl_se->dl_runtime;   /* Q 보충 */
    dl_se->deadline = rq_clock(rq) + dl_se->dl_deadline;

    /*
     * 과거 deadline이 아직 유효하면 (서버가 idle 상태였으면)
     * deadline을 현재 기준으로 리셋하여 다른 태스크에 피해 방지
     */
    if (dl_time_before(dl_se->deadline, rq_clock(rq))) {
        dl_se->deadline = rq_clock(rq) + dl_se->dl_deadline;
        dl_se->runtime  = dl_se->dl_runtime;
    }
}

/* EDF 기반 태스크 선택: deadline이 가장 빠른 태스크 */
static struct task_struct *
pick_next_task_dl(struct rq *rq)
{
    struct dl_rq *dl_rq = &rq->dl;
    struct rb_node *left = rb_first_cached(&dl_rq->root);

    if (!left)
        return NULL;

    return dl_task_of(__node_2_dle(left));  /* 최소 deadline */
}

입장 제어 (Admission Control)

SCHED_DEADLINE은 시스템의 총 대역폭이 초과되지 않도록 입장 제어를 수행합니다.

런큐 (Per-CPU Runqueue)

각 CPU에는 고유한 런큐(struct rq)가 있습니다. 이는 스케줄러의 핵심 자료구조로, 해당 CPU에서 실행 가능한 모든 태스크를 관리합니다. per-CPU 설계 덕분에 대부분의 스케줄링 결정이 로컬 잠금(Lock)만으로 가능합니다.

/* kernel/sched/sched.h — per-CPU 런큐 구조 (주요 필드) */
struct rq {
    /* --- 글로벌 상태 --- */
    raw_spinlock_t  __lock;        /* 런큐 락 */
    unsigned int    nr_running;    /* 총 실행 가능 태스크 수 */
    unsigned int    nr_switches;   /* 컨텍스트 스위치 카운터 */

    /* --- 현재 실행 중 --- */
    struct task_struct  *curr;     /* 현재 태스크 */
    struct task_struct  *idle;     /* per-CPU idle 태스크 */
    struct task_struct  *stop;     /* stop 태스크 (migration) */

    /* --- 클래스별 서브 런큐 --- */
    struct cfs_rq   cfs;           /* CFS/EEVDF 런큐 */
    struct rt_rq    rt;            /* RT 런큐 */
    struct dl_rq    dl;            /* DEADLINE 런큐 */

    /* --- 시간 관리 --- */
    u64             clock;         /* 런큐 시계 (ns) */
    u64             clock_task;    /* irq 시간 제외 태스크 시계 */

    /* --- 로드 밸런싱 --- */
    struct sched_domain *sd;       /* 스케줄링 도메인 */
    unsigned long   cpu_capacity;  /* CPU 용량 (freq 반영) */

    /* --- 선점/리스케줄 --- */
    int             skip_clock_update; /* 시계 갱신 건너뛰기 */

    unsigned long   nr_uninterruptible; /* load avg 보정용 */

    /* --- NUMA 밸런싱 --- */
    unsigned int    nr_preferred_running; /* NUMA 선호 CPU 태스크 */

    struct cpu_stop_work active_balance_work; /* 능동 밸런싱 */
    int             active_balance;
    int             push_cpu;
};

컨텍스트 스위치 경로

컨텍스트 스위치는 현재 태스크의 CPU 상태(레지스터(Register), 스택 포인터)를 저장하고 다음 태스크의 상태를 복원하는 과정입니다.

컨텍스트 스위치 비용 이해

컨텍스트 스위치는 공짜가 아닙니다. 전환 한 번에 다음 두 종류의 비용이 발생합니다.

# 1초 동안의 컨텍스트 스위치 횟수 확인
perf stat -e cs sleep 1
# 출력 예: 1,234 cs (= 1초에 1,234회 컨텍스트 스위치)

# vmstat으로 초당 컨텍스트 스위치(cs) 확인
vmstat 1
# cs 컬럼: 일반적으로 서버에서 수천~수만 회/초가 정상

# 스위치가 많은 프로세스 찾기
pidstat -w 1
# cswch/s: 자발적 스위치, nvcswch/s: 비자발적 스위치

# 스위치 지연 직접 측정 (lmbench)
lat_ctx -s 0 2
# 출력 예: "2 processes: 3.4 microseconds" (2-태스크 전환 지연)

컨텍스트 스위치가 너무 잦을 때의 증상과 해결책:

/* kernel/sched/core.c — 컨텍스트 스위치 (간략화) */
static __always_inline struct rq *
context_switch(struct rq *rq, struct task_struct *prev,
               struct task_struct *next, struct rq_flags *rf)
{
    /* 1단계: 메모리 컨텍스트 전환 (mm_struct) */
    if (!next->mm) {
        /* 커널 스레드 → 이전 태스크의 mm 빌려씀 (lazy TLB) */
        enter_lazy_tlb(prev->active_mm, next);
        next->active_mm = prev->active_mm;
    } else {
        /* 사용자 프로세스 → 페이지 테이블 전환 */
        switch_mm_irqs_off(prev->active_mm, next->mm, next);
    }

    /* 2단계: CPU 레지스터/스택 전환 (아키텍처 의존) */
    switch_to(prev, next, prev);

    /* === 이 시점에서 CPU는 'next' 태스크를 실행 중 === */

    return finish_task_switch(prev);
}

로드 밸런싱 (Load Balancing)

SMP(Symmetric Multi-Processing, 대칭형 다중 처리) 시스템에서 CPU 간 부하를 균등하게 분배하는 것은 성능의 핵심입니다. Linux 스케줄러는 sched_domain 계층 구조를 통해 토폴로지(Topology) 인식 로드 밸런싱을 수행합니다.

sched_domain 계층 구조

스케줄링 도메인(Scheduling Domain)은 CPU의 물리적 토폴로지를 반영합니다. SMT(하이퍼스레딩), MC(멀티코어), NUMA 노드 수준으로 계층화됩니다.

로드 밸런싱 알고리즘

로드 밸런싱은 주기적으로(sched_balance_softirq) 또는 idle CPU가 작업을 찾을 때(idle balancing) 트리거됩니다.

/* kernel/sched/fair.c — 로드 밸런싱 핵심 흐름 (간략화) */
static int sched_balance_rq(struct rq *this_rq,
                              struct sched_domain *sd,
                              enum cpu_idle_type idle)
{
    struct lb_env env = {
        .sd         = sd,
        .dst_cpu    = this_rq->cpu,
        .dst_rq     = this_rq,
        .idle       = idle,
    };

    /* 1단계: 가장 바쁜 그룹 찾기 */
    struct sched_group *busiest_group =
        find_busiest_group(&env, &sds);
    if (!busiest_group)
        goto out_balanced;

    /* 2단계: 그룹 내 가장 바쁜 런큐 찾기 */
    struct rq *busiest =
        find_busiest_queue(&env, busiest_group);
    if (!busiest)
        goto out_balanced;

    /* 3단계: 태스크 이주 (busiest → this_rq) */
    detach_tasks(&env);
    if (env.imbalance && !env.loop_break) {
        attach_tasks(&env);
    }

    return 0;

out_balanced:
    return 0;
}

밸런싱 메트릭

CPU 마이그레이션

태스크가 한 CPU에서 다른 CPU로 이주하는 경로는 크게 세 가지입니다:

/*
 * 1. Pull migration (주기적 밸런싱)
 *    - 바쁜 CPU에서 idle CPU로 태스크를 "당겨옴"
 *    - softirq 컨텍스트에서 실행
 *    - sched_balance_rq() → detach_tasks() → attach_tasks()
 *
 * 2. Push migration (RT/DL 전용)
 *    - 높은 우선순위 태스크가 깨어나면 적합한 CPU로 "밀어냄"
 *    - push_rt_task() / push_dl_task()
 *
 * 3. Wake-up migration
 *    - 태스크가 깨어날 때 select_task_rq()에서 최적 CPU 선택
 *    - 캐시 친화성 vs 부하 분산 트레이드오프
 */

/* kernel/sched/fair.c — select_task_rq_fair (웨이크업 CPU 선택, 간략화) */
static int
select_task_rq_fair(struct task_struct *p, int prev_cpu, int wake_flags)
{
    struct sched_domain *sd;
    int new_cpu = prev_cpu;
    int want_affine = 0;

    /* 깨운 CPU가 prev_cpu와 같은 도메인이면 affinity 선호 */
    if (cpumask_test_cpu(smp_processor_id(), p->cpus_ptr))
        want_affine = 1;

    /* 도메인 계층을 올라가며 가장 idle한 CPU/그룹 선택 */
    for_each_domain(smp_processor_id(), sd) {
        if (want_affine && (sd->flags & SD_WAKE_AFFINE)) {
            new_cpu = select_idle_sibling(p, prev_cpu, new_cpu);
            break;
        }
    }

    return new_cpu;
}

PELT (Per-Entity Load Tracking)

커널 3.8에서 도입된 PELT는 스케줄러의 부하 측정 기반입니다. 이전의 per-CPU 부하 추적과 달리, 각 스케줄 엔티티(태스크, cgroup)별로 독립적으로 부하를 추적하여 정밀한 로드 밸런싱과 주파수 결정을 가능하게 합니다.

핵심 메트릭: load_avg, runnable_avg, util_avg

/* kernel/sched/pelt.c — PELT 감쇠 갱신 (간략화) */

/*
 * PELT 감쇠 공식:
 *
 * load_sum = Σ (기여값 × y^n)
 *
 * 여기서:
 *   y = (2^32 - 1) / 2^32 ≈ 0.978 (감쇠 계수)
 *   n = 경과한 1024μs 윈도우 수
 *
 * 각 1024μs 윈도우에서:
 *   - running 상태이면 기여값 = 1 (util, runnable, load 모두)
 *   - runnable(대기) 상태이면 기여값 = 1 (runnable, load만)
 *   - sleeping 상태이면 기여값 = 0 (기존 값에 감쇠만 적용)
 *
 * 반감기: y^32 ≈ 0.5 → 약 32ms(32 윈도우)마다 기여도 절반
 */

static u32
accumulate_sum(u64 delta, struct sched_avg *sa,
              unsigned long load, unsigned long runnable,
              int running)
{
    u32 contrib = (u32)delta;  /* 현재 윈도우 기여분 */
    u64 periods = delta / 1024;

    if (periods) {
        /* 과거 윈도우에 감쇠 적용 */
        sa->load_sum = decay_load(sa->load_sum, periods);
        sa->runnable_sum = decay_load(sa->runnable_sum, periods);
        sa->util_sum = decay_load(sa->util_sum, periods);
    }

    /* 현재 윈도우 기여분 추가 */
    sa->util_sum += running * contrib;       /* 실행 중일 때만 */
    sa->runnable_sum += runnable * contrib;   /* 실행 중 + 대기 */
    sa->load_sum += load * contrib;           /* 가중치 반영 */

    return periods;
}

/* 평균값 계산: sum / divider (PELT 기하급수 합의 상한) */
static void ___update_load_avg(struct sched_avg *sa,
                                unsigned long load)
{
    u32 divider = LOAD_AVG_MAX - 1024 + sa->period_contrib;

    sa->load_avg = div_u64(load * sa->load_sum, divider);
    sa->runnable_avg = div_u64(sa->runnable_sum, divider);
    sa->util_avg = sa->util_sum / divider;
}

# PELT 메트릭 확인 (debugfs)
cat /proc/<pid>/sched | grep -E 'avg\.'
# se.avg.load_avg                      :            512
# se.avg.runnable_avg                   :            680
# se.avg.util_avg                       :            450

# CPU 전체 PELT (cfs_rq 레벨)
cat /proc/sched_debug | grep -A5 'cfs_rq\[0\]'
# .load_avg = 2048  (CPU 0 CFS 런큐의 총 가중 부하)
# .util_avg = 820   (CPU 0 CFS 런큐의 총 활용도)

# schedutil 연동: PELT util_avg → CPU 주파수 결정
cat /sys/devices/system/cpu/cpufreq/policy0/scaling_governor
# schedutil  ← PELT 기반 주파수 거버너

# util_avg와 주파수의 관계:
# freq_next = freq_max × (util_avg + margin) / capacity

EAS (Energy Aware Scheduling)

EAS는 커널 5.0에서 메인라인에 병합된 에너지 효율 인식 스케줄링 프레임워크입니다 (Android 공통 커널에는 4.x부터 존재, 메인라인 진입은 5.0). 전통적인 로드 밸런싱이 "모든 CPU에 부하를 균등 분배"하는 것을 목표로 하는 반면, EAS는 성능 요구를 충족하면서 에너지 소비를 최소화하는 CPU를 선택합니다. ARM big.LITTLE, DynamIQ, Intel Hybrid(Alder Lake+) 등 비대칭 CPU 토폴로지에서 핵심적인 역할을 합니다.

EAS 핵심 원리

EAS는 태스크를 배치할 때 에너지 모델(Energy Model, EM)을 참조하여 각 CPU에 태스크를 배치했을 때의 예상 에너지 소비를 계산하고, 가장 효율적인 배치를 선택합니다.

/* kernel/sched/fair.c — find_energy_efficient_cpu() (간략화) */
static int
find_energy_efficient_cpu(struct task_struct *p, int prev_cpu)
{
    struct perf_domain *pd;
    unsigned long best_delta = ULONG_MAX;
    int best_cpu = -1;

    /* 모든 성능 도메인(클러스터)을 순회 */
    for_each_pd(pd) {
        unsigned long cur_energy, new_energy;
        int max_spare_cap_cpu = -1;

        /* 도메인 내에서 여유 용량이 가장 큰 CPU 찾기 */
        for_each_cpu(cpu, perf_domain_span(pd)) {
            unsigned long spare = cpu_cap(cpu) - cpu_util(cpu);
            if (spare > max_spare)
                max_spare_cap_cpu = cpu;
        }

        /* 현재 에너지 vs 태스크 배치 후 에너지 비교 */
        cur_energy = compute_energy(p, -1, pd);    /* 태스크 없이 */
        new_energy = compute_energy(p, max_spare_cap_cpu, pd);
        unsigned long delta = new_energy - cur_energy;

        if (delta < best_delta) {
            best_delta = delta;
            best_cpu = max_spare_cap_cpu;
        }
    }

    /* 에너지 절감이 6% 미만이면 prev_cpu 유지 (마이그레이션 비용) */
    if (best_delta > prev_delta * 94 / 100)
        return prev_cpu;

    return best_cpu;
}

EAS 활성화 조건

EAS는 다음 조건이 모두 충족될 때만 활성화됩니다:

# EAS 활성 상태 확인
# 성능 도메인 확인
cat /proc/schedstat | head -20

# CPU 용량 확인 (비대칭이면 값이 다름)
for cpu in /sys/devices/system/cpu/cpu[0-9]*; do
    echo "$(basename $cpu): $(cat $cpu/cpu_capacity)"
done

# schedutil governor 설정 (EAS 필수 조건)
echo schedutil > /sys/devices/system/cpu/cpufreq/policy0/scaling_governor

# overutilized 상태 추적
echo 1 > /sys/kernel/debug/tracing/events/sched/sched_overutilized_tp/enable
cat /sys/kernel/debug/tracing/trace_pipe

이기종 CPU 스케줄링 (Heterogeneous Scheduling)

최신 SoC와 프로세서는 성능/전력 특성이 다른 CPU 코어를 혼합하는 이기종 아키텍처를 채택합니다. Linux 스케줄러는 CPU 용량(capacity), 적합성(fitness), 비대칭 패킹(asymmetric packing) 등의 메커니즘으로 이를 지원합니다.

주요 이기종 아키텍처

CPU 용량(Capacity)과 적합성(Fitness)

스케줄러는 각 CPU의 용량(capacity)을 0~1024 범위로 정규화합니다. 가장 성능이 높은 CPU가 1024이고, 나머지는 상대적 비율로 표현됩니다.

/* kernel/sched/fair.c — CPU 적합성 검사 */
static inline int
task_fits_cpu(struct task_struct *p, int cpu)
{
    unsigned long cap = capacity_of(cpu);
    unsigned long util = task_util_est(p);

    /*
     * 태스크 활용도가 CPU 용량의 80% 이하이면 적합
     * 마진 20%: 주파수 변경 지연 + 버스트 대응
     */
    return fits_capacity(util, cap);
}

/* capacity 비교 매크로 */
#define fits_capacity(cap, max) ((cap) * 1280 < (max) * 1024)

Intel Hybrid: ITMT와 HFI

Intel 12세대(Alder Lake)부터 P-core와 E-core를 혼합합니다. Linux는 ITMT(Intel Turbo Boost Max Technology 3.0)와 HFI(Hardware Feedback Interface)를 통해 이기종 스케줄링을 지원합니다.

/* arch/x86/kernel/itmt.c — ITMT 우선순위 설정 */
void sched_set_itmt_core_prio(int prio, int cpu)
{
    /*
     * P-core: 높은 우선순위 (예: 2)
     * E-core: 낮은 우선순위 (예: 1)
     * → asym_packing 로직이 P-core를 먼저 채움
     */
    per_cpu(sched_core_priority, cpu) = prio;
}

/* SD_ASYM_PACKING: P-core를 먼저 채우는 비대칭 패킹 */
/* sched_domain 플래그에 SD_ASYM_PACKING 설정 시
 * 우선순위가 높은 CPU에 태스크를 몰아서 배치
 * → E-core는 P-core가 바쁠 때만 사용 */

/* drivers/thermal/intel/intel_hfi.c — HFI 콜백 */
/*
 * HFI(Hardware Feedback Interface)는 하드웨어가 실시간으로
 * 각 CPU의 성능/효율 등급을 보고하는 인터페이스
 *
 * 열 제한 시 P-core 성능이 E-core 수준으로 떨어지면
 * HFI가 스케줄러에 알려 E-core 우선 사용으로 전환
 */
static void intel_hfi_online(unsigned int cpu)
{
    struct hfi_cpu_info *info = per_cpu_ptr(&hfi_cpu_info, cpu);
    /* perf_cap: 성능 등급 (0-255), ee_cap: 에너지 효율 등급 */
    info->perf_cap = hfi_read_perf(cpu);
    info->ee_cap = hfi_read_ee(cpu);
}

Misfit 태스크 마이그레이션

작은 용량의 CPU에서 실행 중인 태스크가 해당 CPU의 용량을 초과하면(misfit), 스케줄러는 더 큰 용량의 CPU로 마이그레이션합니다.

/* kernel/sched/fair.c — misfit 태스크 감지 */
static void check_misfit_status(struct rq *rq,
                                 struct task_struct *p)
{
    /*
     * LITTLE CPU에서 실행 중인 태스크의 util이
     * CPU capacity를 초과하면 misfit 플래그 설정
     * → active balancer가 big CPU로 이주
     */
    if (!task_fits_cpu(p, cpu_of(rq))) {
        rq->misfit_task_load = max_t(unsigned long,
            task_util_est(p), 1);
    } else {
        rq->misfit_task_load = 0;
    }
}

/* sched_domain 플래그: SD_ASYM_CPUCAPACITY
 * 이 플래그가 설정되면 로드 밸런서가
 * misfit 태스크를 능동적으로 이주시킴 */

NUMA 밸런싱 (Automatic NUMA Balancing)

NUMA(Non-Uniform Memory Access) 시스템에서 메모리 접근 지연은 CPU와 메모리의 거리에 따라 달라집니다. 원격 노드 메모리 접근은 로컬 대비 1.5~3배 느립니다. Linux 커널은 Automatic NUMA Balancing을 통해 태스크를 메모리가 있는 노드로 이주하거나, 메모리를 태스크가 있는 노드로 이동합니다.

NUMA 밸런싱 메커니즘

/* kernel/sched/fair.c — NUMA 밸런싱 핵심 (간략화) */

/* NUMA 폴트 기록 구조 */
struct task_struct {
    /* ... */
    int             numa_preferred_nid;   /* 선호 NUMA 노드 */
    unsigned long   total_numa_faults;    /* 총 NUMA 폴트 수 */

    /*
     * numa_faults[node][type]:
     *   type 0 = 개인(private) 접근 폴트
     *   type 1 = 공유(shared) 접근 폴트
     * 개인 접근이 많으면 태스크 이주 유리
     * 공유 접근이 많으면 페이지 이주 유리
     */
    unsigned long  *numa_faults;

    /* NUMA 스캔 상태 */
    unsigned long   numa_scan_seq;        /* 스캔 시퀀스 번호 */
    unsigned long   numa_scan_period;     /* 스캔 주기 (ms) */
    unsigned long   numa_scan_offset;     /* 현재 스캔 위치 */
};

/* NUMA 선호 노드 결정 */
static void task_numa_placement(struct task_struct *p)
{
    int max_nid = NUMA_NO_NODE;
    unsigned long max_faults = 0;

    /* 각 NUMA 노드별 폴트 수 비교 */
    for_each_online_node(nid) {
        unsigned long faults = p->numa_faults[nid];
        if (faults > max_faults) {
            max_faults = faults;
            max_nid = nid;
        }
    }

    /* 선호 노드 변경 (이전과 다르면) */
    if (max_nid != p->numa_preferred_nid) {
        p->numa_preferred_nid = max_nid;
        /* select_task_rq_fair()에서 이 노드 우선 선택 */
    }
}

# NUMA 밸런싱 상태 확인 및 튜닝

# 활성화 상태 확인 (1=활성)
cat /proc/sys/kernel/numa_balancing
# 1

# 스캔 주기 범위 (ms)
cat /proc/sys/kernel/numa_balancing_scan_delay_ms     # 1000 (초기 지연)
cat /proc/sys/kernel/numa_balancing_scan_period_min_ms # 1000 (최소 주기)
cat /proc/sys/kernel/numa_balancing_scan_period_max_ms # 60000 (최대 주기)
cat /proc/sys/kernel/numa_balancing_scan_size_mb       # 256 (한 번에 스캔할 크기)

# 프로세스별 NUMA 통계 확인
cat /proc/<pid>/numa_maps
# N0=1024 N1=256  ← 노드별 페이지 분포
# preferred=0     ← 선호 노드

# numastat으로 시스템 전체 NUMA 상태
numastat -p <pid>
# Per-node process memory usage (in MBs)
#                  Node 0    Node 1    Total
# Heap              512.0     128.0    640.0
# Stack               4.0       0.0      4.0

# NUMA 밸런싱 이벤트 추적
echo 1 > /sys/kernel/debug/tracing/events/migrate/mm_numa_migrate_ratelimited/enable
echo 1 > /sys/kernel/debug/tracing/events/sched/sched_swap_numa/enable

sched_ext (BPF 기반 확장 스케줄링, v6.12+)

sched_ext는 커널 v6.12에서 도입된 BPF 기반 확장 가능 스케줄링 프레임워크입니다. 커널을 재컴파일하지 않고도 BPF 프로그램을 통해 스케줄링 정책을 커스터마이징할 수 있습니다. ext_sched_class는 fair와 idle 사이에 위치합니다.

아키텍처

/* sched_ext 클래스 위치 (우선순위 순) */
/*
 * stop_sched_class     (최고)
 * dl_sched_class
 * rt_sched_class
 * fair_sched_class
 * ext_sched_class      ← sched_ext (v6.12+)
 * idle_sched_class     (최저)
 */

/* include/linux/sched/ext.h — sched_ext_ops 구조체 (주요 콜백) */
struct sched_ext_ops {
    /* 태스크가 런큐에 삽입될 때 */
    void (*enqueue)(struct task_struct *p, u64 enq_flags);

    /* 태스크가 런큐에서 제거될 때 */
    void (*dequeue)(struct task_struct *p, u64 deq_flags);

    /* 다음 실행 태스크 선택 (핵심 콜백) */
    struct task_struct *(*dispatch)(s32 cpu, struct task_struct *prev);

    /* 태스크가 실행을 시작/종료할 때 */
    void (*running)(struct task_struct *p);
    void (*stopping)(struct task_struct *p, bool runnable);

    /* CPU 선택 (wakeup 시) */
    s32 (*select_cpu)(struct task_struct *p, s32 prev_cpu, u64 wake_flags);

    /* 초기화/종료 */
    s32 (*init)(void);
    void (*exit)(struct scx_exit_info *info);

    /* 스케줄러 이름 */
    char name[SCX_OPS_NAME_LEN];
};

sched_ext BPF 스케줄러 예제

/* 간단한 sched_ext BPF 스케줄러 예제 (scx_simple) */
#include <scx/common.bpf.h>

char _license[] SEC("license") = "GPL";

/* 글로벌 FIFO 디스패치 큐 사용 */
s32 BPF_STRUCT_OPS(simple_select_cpu,
                    struct task_struct *p,
                    s32 prev_cpu, u64 wake_flags)
{
    bool is_idle = false;
    s32 cpu;

    /* idle CPU가 있으면 직접 디스패치 (fast path) */
    cpu = scx_bpf_select_cpu_dfl(p, prev_cpu, wake_flags, &is_idle);
    if (is_idle) {
        scx_bpf_dispatch(p, SCX_DSQ_LOCAL, SCX_SLICE_DFL, 0);
    }
    return cpu;
}

void BPF_STRUCT_OPS(simple_enqueue,
                    struct task_struct *p, u64 enq_flags)
{
    /* 글로벌 FIFO 큐에 삽입 */
    scx_bpf_dispatch(p, SCX_DSQ_GLOBAL, SCX_SLICE_DFL, enq_flags);
}

SEC(".struct_ops.link")
struct sched_ext_ops simple_ops = {
    .select_cpu = (void *)simple_select_cpu,
    .enqueue    = (void *)simple_enqueue,
    .name       = "simple",
};

# sched_ext 스케줄러 로드/관리
# scx_simple 스케줄러 로드 (커널 tools/sched_ext/에 포함)
sudo ./scx_simple

# 현재 활성 sched_ext 스케줄러 확인
cat /sys/kernel/sched_ext/root/ops

# 스케줄러 통계
cat /sys/kernel/sched_ext/root/stats

# sched_ext 비활성화 (fair로 복귀)
# → 스케줄러 프로세스를 종료하면 자동으로 fair 복귀

sched_ext 이벤트 리포팅 (v6.15+)

커널 6.15에서 sched_ext에 내부 이벤트 카운팅 및 리포팅 기능이 추가되었습니다. 이를 통해 BPF 스케줄러가 런타임에 발생하는 주요 이벤트를 추적하고 성능 분석에 활용할 수 있습니다.

# sched_ext 이벤트 카운터 확인 (v6.15+)
cat /sys/kernel/sched_ext/root/events

# 출력 예시:
#   select_cpu_fallback: 1284
#   dispatch_local_dsq_offline: 0
#   dispatch_global_dsq_nr_exiting: 42
#   bypass_activate: 0
#   bypass_deactivate: 0

선점 모델 (Preemption Models)

Linux 커널의 선점(preemption)은 커널 코드 실행 중 더 높은 우선순위의 태스크로 전환할 수 있는 메커니즘입니다. 유저 공간은 항상 선점 가능하며, 커널 선점 가능 여부는 빌드 시 또는 CONFIG_PREEMPT_DYNAMIC으로 런타임에 설정합니다.

TIF_NEED_RESCHED — 선점 요청 메커니즘

선점의 핵심은 TIF_NEED_RESCHED 플래그입니다. 이 플래그는 "현재 태스크가 CPU를 양보해야 합니다"는 신호로, 다양한 경로에서 설정되고 검사됩니다.

/* include/linux/preempt.h — 선점 관련 핵심 매크로 */

/* 선점 비활성화/활성화 (중첩 가능) */
#define preempt_disable()    \
    do {                       \
        preempt_count_inc();   \  /* PREEMPT_MASK++ */
        barrier();              \
    } while (0)

#define preempt_enable()     \
    do {                       \
        barrier();              \
        if (unlikely(preempt_count_dec_and_test())) \
            __preempt_schedule(); \  /* count==0 && NEED_RESCHED → schedule() */
    } while (0)

/* kernel/sched/core.c — resched_curr(): 선점 요청 설정 */
void resched_curr(struct rq *rq)
{
    struct task_struct *curr = rq->curr;

    if (test_tsk_need_resched(curr))
        return;   /* 이미 설정됨 */

    /* thread_info->flags에 TIF_NEED_RESCHED 비트 설정 */
    set_tsk_need_resched(curr);

    /* 원격 CPU의 경우 IPI로 즉시 통보 (idle 상태 깨우기) */
    if (cpu != smp_processor_id())
        smp_send_reschedule(cpu);
}

선점 모델별 동작 상세

/* kernel/sched/core.c — PREEMPT_LAZY: 이중 NEED_RESCHED (v6.13+) */

/*
 * PREEMPT_LAZY는 두 가지 resched 플래그를 사용:
 *
 * TIF_NEED_RESCHED      — 즉시 선점 필요 (RT, DL 등 긴급)
 * TIF_NEED_RESCHED_LAZY — 지연 선점 (fair 클래스, 유저 복귀 시 처리)
 *
 * RT 태스크가 깨어나면 → TIF_NEED_RESCHED (즉시)
 * fair 태스크의 vruntime 만료 → TIF_NEED_RESCHED_LAZY (지연)
 * 유저 복귀 시 둘 다 검사
 */

/* resched_curr()에서 긴급도에 따라 분기 */
static void set_nr_if_polling(struct task_struct *p)
{
    if (is_idle_task(p)) {
        /* idle 태스크는 항상 즉시 깨움 */
        set_tsk_need_resched(p);
    }
}

/* PREEMPT_DYNAMIC: 런타임 선점 모드 전환 (v5.12+) */
/*
 * 부트 파라미터: preempt=none|voluntary|full|lazy
 *
 * 커널 빌드 시 CONFIG_PREEMPT_DYNAMIC=y이면
 * 런타임에 선점 모델 변경 가능 (재부팅 없이)
 *
 * 내부적으로 static_call/static_key를 사용하여
 * cond_resched(), preempt_schedule() 등의 동작을 전환
 */

# PREEMPT_DYNAMIC: 런타임 선점 모드 확인 및 변경

# 현재 선점 모드 확인
cat /sys/kernel/debug/sched/preempt
# 출력 예: full (PREEMPT)

# 부트 파라미터로 선점 모드 지정
# GRUB: preempt=none   → 서버 최적화
# GRUB: preempt=voluntary → 범용
# GRUB: preempt=full   → 데스크톱/임베디드
# GRUB: preempt=lazy   → v6.13+ 새 기본 후보

# 선점 관련 커널 설정 확인
zcat /proc/config.gz | grep -i preempt
# CONFIG_PREEMPT_DYNAMIC=y
# CONFIG_PREEMPT_BUILD=y

스케줄러 디버깅 (Scheduler Debugging)

스케줄러의 동작을 분석하고 성능 문제를 진단하기 위한 다양한 도구와 인터페이스가 있습니다.

/proc/sched_debug

# 전체 스케줄러 상태 덤프
cat /proc/sched_debug

# 출력 내용:
# - 글로벌 스케줄러 파라미터 (sched_latency, min_granularity 등)
# - per-CPU 런큐 상태 (nr_running, load, curr 태스크 등)
# - 각 CPU의 CFS 런큐 트리 (vruntime, deadline, weight 등)
# - RT 런큐 상태

# 특정 프로세스의 스케줄링 정보
cat /proc/<pid>/sched

# 출력 예:
# se.vruntime                         :         12345.678901
# se.sum_exec_runtime                 :        987654.321098
# se.nr_migrations                    :               42
# nr_switches                         :             1234
# nr_voluntary_switches               :              987
# nr_involuntary_switches             :              247
# prio                                :              120
# policy                              :                0  (SCHED_NORMAL)

perf sched

# 스케줄링 이벤트 기록 (10초간)
sudo perf sched record -- sleep 10

# 스케줄링 지연 분석 (wakeup → actually running)
sudo perf sched latency

# CPU별 타임라인 (ASCII art)
sudo perf sched map

# 스케줄링 통계 요약
sudo perf sched timehist
# 각 컨텍스트 스위치의 상세 타임스탬프, wait/run 시간 출력

# 스케줄링 이벤트 기반 통계
sudo perf stat -e 'sched:sched_switch,sched:sched_wakeup' -- sleep 5

perf sched latency 출력 예시:

perf sched map 해석 예시: 시간축에서 *가 표시된 시점의 CPU별 실행 태스크를 보여줍니다. 예를 들어 0: migration/0, 1: ksoftirqd/1, 2: bash:1234처럼 CPU별 활성 태스크를 매칭해 확인합니다.

ftrace 스케줄러 트레이싱

# ftrace로 스케줄러 이벤트 트레이싱
cd /sys/kernel/debug/tracing

# 사용 가능한 스케줄러 이벤트 확인
ls events/sched/
# sched_switch  sched_wakeup  sched_wakeup_new  sched_migrate_task
# sched_process_fork  sched_process_exec  sched_process_exit
# sched_stat_wait  sched_stat_sleep  sched_stat_runtime

# 스케줄러 스위치 이벤트 활성화
echo 1 > events/sched/sched_switch/enable
echo 1 > events/sched/sched_wakeup/enable

# 트레이싱 시작
echo 1 > tracing_on
sleep 2
echo 0 > tracing_on

# 결과 확인
cat trace
# 출력 예:
# bash-1234 [002] 1234.567890: sched_switch: prev_comm=bash prev_pid=1234
#   prev_prio=120 prev_state=S ==> next_comm=kworker/2:1 next_pid=567
#   next_prio=120
#
# <idle>-0 [001] 1234.567895: sched_wakeup: comm=bash pid=1234
#   prio=120 target_cpu=002

# 특정 프로세스의 wakeup 지연 측정 (wakeup latency tracer)
echo wakeup > current_tracer
echo 1 > tracing_on
# ... 워크로드 실행 ...
echo 0 > tracing_on
cat trace
# 최대 wakeup 지연 시간 표시

스케줄러 디버그 기능 (sched_features)

# 현재 활성화된 스케줄러 기능 확인
cat /sys/kernel/debug/sched/features
# 출력 예:
# GENTLE_FAIR_SLEEPERS  (슬리퍼에 대한 보상 제한)
# START_DEBIT           (새 태스크에 vruntime 불이익)
# NEXT_BUDDY            (wakeup 시 next 힌트)
# LAST_BUDDY            (yield 시 last 힌트)
# CACHE_HOT_BUDDY       (캐시 친화적 wakeup)
# WAKEUP_PREEMPTION     (wakeup 시 선점 허용)
# PLACE_LAG             (EEVDF: lag 기반 배치)
# PLACE_DEADLINE_INITIAL (EEVDF: 초기 deadline 설정)

# 기능 토글 (런타임)
echo WAKEUP_PREEMPTION > /sys/kernel/debug/sched/features   # 활성화
echo NO_WAKEUP_PREEMPTION > /sys/kernel/debug/sched/features # 비활성화

schedstat 통계

# schedstat 활성화 (CONFIG_SCHEDSTATS 필요)
echo 1 > /proc/sys/kernel/sched_schedstats

# CPU별 스케줄링 통계
cat /proc/schedstat
# cpu<N> <domain> <9개 필드>
# 필드: yld_count, sched_switch, sched_goidle, ttwu_count,
#       ttwu_local, rq_cpu_time, run_delay, pcount

# 프로세스별 스케줄링 통계
cat /proc/<pid>/schedstat
# 3개 필드: run_time(ns) wait_time(ns) nr_timeslices

# 모든 CPU의 로드 밸런싱 통계 확인
cat /proc/schedstat | grep domain

디버깅 도구 요약

주요 커널 설정 옵션

sysctl 튜닝 파라미터

# === CFS/EEVDF 파라미터 ===
# 타겟 레이턴시 (ns): 태스크들이 한 번씩 실행되는 목표 주기
sysctl kernel.sched_latency_ns=6000000        # 6ms (기본)

# 최소 그래뉼래리티 (ns): 태스크당 최소 실행 시간
sysctl kernel.sched_min_granularity_ns=750000 # 0.75ms (기본)

# EEVDF 기본 슬라이스 (ns, v6.6+)
sysctl kernel.sched_base_slice_ns=3000000     # 3ms (기본)

# 웨이크업 그래뉼래리티: 깨어난 태스크의 선점 임계값
sysctl kernel.sched_wakeup_granularity_ns=1000000  # 1ms (기본)

# === RT 파라미터 ===
# RT 대역폭 제한 (us)
sysctl kernel.sched_rt_period_us=1000000      # 1초 주기
sysctl kernel.sched_rt_runtime_us=950000      # 주기당 최대 950ms

# === 마이그레이션 비용 ===
sysctl kernel.sched_migration_cost_ns=500000 # 0.5ms (기본)
# 이 시간 이내에 실행된 태스크는 "캐시 핫"으로 간주, 마이그레이션 억제

# === CPU Affinity (명령줄) ===
taskset -c 0,1 ./my_app                      # CPU 0,1에만 바인딩
taskset -p -c 2-5 1234                       # PID 1234를 CPU 2-5로 변경

# === isolcpus (커널 부트 파라미터) ===
# 특정 CPU를 스케줄러에서 격리 (RT 워크로드 전용)
# GRUB: isolcpus=2,3 nohz_full=2,3 rcu_nocbs=2,3

그룹 스케줄링 (Group Scheduling & cgroup CPU)

Linux는 cgroup(Control Group)을 통해 프로세스 그룹 단위로 CPU 자원을 제어합니다. CONFIG_FAIR_GROUP_SCHED가 활성화되면 CFS/EEVDF 스케줄러는 태스크 개별이 아닌 그룹 단위로 공정성을 보장합니다. 컨테이너, 가상화(Virtualization), 멀티테넌트(Multi-tenant) 환경의 핵심 기술입니다.

계층적 CFS 런큐 구조

그룹 스케줄링이 활성화되면 각 cgroup은 자체 cfs_rq를 가지며, 상위 그룹의 cfs_rq에 sched_entity로 등록됩니다. 이 계층 구조를 통해 그룹 간 공정성이 보장됩니다.

cgroup v2 CPU 컨트롤러

cgroup v2에서 CPU 자원 제어는 cpu 컨트롤러를 통해 수행됩니다. 두 가지 주요 인터페이스가 있습니다:

# === cgroup v2 CPU 제어 실전 설정 ===

# 1. 웹서버 그룹: CPU 가중치 높게 + 대역폭 무제한
mkdir -p /sys/fs/cgroup/webserver
echo "+cpu" > /sys/fs/cgroup/cgroup.subtree_control
echo 500 > /sys/fs/cgroup/webserver/cpu.weight  # 기본의 5배
echo "max 100000" > /sys/fs/cgroup/webserver/cpu.max  # 무제한
echo $$ > /sys/fs/cgroup/webserver/cgroup.procs  # 현재 셸 이동

# 2. 배치 작업 그룹: 가중치 낮게 + CPU 30% 제한
mkdir -p /sys/fs/cgroup/batch
echo 50 > /sys/fs/cgroup/batch/cpu.weight   # 기본의 절반
echo "300000 1000000" > /sys/fs/cgroup/batch/cpu.max  # 30% 상한
echo 100000 > /sys/fs/cgroup/batch/cpu.max.burst  # 100ms 버스트 허용

# 3. 통계 확인
cat /sys/fs/cgroup/batch/cpu.stat
# usage_usec 12345678       ← 총 CPU 사용 시간
# user_usec 10000000
# system_usec 2345678
# nr_periods 1000           ← 대역폭 주기 수
# nr_throttled 42           ← 쓰로틀링 발생 횟수
# throttled_usec 5000000    ← 총 쓰로틀링 시간
# nr_bursts 10              ← 버스트 사용 횟수
# burst_usec 500000         ← 총 버스트 시간

# 4. PSI(CPU 압력) 확인
cat /sys/fs/cgroup/batch/cpu.pressure
# some avg10=5.23 avg60=3.10 avg300=1.50 total=98765432
# full avg10=0.00 avg60=0.00 avg300=0.00 total=0

CFS 대역폭 제어 (CFS Bandwidth Control)

cpu.max의 내부 구현인 CFS 대역폭 제어는 각 그룹에 주기(period)당 최대 할당량(quota)을 설정합니다. quota를 소진하면 그룹의 모든 태스크가 다음 주기까지 쓰로틀링됩니다.

/* kernel/sched/fair.c — CFS 대역폭 제어 (간략화) */
struct cfs_bandwidth {
    ktime_t          period;        /* 대역폭 주기 (기본 100ms) */
    u64              quota;         /* 주기당 최대 실행 시간 (ns) */
    u64              runtime;       /* 남은 실행 시간 */
    u64              burst;         /* 미사용 quota 누적 허용량 */
    s64              hierarchical_quota; /* 계층 반영 실효 quota */

    u8               idle;          /* 그룹 비활성 상태 */
    u8               period_active; /* 주기 타이머 활성 */
    struct hrtimer   period_timer;  /* 주기 만료 타이머 */
    struct hrtimer   slack_timer;   /* 미사용 quota 회수 */

    int              nr_periods;    /* 총 주기 수 (통계) */
    int              nr_throttled;  /* 쓰로틀링 발생 수 */
    u64              throttled_time; /* 총 쓰로틀링 시간 */
};

/* 쓰로틀링 판단: runtime 소진 시 cfs_rq 비활성화 */
static bool throttle_cfs_rq(struct cfs_rq *cfs_rq)
{
    /* cfs_rq의 모든 태스크를 런큐에서 제거 */
    walk_tg_tree_from(cfs_rq->tg, tg_throttle_down, ...);
    cfs_rq->throttled = 1;
    cfs_rq->throttled_clock = rq_clock(rq);
    return true;
}

/* 새 주기 시작 시 quota 보충 + 쓰로틀링 해제 */
static int do_sched_cfs_period_timer(struct cfs_bandwidth *cfs_b)
{
    cfs_b->runtime = cfs_b->quota;   /* quota 보충 */
    distribute_cfs_runtime(cfs_b);    /* 쓰로틀된 런큐에 분배 */
    unthrottle_cfs_rq(cfs_rq);        /* 태스크 재활성화 */
    return 0;
}

__schedule() 핵심 경로

커널 스케줄링의 진입점은 schedule() 함수이며, 실제 스케줄링 결정은 __schedule()에서 이루어집니다. 이 함수는 kernel/sched/core.c에 정의되어 있으며, 다음 태스크를 선택하고 컨텍스트 스위치를 수행하는 전체 과정을 통제합니다.

호출 체인 (Call Chain)

스케줄링이 발생하는 전체 호출 경로는 다음과 같습니다:

/* kernel/sched/core.c — 간략화 */
schedule()
  └─→ __schedule(SM_NONE)
        ├─→ local_irq_disable()           /* 인터럽트 비활성화 */
        ├─→ rq_lock(rq)                   /* 런큐 락 획득 */
        ├─→ pick_next_task(rq, prev)      /* 다음 태스크 선택 */
        │     ├─→ [최적화] fair만 있으면 pick_next_task_fair() 직행
        │     └─→ [일반] for_each_class(class) → class->pick_next_task()
        ├─→ context_switch(rq, prev, next)
        │     ├─→ switch_mm_irqs_off()    /* 주소 공간 전환 */
        │     └─→ switch_to(prev, next, prev)  /* 레지스터/스택 전환 */
        └─→ rq_unlock(rq) + local_irq_enable()

__schedule() 핵심 코드

/* kernel/sched/core.c — 간략화된 __schedule() */
static void __schedule(unsigned int sched_mode)
{
    struct task_struct *prev, *next;
    struct rq *rq;
    int cpu;

    cpu = smp_processor_id();
    rq = cpu_rq(cpu);
    prev = rq->curr;

    /* 1. 이전 태스크 상태 처리 */
    if (!(sched_mode & SM_MASK_PREEMPT) &&
        prev_state(prev)) {
        if (signal_pending_state(prev_state, prev)) {
            WRITE_ONCE(prev->__state, TASK_RUNNING);
        } else {
            deactivate_task(rq, prev, DEQUEUE_SLEEP);
        }
    }

    /* 2. 다음 태스크 선택 */
    next = pick_next_task(rq, prev, &rf);

    /* 3. need_resched 플래그 초기화 */
    clear_tsk_need_resched(prev);

    /* 4. 태스크가 변경되었으면 컨텍스트 스위치 */
    if (likely(prev != next)) {
        rq->nr_switches++;
        rq->curr = next;
        context_switch(rq, prev, next, &rf);
    } else {
        rq_unlock_irq(rq, &rf);
    }
}

struct sched_entity 심층 분석

struct sched_entity는 CFS/EEVDF 스케줄러에서 각 태스크(또는 태스크 그룹)의 스케줄링 상태를 추적하는 핵심 구조체(Struct)입니다. task_struct에 임베딩되어 있으며, 가상 런타임, 부하 가중치, 실행 통계 등을 관리합니다.

주요 필드 분석

struct sched_class 핵심 오퍼레이션

sched_class는 스케줄링 정책별 동작을 정의하는 함수 포인터 테이블입니다. 각 정책(fair, rt, dl, idle)은 자체 sched_class 인스턴스를 제공합니다.

sched_entity 코드 구조

/* include/linux/sched.h — 핵심 필드만 발췌 */
struct sched_entity {
    struct load_weight    load;               /* nice → weight 변환 */
    struct rb_node        run_node;            /* RB-tree 노드 */
    unsigned int          on_rq;               /* 런큐 등록 여부 */

    u64                   exec_start;          /* 현재 실행 시작 시각 */
    u64                   sum_exec_runtime;    /* 총 누적 실행 시간 */
    u64                   prev_sum_exec_runtime; /* 이전 시점 누적 */
    u64                   vruntime;            /* 가상 런타임 (CFS 키) */

    /* EEVDF 관련 (v6.6+) */
    u64                   deadline;            /* 가상 데드라인 */
    u64                   min_vruntime;        /* 참조 최소 vruntime */
    s64                   vlag;                /* lag 값: 자원 편향 */

    u64                   nr_migrations;       /* 마이그레이션 횟수 */

#ifdef CONFIG_FAIR_GROUP_SCHED
    struct sched_entity  *parent;             /* 그룹 계층 부모 */
    struct cfs_rq        *cfs_rq;             /* 소속 cfs_rq */
    struct cfs_rq        *my_q;               /* 소유 cfs_rq (그룹) */
#endif
};

CFS pick_next_task_fair() 분석

pick_next_task_fair()는 CFS 런큐에서 다음 실행할 태스크를 선택하는 핵심 함수입니다. 전통적인 CFS에서는 vruntime이 가장 작은 엔티티를 선택했지만, EEVDF(v6.6+)에서는 eligible한 엔티티 중 가상 데드라인이 가장 빠른 엔티티를 선택합니다.

호출 체인

pick_next_task_fair(rq)
  └─→ pick_next_entity(cfs_rq)
        ├─→ [CFS 레거시] __pick_first_entity()  ← rb_leftmost (최소 vruntime)
        └─→ [EEVDF v6.6+] pick_eevdf(cfs_rq)
              ├─→ __pick_first_entity()           ← 최소 vruntime 후보
              └─→ __pick_eevdf()                  ← eligible + 최소 deadline

Red-Black 트리 leftmost 선택 (레거시 CFS)

전통적인 CFS에서 __pick_first_entity()는 Red-Black 트리의 rb_leftmost 포인터를 사용하여 O(1)에 vruntime이 가장 작은 엔티티를 반환합니다. rb_root_cached가 leftmost를 캐싱하므로 트리 순회가 불필요합니다.

EEVDF pick_eevdf() 로직

EEVDF에서는 단순히 vruntime이 작은 태스크를 선택하는 대신, 두 가지 조건을 동시에 만족하는 태스크를 선택합니다:

1. Eligible (적격) — vlag >= 0, 즉 할당받은 것보다 적게 실행한 태스크
2. Earliest Deadline — eligible한 태스크 중 가상 deadline이 가장 빠른 태스크

/* kernel/sched/fair.c — 간략화된 pick_eevdf() */
static struct sched_entity *pick_eevdf(struct cfs_rq *cfs_rq)
{
    struct rb_node *node = cfs_rq->tasks_timeline.rb_root.rb_node;
    struct sched_entity *best = NULL;

    while (node) {
        struct sched_entity *se = rb_entry(node, struct sched_entity, run_node);

        /* 왼쪽 서브트리에 eligible한 엔티티가 있을 수 있음 */
        if (entity_eligible(cfs_rq, se)) {
            /* 현재 노드가 eligible이면 best 후보 갱신 */
            if (!best || deadline_gt(best, se))
                best = se;
            /* 왼쪽에 더 좋은 deadline이 있을 수 있으므로 계속 탐색 */
            node = node->rb_left;
        } else {
            /* 현재 ineligible이면 오른쪽에서 eligible 탐색 */
            node = node->rb_right;
        }
    }

    if (!best)
        best = __pick_first_entity(cfs_rq);  /* fallback: leftmost */

    return best;
}

Context Switch 내부 구조

컨텍스트 스위치(Context Switch)는 CPU에서 실행 중인 태스크를 다른 태스크로 교체하는 과정입니다. 이 과정은 주소 공간(Address Space) 전환과 레지스터/스택 전환의 두 단계로 나뉘며, 커널에서 가장 성능에 민감한 경로 중 하나입니다.

호출 체인

context_switch(rq, prev, next, rf)
  ├─→ prepare_task_switch(rq, prev, next)    /* 전환 준비 (통계, 알림) */
  ├─→ arch_start_context_switch(prev)         /* 아키텍처 전환 시작 */
  ├─→ [주소 공간 전환]
  │     ├─→ 커널 스레드 → 커널 스레드: 전환 불필요 (active_mm 차용)
  │     ├─→ 커널 스레드 → 유저: switch_mm_irqs_off(NULL, next_mm)
  │     └─→ 유저 → 유저: switch_mm_irqs_off(prev_mm, next_mm)
  ├─→ switch_to(prev, next, prev)             /* CPU 레지스터 + 스택 전환 */
  └─→ finish_task_switch(prev)                /* 이전 태스크 정리 */

switch_mm_irqs_off() — 주소 공간 전환

switch_mm_irqs_off()는 페이지 테이블(Page Table) 기저 레지스터(x86: CR3, ARM64: TTBR0_EL1)를 변경하여 가상 주소 공간을 전환합니다. 이때 TLB(Translation Lookaside Buffer) 처리가 핵심입니다:

switch_to() — 아키텍처별 레지스터 전환

switch_to()는 아키텍처에 따라 다르게 구현되며, CPU 레지스터와 스택 포인터를 물리적으로 전환합니다. 주요 작업:

• FPU/SIMD 상태 저장/복원 — x86에서 XSAVE/XRSTOR 명령어로 FPU, SSE, AVX 레지스터를 전환합니다. 지연 FPU 전환(lazy FPU switching)은 최신 커널에서 제거되어, 항상 즉시 저장/복원합니다.
• 스택 포인터 전환 — 커널 스택 포인터(x86: RSP, ARM64: SP_EL1)를 다음 태스크의 thread.sp로 교체합니다.
• 명령어 포인터 — 다음 태스크가 마지막으로 context switch된 시점의 복귀 주소로 점프합니다.
• per-CPU 변수 갱신 — current 매크로가 다음 태스크를 가리키도록 per-CPU 포인터를 갱신합니다 (x86: GS 세그먼트 베이스).

/* kernel/sched/core.c — 간략화된 context_switch() */
static void context_switch(struct rq *rq,
    struct task_struct *prev, struct task_struct *next)
{
    struct mm_struct *mm = next->mm;
    struct mm_struct *prev_mm = prev->active_mm;

    prepare_task_switch(rq, prev, next);

    /* 주소 공간 전환 */
    if (!mm) {
        /* next는 커널 스레드: 이전 mm을 차용 (lazy TLB) */
        next->active_mm = prev_mm;
        mmgrab(prev_mm);
        enter_lazy_tlb(prev_mm, next);
    } else {
        /* next는 유저 프로세스: mm 전환 */
        switch_mm_irqs_off(prev_mm, mm, next);
    }

    /* 아키텍처별 레지스터 + 스택 전환 */
    switch_to(prev, next, prev);

    /* 여기서부터는 "next" 태스크의 컨텍스트에서 실행 */
    finish_task_switch(prev);
}

Wake-up 경로

태스크 깨우기(Wakeup)(Wake-up)는 sleep 상태의 태스크를 런큐에 다시 넣고, 필요하면 현재 실행 중인 태스크를 선점하는 과정입니다. I/O 완료, 시그널 전달, 뮤텍스(Mutex) 해제 등 다양한 경로에서 호출됩니다.

호출 체인

try_to_wake_up(p, state, wake_flags)
  ├─→ p->__state 확인 (이미 RUNNING이면 즉시 반환)
  ├─→ select_task_rq(p, ...)            /* 태스크를 넣을 CPU 선택 */
  │     └─→ sched_class->select_task_rq()
  │           └─→ [CFS] select_task_rq_fair() — 부하 기반 CPU 선택
  ├─→ ttwu_queue(p, cpu, ...)
  │     ├─→ [로컬 CPU] ttwu_do_activate(rq, p, ...)
  │     └─→ [원격 CPU] ttwu_queue_wakelist() → IPI 전송
  └─→ ttwu_do_activate(rq, p, ...)
        ├─→ activate_task(rq, p, ...)
        │     └─→ enqueue_task(rq, p, ...)
        │           └─→ sched_class->enqueue_task()
        ├─→ WRITE_ONCE(p->__state, TASK_RUNNING)
        └─→ check_preempt_curr(rq, p, ...)
              └─→ sched_class->check_preempt_curr()
                    └─→ [CFS] resched_curr(rq) (vruntime 비교)

try_to_wake_up() 핵심 코드

/* kernel/sched/core.c — 간략화된 try_to_wake_up() */
static int try_to_wake_up(struct task_struct *p,
    unsigned int state, int wake_flags)
{
    unsigned long flags;
    int cpu, success = 0;

    raw_spin_lock_irqsave(&p->pi_lock, flags);

    /* 1. 상태 확인: 이미 실행 중이면 반환 */
    if (!(p->__state & state))
        goto unlock;

    /* 2. 태스크를 배치할 CPU 선택 */
    cpu = select_task_rq(p, p->wake_cpu, wake_flags);

    if (task_cpu(p) != cpu) {
        /* CPU 마이그레이션 필요 */
        set_task_cpu(p, cpu);
        p->se.nr_migrations++;
    }

    /* 3. 런큐에 태스크 활성화 */
    ttwu_queue(p, cpu, wake_flags);

    success = 1;
unlock:
    raw_spin_unlock_irqrestore(&p->pi_lock, flags);
    return success;
}

흔한 실수와 실전 트러블슈팅

스케줄러 관련 흔한 실수

실전 트러블슈팅 레시피

레시피 1: "어떤 프로세스가 CPU를 독점하는지 모르겠습니다"

# 1단계: 실시간 CPU 사용률 상위 프로세스
top -b -n1 | head -20

# 2단계: 스케줄링 정책별 프로세스 확인
ps -eo pid,cls,rtprio,ni,comm --sort=-pcpu | head -20
# CLS: TS(SCHED_NORMAL), FF(FIFO), RR(RR), --(DL)

# 3단계: RT 태스크가 있는지 확인
ps -eo pid,cls,rtprio,comm | grep -E 'FF|RR'
# RT 태스크가 높은 우선순위로 독점 중이면 원인

# 4단계: cgroup 쓰로틀링 확인
for cg in $(find /sys/fs/cgroup -name cpu.stat -type f); do
    throttled=$(grep nr_throttled $cg | awk '{print $2}')
    [[ $throttled -gt 0 ]] && echo "$cg: nr_throttled=$throttled"
done

레시피 2: "스케줄링 지연이 높습니다 (느린 응답)"

# 1단계: 스케줄링 지연 측정
sudo perf sched record -- sleep 5
sudo perf sched latency --sort max
# Avg delay > 1ms이면 문제 가능

# 2단계: 런큐 길이 확인
sar -q 1 10
# runq-sz가 CPU 수의 2배 이상이면 과부하

# 3단계: 선점 모드 확인
cat /sys/kernel/debug/sched/preempt
# none이면 → voluntary 또는 full로 변경 검토

# 4단계: 특정 프로세스의 wakeup 지연 추적
sudo perf sched timehist -p <pid>
# wait time 컬럼 확인

# 5단계: 스케줄러 파라미터 조정
# 대화형 워크로드이면:
sysctl kernel.sched_latency_ns=4000000          # 6ms → 4ms
sysctl kernel.sched_wakeup_granularity_ns=500000 # 1ms → 0.5ms

레시피 3: "NUMA 시스템에서 성능이 안 나옵니다"

# 1단계: NUMA 메모리 분포 확인
numastat -p <pid>
# Numa_Miss, Numa_Foreign 비율이 높으면 문제

# 2단계: 태스크의 NUMA 선호 노드 확인
cat /proc/<pid>/status | grep -i numa
# Mems_allowed: 어떤 노드에서 메모리 할당 가능한지

# 3단계: NUMA 이주 이벤트 추적
perf stat -e 'migrate:mm_numa_migrate_ratelimited' -- sleep 10

# 4단계: 수동 NUMA 배치 (인메모리 DB 권장)
numactl --cpunodebind=0 --membind=0 ./my_database
# CPU와 메모리를 같은 노드에 고정

레시피 4: "컨테이너에서 CPU 쓰로틀링 진단"

# 1단계: cgroup의 쓰로틀링 통계 확인
# (Kubernetes Pod의 cgroup 경로 찾기)
CGPATH=$(find /sys/fs/cgroup -name "*<container-id>*" -type d | head -1)

cat $CGPATH/cpu.max
# 200000 100000  ← 100ms 주기당 200ms quota (2 CPU 상당)

cat $CGPATH/cpu.stat | grep throttled
# nr_throttled 1542        ← 쓰로틀링 발생 횟수!
# throttled_usec 45678901  ← 총 쓰로틀링 시간 (45초)

# 2단계: 쓰로틀링 비율 계산
# throttled_ratio = nr_throttled / nr_periods
# 5% 이상이면 CPU limit 증가 고려

# 3단계: 버스트 허용으로 완화
echo 200000 > $CGPATH/cpu.max.burst
# 유휴 시 최대 200ms quota 축적, 버스트 시 사용

# 4단계: PSI(Pressure Stall Information) 확인
cat $CGPATH/cpu.pressure
# some avg10=15.2 ← 10초간 15.2%의 시간에서 CPU 부족

Linux 6.12 ~ 6.16 스케줄러 동향 요약

2024-2025년은 리눅스 스케줄러 역사에서 가장 큰 지각 변동이 있었던 기간입니다. sched_ext 메인라인 병합, PREEMPT_RT 공식 통합, PREEMPT_LAZY 도입, EEVDF의 지속적 개선이 동시에 진행되면서 전통적인 CFS 시대가 공식 종료되었습니다. 아래 표와 권고 사항은 운영 환경 커널 선택과 튜닝 전략 수립에 참고하세요.

2026년 환경별 커널 선택 가이드

Linux 7.0 선점 모델 재편 — PREEMPT_NONE 폐기 과정

Peter Zijlstra가 주도한 이 변경은 최신 아키텍처(x86_64, arm64, RISC-V, POWER, LoongArch, s390)에서 선점 모델을 PREEMPT_FULL과 PREEMPT_LAZY 두 가지로 집약합니다. PREEMPT_NONE은 선점을 전혀 지원하지 않는 구형 아키텍처로 범위가 축소되고, PREEMPT_VOLUNTARY는 PREEMPT_LAZY가 없는 아키텍처의 과도기 설정으로만 남습니다. 실무적으로는 PREEMPT_LAZY/FULL 중심으로 문서를 읽는 편이 맞습니다.

이 변경의 직접적인 배경은 PREEMPT_RT 도입 이후 cond_resched() 호출을 커널 전반에 무한 추가해야 하는 문제를 근본적으로 해결하는 것입니다. PREEMPT_LAZY를 기본 모델로 채택하면 커널이 원칙적으로 선점 가능한 상태가 되어 이런 패치워크가 불필요해집니다.

Linux 7.0 — RSEQ Time Slice Extension

약 10년간 개발된 기능이 Linux 7.0에서 마침내 메인라인에 병합되었습니다. RSEQ(Restartable Sequences) Time Slice Extension은 사용자 공간(User Space) 스레드가 임계 구간 진입 시 CPU 타임슬라이스(Time Slice)를 일시적으로 연장 요청할 수 있게 합니다. 실제 우선순위 천장(Priority Ceiling) 프로토콜의 오버헤드 없이 기회적(opportunistic) 선점 방지 효과를 얻는 것이 목표입니다.

/* RSEQ Time Slice Extension 동작 원리 (Linux 7.0+) */
/* 사용자 공간에서 임계 구간 진입 시: */
rseq_cs.start_ip  = (uintptr_t)&&critical_start;
rseq_cs.post_commit_offset = &&critical_end - &&critical_start;
rseq_cs.abort_ip  = (uintptr_t)&&critical_abort;

/* 슬라이스 확장 요청 (최소 5µs, 최대 50µs) */
/* 커널은 확장된 슬라이스 소진 전까지 SCHED_NORMAL 선점을 억제 */
/* 단, RT/DEADLINE 태스크는 여전히 즉시 선점 */

커널 7.0부터: RSEQ Time Slice Extension이 추가되었습니다. 기본 확장값은 5µs이며 최대 50µs까지 설정 가능합니다. 이 값을 크게 설정하면 최소 스케줄링 지연(minimum scheduling latency)에 영향을 줄 수 있으므로 측정 후 조정해야 합니다.

참고자료

• docs.kernel.org — Scheduler — 커널 공식 스케줄러 문서 인덱스입니다.
• docs.kernel.org — CFS Scheduler Design — CFS 스케줄러 설계 원리를 설명하는 공식 문서입니다.
• docs.kernel.org — Nice Design — nice 값과 가중치 설계 근거를 다룬 공식 문서입니다.
• docs.kernel.org — RT Group Scheduling — 실시간 그룹 스케줄링 설정 및 대역폭 제어 문서입니다.
• docs.kernel.org — SCHED_DEADLINE — CBS/EDF 기반 데드라인 스케줄링 공식 문서입니다.
• docs.kernel.org — Energy Aware Scheduling — 에너지 효율 스케줄링(EAS) 공식 문서입니다.
• docs.kernel.org — Scheduler Domains — 스케줄링 도메인과 로드 밸런싱 토폴로지 문서입니다.
• docs.kernel.org — CPU Capacity — 비대칭(big.LITTLE) 시스템에서의 CPU 용량 처리 문서입니다.
• docs.kernel.org — schedutil — 스케줄러 기반 CPU 주파수 거버너 문서입니다.
• docs.kernel.org — sched_ext (Extensible Scheduler Class) — BPF 프로그램으로 커스텀 스케줄러를 정의하는 sched_ext 공식 문서입니다. CONFIG 옵션, ops 콜백 인터페이스, 안전성 보장 메커니즘을 설명합니다.
• kernel/sched/core.c — Bootlin Elixir — 스케줄러 코어 구현 소스 코드입니다. schedule(), __schedule() 등 핵심 함수를 포함합니다.
• kernel/sched/fair.c — Bootlin Elixir — CFS/EEVDF 공정 스케줄러 클래스 구현 소스 코드입니다.
• kernel/sched/rt.c — Bootlin Elixir — SCHED_FIFO/SCHED_RR 실시간 스케줄러 구현 소스 코드입니다.
• kernel/sched/deadline.c — Bootlin Elixir — SCHED_DEADLINE 스케줄러 구현 소스 코드입니다.
• kernel/sched/idle.c — Bootlin Elixir — idle 스케줄러 클래스 및 CPU 유휴 진입 로직입니다.
• kernel/sched/ext.c — Bootlin Elixir — sched_ext BPF 확장 스케줄러 클래스 구현 소스 코드입니다. Linux 6.12에서 메인라인에 병합되었습니다.
• include/linux/sched.h — Bootlin Elixir — task_struct 및 스케줄러 관련 핵심 자료구조 정의입니다.
• LWN: An EEVDF CPU scheduler for Linux — EEVDF 스케줄러 도입 배경과 설계를 다룬 기사입니다.
• LWN: Completing the EEVDF scheduler — EEVDF 스케줄러 통합 완료 과정을 다룬 후속 기사입니다.
• LWN: Per-entity load tracking — PELT(Per-Entity Load Tracking) 메커니즘을 소개하는 기사입니다.
• LWN: Schedulers — the plot thickens — CFS 스케줄러 초기 설계 논의를 기록한 기사입니다.
• LWN: A look at the EEVDF scheduler — EEVDF 알고리즘의 이론적 배경을 설명하는 기사입니다.
• LWN: Fixing SCHED_IDLE — SCHED_IDLE 정책의 문제점과 개선을 다룬 기사입니다.
• LWN: Deadline scheduling for Linux — SCHED_DEADLINE 도입 과정을 설명하는 기사입니다.
• LWN: The extensible scheduler class — sched_ext의 기초 개념과 BPF struct_ops 기반 스케줄러 구현 메커니즘을 소개하는 기사입니다.
• LWN: sched_ext — BPF-Based Extensible Scheduler for Linux — sched_ext 종합 해설 기사입니다. Meta·Google의 프로덕션 채택 사례와 Dispatch Queue 동작 방식을 설명합니다.
• LWN: What's scheduled for sched_ext — scx_rusty, scx_layered 등 실제 사용 스케줄러 구현 사례와 BPF 제약 사항을 다룬 기사입니다.
• LWN: Extensible scheduler class to be merged for 6.11 — sched_ext 메인라인 병합 결정 과정을 기록한 기사입니다(최종적으로 Linux 6.12에 병합).
• LWN: The realtime preemption end game — for real this time — 20년 개발 끝에 PREEMPT_RT가 Linux 6.12 메인라인에 완전히 병합된 과정을 다룬 기사입니다.
• LWN: The long road to lazy preemption — TIF_NEED_RESCHED_LAZY 플래그 기반 PREEMPT_LAZY 모델의 설계 배경과 Linux 6.13 병합 과정을 설명하는 기사입니다.
• man sched(7) — 리눅스 스케줄링 정책과 우선순위에 대한 매뉴얼 페이지입니다.
• man sched_setscheduler(2) — 스케줄링 정책 및 파라미터 설정 시스템 콜 매뉴얼입니다.
• man sched_setattr(2) — SCHED_DEADLINE 등 확장 스케줄링 속성 설정 시스템 콜 매뉴얼입니다.
• Phoronix: Linux 7.0 Scheduler Updates Land Time Slice Extension, Performance & Scalability Work — RSEQ Time Slice Extension 병합과 스케줄러 확장성 개선을 정리한 기사입니다.
• LWN: Scheduler time slice extension — RSEQ 기반 타임슬라이스 확장 메커니즘의 설계와 구현을 설명하는 기사입니다.
• Phoronix: Linux 7.0 To Focus Just On Full & Lazy Preemption Models For Up-To-Date CPU Archs — 최신 아키텍처에서 PREEMPT_NONE/VOLUNTARY를 제거하는 선점 모델 재편을 설명하는 기사입니다.
• Phoronix: AWS Engineer Reports PostgreSQL Performance Halved By Linux 7.0 — Linux 7.0 선점 모델 변경으로 인한 PostgreSQL 성능 저하 보고 및 분석입니다.
• LWN: Improved load balancing with machine learning — sched_ext 기반 ML 부하 분산 스케줄러의 설계와 동작을 설명하는 기사입니다.
• KernelNewbies: Linux 6.17 — v6.17 릴리스 요약으로 proxy execution 초기 구현과 SMP 무조건 컴파일을 포함합니다.
• KernelNewbies: Linux 6.18 — v6.18 릴리스 요약으로 NUMA 밸런싱 개선, sched_ext cgroup 서브스케줄러 기반 작업을 포함합니다.
• KernelNewbies: Linux 6.19 — v6.19 릴리스 요약으로 NEXT_BUDDY 재도입과 sched_avg 회귀 수정을 포함합니다.
• KernelNewbies: Linux 7.0 — v7.0 릴리스 요약으로 RSEQ Time Slice Extension 및 선점 모델 재편을 포함합니다.

관련 문서

스케줄러와 관련된 다른 주제를 더 깊이 이해하고 싶다면 다음 문서를 참고하세요.

• EEVDF 스케줄러 — Earliest Eligible Virtual Deadline First 알고리즘과 구현
• sched_ext — BPF 확장 스케줄러 — BPF 기반 커스텀 스케줄러 프레임워크
• CFS 스케줄러 상세 — Completely Fair Scheduler 구현
• 프로세스 관리 — task_struct와 프로세스 생명주기
• Context Switching — 프로세스 전환 메커니즘
• Real-Time Linux — RT 스케줄링과 PREEMPT_RT
• cpusets & CPU Isolation — CPU 격리와 친화도(Affinity)
• preempt_count & 선점 모델 — 선점 카운터와 선점 모델 심층
• CPU 토폴로지 — 멀티코어 환경에서의 스케줄링
• CPU 캐시(Cache) — 캐시 친화적 스케줄링 전략
• 동기화 기법 — 스케줄러 내부의 잠금 메커니즘
• 인터럽트 — 스케줄링과 인터럽트 컨텍스트