修复 vmstat_shepherd 双重调度 vmstat_update

背景

vmstat 用一个叫 vmstat_shepherd 的守护工作周期性检查各 CPU 的 per-cpu 计数，若有待刷新的，就给那个 CPU 排一个 vmstat_update。排之前它先用 delayed_work_pending() 问一句"这个 CPU 的 vmstat_update 是不是已经排过了"，避免重复。

┌──────────────────────────────────┐
│ vmstat 守护检查各 CPU 是否待更新 │
└────────────────┬─────────────────┘
                 ▼
┌──────────────────────────────────┐
│ 用待决位判断，但正执行时该位已清 │  守护误以为没排，又排一次
└────────────────┬─────────────────┘
                 ▼
┌──────────────────────────────────┐
│    重复刷新触发反复取 zone 锁    │  72 核上可观测到同一时钟周期内调 2 次
└──────────────────────────────────┘

问题在于 delayed_work_pending() 只测 WORK_STRUCT_PENDING_BIT，而这个位在 worker 线程把 work 取走去执行的那一刻就被清掉了。于是 vmstat_update 正在 CPU 上跑的时候，delayed_work_pending() 返回 false；若此刻 need_update() 也为真（per-cpu 计数还没清零到一半），shepherd 就以为没排过，用 delay=0 再排一次，让 vmstat_update 跑完立刻再跑一遍。在 72-CPU 系统上这个 race 很容易看到：修复前不少 CPU 的 2 次调用间隔远低于 500 jiffies（round_jiffies_relative 能产生的最小值），最极端的甚至 0 jiffies，同一 jiffy 内调了 2 次。

问题

• delayed_work_pending 只测待决位，work 正执行时已清
• vmstat_update 正跑时守护误判为未排
• 用 delay=0 再排一次，双重调度
• 重复刷新反复取 zone 锁

方案

改用 work_busy() 替代 delayed_work_pending()。

work_busy() 对 WORK_BUSY_PENDING（timer 已 armed 或 work 已入队）和 WORK_BUSY_RUNNING（work 正在执行）都返回非零，所以 vmstat_update 无论在排队还是在跑，shepherd 都能正确判断为"忙"而跳过。

旧：只看待决位
┌────────────────────────┐
│  正在执行时待决位已清  │
└───────────┬────────────┘
            ▼
┌────────────────────────┐
│ 守护误判未排，重复调度 │
└────────────────────────┘

新：看待决加正执行
┌────────────────────────────┐
│     待决或正执行都算忙     │
└─────────────┬──────────────┘
              ▼
┌────────────────────────────┐
│ 守护正确跳过，不再重复调度 │  残余竞态罕见，只偶尔小间隔
└────────────────────────────┘

修复后所有 sub-jiffy 间隔和多数 sub-100-jiffy 间隔都消失了，剩下的少数早期调用间隔落在 700-999 jiffies，那是 round_jiffies_relative 对齐到更近的 jiffie-second 边界所致，与这个 race 无关。

需诚实说明 work_busy() 自身仍有 race：在检查与随后 queue_delayed_work_on 之间，vmstat_update 可能正好跑完，work 既不 pending 也不 running，shepherd 仍会排第二次。修复后这个残余 race 罕见，只产生偶尔的小间隔，相比 delayed_work_pending 的系统性双重调度已是大幅改善。

收益

每个多余的 vmstat_update 都有连带代价：它会逐 zone 把闲置的 per-CPU 页倒回 buddy，每次都取 zone 自旋锁。消除双重调度直接降低 zone 锁竞争。作者在 72-CPU stress-ng 工作负载上用 perf lock contention 测量：

作为大系统的可扩展性优化，消除守护的系统性双重调度后，free_pcppages_bulk 的 zone 锁竞争与等待时间都显著下降。