Quelle  tcp.c   Sprache: C

// SPDX-License-Identifier: GPL-2.0-or-later
/*
 *
 * Copyright (C) 2004 Oracle.  All rights reserved.
 *
 * ----
 *
 * Callers for this were originally written against a very simple synchronous
 * API.  This implementation reflects those simple callers.  Some day I'm sure
 * we'll need to move to a more robust posting/callback mechanism.
 *
 * Transmit calls pass in kernel virtual addresses and block copying this into
 * the socket's tx buffers via a usual blocking sendmsg.  They'll block waiting
 * for a failed socket to timeout.  TX callers can also pass in a pointer to an
 * 'int' which gets filled with an errno off the wire in response to the
 * message they send.
 *
 * Handlers for unsolicited messages are registered.  Each socket has a page
 * that incoming data is copied into.  First the header, then the data.
 * Handlers are called from only one thread with a reference to this per-socket
 * page.  This page is destroyed after the handler call, so it can't be
 * referenced beyond the call.  Handlers may block but are discouraged from
 * doing so.
 *
 * Any framing errors (bad magic, large payload lengths) close a connection.
 *
 * Our sock_container holds the state we associate with a socket.  It's current
 * framing state is held there as well as the refcounting we do around when it
 * is safe to tear down the socket.  The socket is only finally torn down from
 * the container when the container loses all of its references -- so as long
 * as you hold a ref on the container you can trust that the socket is valid
 * for use with kernel socket APIs.
 *
 * Connections are initiated between a pair of nodes when the node with the
 * higher node number gets a heartbeat callback which indicates that the lower
 * numbered node has started heartbeating.  The lower numbered node is passive
 * and only accepts the connection if the higher numbered node is heartbeating.
 */

#include <linux/kernel.h>
#include <linux/sched/mm.h>
#include <linux/jiffies.h>
#include <linux/slab.h>
#include <linux/idr.h>
#include <linux/kref.h>
#include <linux/net.h>
#include <linux/export.h>
#include <net/tcp.h>
#include <trace/events/sock.h>

#include <linux/uaccess.h>

#include "heartbeat.h"
#include "tcp.h"
#include "nodemanager.h"
#define MLOG_MASK_PREFIX ML_TCP
#include "masklog.h"
#include "quorum.h"

#include "tcp_internal.h"

#define SC_NODEF_FMT "node %s (num %u) at %pI4:%u"
#define SC_NODEF_ARGS(sc) sc->sc_node->nd_name, sc->sc_node->nd_num, \
     &sc->sc_node->nd_ipv4_address,  \
     ntohs(sc->sc_node->nd_ipv4_port)

/*
 * In the following two log macros, the whitespace after the ',' just
 * before ##args is intentional. Otherwise, gcc 2.95 will eat the
 * previous token if args expands to nothing.
 */
#define msglog(hdr, fmt, args...) do {     \
 typeof(hdr) __hdr = (hdr);     \
 mlog(ML_MSG, "[mag %u len %u typ %u stat %d sys_stat %d " \
      "key %08x num %u] " fmt,     \
      be16_to_cpu(__hdr->magic), be16_to_cpu(__hdr->data_len),  \
      be16_to_cpu(__hdr->msg_type), be32_to_cpu(__hdr->status), \
      be32_to_cpu(__hdr->sys_status), be32_to_cpu(__hdr->key), \
      be32_to_cpu(__hdr->msg_num) ,  ##args);   \
} while (0)

#define sclog(sc, fmt, args...) do {     \
 typeof(sc) __sc = (sc);      \
 mlog(ML_SOCKET, "[sc %p refs %d sock %p node %u page %p " \
      "pg_off %zu] " fmt, __sc,     \
      kref_read(&__sc->sc_kref), __sc->sc_sock, \
     __sc->sc_node->nd_num, __sc->sc_page, __sc->sc_page_off , \
     ##args);       \
} while (0)

static DEFINE_RWLOCK(o2net_handler_lock);
static struct rb_root o2net_handler_tree = RB_ROOT;

static struct o2net_node o2net_nodes[O2NM_MAX_NODES];

/* XXX someday we'll need better accounting */
static struct socket *o2net_listen_sock;

/*
 * listen work is only queued by the listening socket callbacks on the
 * o2net_wq.  teardown detaches the callbacks before destroying the workqueue.
 * quorum work is queued as sock containers are shutdown.. stop_listening
 * tears down all the node's sock containers, preventing future shutdowns
 * and queued quorum work, before canceling delayed quorum work and
 * destroying the work queue.
 */
static struct workqueue_struct *o2net_wq;
static struct work_struct o2net_listen_work;

static struct o2hb_callback_func o2net_hb_up, o2net_hb_down;
#define O2NET_HB_PRI 0x1

static struct o2net_handshake *o2net_hand;
static struct o2net_msg *o2net_keep_req, *o2net_keep_resp;

static int o2net_sys_err_translations[O2NET_ERR_MAX] =
  {[O2NET_ERR_NONE] = 0,
   [O2NET_ERR_NO_HNDLR] = -ENOPROTOOPT,
   [O2NET_ERR_OVERFLOW] = -EOVERFLOW,
   [O2NET_ERR_DIED] = -EHOSTDOWN,};

/* can't quite avoid *all* internal declarations :/ */
static void o2net_sc_connect_completed(struct work_struct *work);
static void o2net_rx_until_empty(struct work_struct *work);
static void o2net_shutdown_sc(struct work_struct *work);
static void o2net_listen_data_ready(struct sock *sk);
static void o2net_sc_send_keep_req(struct work_struct *work);
static void o2net_idle_timer(struct timer_list *t);
static void o2net_sc_postpone_idle(struct o2net_sock_container *sc);
static void o2net_sc_reset_idle_timer(struct o2net_sock_container *sc);

#ifdef CONFIG_DEBUG_FS
static void o2net_init_nst(struct o2net_send_tracking *nst, u32 msgtype,
      u32 msgkey, struct task_struct *task, u8 node)
{
 INIT_LIST_HEAD(&nst->st_net_debug_item);
 nst->st_task = task;
 nst->st_msg_type = msgtype;
 nst->st_msg_key = msgkey;
 nst->st_node = node;
}

static inline void o2net_set_nst_sock_time(struct o2net_send_tracking *nst)
{
 nst->st_sock_time = ktime_get();
}

static inline void o2net_set_nst_send_time(struct o2net_send_tracking *nst)
{
 nst->st_send_time = ktime_get();
}

static inline void o2net_set_nst_status_time(struct o2net_send_tracking *nst)
{
 nst->st_status_time = ktime_get();
}

static inline void o2net_set_nst_sock_container(struct o2net_send_tracking *nst,
      struct o2net_sock_container *sc)
{
 nst->st_sc = sc;
}

static inline void o2net_set_nst_msg_id(struct o2net_send_tracking *nst,
     u32 msg_id)
{
 nst->st_id = msg_id;
}

static inline void o2net_set_sock_timer(struct o2net_sock_container *sc)
{
 sc->sc_tv_timer = ktime_get();
}

static inline void o2net_set_data_ready_time(struct o2net_sock_container *sc)
{
 sc->sc_tv_data_ready = ktime_get();
}

static inline void o2net_set_advance_start_time(struct o2net_sock_container *sc)
{
 sc->sc_tv_advance_start = ktime_get();
}

static inline void o2net_set_advance_stop_time(struct o2net_sock_container *sc)
{
 sc->sc_tv_advance_stop = ktime_get();
}

static inline void o2net_set_func_start_time(struct o2net_sock_container *sc)
{
 sc->sc_tv_func_start = ktime_get();
}

static inline void o2net_set_func_stop_time(struct o2net_sock_container *sc)
{
 sc->sc_tv_func_stop = ktime_get();
}

#else  /* CONFIG_DEBUG_FS */
# define o2net_init_nst(a, b, c, d, e)
# define o2net_set_nst_sock_time(a)
# define o2net_set_nst_send_time(a)
# define o2net_set_nst_status_time(a)
# define o2net_set_nst_sock_container(a, b)
# define o2net_set_nst_msg_id(a, b)
# define o2net_set_sock_timer(a)
# define o2net_set_data_ready_time(a)
# define o2net_set_advance_start_time(a)
# define o2net_set_advance_stop_time(a)
# define o2net_set_func_start_time(a)
# define o2net_set_func_stop_time(a)
#endif /* CONFIG_DEBUG_FS */

#ifdef CONFIG_OCFS2_FS_STATS
static ktime_t o2net_get_func_run_time(struct o2net_sock_container *sc)
{
 return ktime_sub(sc->sc_tv_func_stop, sc->sc_tv_func_start);
}

static void o2net_update_send_stats(struct o2net_send_tracking *nst,
        struct o2net_sock_container *sc)
{
 sc->sc_tv_status_total = ktime_add(sc->sc_tv_status_total,
        ktime_sub(ktime_get(),
           nst->st_status_time));
 sc->sc_tv_send_total = ktime_add(sc->sc_tv_send_total,
      ktime_sub(nst->st_status_time,
         nst->st_send_time));
 sc->sc_tv_acquiry_total = ktime_add(sc->sc_tv_acquiry_total,
         ktime_sub(nst->st_send_time,
            nst->st_sock_time));
 sc->sc_send_count++;
}

static void o2net_update_recv_stats(struct o2net_sock_container *sc)
{
 sc->sc_tv_process_total = ktime_add(sc->sc_tv_process_total,
         o2net_get_func_run_time(sc));
 sc->sc_recv_count++;
}

#else

# define o2net_update_send_stats(a, b)

# define o2net_update_recv_stats(sc)

#endif /* CONFIG_OCFS2_FS_STATS */

static inline unsigned int o2net_reconnect_delay(void)
{
 return o2nm_single_cluster->cl_reconnect_delay_ms;
}

static inline unsigned int o2net_keepalive_delay(void)
{
 return o2nm_single_cluster->cl_keepalive_delay_ms;
}

static inline unsigned int o2net_idle_timeout(void)
{
 return o2nm_single_cluster->cl_idle_timeout_ms;
}

static inline int o2net_sys_err_to_errno(enum o2net_system_error err)
{
 int trans;
 BUG_ON(err >= O2NET_ERR_MAX);
 trans = o2net_sys_err_translations[err];

 /* Just in case we mess up the translation table above */
 BUG_ON(err != O2NET_ERR_NONE && trans == 0);
 return trans;
}

static struct o2net_node * o2net_nn_from_num(u8 node_num)
{
 BUG_ON(node_num >= ARRAY_SIZE(o2net_nodes));
 return &o2net_nodes[node_num];
}

static u8 o2net_num_from_nn(struct o2net_node *nn)
{
 BUG_ON(nn == NULL);
 return nn - o2net_nodes;
}

/* ------------------------------------------------------------ */

static int o2net_prep_nsw(struct o2net_node *nn, struct o2net_status_wait *nsw)
{
 int ret;

 spin_lock(&nn->nn_lock);
 ret = idr_alloc(&nn->nn_status_idr, nsw, 0, 0, GFP_ATOMIC);
 if (ret >= 0) {
  nsw->ns_id = ret;
  list_add_tail(&nsw->ns_node_item, &nn->nn_status_list);
 }
 spin_unlock(&nn->nn_lock);
 if (ret < 0)
  return ret;

 init_waitqueue_head(&nsw->ns_wq);
 nsw->ns_sys_status = O2NET_ERR_NONE;
 nsw->ns_status = 0;
 return 0;
}

static void o2net_complete_nsw_locked(struct o2net_node *nn,
          struct o2net_status_wait *nsw,
          enum o2net_system_error sys_status,
          s32 status)
{
 assert_spin_locked(&nn->nn_lock);

 if (!list_empty(&nsw->ns_node_item)) {
  list_del_init(&nsw->ns_node_item);
  nsw->ns_sys_status = sys_status;
  nsw->ns_status = status;
  idr_remove(&nn->nn_status_idr, nsw->ns_id);
  wake_up(&nsw->ns_wq);
 }
}

static void o2net_complete_nsw(struct o2net_node *nn,
          struct o2net_status_wait *nsw,
          u64 id, enum o2net_system_error sys_status,
          s32 status)
{
 spin_lock(&nn->nn_lock);
 if (nsw == NULL) {
  if (id > INT_MAX)
   goto out;

  nsw = idr_find(&nn->nn_status_idr, id);
  if (nsw == NULL)
   goto out;
 }

 o2net_complete_nsw_locked(nn, nsw, sys_status, status);

out:
 spin_unlock(&nn->nn_lock);
 return;
}

static void o2net_complete_nodes_nsw(struct o2net_node *nn)
{
 struct o2net_status_wait *nsw, *tmp;
 unsigned int num_kills = 0;

 assert_spin_locked(&nn->nn_lock);

 list_for_each_entry_safe(nsw, tmp, &nn->nn_status_list, ns_node_item) {
  o2net_complete_nsw_locked(nn, nsw, O2NET_ERR_DIED, 0);
  num_kills++;
 }

 mlog(0, "completed %d messages for node %u\n", num_kills,
      o2net_num_from_nn(nn));
}

static int o2net_nsw_completed(struct o2net_node *nn,
          struct o2net_status_wait *nsw)
{
 int completed;
 spin_lock(&nn->nn_lock);
 completed = list_empty(&nsw->ns_node_item);
 spin_unlock(&nn->nn_lock);
 return completed;
}

/* ------------------------------------------------------------ */

static void sc_kref_release(struct kref *kref)
{
 struct o2net_sock_container *sc = container_of(kref,
     struct o2net_sock_container, sc_kref);
 BUG_ON(timer_pending(&sc->sc_idle_timeout));

 sclog(sc, "releasing\n");

 if (sc->sc_sock) {
  sock_release(sc->sc_sock);
  sc->sc_sock = NULL;
 }

 o2nm_undepend_item(&sc->sc_node->nd_item);
 o2nm_node_put(sc->sc_node);
 sc->sc_node = NULL;

 o2net_debug_del_sc(sc);

 if (sc->sc_page)
  __free_page(sc->sc_page);
 kfree(sc);
}

static void sc_put(struct o2net_sock_container *sc)
{
 sclog(sc, "put\n");
 kref_put(&sc->sc_kref, sc_kref_release);
}
static void sc_get(struct o2net_sock_container *sc)
{
 sclog(sc, "get\n");
 kref_get(&sc->sc_kref);
}
static struct o2net_sock_container *sc_alloc(struct o2nm_node *node)
{
 struct o2net_sock_container *sc, *ret = NULL;
 struct page *page = NULL;
 int status = 0;

 page = alloc_page(GFP_NOFS);
 sc = kzalloc(sizeof(*sc), GFP_NOFS);
 if (sc == NULL || page == NULL)
  goto out;

 kref_init(&sc->sc_kref);
 o2nm_node_get(node);
 sc->sc_node = node;

 /* pin the node item of the remote node */
 status = o2nm_depend_item(&node->nd_item);
 if (status) {
  mlog_errno(status);
  o2nm_node_put(node);
  goto out;
 }
 INIT_WORK(&sc->sc_connect_work, o2net_sc_connect_completed);
 INIT_WORK(&sc->sc_rx_work, o2net_rx_until_empty);
 INIT_WORK(&sc->sc_shutdown_work, o2net_shutdown_sc);
 INIT_DELAYED_WORK(&sc->sc_keepalive_work, o2net_sc_send_keep_req);

 timer_setup(&sc->sc_idle_timeout, o2net_idle_timer, 0);

 sclog(sc, "alloced\n");

 ret = sc;
 sc->sc_page = page;
 o2net_debug_add_sc(sc);
 sc = NULL;
 page = NULL;

out:
 if (page)
  __free_page(page);
 kfree(sc);

 return ret;
}

/* ------------------------------------------------------------ */

static void o2net_sc_queue_work(struct o2net_sock_container *sc,
    struct work_struct *work)
{
 sc_get(sc);
 if (!queue_work(o2net_wq, work))
  sc_put(sc);
}
static void o2net_sc_queue_delayed_work(struct o2net_sock_container *sc,
     struct delayed_work *work,
     int delay)
{
 sc_get(sc);
 if (!queue_delayed_work(o2net_wq, work, delay))
  sc_put(sc);
}
static void o2net_sc_cancel_delayed_work(struct o2net_sock_container *sc,
      struct delayed_work *work)
{
 if (cancel_delayed_work(work))
  sc_put(sc);
}

static atomic_t o2net_connected_peers = ATOMIC_INIT(0);

int o2net_num_connected_peers(void)
{
 return atomic_read(&o2net_connected_peers);
}

static void o2net_set_nn_state(struct o2net_node *nn,
          struct o2net_sock_container *sc,
          unsigned valid, int err)
{
 int was_valid = nn->nn_sc_valid;
 int was_err = nn->nn_persistent_error;
 struct o2net_sock_container *old_sc = nn->nn_sc;

 assert_spin_locked(&nn->nn_lock);

 if (old_sc && !sc)
  atomic_dec(&o2net_connected_peers);
 else if (!old_sc && sc)
  atomic_inc(&o2net_connected_peers);

 /* the node num comparison and single connect/accept path should stop
 * an non-null sc from being overwritten with another */
 BUG_ON(sc && nn->nn_sc && nn->nn_sc != sc);
 mlog_bug_on_msg(err && valid, "err %d valid %u\n", err, valid);
 mlog_bug_on_msg(valid && !sc, "valid %u sc %p\n", valid, sc);

 if (was_valid && !valid && err == 0)
  err = -ENOTCONN;

 mlog(ML_CONN, "node %u sc: %p -> %p, valid %u -> %u, err %d -> %d\n",
      o2net_num_from_nn(nn), nn->nn_sc, sc, nn->nn_sc_valid, valid,
      nn->nn_persistent_error, err);

 nn->nn_sc = sc;
 nn->nn_sc_valid = valid ? 1 : 0;
 nn->nn_persistent_error = err;

 /* mirrors o2net_tx_can_proceed() */
 if (nn->nn_persistent_error || nn->nn_sc_valid)
  wake_up(&nn->nn_sc_wq);

 if (was_valid && !was_err && nn->nn_persistent_error) {
  o2quo_conn_err(o2net_num_from_nn(nn));
  queue_delayed_work(o2net_wq, &nn->nn_still_up,
       msecs_to_jiffies(O2NET_QUORUM_DELAY_MS));
 }

 if (was_valid && !valid) {
  if (old_sc)
   printk(KERN_NOTICE "o2net: No longer connected to "
    SC_NODEF_FMT "\n", SC_NODEF_ARGS(old_sc));
  o2net_complete_nodes_nsw(nn);
 }

 if (!was_valid && valid) {
  o2quo_conn_up(o2net_num_from_nn(nn));
  cancel_delayed_work(&nn->nn_connect_expired);
  printk(KERN_NOTICE "o2net: %s " SC_NODEF_FMT "\n",
         o2nm_this_node() > sc->sc_node->nd_num ?
         "Connected to" : "Accepted connection from",
         SC_NODEF_ARGS(sc));
 }

 /* trigger the connecting worker func as long as we're not valid,
 * it will back off if it shouldn't connect.  This can be called
 * from node config teardown and so needs to be careful about
 * the work queue actually being up. */
 if (!valid && o2net_wq) {
  unsigned long delay;
  /* delay if we're within a RECONNECT_DELAY of the
 * last attempt */
  delay = (nn->nn_last_connect_attempt +
    msecs_to_jiffies(o2net_reconnect_delay()))
   - jiffies;
  if (delay > msecs_to_jiffies(o2net_reconnect_delay()))
   delay = 0;
  mlog(ML_CONN, "queueing conn attempt in %lu jiffies\n", delay);
  queue_delayed_work(o2net_wq, &nn->nn_connect_work, delay);

  /*
 * Delay the expired work after idle timeout.
 *
 * We might have lots of failed connection attempts that run
 * through here but we only cancel the connect_expired work when
 * a connection attempt succeeds.  So only the first enqueue of
 * the connect_expired work will do anything.  The rest will see
 * that it's already queued and do nothing.
 */
  delay += msecs_to_jiffies(o2net_idle_timeout());
  queue_delayed_work(o2net_wq, &nn->nn_connect_expired, delay);
 }

 /* keep track of the nn's sc ref for the caller */
 if ((old_sc == NULL) && sc)
  sc_get(sc);
 if (old_sc && (old_sc != sc)) {
  o2net_sc_queue_work(old_sc, &old_sc->sc_shutdown_work);
  sc_put(old_sc);
 }
}

/* see o2net_register_callbacks() */
static void o2net_data_ready(struct sock *sk)
{
 void (*ready)(struct sock *sk);
 struct o2net_sock_container *sc;

 trace_sk_data_ready(sk);

 read_lock_bh(&sk->sk_callback_lock);
 sc = sk->sk_user_data;
 if (sc) {
  sclog(sc, "data_ready hit\n");
  o2net_set_data_ready_time(sc);
  o2net_sc_queue_work(sc, &sc->sc_rx_work);
  ready = sc->sc_data_ready;
 } else {
  ready = sk->sk_data_ready;
 }
 read_unlock_bh(&sk->sk_callback_lock);

 ready(sk);
}

/* see o2net_register_callbacks() */
static void o2net_state_change(struct sock *sk)
{
 void (*state_change)(struct sock *sk);
 struct o2net_sock_container *sc;

 read_lock_bh(&sk->sk_callback_lock);
 sc = sk->sk_user_data;
 if (sc == NULL) {
  state_change = sk->sk_state_change;
  goto out;
 }

 sclog(sc, "state_change to %d\n", sk->sk_state);

 state_change = sc->sc_state_change;

 switch(sk->sk_state) {
 /* ignore connecting sockets as they make progress */
 case TCP_SYN_SENT:
 case TCP_SYN_RECV:
  break;
 case TCP_ESTABLISHED:
  o2net_sc_queue_work(sc, &sc->sc_connect_work);
  break;
 default:
  printk(KERN_INFO "o2net: Connection to " SC_NODEF_FMT
   " shutdown, state %d\n",
   SC_NODEF_ARGS(sc), sk->sk_state);
  o2net_sc_queue_work(sc, &sc->sc_shutdown_work);
  break;
 }
out:
 read_unlock_bh(&sk->sk_callback_lock);
 state_change(sk);
}

/*
 * we register callbacks so we can queue work on events before calling
 * the original callbacks.  our callbacks our careful to test user_data
 * to discover when they've reaced with o2net_unregister_callbacks().
 */
static void o2net_register_callbacks(struct sock *sk,
         struct o2net_sock_container *sc)
{
 write_lock_bh(&sk->sk_callback_lock);

 /* accepted sockets inherit the old listen socket data ready */
 if (sk->sk_data_ready == o2net_listen_data_ready) {
  sk->sk_data_ready = sk->sk_user_data;
  sk->sk_user_data = NULL;
 }

 BUG_ON(sk->sk_user_data != NULL);
 sk->sk_user_data = sc;
 sc_get(sc);

 sc->sc_data_ready = sk->sk_data_ready;
 sc->sc_state_change = sk->sk_state_change;
 sk->sk_data_ready = o2net_data_ready;
 sk->sk_state_change = o2net_state_change;

 mutex_init(&sc->sc_send_lock);

 write_unlock_bh(&sk->sk_callback_lock);
}

static int o2net_unregister_callbacks(struct sock *sk,
              struct o2net_sock_container *sc)
{
 int ret = 0;

 write_lock_bh(&sk->sk_callback_lock);
 if (sk->sk_user_data == sc) {
  ret = 1;
  sk->sk_user_data = NULL;
  sk->sk_data_ready = sc->sc_data_ready;
  sk->sk_state_change = sc->sc_state_change;
 }
 write_unlock_bh(&sk->sk_callback_lock);

 return ret;
}

/*
 * this is a little helper that is called by callers who have seen a problem
 * with an sc and want to detach it from the nn if someone already hasn't beat
 * them to it.  if an error is given then the shutdown will be persistent
 * and pending transmits will be canceled.
 */
static void o2net_ensure_shutdown(struct o2net_node *nn,
              struct o2net_sock_container *sc,
       int err)
{
 spin_lock(&nn->nn_lock);
 if (nn->nn_sc == sc)
  o2net_set_nn_state(nn, NULL, 0, err);
 spin_unlock(&nn->nn_lock);
}

/*
 * This work queue function performs the blocking parts of socket shutdown.  A
 * few paths lead here.  set_nn_state will trigger this callback if it sees an
 * sc detached from the nn.  state_change will also trigger this callback
 * directly when it sees errors.  In that case we need to call set_nn_state
 * ourselves as state_change couldn't get the nn_lock and call set_nn_state
 * itself.
 */
static void o2net_shutdown_sc(struct work_struct *work)
{
 struct o2net_sock_container *sc =
  container_of(work, struct o2net_sock_container,
        sc_shutdown_work);
 struct o2net_node *nn = o2net_nn_from_num(sc->sc_node->nd_num);

 sclog(sc, "shutting down\n");

 /* drop the callbacks ref and call shutdown only once */
 if (o2net_unregister_callbacks(sc->sc_sock->sk, sc)) {
  /* we shouldn't flush as we're in the thread, the
 * races with pending sc work structs are harmless */
  timer_delete_sync(&sc->sc_idle_timeout);
  o2net_sc_cancel_delayed_work(sc, &sc->sc_keepalive_work);
  sc_put(sc);
  kernel_sock_shutdown(sc->sc_sock, SHUT_RDWR);
 }

 /* not fatal so failed connects before the other guy has our
 * heartbeat can be retried */
 o2net_ensure_shutdown(nn, sc, 0);
 sc_put(sc);
}

/* ------------------------------------------------------------ */

static int o2net_handler_cmp(struct o2net_msg_handler *nmh, u32 msg_type,
        u32 key)
{
 int ret = memcmp(&nmh->nh_key, &key, sizeof(key));

 if (ret == 0)
  ret = memcmp(&nmh->nh_msg_type, &msg_type, sizeof(msg_type));

 return ret;
}

static struct o2net_msg_handler *
o2net_handler_tree_lookup(u32 msg_type, u32 key, struct rb_node ***ret_p,
     struct rb_node **ret_parent)
{
 struct rb_node **p = &o2net_handler_tree.rb_node;
 struct rb_node *parent = NULL;
 struct o2net_msg_handler *nmh, *ret = NULL;
 int cmp;

 while (*p) {
  parent = *p;
  nmh = rb_entry(parent, struct o2net_msg_handler, nh_node);
  cmp = o2net_handler_cmp(nmh, msg_type, key);

  if (cmp < 0)
   p = &(*p)->rb_left;
  else if (cmp > 0)
   p = &(*p)->rb_right;
  else {
   ret = nmh;
   break;
  }
 }

 if (ret_p != NULL)
  *ret_p = p;
 if (ret_parent != NULL)
  *ret_parent = parent;

 return ret;
}

static void o2net_handler_kref_release(struct kref *kref)
{
 struct o2net_msg_handler *nmh;
 nmh = container_of(kref, struct o2net_msg_handler, nh_kref);

 kfree(nmh);
}

static void o2net_handler_put(struct o2net_msg_handler *nmh)
{
 kref_put(&nmh->nh_kref, o2net_handler_kref_release);
}

/* max_len is protection for the handler func.  incoming messages won't
 * be given to the handler if their payload is longer than the max. */
int o2net_register_handler(u32 msg_type, u32 key, u32 max_len,
      o2net_msg_handler_func *func, void *data,
      o2net_post_msg_handler_func *post_func,
      struct list_head *unreg_list)
{
 struct o2net_msg_handler *nmh = NULL;
 struct rb_node **p, *parent;
 int ret = 0;

 if (max_len > O2NET_MAX_PAYLOAD_BYTES) {
  mlog(0, "max_len for message handler out of range: %u\n",
   max_len);
  ret = -EINVAL;
  goto out;
 }

 if (!msg_type) {
  mlog(0, "no message type provided: %u, %p\n", msg_type, func);
  ret = -EINVAL;
  goto out;

 }
 if (!func) {
  mlog(0, "no message handler provided: %u, %p\n",
         msg_type, func);
  ret = -EINVAL;
  goto out;
 }

        nmh = kzalloc(sizeof(struct o2net_msg_handler), GFP_NOFS);
 if (nmh == NULL) {
  ret = -ENOMEM;
  goto out;
 }

 nmh->nh_func = func;
 nmh->nh_func_data = data;
 nmh->nh_post_func = post_func;
 nmh->nh_msg_type = msg_type;
 nmh->nh_max_len = max_len;
 nmh->nh_key = key;
 /* the tree and list get this ref.. they're both removed in
 * unregister when this ref is dropped */
 kref_init(&nmh->nh_kref);
 INIT_LIST_HEAD(&nmh->nh_unregister_item);

 write_lock(&o2net_handler_lock);
 if (o2net_handler_tree_lookup(msg_type, key, &p, &parent))
  ret = -EEXIST;
 else {
         rb_link_node(&nmh->nh_node, parent, p);
  rb_insert_color(&nmh->nh_node, &o2net_handler_tree);
  list_add_tail(&nmh->nh_unregister_item, unreg_list);

  mlog(ML_TCP, "registered handler func %p type %u key %08x\n",
       func, msg_type, key);
  /* we've had some trouble with handlers seemingly vanishing. */
  mlog_bug_on_msg(o2net_handler_tree_lookup(msg_type, key, &p,
         &parent) == NULL,
           "couldn't find handler we *just* registered "
    "for type %u key %08x\n", msg_type, key);
 }
 write_unlock(&o2net_handler_lock);

out:
 if (ret)
  kfree(nmh);

 return ret;
}
EXPORT_SYMBOL_GPL(o2net_register_handler);

void o2net_unregister_handler_list(struct list_head *list)
{
 struct o2net_msg_handler *nmh, *n;

 write_lock(&o2net_handler_lock);
 list_for_each_entry_safe(nmh, n, list, nh_unregister_item) {
  mlog(ML_TCP, "unregistering handler func %p type %u key %08x\n",
       nmh->nh_func, nmh->nh_msg_type, nmh->nh_key);
  rb_erase(&nmh->nh_node, &o2net_handler_tree);
  list_del_init(&nmh->nh_unregister_item);
  kref_put(&nmh->nh_kref, o2net_handler_kref_release);
 }
 write_unlock(&o2net_handler_lock);
}
EXPORT_SYMBOL_GPL(o2net_unregister_handler_list);

static struct o2net_msg_handler *o2net_handler_get(u32 msg_type, u32 key)
{
 struct o2net_msg_handler *nmh;

 read_lock(&o2net_handler_lock);
 nmh = o2net_handler_tree_lookup(msg_type, key, NULL, NULL);
 if (nmh)
  kref_get(&nmh->nh_kref);
 read_unlock(&o2net_handler_lock);

 return nmh;
}

/* ------------------------------------------------------------ */

static int o2net_recv_tcp_msg(struct socket *sock, void *data, size_t len)
{
 struct kvec vec = { .iov_len = len, .iov_base = data, };
 struct msghdr msg = { .msg_flags = MSG_DONTWAIT, };
 iov_iter_kvec(&msg.msg_iter, ITER_DEST, &vec, 1, len);
 return sock_recvmsg(sock, &msg, MSG_DONTWAIT);
}

static int o2net_send_tcp_msg(struct socket *sock, struct kvec *vec,
         size_t veclen, size_t total)
{
 int ret;
 struct msghdr msg = {.msg_flags = 0,};

 if (sock == NULL) {
  ret = -EINVAL;
  goto out;
 }

 ret = kernel_sendmsg(sock, &msg, vec, veclen, total);
 if (likely(ret == total))
  return 0;
 mlog(ML_ERROR, "sendmsg returned %d instead of %zu\n", ret, total);
 if (ret >= 0)
  ret = -EPIPE; /* should be smarter, I bet */
out:
 mlog(0, "returning error: %d\n", ret);
 return ret;
}

static void o2net_sendpage(struct o2net_sock_container *sc,
      void *virt, size_t size)
{
 struct o2net_node *nn = o2net_nn_from_num(sc->sc_node->nd_num);
 struct msghdr msg = {};
 struct bio_vec bv;
 ssize_t ret;

 bvec_set_virt(&bv, virt, size);
 iov_iter_bvec(&msg.msg_iter, ITER_SOURCE, &bv, 1, size);

 while (1) {
  msg.msg_flags = MSG_DONTWAIT | MSG_SPLICE_PAGES;
  mutex_lock(&sc->sc_send_lock);
  ret = sock_sendmsg(sc->sc_sock, &msg);
  mutex_unlock(&sc->sc_send_lock);

  if (ret == size)
   break;
  if (ret == (ssize_t)-EAGAIN) {
   mlog(0, "sendpage of size %zu to " SC_NODEF_FMT
        " returned EAGAIN\n", size, SC_NODEF_ARGS(sc));
   cond_resched();
   continue;
  }
  mlog(ML_ERROR, "sendpage of size %zu to " SC_NODEF_FMT
       " failed with %zd\n", size, SC_NODEF_ARGS(sc), ret);
  o2net_ensure_shutdown(nn, sc, 0);
  break;
 }
}

static void o2net_init_msg(struct o2net_msg *msg, u16 data_len, u16 msg_type, u32 key)
{
 memset(msg, 0, sizeof(struct o2net_msg));
 msg->magic = cpu_to_be16(O2NET_MSG_MAGIC);
 msg->data_len = cpu_to_be16(data_len);
 msg->msg_type = cpu_to_be16(msg_type);
 msg->sys_status = cpu_to_be32(O2NET_ERR_NONE);
 msg->status = 0;
 msg->key = cpu_to_be32(key);
}

static int o2net_tx_can_proceed(struct o2net_node *nn,
           struct o2net_sock_container **sc_ret,
    int *error)
{
 int ret = 0;

 spin_lock(&nn->nn_lock);
 if (nn->nn_persistent_error) {
  ret = 1;
  *sc_ret = NULL;
  *error = nn->nn_persistent_error;
 } else if (nn->nn_sc_valid) {
  kref_get(&nn->nn_sc->sc_kref);

  ret = 1;
  *sc_ret = nn->nn_sc;
  *error = 0;
 }
 spin_unlock(&nn->nn_lock);

 return ret;
}

/* Get a map of all nodes to which this node is currently connected to */
void o2net_fill_node_map(unsigned long *map, unsigned int bits)
{
 struct o2net_sock_container *sc;
 int node, ret;

 bitmap_zero(map, bits);
 for (node = 0; node < O2NM_MAX_NODES; ++node) {
  if (!o2net_tx_can_proceed(o2net_nn_from_num(node), &sc, &ret))
   continue;
  if (!ret) {
   set_bit(node, map);
   sc_put(sc);
  }
 }
}
EXPORT_SYMBOL_GPL(o2net_fill_node_map);

int o2net_send_message_vec(u32 msg_type, u32 key, struct kvec *caller_vec,
      size_t caller_veclen, u8 target_node, int *status)
{
 int ret = 0;
 struct o2net_msg *msg = NULL;
 size_t veclen, caller_bytes = 0;
 struct kvec *vec = NULL;
 struct o2net_sock_container *sc = NULL;
 struct o2net_node *nn = o2net_nn_from_num(target_node);
 struct o2net_status_wait nsw = {
  .ns_node_item = LIST_HEAD_INIT(nsw.ns_node_item),
 };
 struct o2net_send_tracking nst;

 o2net_init_nst(&nst, msg_type, key, current, target_node);

 if (o2net_wq == NULL) {
  mlog(0, "attempt to tx without o2netd running\n");
  ret = -ESRCH;
  goto out;
 }

 if (caller_veclen == 0) {
  mlog(0, "bad kvec array length\n");
  ret = -EINVAL;
  goto out;
 }

 caller_bytes = iov_length((struct iovec *)caller_vec, caller_veclen);
 if (caller_bytes > O2NET_MAX_PAYLOAD_BYTES) {
  mlog(0, "total payload len %zu too large\n", caller_bytes);
  ret = -EINVAL;
  goto out;
 }

 if (target_node == o2nm_this_node()) {
  ret = -ELOOP;
  goto out;
 }

 o2net_debug_add_nst(&nst);

 o2net_set_nst_sock_time(&nst);

 wait_event(nn->nn_sc_wq, o2net_tx_can_proceed(nn, &sc, &ret));
 if (ret)
  goto out;

 o2net_set_nst_sock_container(&nst, sc);

 veclen = caller_veclen + 1;
 vec = kmalloc_array(veclen, sizeof(struct kvec), GFP_ATOMIC);
 if (vec == NULL) {
  mlog(0, "failed to %zu element kvec!\n", veclen);
  ret = -ENOMEM;
  goto out;
 }

 msg = kmalloc(sizeof(struct o2net_msg), GFP_ATOMIC);
 if (!msg) {
  mlog(0, "failed to allocate a o2net_msg!\n");
  ret = -ENOMEM;
  goto out;
 }

 o2net_init_msg(msg, caller_bytes, msg_type, key);

 vec[0].iov_len = sizeof(struct o2net_msg);
 vec[0].iov_base = msg;
 memcpy(&vec[1], caller_vec, caller_veclen * sizeof(struct kvec));

 ret = o2net_prep_nsw(nn, &nsw);
 if (ret)
  goto out;

 msg->msg_num = cpu_to_be32(nsw.ns_id);
 o2net_set_nst_msg_id(&nst, nsw.ns_id);

 o2net_set_nst_send_time(&nst);

 /* finally, convert the message header to network byte-order
 * and send */
 mutex_lock(&sc->sc_send_lock);
 ret = o2net_send_tcp_msg(sc->sc_sock, vec, veclen,
     sizeof(struct o2net_msg) + caller_bytes);
 mutex_unlock(&sc->sc_send_lock);
 msglog(msg, "sending returned %d\n", ret);
 if (ret < 0) {
  mlog(0, "error returned from o2net_send_tcp_msg=%d\n", ret);
  goto out;
 }

 /* wait on other node's handler */
 o2net_set_nst_status_time(&nst);
 wait_event(nsw.ns_wq, o2net_nsw_completed(nn, &nsw));

 o2net_update_send_stats(&nst, sc);

 /* Note that we avoid overwriting the callers status return
 * variable if a system error was reported on the other
 * side. Callers beware. */
 ret = o2net_sys_err_to_errno(nsw.ns_sys_status);
 if (status && !ret)
  *status = nsw.ns_status;

 mlog(0, "woken, returning system status %d, user status %d\n",
      ret, nsw.ns_status);
out:
 o2net_debug_del_nst(&nst); /* must be before dropping sc and node */
 if (sc)
  sc_put(sc);
 kfree(vec);
 kfree(msg);
 o2net_complete_nsw(nn, &nsw, 0, 0, 0);
 return ret;
}
EXPORT_SYMBOL_GPL(o2net_send_message_vec);

int o2net_send_message(u32 msg_type, u32 key, void *data, u32 len,
         u8 target_node, int *status)
{
 struct kvec vec = {
  .iov_base = data,
  .iov_len = len,
 };
 return o2net_send_message_vec(msg_type, key, &vec, 1,
          target_node, status);
}
EXPORT_SYMBOL_GPL(o2net_send_message);

static int o2net_send_status_magic(struct socket *sock, struct o2net_msg *hdr,
       enum o2net_system_error syserr, int err)
{
 struct kvec vec = {
  .iov_base = hdr,
  .iov_len = sizeof(struct o2net_msg),
 };

 BUG_ON(syserr >= O2NET_ERR_MAX);

 /* leave other fields intact from the incoming message, msg_num
 * in particular */
 hdr->sys_status = cpu_to_be32(syserr);
 hdr->status = cpu_to_be32(err);
 hdr->magic = cpu_to_be16(O2NET_MSG_STATUS_MAGIC);  // twiddle the magic
 hdr->data_len = 0;

 msglog(hdr, "about to send status magic %d\n", err);
 /* hdr has been in host byteorder this whole time */
 return o2net_send_tcp_msg(sock, &vec, 1, sizeof(struct o2net_msg));
}

/* this returns -errno if the header was unknown or too large, etc.
 * after this is called the buffer us reused for the next message */
static int o2net_process_message(struct o2net_sock_container *sc,
     struct o2net_msg *hdr)
{
 struct o2net_node *nn = o2net_nn_from_num(sc->sc_node->nd_num);
 int ret = 0, handler_status;
 enum  o2net_system_error syserr;
 struct o2net_msg_handler *nmh = NULL;
 void *ret_data = NULL;

 msglog(hdr, "processing message\n");

 o2net_sc_postpone_idle(sc);

 switch(be16_to_cpu(hdr->magic)) {
  case O2NET_MSG_STATUS_MAGIC:
   /* special type for returning message status */
   o2net_complete_nsw(nn, NULL,
        be32_to_cpu(hdr->msg_num),
        be32_to_cpu(hdr->sys_status),
        be32_to_cpu(hdr->status));
   goto out;
  case O2NET_MSG_KEEP_REQ_MAGIC:
   o2net_sendpage(sc, o2net_keep_resp,
           sizeof(*o2net_keep_resp));
   goto out;
  case O2NET_MSG_KEEP_RESP_MAGIC:
   goto out;
  case O2NET_MSG_MAGIC:
   break;
  default:
   msglog(hdr, "bad magic\n");
   ret = -EINVAL;
   goto out;
 }

 /* find a handler for it */
 handler_status = 0;
 nmh = o2net_handler_get(be16_to_cpu(hdr->msg_type),
    be32_to_cpu(hdr->key));
 if (!nmh) {
  mlog(ML_TCP, "couldn't find handler for type %u key %08x\n",
       be16_to_cpu(hdr->msg_type), be32_to_cpu(hdr->key));
  syserr = O2NET_ERR_NO_HNDLR;
  goto out_respond;
 }

 syserr = O2NET_ERR_NONE;

 if (be16_to_cpu(hdr->data_len) > nmh->nh_max_len)
  syserr = O2NET_ERR_OVERFLOW;

 if (syserr != O2NET_ERR_NONE)
  goto out_respond;

 o2net_set_func_start_time(sc);
 sc->sc_msg_key = be32_to_cpu(hdr->key);
 sc->sc_msg_type = be16_to_cpu(hdr->msg_type);
 handler_status = (nmh->nh_func)(hdr, sizeof(struct o2net_msg) +
          be16_to_cpu(hdr->data_len),
     nmh->nh_func_data, &ret_data);
 o2net_set_func_stop_time(sc);

 o2net_update_recv_stats(sc);

out_respond:
 /* this destroys the hdr, so don't use it after this */
 mutex_lock(&sc->sc_send_lock);
 ret = o2net_send_status_magic(sc->sc_sock, hdr, syserr,
          handler_status);
 mutex_unlock(&sc->sc_send_lock);
 hdr = NULL;
 mlog(0, "sending handler status %d, syserr %d returned %d\n",
      handler_status, syserr, ret);

 if (nmh) {
  BUG_ON(ret_data != NULL && nmh->nh_post_func == NULL);
  if (nmh->nh_post_func)
   (nmh->nh_post_func)(handler_status, nmh->nh_func_data,
         ret_data);
 }

out:
 if (nmh)
  o2net_handler_put(nmh);
 return ret;
}

static int o2net_check_handshake(struct o2net_sock_container *sc)
{
 struct o2net_handshake *hand = page_address(sc->sc_page);
 struct o2net_node *nn = o2net_nn_from_num(sc->sc_node->nd_num);

 if (hand->protocol_version != cpu_to_be64(O2NET_PROTOCOL_VERSION)) {
  printk(KERN_NOTICE "o2net: " SC_NODEF_FMT " Advertised net "
         "protocol version %llu but %llu is required. "
         "Disconnecting.\n", SC_NODEF_ARGS(sc),
         (unsigned long long)be64_to_cpu(hand->protocol_version),
         O2NET_PROTOCOL_VERSION);

  /* don't bother reconnecting if its the wrong version. */
  o2net_ensure_shutdown(nn, sc, -ENOTCONN);
  return -1;
 }

 /*
 * Ensure timeouts are consistent with other nodes, otherwise
 * we can end up with one node thinking that the other must be down,
 * but isn't. This can ultimately cause corruption.
 */
 if (be32_to_cpu(hand->o2net_idle_timeout_ms) !=
    o2net_idle_timeout()) {
  printk(KERN_NOTICE "o2net: " SC_NODEF_FMT " uses a network "
         "idle timeout of %u ms, but we use %u ms locally. "
         "Disconnecting.\n", SC_NODEF_ARGS(sc),
         be32_to_cpu(hand->o2net_idle_timeout_ms),
         o2net_idle_timeout());
  o2net_ensure_shutdown(nn, sc, -ENOTCONN);
  return -1;
 }

 if (be32_to_cpu(hand->o2net_keepalive_delay_ms) !=
   o2net_keepalive_delay()) {
  printk(KERN_NOTICE "o2net: " SC_NODEF_FMT " uses a keepalive "
         "delay of %u ms, but we use %u ms locally. "
         "Disconnecting.\n", SC_NODEF_ARGS(sc),
         be32_to_cpu(hand->o2net_keepalive_delay_ms),
         o2net_keepalive_delay());
  o2net_ensure_shutdown(nn, sc, -ENOTCONN);
  return -1;
 }

 if (be32_to_cpu(hand->o2hb_heartbeat_timeout_ms) !=
   O2HB_MAX_WRITE_TIMEOUT_MS) {
  printk(KERN_NOTICE "o2net: " SC_NODEF_FMT " uses a heartbeat "
         "timeout of %u ms, but we use %u ms locally. "
         "Disconnecting.\n", SC_NODEF_ARGS(sc),
         be32_to_cpu(hand->o2hb_heartbeat_timeout_ms),
         O2HB_MAX_WRITE_TIMEOUT_MS);
  o2net_ensure_shutdown(nn, sc, -ENOTCONN);
  return -1;
 }

 sc->sc_handshake_ok = 1;

 spin_lock(&nn->nn_lock);
 /* set valid and queue the idle timers only if it hasn't been
 * shut down already */
 if (nn->nn_sc == sc) {
  o2net_sc_reset_idle_timer(sc);
  atomic_set(&nn->nn_timeout, 0);
  o2net_set_nn_state(nn, sc, 1, 0);
 }
 spin_unlock(&nn->nn_lock);

 /* shift everything up as though it wasn't there */
 sc->sc_page_off -= sizeof(struct o2net_handshake);
 if (sc->sc_page_off)
  memmove(hand, hand + 1, sc->sc_page_off);

 return 0;
}

/* this demuxes the queued rx bytes into header or payload bits and calls
 * handlers as each full message is read off the socket.  it returns -error,
 * == 0 eof, or > 0 for progress made.*/
static int o2net_advance_rx(struct o2net_sock_container *sc)
{
 struct o2net_msg *hdr;
 int ret = 0;
 void *data;
 size_t datalen;

 sclog(sc, "receiving\n");
 o2net_set_advance_start_time(sc);

 if (unlikely(sc->sc_handshake_ok == 0)) {
  if(sc->sc_page_off < sizeof(struct o2net_handshake)) {
   data = page_address(sc->sc_page) + sc->sc_page_off;
   datalen = sizeof(struct o2net_handshake) - sc->sc_page_off;
   ret = o2net_recv_tcp_msg(sc->sc_sock, data, datalen);
   if (ret > 0)
    sc->sc_page_off += ret;
  }

  if (sc->sc_page_off == sizeof(struct o2net_handshake)) {
   o2net_check_handshake(sc);
   if (unlikely(sc->sc_handshake_ok == 0))
    ret = -EPROTO;
  }
  goto out;
 }

 /* do we need more header? */
 if (sc->sc_page_off < sizeof(struct o2net_msg)) {
  data = page_address(sc->sc_page) + sc->sc_page_off;
  datalen = sizeof(struct o2net_msg) - sc->sc_page_off;
  ret = o2net_recv_tcp_msg(sc->sc_sock, data, datalen);
  if (ret > 0) {
   sc->sc_page_off += ret;
   /* only swab incoming here.. we can
 * only get here once as we cross from
 * being under to over */
   if (sc->sc_page_off == sizeof(struct o2net_msg)) {
    hdr = page_address(sc->sc_page);
    if (be16_to_cpu(hdr->data_len) >
        O2NET_MAX_PAYLOAD_BYTES)
     ret = -EOVERFLOW;
   }
  }
  if (ret <= 0)
   goto out;
 }

 if (sc->sc_page_off < sizeof(struct o2net_msg)) {
  /* oof, still don't have a header */
  goto out;
 }

 /* this was swabbed above when we first read it */
 hdr = page_address(sc->sc_page);

 msglog(hdr, "at page_off %zu\n", sc->sc_page_off);

 /* do we need more payload? */
 if (sc->sc_page_off - sizeof(struct o2net_msg) < be16_to_cpu(hdr->data_len)) {
  /* need more payload */
  data = page_address(sc->sc_page) + sc->sc_page_off;
  datalen = (sizeof(struct o2net_msg) + be16_to_cpu(hdr->data_len)) -
     sc->sc_page_off;
  ret = o2net_recv_tcp_msg(sc->sc_sock, data, datalen);
  if (ret > 0)
   sc->sc_page_off += ret;
  if (ret <= 0)
   goto out;
 }

 if (sc->sc_page_off - sizeof(struct o2net_msg) == be16_to_cpu(hdr->data_len)) {
  /* we can only get here once, the first time we read
 * the payload.. so set ret to progress if the handler
 * works out. after calling this the message is toast */
  ret = o2net_process_message(sc, hdr);
  if (ret == 0)
   ret = 1;
  sc->sc_page_off = 0;
 }

out:
 sclog(sc, "ret = %d\n", ret);
 o2net_set_advance_stop_time(sc);
 return ret;
}

/* this work func is triggered by data ready.  it reads until it can read no
 * more.  it interprets 0, eof, as fatal.  if data_ready hits while we're doing
 * our work the work struct will be marked and we'll be called again. */
static void o2net_rx_until_empty(struct work_struct *work)
{
 struct o2net_sock_container *sc =
  container_of(work, struct o2net_sock_container, sc_rx_work);
 int ret;

 do {
  ret = o2net_advance_rx(sc);
 } while (ret > 0);

 if (ret <= 0 && ret != -EAGAIN) {
  struct o2net_node *nn = o2net_nn_from_num(sc->sc_node->nd_num);
  sclog(sc, "saw error %d, closing\n", ret);
  /* not permanent so read failed handshake can retry */
  o2net_ensure_shutdown(nn, sc, 0);
 }

 sc_put(sc);
}

static void o2net_initialize_handshake(void)
{
 o2net_hand->o2hb_heartbeat_timeout_ms = cpu_to_be32(
  O2HB_MAX_WRITE_TIMEOUT_MS);
 o2net_hand->o2net_idle_timeout_ms = cpu_to_be32(o2net_idle_timeout());
 o2net_hand->o2net_keepalive_delay_ms = cpu_to_be32(
  o2net_keepalive_delay());
 o2net_hand->o2net_reconnect_delay_ms = cpu_to_be32(
  o2net_reconnect_delay());
}

/* ------------------------------------------------------------ */

/* called when a connect completes and after a sock is accepted.  the
 * rx path will see the response and mark the sc valid */
static void o2net_sc_connect_completed(struct work_struct *work)
{
 struct o2net_sock_container *sc =
  container_of(work, struct o2net_sock_container,
        sc_connect_work);

 mlog(ML_MSG, "sc sending handshake with ver %llu id %llx\n",
              (unsigned long long)O2NET_PROTOCOL_VERSION,
       (unsigned long long)be64_to_cpu(o2net_hand->connector_id));

 o2net_initialize_handshake();
 o2net_sendpage(sc, o2net_hand, sizeof(*o2net_hand));
 sc_put(sc);
}

/* this is called as a work_struct func. */
static void o2net_sc_send_keep_req(struct work_struct *work)
{
 struct o2net_sock_container *sc =
  container_of(work, struct o2net_sock_container,
        sc_keepalive_work.work);

 o2net_sendpage(sc, o2net_keep_req, sizeof(*o2net_keep_req));
 sc_put(sc);
}

/* socket shutdown does a timer_delete_sync against this as it tears down.
 * we can't start this timer until we've got to the point in sc buildup
 * where shutdown is going to be involved */
static void o2net_idle_timer(struct timer_list *t)
{
 struct o2net_sock_container *sc = timer_container_of(sc, t,
            sc_idle_timeout);
 struct o2net_node *nn = o2net_nn_from_num(sc->sc_node->nd_num);
#ifdef CONFIG_DEBUG_FS
 unsigned long msecs = ktime_to_ms(ktime_get()) -
  ktime_to_ms(sc->sc_tv_timer);
#else
 unsigned long msecs = o2net_idle_timeout();
#endif

 printk(KERN_NOTICE "o2net: Connection to " SC_NODEF_FMT " has been "
        "idle for %lu.%lu secs.\n",
        SC_NODEF_ARGS(sc), msecs / 1000, msecs % 1000);

 /* idle timerout happen, don't shutdown the connection, but
 * make fence decision. Maybe the connection can recover before
 * the decision is made.
 */
 atomic_set(&nn->nn_timeout, 1);
 o2quo_conn_err(o2net_num_from_nn(nn));
 queue_delayed_work(o2net_wq, &nn->nn_still_up,
   msecs_to_jiffies(O2NET_QUORUM_DELAY_MS));

 o2net_sc_reset_idle_timer(sc);

}

static void o2net_sc_reset_idle_timer(struct o2net_sock_container *sc)
{
 o2net_sc_cancel_delayed_work(sc, &sc->sc_keepalive_work);
 o2net_sc_queue_delayed_work(sc, &sc->sc_keepalive_work,
        msecs_to_jiffies(o2net_keepalive_delay()));
 o2net_set_sock_timer(sc);
 mod_timer(&sc->sc_idle_timeout,
        jiffies + msecs_to_jiffies(o2net_idle_timeout()));
}

static void o2net_sc_postpone_idle(struct o2net_sock_container *sc)
{
 struct o2net_node *nn = o2net_nn_from_num(sc->sc_node->nd_num);

 /* clear fence decision since the connection recover from timeout*/
 if (atomic_read(&nn->nn_timeout)) {
  o2quo_conn_up(o2net_num_from_nn(nn));
  cancel_delayed_work(&nn->nn_still_up);
  atomic_set(&nn->nn_timeout, 0);
 }

 /* Only push out an existing timer */
 if (timer_pending(&sc->sc_idle_timeout))
  o2net_sc_reset_idle_timer(sc);
}

/* this work func is kicked whenever a path sets the nn state which doesn't
 * have valid set.  This includes seeing hb come up, losing a connection,
 * having a connect attempt fail, etc. This centralizes the logic which decides
 * if a connect attempt should be made or if we should give up and all future
 * transmit attempts should fail */
static void o2net_start_connect(struct work_struct *work)
{
 struct o2net_node *nn =
  container_of(work, struct o2net_node, nn_connect_work.work);
 struct o2net_sock_container *sc = NULL;
 struct o2nm_node *node = NULL, *mynode = NULL;
 struct socket *sock = NULL;
 struct sockaddr_in myaddr = {0, }, remoteaddr = {0, };
 int ret = 0, stop;
 unsigned int timeout;
 unsigned int nofs_flag;

 /*
 * sock_create allocates the sock with GFP_KERNEL. We must
 * prevent the filesystem from being reentered by memory reclaim.
 */
 nofs_flag = memalloc_nofs_save();
 /* if we're greater we initiate tx, otherwise we accept */
 if (o2nm_this_node() <= o2net_num_from_nn(nn))
  goto out;

 /* watch for racing with tearing a node down */
 node = o2nm_get_node_by_num(o2net_num_from_nn(nn));
 if (node == NULL)
  goto out;

 mynode = o2nm_get_node_by_num(o2nm_this_node());
 if (mynode == NULL)
  goto out;

 spin_lock(&nn->nn_lock);
 /*
 * see if we already have one pending or have given up.
 * For nn_timeout, it is set when we close the connection
 * because of the idle time out. So it means that we have
 * at least connected to that node successfully once,
 * now try to connect to it again.
 */
 timeout = atomic_read(&nn->nn_timeout);
 stop = (nn->nn_sc ||
  (nn->nn_persistent_error &&
  (nn->nn_persistent_error != -ENOTCONN || timeout == 0)));
 spin_unlock(&nn->nn_lock);
 if (stop)
  goto out;

 nn->nn_last_connect_attempt = jiffies;

 sc = sc_alloc(node);
 if (sc == NULL) {
  mlog(0, "couldn't allocate sc\n");
  ret = -ENOMEM;
  goto out;
 }

 ret = sock_create(PF_INET, SOCK_STREAM, IPPROTO_TCP, &sock);
 if (ret < 0) {
  mlog(0, "can't create socket: %d\n", ret);
  goto out;
 }
 sc->sc_sock = sock; /* freed by sc_kref_release */

 sock->sk->sk_allocation = GFP_ATOMIC;
 sock->sk->sk_use_task_frag = false;

 myaddr.sin_family = AF_INET;
 myaddr.sin_addr.s_addr = mynode->nd_ipv4_address;
 myaddr.sin_port = htons(0); /* any port */

 ret = sock->ops->bind(sock, (struct sockaddr *)&myaddr,
         sizeof(myaddr));
 if (ret) {
  mlog(ML_ERROR, "bind failed with %d at address %pI4\n",
       ret, &mynode->nd_ipv4_address);
  goto out;
 }

 tcp_sock_set_nodelay(sc->sc_sock->sk);
 tcp_sock_set_user_timeout(sock->sk, O2NET_TCP_USER_TIMEOUT);

 o2net_register_callbacks(sc->sc_sock->sk, sc);

 spin_lock(&nn->nn_lock);
 /* handshake completion will set nn->nn_sc_valid */
 o2net_set_nn_state(nn, sc, 0, 0);
 spin_unlock(&nn->nn_lock);

 remoteaddr.sin_family = AF_INET;
 remoteaddr.sin_addr.s_addr = node->nd_ipv4_address;
 remoteaddr.sin_port = node->nd_ipv4_port;

 ret = sc->sc_sock->ops->connect(sc->sc_sock,
     (struct sockaddr *)&remoteaddr,
     sizeof(remoteaddr),
     O_NONBLOCK);
 if (ret == -EINPROGRESS)
  ret = 0;

out:
 if (ret && sc) {
  printk(KERN_NOTICE "o2net: Connect attempt to " SC_NODEF_FMT
         " failed with errno %d\n", SC_NODEF_ARGS(sc), ret);
  /* 0 err so that another will be queued and attempted
 * from set_nn_state */
  o2net_ensure_shutdown(nn, sc, 0);
 }
 if (sc)
  sc_put(sc);
 if (node)
  o2nm_node_put(node);
 if (mynode)
  o2nm_node_put(mynode);

 memalloc_nofs_restore(nofs_flag);
 return;
}

static void o2net_connect_expired(struct work_struct *work)
{
 struct o2net_node *nn =
  container_of(work, struct o2net_node, nn_connect_expired.work);

 spin_lock(&nn->nn_lock);
 if (!nn->nn_sc_valid) {
  printk(KERN_NOTICE "o2net: No connection established with "
         "node %u after %u.%u seconds, check network and"
         " cluster configuration.\n",
       o2net_num_from_nn(nn),
       o2net_idle_timeout() / 1000,
       o2net_idle_timeout() % 1000);

  o2net_set_nn_state(nn, NULL, 0, 0);
 }
 spin_unlock(&nn->nn_lock);
}

static void o2net_still_up(struct work_struct *work)
{
 struct o2net_node *nn =
  container_of(work, struct o2net_node, nn_still_up.work);

 o2quo_hb_still_up(o2net_num_from_nn(nn));
}

/* ------------------------------------------------------------ */

void o2net_disconnect_node(struct o2nm_node *node)
{
 struct o2net_node *nn = o2net_nn_from_num(node->nd_num);

 /* don't reconnect until it's heartbeating again */
 spin_lock(&nn->nn_lock);
 atomic_set(&nn->nn_timeout, 0);
 o2net_set_nn_state(nn, NULL, 0, -ENOTCONN);
 spin_unlock(&nn->nn_lock);

 if (o2net_wq) {
  cancel_delayed_work(&nn->nn_connect_expired);
  cancel_delayed_work(&nn->nn_connect_work);
  cancel_delayed_work(&nn->nn_still_up);
  flush_workqueue(o2net_wq);
 }
}

static void o2net_hb_node_down_cb(struct o2nm_node *node, int node_num,
      void *data)
{
 o2quo_hb_down(node_num);

 if (!node)
  return;

 if (node_num != o2nm_this_node())
  o2net_disconnect_node(node);

 BUG_ON(atomic_read(&o2net_connected_peers) < 0);
}

static void o2net_hb_node_up_cb(struct o2nm_node *node, int node_num,
    void *data)
{
 struct o2net_node *nn = o2net_nn_from_num(node_num);

 o2quo_hb_up(node_num);

 BUG_ON(!node);

 /* ensure an immediate connect attempt */
 nn->nn_last_connect_attempt = jiffies -
  (msecs_to_jiffies(o2net_reconnect_delay()) + 1);

 if (node_num != o2nm_this_node()) {
  /* believe it or not, accept and node heartbeating testing
 * can succeed for this node before we got here.. so
 * only use set_nn_state to clear the persistent error
 * if that hasn't already happened */
  spin_lock(&nn->nn_lock);
  atomic_set(&nn->nn_timeout, 0);
  if (nn->nn_persistent_error)
   o2net_set_nn_state(nn, NULL, 0, 0);
  spin_unlock(&nn->nn_lock);
 }
}

void o2net_unregister_hb_callbacks(void)
{
 o2hb_unregister_callback(NULL, &o2net_hb_up);
 o2hb_unregister_callback(NULL, &o2net_hb_down);
}

int o2net_register_hb_callbacks(void)
{
 int ret;

 o2hb_setup_callback(&o2net_hb_down, O2HB_NODE_DOWN_CB,
       o2net_hb_node_down_cb, NULL, O2NET_HB_PRI);
 o2hb_setup_callback(&o2net_hb_up, O2HB_NODE_UP_CB,
       o2net_hb_node_up_cb, NULL, O2NET_HB_PRI);

 ret = o2hb_register_callback(NULL, &o2net_hb_up);
 if (ret == 0)
  ret = o2hb_register_callback(NULL, &o2net_hb_down);

 if (ret)
  o2net_unregister_hb_callbacks();

 return ret;
}

/* ------------------------------------------------------------ */

static int o2net_accept_one(struct socket *sock, int *more)
{
 int ret;
 struct sockaddr_in sin;
 struct socket *new_sock = NULL;
 struct o2nm_node *node = NULL;
 struct o2nm_node *local_node = NULL;
 struct o2net_sock_container *sc = NULL;
 struct proto_accept_arg arg = {
  .flags = O_NONBLOCK,
 };
 struct o2net_node *nn;
 unsigned int nofs_flag;

 /*
 * sock_create_lite allocates the sock with GFP_KERNEL. We must
 * prevent the filesystem from being reentered by memory reclaim.
 */
 nofs_flag = memalloc_nofs_save();

 BUG_ON(sock == NULL);
 *more = 0;
 ret = sock_create_lite(sock->sk->sk_family, sock->sk->sk_type,
          sock->sk->sk_protocol, &new_sock);
 if (ret)
  goto out;

 new_sock->type = sock->type;
 new_sock->ops = sock->ops;
 ret = sock->ops->accept(sock, new_sock, &arg);
 if (ret < 0)
  goto out;

 *more = 1;
 new_sock->sk->sk_allocation = GFP_ATOMIC;

 tcp_sock_set_nodelay(new_sock->sk);
 tcp_sock_set_user_timeout(new_sock->sk, O2NET_TCP_USER_TIMEOUT);

 ret = new_sock->ops->getname(new_sock, (struct sockaddr *) &sin, 1);
 if (ret < 0)
  goto out;

 node = o2nm_get_node_by_ip(sin.sin_addr.s_addr);
 if (node == NULL) {
  printk(KERN_NOTICE "o2net: Attempt to connect from unknown "
         "node at %pI4:%d\n", &sin.sin_addr.s_addr,
         ntohs(sin.sin_port));
  ret = -EINVAL;
  goto out;
 }

 if (o2nm_this_node() >= node->nd_num) {
  local_node = o2nm_get_node_by_num(o2nm_this_node());
  if (local_node)
   printk(KERN_NOTICE "o2net: Unexpected connect attempt "
     "seen at node '%s' (%u, %pI4:%d) from "
     "node '%s' (%u, %pI4:%d)\n",
     local_node->nd_name, local_node->nd_num,
     &(local_node->nd_ipv4_address),
     ntohs(local_node->nd_ipv4_port),
     node->nd_name,
     node->nd_num, &sin.sin_addr.s_addr,
     ntohs(sin.sin_port));
  ret = -EINVAL;
  goto out;
 }

 /* this happens all the time when the other node sees our heartbeat
 * and tries to connect before we see their heartbeat */
 if (!o2hb_check_node_heartbeating_from_callback(node->nd_num)) {
  mlog(ML_CONN, "attempt to connect from node '%s' at "
       "%pI4:%d but it isn't heartbeating\n",
       node->nd_name, &sin.sin_addr.s_addr,
       ntohs(sin.sin_port));
  ret = -EINVAL;
  goto out;
 }

 nn = o2net_nn_from_num(node->nd_num);

 spin_lock(&nn->nn_lock);
 if (nn->nn_sc)
  ret = -EBUSY;
 else
  ret = 0;
 spin_unlock(&nn->nn_lock);
 if (ret) {
  printk(KERN_NOTICE "o2net: Attempt to connect from node '%s' "
         "at %pI4:%d but it already has an open connection\n",
         node->nd_name, &sin.sin_addr.s_addr,
         ntohs(sin.sin_port));
  goto out;
 }

 sc = sc_alloc(node);
 if (sc == NULL) {
  ret = -ENOMEM;
  goto out;
 }

 sc->sc_sock = new_sock;
 new_sock = NULL;

 spin_lock(&nn->nn_lock);
 atomic_set(&nn->nn_timeout, 0);
 o2net_set_nn_state(nn, sc, 0, 0);
 spin_unlock(&nn->nn_lock);

 o2net_register_callbacks(sc->sc_sock->sk, sc);
 o2net_sc_queue_work(sc, &sc->sc_rx_work);

 o2net_initialize_handshake();
 o2net_sendpage(sc, o2net_hand, sizeof(*o2net_hand));

out:
 if (new_sock)
  sock_release(new_sock);
 if (node)
  o2nm_node_put(node);
 if (local_node)
  o2nm_node_put(local_node);
 if (sc)
  sc_put(sc);

 memalloc_nofs_restore(nofs_flag);
 return ret;
}

/*
 * This function is invoked in response to one or more
 * pending accepts at softIRQ level. We must drain the
 * entire que before returning.
 */

static void o2net_accept_many(struct work_struct *work)
{
 struct socket *sock = o2net_listen_sock;
 int more;

 /*
 * It is critical to note that due to interrupt moderation
 * at the network driver level, we can't assume to get a
 * softIRQ for every single conn since tcp SYN packets
 * can arrive back-to-back, and therefore many pending
 * accepts may result in just 1 softIRQ. If we terminate
 * the o2net_accept_one() loop upon seeing an err, what happens
 * to the rest of the conns in the queue? If no new SYN
 * arrives for hours, no softIRQ  will be delivered,
 * and the connections will just sit in the queue.
 */

 for (;;) {
  o2net_accept_one(sock, &more);
  if (!more)
   break;
  cond_resched();
 }
}

static void o2net_listen_data_ready(struct sock *sk)
{
 void (*ready)(struct sock *sk);

 trace_sk_data_ready(sk);

 read_lock_bh(&sk->sk_callback_lock);
 ready = sk->sk_user_data;
 if (ready == NULL) { /* check for teardown race */
  ready = sk->sk_data_ready;
  goto out;
 }

 /* This callback may called twice when a new connection
 * is  being established as a child socket inherits everything
 * from a parent LISTEN socket, including the data_ready cb of
 * the parent. This leads to a hazard. In o2net_accept_one()
 * we are still initializing the child socket but have not
 * changed the inherited data_ready callback yet when
 * data starts arriving.
 * We avoid this hazard by checking the state.
 * For the listening socket,  the state will be TCP_LISTEN; for the new
 * socket, will be  TCP_ESTABLISHED. Also, in this case,
 * sk->sk_user_data is not a valid function pointer.
 */

 if (sk->sk_state == TCP_LISTEN) {
  queue_work(o2net_wq, &o2net_listen_work);
 } else {
  ready = NULL;
 }

out:
 read_unlock_bh(&sk->sk_callback_lock);
 if (ready != NULL)
  ready(sk);
}

static int o2net_open_listening_sock(__be32 addr, __be16 port)
{
 struct socket *sock = NULL;
 int ret;
 struct sockaddr_in sin = {
  .sin_family = PF_INET,
  .sin_addr = { .s_addr = addr },
  .sin_port = port,
 };

 ret = sock_create(PF_INET, SOCK_STREAM, IPPROTO_TCP, &sock);
 if (ret < 0) {
  printk(KERN_ERR "o2net: Error %d while creating socket\n", ret);
  goto out;
 }

 sock->sk->sk_allocation = GFP_ATOMIC;

 write_lock_bh(&sock->sk->sk_callback_lock);
 sock->sk->sk_user_data = sock->sk->sk_data_ready;
 sock->sk->sk_data_ready = o2net_listen_data_ready;
 write_unlock_bh(&sock->sk->sk_callback_lock);

 o2net_listen_sock = sock;
 INIT_WORK(&o2net_listen_work, o2net_accept_many);

 sock->sk->sk_reuse = SK_CAN_REUSE;
 ret = sock->ops->bind(sock, (struct sockaddr *)&sin, sizeof(sin));
 if (ret < 0) {
  printk(KERN_ERR "o2net: Error %d while binding socket at "
         "%pI4:%u\n", ret, &addr, ntohs(port)); 
  goto out;
 }

 ret = sock->ops->listen(sock, 64);
 if (ret < 0)
  printk(KERN_ERR "o2net: Error %d while listening on %pI4:%u\n",
         ret, &addr, ntohs(port));

out:
 if (ret) {
  o2net_listen_sock = NULL;
  if (sock)
   sock_release(sock);
 }
 return ret;
}

/*
 * called from node manager when we should bring up our network listening
 * socket.  node manager handles all the serialization to only call this
 * once and to match it with o2net_stop_listening().  note,
 * o2nm_this_node() doesn't work yet as we're being called while it
 * is being set up.
 */
int o2net_start_listening(struct o2nm_node *node)
{
 int ret = 0;

 BUG_ON(o2net_wq != NULL);
 BUG_ON(o2net_listen_sock != NULL);

 mlog(ML_KTHREAD, "starting o2net thread...\n");
 o2net_wq = alloc_ordered_workqueue("o2net", WQ_MEM_RECLAIM);
 if (o2net_wq == NULL) {
  mlog(ML_ERROR, "unable to launch o2net thread\n");
  return -ENOMEM; /* ? */
 }

 ret = o2net_open_listening_sock(node->nd_ipv4_address,
     node->nd_ipv4_port);
 if (ret) {
  destroy_workqueue(o2net_wq);
  o2net_wq = NULL;
 } else
  o2quo_conn_up(node->nd_num);

 return ret;
}

/* again, o2nm_this_node() doesn't work here as we're involved in
 * tearing it down */
void o2net_stop_listening(struct o2nm_node *node)
{
 struct socket *sock = o2net_listen_sock;
 size_t i;

 BUG_ON(o2net_wq == NULL);
 BUG_ON(o2net_listen_sock == NULL);

 /* stop the listening socket from generating work */
 write_lock_bh(&sock->sk->sk_callback_lock);
 sock->sk->sk_data_ready = sock->sk->sk_user_data;
 sock->sk->sk_user_data = NULL;
 write_unlock_bh(&sock->sk->sk_callback_lock);

 for (i = 0; i < ARRAY_SIZE(o2net_nodes); i++) {
  struct o2nm_node *node = o2nm_get_node_by_num(i);
  if (node) {
   o2net_disconnect_node(node);
   o2nm_node_put(node);
  }
 }

 /* finish all work and tear down the work queue */
 mlog(ML_KTHREAD, "waiting for o2net thread to exit....\n");
 destroy_workqueue(o2net_wq);
 o2net_wq = NULL;

 sock_release(o2net_listen_sock);
 o2net_listen_sock = NULL;

 o2quo_conn_err(node->nd_num);
}

/* ------------------------------------------------------------ */

int o2net_init(void)
{
 struct folio *folio;
 void *p;
 unsigned long i;

 o2quo_init();
 o2net_debugfs_init();

 folio = folio_alloc(GFP_KERNEL | __GFP_ZERO, 0);
 if (!folio)
  goto out;

 p = folio_address(folio);
 o2net_hand = p;
 p += sizeof(struct o2net_handshake);
 o2net_keep_req = p;
 p += sizeof(struct o2net_msg);
 o2net_keep_resp = p;

 o2net_hand->protocol_version = cpu_to_be64(O2NET_PROTOCOL_VERSION);
 o2net_hand->connector_id = cpu_to_be64(1);

 o2net_keep_req->magic = cpu_to_be16(O2NET_MSG_KEEP_REQ_MAGIC);
 o2net_keep_resp->magic = cpu_to_be16(O2NET_MSG_KEEP_RESP_MAGIC);

 for (i = 0; i < ARRAY_SIZE(o2net_nodes); i++) {
  struct o2net_node *nn = o2net_nn_from_num(i);

  atomic_set(&nn->nn_timeout, 0);
  spin_lock_init(&nn->nn_lock);
  INIT_DELAYED_WORK(&nn->nn_connect_work, o2net_start_connect);
  INIT_DELAYED_WORK(&nn->nn_connect_expired,
      o2net_connect_expired);
  INIT_DELAYED_WORK(&nn->nn_still_up, o2net_still_up);
  /* until we see hb from a node we'll return einval */
  nn->nn_persistent_error = -ENOTCONN;
  init_waitqueue_head(&nn->nn_sc_wq);
  idr_init(&nn->nn_status_idr);
  INIT_LIST_HEAD(&nn->nn_status_list);
 }

 return 0;

out:
 o2net_debugfs_exit();
 o2quo_exit();
 return -ENOMEM;
}

void o2net_exit(void)
{
 o2quo_exit();
 o2net_debugfs_exit();
 folio_put(virt_to_folio(o2net_hand));
}