9ae3a8
From 5d7481d76a57e533f521a5d99ba8d35b5d69625c Mon Sep 17 00:00:00 2001
9ae3a8
Message-Id: <5d7481d76a57e533f521a5d99ba8d35b5d69625c.1387382496.git.minovotn@redhat.com>
9ae3a8
In-Reply-To: <c5386144fbf09f628148101bc674e2421cdd16e3.1387382496.git.minovotn@redhat.com>
9ae3a8
References: <c5386144fbf09f628148101bc674e2421cdd16e3.1387382496.git.minovotn@redhat.com>
9ae3a8
From: Nigel Croxon <ncroxon@redhat.com>
9ae3a8
Date: Thu, 14 Nov 2013 22:52:51 +0100
9ae3a8
Subject: [PATCH 15/46] rdma: core logic
9ae3a8
9ae3a8
RH-Author: Nigel Croxon <ncroxon@redhat.com>
9ae3a8
Message-id: <1384469598-13137-16-git-send-email-ncroxon@redhat.com>
9ae3a8
Patchwork-id: 55697
9ae3a8
O-Subject: [RHEL7.0 PATCH 15/42] rdma: core logic
9ae3a8
Bugzilla: 1011720
9ae3a8
RH-Acked-by: Orit Wasserman <owasserm@redhat.com>
9ae3a8
RH-Acked-by: Amit Shah <amit.shah@redhat.com>
9ae3a8
RH-Acked-by: Paolo Bonzini <pbonzini@redhat.com>
9ae3a8
9ae3a8
Bugzilla: 1011720
9ae3a8
https://bugzilla.redhat.com/show_bug.cgi?id=1011720
9ae3a8
9ae3a8
>From commit ID:
9ae3a8
commit 2da776db4846eadcb808598a5d3484d149773c05
9ae3a8
Author: Michael R. Hines <mrhines@us.ibm.com>
9ae3a8
Date:   Mon Jul 22 10:01:54 2013 -0400
9ae3a8
9ae3a8
    rdma: core logic
9ae3a8
9ae3a8
    Code that does need to be visible is kept
9ae3a8
    well contained inside this file and this is the only
9ae3a8
    new additional file to the entire patch.
9ae3a8
9ae3a8
    This file includes the entire protocol and interfaces
9ae3a8
    required to perform RDMA migration.
9ae3a8
9ae3a8
    Also, the configure and Makefile modifications to link
9ae3a8
    this file are included.
9ae3a8
9ae3a8
    Full documentation is in docs/rdma.txt
9ae3a8
9ae3a8
    Reviewed-by: Paolo Bonzini <pbonzini@redhat.com>
9ae3a8
    Reviewed-by: Chegu Vinod <chegu_vinod@hp.com>
9ae3a8
    Tested-by: Chegu Vinod <chegu_vinod@hp.com>
9ae3a8
    Tested-by: Michael R. Hines <mrhines@us.ibm.com>
9ae3a8
    Signed-off-by: Michael R. Hines <mrhines@us.ibm.com>
9ae3a8
    Signed-off-by: Juan Quintela <quintela@redhat.com>
9ae3a8
---
9ae3a8
 Makefile.objs                 |    1 +
9ae3a8
 configure                     |   40 +
9ae3a8
 include/migration/migration.h |    4 +
9ae3a8
 migration-rdma.c              | 3249 +++++++++++++++++++++++++++++++++++++++++
9ae3a8
 migration.c                   |    8 +
9ae3a8
 5 files changed, 3302 insertions(+), 0 deletions(-)
9ae3a8
 create mode 100644 migration-rdma.c
9ae3a8
9ae3a8
Signed-off-by: Michal Novotny <minovotn@redhat.com>
9ae3a8
---
9ae3a8
 Makefile.objs                 |    1 +
9ae3a8
 configure                     |   40 +
9ae3a8
 include/migration/migration.h |    4 +
9ae3a8
 migration-rdma.c              | 3249 +++++++++++++++++++++++++++++++++++++++++
9ae3a8
 migration.c                   |    8 +
9ae3a8
 5 files changed, 3302 insertions(+)
9ae3a8
 create mode 100644 migration-rdma.c
9ae3a8
9ae3a8
diff --git a/Makefile.objs b/Makefile.objs
9ae3a8
index 286ce06..67b4a28 100644
9ae3a8
--- a/Makefile.objs
9ae3a8
+++ b/Makefile.objs
9ae3a8
@@ -50,6 +50,7 @@ common-obj-$(CONFIG_POSIX) += os-posix.o
9ae3a8
 common-obj-$(CONFIG_LINUX) += fsdev/
9ae3a8
 
9ae3a8
 common-obj-y += migration.o migration-tcp.o
9ae3a8
+common-obj-$(CONFIG_RDMA) += migration-rdma.o
9ae3a8
 common-obj-y += qemu-char.o #aio.o
9ae3a8
 common-obj-y += block-migration.o
9ae3a8
 common-obj-y += page_cache.o xbzrle.o
9ae3a8
diff --git a/configure b/configure
9ae3a8
index 0a729ac..33235c4 100755
9ae3a8
--- a/configure
9ae3a8
+++ b/configure
9ae3a8
@@ -181,6 +181,7 @@ xfs=""
9ae3a8
 vhost_net="no"
9ae3a8
 vhost_scsi="no"
9ae3a8
 kvm="no"
9ae3a8
+rdma=""
9ae3a8
 gprof="no"
9ae3a8
 debug_tcg="no"
9ae3a8
 debug="no"
9ae3a8
@@ -925,6 +926,10 @@ for opt do
9ae3a8
   ;;
9ae3a8
   --enable-gtk) gtk="yes"
9ae3a8
   ;;
9ae3a8
+  --enable-rdma) rdma="yes"
9ae3a8
+  ;;
9ae3a8
+  --disable-rdma) rdma="no"
9ae3a8
+  ;;
9ae3a8
   --with-gtkabi=*) gtkabi="$optarg"
9ae3a8
   ;;
9ae3a8
   --enable-tpm) tpm="yes"
9ae3a8
@@ -1151,6 +1156,8 @@ echo "  --enable-bluez           enable bluez stack connectivity"
9ae3a8
 echo "  --disable-slirp          disable SLIRP userspace network connectivity"
9ae3a8
 echo "  --disable-kvm            disable KVM acceleration support"
9ae3a8
 echo "  --enable-kvm             enable KVM acceleration support"
9ae3a8
+echo "  --disable-rdma           disable RDMA-based migration support"
9ae3a8
+echo "  --enable-rdma            enable RDMA-based migration support"
9ae3a8
 echo "  --enable-tcg-interpreter enable TCG with bytecode interpreter (TCI)"
9ae3a8
 echo "  --disable-nptl           disable usermode NPTL support"
9ae3a8
 echo "  --enable-nptl            enable usermode NPTL support"
9ae3a8
@@ -1846,6 +1853,30 @@ EOF
9ae3a8
 fi
9ae3a8
 
9ae3a8
 ##########################################
9ae3a8
+# RDMA needs OpenFabrics libraries
9ae3a8
+if test "$rdma" != "no" ; then
9ae3a8
+  cat > $TMPC <
9ae3a8
+#include <rdma/rdma_cma.h>
9ae3a8
+int main(void) { return 0; }
9ae3a8
+EOF
9ae3a8
+  rdma_libs="-lrdmacm -libverbs"
9ae3a8
+  if compile_prog "" "$rdma_libs" ; then
9ae3a8
+    rdma="yes"
9ae3a8
+    libs_softmmu="$libs_softmmu $rdma_libs"
9ae3a8
+  else
9ae3a8
+    if test "$rdma" = "yes" ; then
9ae3a8
+        error_exit \
9ae3a8
+            " OpenFabrics librdmacm/libibverbs not present." \
9ae3a8
+            " Your options:" \
9ae3a8
+            "  (1) Fast: Install infiniband packages from your distro." \
9ae3a8
+            "  (2) Cleanest: Install libraries from www.openfabrics.org" \
9ae3a8
+            "  (3) Also: Install softiwarp if you don't have RDMA hardware"
9ae3a8
+    fi
9ae3a8
+    rdma="no"
9ae3a8
+  fi
9ae3a8
+fi
9ae3a8
+
9ae3a8
+##########################################
9ae3a8
 # VNC TLS/WS detection
9ae3a8
 if test "$vnc" = "yes" -a \( "$vnc_tls" != "no" -o "$vnc_ws" != "no" \) ; then
9ae3a8
   cat > $TMPC <
9ae3a8
@@ -3550,6 +3581,7 @@ echo "Linux AIO support $linux_aio"
9ae3a8
 echo "ATTR/XATTR support $attr"
9ae3a8
 echo "Install blobs     $blobs"
9ae3a8
 echo "KVM support       $kvm"
9ae3a8
+echo "RDMA support      $rdma"
9ae3a8
 echo "TCG interpreter   $tcg_interpreter"
9ae3a8
 echo "fdt support       $fdt"
9ae3a8
 echo "preadv support    $preadv"
9ae3a8
@@ -4032,6 +4064,10 @@ if test "$trace_default" = "yes"; then
9ae3a8
   echo "CONFIG_TRACE_DEFAULT=y" >> $config_host_mak
9ae3a8
 fi
9ae3a8
 
9ae3a8
+if test "$rdma" = "yes" ; then
9ae3a8
+  echo "CONFIG_RDMA=y" >> $config_host_mak
9ae3a8
+fi
9ae3a8
+
9ae3a8
 if test "$tcg_interpreter" = "yes"; then
9ae3a8
   QEMU_INCLUDES="-I\$(SRC_PATH)/tcg/tci $QEMU_INCLUDES"
9ae3a8
 elif test "$ARCH" = "sparc64" ; then
9ae3a8
@@ -4506,6 +4542,10 @@ if [ "$pixman" = "internal" ]; then
9ae3a8
   echo "config-host.h: subdir-pixman" >> $config_host_mak
9ae3a8
 fi
9ae3a8
 
9ae3a8
+if test "$rdma" = "yes" ; then
9ae3a8
+echo "CONFIG_RDMA=y" >> $config_host_mak
9ae3a8
+fi
9ae3a8
+
9ae3a8
 if [ "$dtc_internal" = "yes" ]; then
9ae3a8
   echo "config-host.h: subdir-dtc" >> $config_host_mak
9ae3a8
 fi
9ae3a8
diff --git a/include/migration/migration.h b/include/migration/migration.h
9ae3a8
index 90b5021..13a9629 100644
9ae3a8
--- a/include/migration/migration.h
9ae3a8
+++ b/include/migration/migration.h
9ae3a8
@@ -77,6 +77,10 @@ void fd_start_incoming_migration(const char *path, Error **errp);
9ae3a8
 
9ae3a8
 void fd_start_outgoing_migration(MigrationState *s, const char *fdname, Error **errp);
9ae3a8
 
9ae3a8
+void rdma_start_outgoing_migration(void *opaque, const char *host_port, Error **errp);
9ae3a8
+
9ae3a8
+void rdma_start_incoming_migration(const char *host_port, Error **errp);
9ae3a8
+
9ae3a8
 void migrate_fd_error(MigrationState *s);
9ae3a8
 
9ae3a8
 void migrate_fd_connect(MigrationState *s);
9ae3a8
diff --git a/migration-rdma.c b/migration-rdma.c
9ae3a8
new file mode 100644
9ae3a8
index 0000000..d044830
9ae3a8
--- /dev/null
9ae3a8
+++ b/migration-rdma.c
9ae3a8
@@ -0,0 +1,3249 @@
9ae3a8
+/*
9ae3a8
+ * RDMA protocol and interfaces
9ae3a8
+ *
9ae3a8
+ * Copyright IBM, Corp. 2010-2013
9ae3a8
+ *
9ae3a8
+ * Authors:
9ae3a8
+ *  Michael R. Hines <mrhines@us.ibm.com>
9ae3a8
+ *  Jiuxing Liu <jl@us.ibm.com>
9ae3a8
+ *
9ae3a8
+ * This work is licensed under the terms of the GNU GPL, version 2 or
9ae3a8
+ * later.  See the COPYING file in the top-level directory.
9ae3a8
+ *
9ae3a8
+ */
9ae3a8
+#include "qemu-common.h"
9ae3a8
+#include "migration/migration.h"
9ae3a8
+#include "migration/qemu-file.h"
9ae3a8
+#include "exec/cpu-common.h"
9ae3a8
+#include "qemu/main-loop.h"
9ae3a8
+#include "qemu/sockets.h"
9ae3a8
+#include "qemu/bitmap.h"
9ae3a8
+#include "block/coroutine.h"
9ae3a8
+#include <stdio.h>
9ae3a8
+#include <sys/types.h>
9ae3a8
+#include <sys/socket.h>
9ae3a8
+#include <netdb.h>
9ae3a8
+#include <arpa/inet.h>
9ae3a8
+#include <string.h>
9ae3a8
+#include <rdma/rdma_cma.h>
9ae3a8
+
9ae3a8
+#define DEBUG_RDMA
9ae3a8
+//#define DEBUG_RDMA_VERBOSE
9ae3a8
+//#define DEBUG_RDMA_REALLY_VERBOSE
9ae3a8
+
9ae3a8
+#ifdef DEBUG_RDMA
9ae3a8
+#define DPRINTF(fmt, ...) \
9ae3a8
+    do { printf("rdma: " fmt, ## __VA_ARGS__); } while (0)
9ae3a8
+#else
9ae3a8
+#define DPRINTF(fmt, ...) \
9ae3a8
+    do { } while (0)
9ae3a8
+#endif
9ae3a8
+
9ae3a8
+#ifdef DEBUG_RDMA_VERBOSE
9ae3a8
+#define DDPRINTF(fmt, ...) \
9ae3a8
+    do { printf("rdma: " fmt, ## __VA_ARGS__); } while (0)
9ae3a8
+#else
9ae3a8
+#define DDPRINTF(fmt, ...) \
9ae3a8
+    do { } while (0)
9ae3a8
+#endif
9ae3a8
+
9ae3a8
+#ifdef DEBUG_RDMA_REALLY_VERBOSE
9ae3a8
+#define DDDPRINTF(fmt, ...) \
9ae3a8
+    do { printf("rdma: " fmt, ## __VA_ARGS__); } while (0)
9ae3a8
+#else
9ae3a8
+#define DDDPRINTF(fmt, ...) \
9ae3a8
+    do { } while (0)
9ae3a8
+#endif
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Print and error on both the Monitor and the Log file.
9ae3a8
+ */
9ae3a8
+#define ERROR(errp, fmt, ...) \
9ae3a8
+    do { \
9ae3a8
+        fprintf(stderr, "RDMA ERROR: " fmt, ## __VA_ARGS__); \
9ae3a8
+        if (errp && (*(errp) == NULL)) { \
9ae3a8
+            error_setg(errp, "RDMA ERROR: " fmt, ## __VA_ARGS__); \
9ae3a8
+        } \
9ae3a8
+    } while (0)
9ae3a8
+
9ae3a8
+#define RDMA_RESOLVE_TIMEOUT_MS 10000
9ae3a8
+
9ae3a8
+/* Do not merge data if larger than this. */
9ae3a8
+#define RDMA_MERGE_MAX (2 * 1024 * 1024)
9ae3a8
+#define RDMA_SIGNALED_SEND_MAX (RDMA_MERGE_MAX / 4096)
9ae3a8
+
9ae3a8
+#define RDMA_REG_CHUNK_SHIFT 20 /* 1 MB */
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * This is only for non-live state being migrated.
9ae3a8
+ * Instead of RDMA_WRITE messages, we use RDMA_SEND
9ae3a8
+ * messages for that state, which requires a different
9ae3a8
+ * delivery design than main memory.
9ae3a8
+ */
9ae3a8
+#define RDMA_SEND_INCREMENT 32768
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Maximum size infiniband SEND message
9ae3a8
+ */
9ae3a8
+#define RDMA_CONTROL_MAX_BUFFER (512 * 1024)
9ae3a8
+#define RDMA_CONTROL_MAX_COMMANDS_PER_MESSAGE 4096
9ae3a8
+
9ae3a8
+#define RDMA_CONTROL_VERSION_CURRENT 1
9ae3a8
+/*
9ae3a8
+ * Capabilities for negotiation.
9ae3a8
+ */
9ae3a8
+#define RDMA_CAPABILITY_PIN_ALL 0x01
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Add the other flags above to this list of known capabilities
9ae3a8
+ * as they are introduced.
9ae3a8
+ */
9ae3a8
+static uint32_t known_capabilities = RDMA_CAPABILITY_PIN_ALL;
9ae3a8
+
9ae3a8
+#define CHECK_ERROR_STATE() \
9ae3a8
+    do { \
9ae3a8
+        if (rdma->error_state) { \
9ae3a8
+            if (!rdma->error_reported) { \
9ae3a8
+                fprintf(stderr, "RDMA is in an error state waiting migration" \
9ae3a8
+                                " to abort!\n"); \
9ae3a8
+                rdma->error_reported = 1; \
9ae3a8
+            } \
9ae3a8
+            return rdma->error_state; \
9ae3a8
+        } \
9ae3a8
+    } while (0);
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * A work request ID is 64-bits and we split up these bits
9ae3a8
+ * into 3 parts:
9ae3a8
+ *
9ae3a8
+ * bits 0-15 : type of control message, 2^16
9ae3a8
+ * bits 16-29: ram block index, 2^14
9ae3a8
+ * bits 30-63: ram block chunk number, 2^34
9ae3a8
+ *
9ae3a8
+ * The last two bit ranges are only used for RDMA writes,
9ae3a8
+ * in order to track their completion and potentially
9ae3a8
+ * also track unregistration status of the message.
9ae3a8
+ */
9ae3a8
+#define RDMA_WRID_TYPE_SHIFT  0UL
9ae3a8
+#define RDMA_WRID_BLOCK_SHIFT 16UL
9ae3a8
+#define RDMA_WRID_CHUNK_SHIFT 30UL
9ae3a8
+
9ae3a8
+#define RDMA_WRID_TYPE_MASK \
9ae3a8
+    ((1UL << RDMA_WRID_BLOCK_SHIFT) - 1UL)
9ae3a8
+
9ae3a8
+#define RDMA_WRID_BLOCK_MASK \
9ae3a8
+    (~RDMA_WRID_TYPE_MASK & ((1UL << RDMA_WRID_CHUNK_SHIFT) - 1UL))
9ae3a8
+
9ae3a8
+#define RDMA_WRID_CHUNK_MASK (~RDMA_WRID_BLOCK_MASK & ~RDMA_WRID_TYPE_MASK)
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * RDMA migration protocol:
9ae3a8
+ * 1. RDMA Writes (data messages, i.e. RAM)
9ae3a8
+ * 2. IB Send/Recv (control channel messages)
9ae3a8
+ */
9ae3a8
+enum {
9ae3a8
+    RDMA_WRID_NONE = 0,
9ae3a8
+    RDMA_WRID_RDMA_WRITE = 1,
9ae3a8
+    RDMA_WRID_SEND_CONTROL = 2000,
9ae3a8
+    RDMA_WRID_RECV_CONTROL = 4000,
9ae3a8
+};
9ae3a8
+
9ae3a8
+const char *wrid_desc[] = {
9ae3a8
+    [RDMA_WRID_NONE] = "NONE",
9ae3a8
+    [RDMA_WRID_RDMA_WRITE] = "WRITE RDMA",
9ae3a8
+    [RDMA_WRID_SEND_CONTROL] = "CONTROL SEND",
9ae3a8
+    [RDMA_WRID_RECV_CONTROL] = "CONTROL RECV",
9ae3a8
+};
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Work request IDs for IB SEND messages only (not RDMA writes).
9ae3a8
+ * This is used by the migration protocol to transmit
9ae3a8
+ * control messages (such as device state and registration commands)
9ae3a8
+ *
9ae3a8
+ * We could use more WRs, but we have enough for now.
9ae3a8
+ */
9ae3a8
+enum {
9ae3a8
+    RDMA_WRID_READY = 0,
9ae3a8
+    RDMA_WRID_DATA,
9ae3a8
+    RDMA_WRID_CONTROL,
9ae3a8
+    RDMA_WRID_MAX,
9ae3a8
+};
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * SEND/RECV IB Control Messages.
9ae3a8
+ */
9ae3a8
+enum {
9ae3a8
+    RDMA_CONTROL_NONE = 0,
9ae3a8
+    RDMA_CONTROL_ERROR,
9ae3a8
+    RDMA_CONTROL_READY,               /* ready to receive */
9ae3a8
+    RDMA_CONTROL_QEMU_FILE,           /* QEMUFile-transmitted bytes */
9ae3a8
+    RDMA_CONTROL_RAM_BLOCKS_REQUEST,  /* RAMBlock synchronization */
9ae3a8
+    RDMA_CONTROL_RAM_BLOCKS_RESULT,   /* RAMBlock synchronization */
9ae3a8
+    RDMA_CONTROL_COMPRESS,            /* page contains repeat values */
9ae3a8
+    RDMA_CONTROL_REGISTER_REQUEST,    /* dynamic page registration */
9ae3a8
+    RDMA_CONTROL_REGISTER_RESULT,     /* key to use after registration */
9ae3a8
+    RDMA_CONTROL_REGISTER_FINISHED,   /* current iteration finished */
9ae3a8
+    RDMA_CONTROL_UNREGISTER_REQUEST,  /* dynamic UN-registration */
9ae3a8
+    RDMA_CONTROL_UNREGISTER_FINISHED, /* unpinning finished */
9ae3a8
+};
9ae3a8
+
9ae3a8
+const char *control_desc[] = {
9ae3a8
+    [RDMA_CONTROL_NONE] = "NONE",
9ae3a8
+    [RDMA_CONTROL_ERROR] = "ERROR",
9ae3a8
+    [RDMA_CONTROL_READY] = "READY",
9ae3a8
+    [RDMA_CONTROL_QEMU_FILE] = "QEMU FILE",
9ae3a8
+    [RDMA_CONTROL_RAM_BLOCKS_REQUEST] = "RAM BLOCKS REQUEST",
9ae3a8
+    [RDMA_CONTROL_RAM_BLOCKS_RESULT] = "RAM BLOCKS RESULT",
9ae3a8
+    [RDMA_CONTROL_COMPRESS] = "COMPRESS",
9ae3a8
+    [RDMA_CONTROL_REGISTER_REQUEST] = "REGISTER REQUEST",
9ae3a8
+    [RDMA_CONTROL_REGISTER_RESULT] = "REGISTER RESULT",
9ae3a8
+    [RDMA_CONTROL_REGISTER_FINISHED] = "REGISTER FINISHED",
9ae3a8
+    [RDMA_CONTROL_UNREGISTER_REQUEST] = "UNREGISTER REQUEST",
9ae3a8
+    [RDMA_CONTROL_UNREGISTER_FINISHED] = "UNREGISTER FINISHED",
9ae3a8
+};
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Memory and MR structures used to represent an IB Send/Recv work request.
9ae3a8
+ * This is *not* used for RDMA writes, only IB Send/Recv.
9ae3a8
+ */
9ae3a8
+typedef struct {
9ae3a8
+    uint8_t  control[RDMA_CONTROL_MAX_BUFFER]; /* actual buffer to register */
9ae3a8
+    struct   ibv_mr *control_mr;               /* registration metadata */
9ae3a8
+    size_t   control_len;                      /* length of the message */
9ae3a8
+    uint8_t *control_curr;                     /* start of unconsumed bytes */
9ae3a8
+} RDMAWorkRequestData;
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Negotiate RDMA capabilities during connection-setup time.
9ae3a8
+ */
9ae3a8
+typedef struct {
9ae3a8
+    uint32_t version;
9ae3a8
+    uint32_t flags;
9ae3a8
+} RDMACapabilities;
9ae3a8
+
9ae3a8
+static void caps_to_network(RDMACapabilities *cap)
9ae3a8
+{
9ae3a8
+    cap->version = htonl(cap->version);
9ae3a8
+    cap->flags = htonl(cap->flags);
9ae3a8
+}
9ae3a8
+
9ae3a8
+static void network_to_caps(RDMACapabilities *cap)
9ae3a8
+{
9ae3a8
+    cap->version = ntohl(cap->version);
9ae3a8
+    cap->flags = ntohl(cap->flags);
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Representation of a RAMBlock from an RDMA perspective.
9ae3a8
+ * This is not transmitted, only local.
9ae3a8
+ * This and subsequent structures cannot be linked lists
9ae3a8
+ * because we're using a single IB message to transmit
9ae3a8
+ * the information. It's small anyway, so a list is overkill.
9ae3a8
+ */
9ae3a8
+typedef struct RDMALocalBlock {
9ae3a8
+    uint8_t  *local_host_addr; /* local virtual address */
9ae3a8
+    uint64_t remote_host_addr; /* remote virtual address */
9ae3a8
+    uint64_t offset;
9ae3a8
+    uint64_t length;
9ae3a8
+    struct   ibv_mr **pmr;     /* MRs for chunk-level registration */
9ae3a8
+    struct   ibv_mr *mr;       /* MR for non-chunk-level registration */
9ae3a8
+    uint32_t *remote_keys;     /* rkeys for chunk-level registration */
9ae3a8
+    uint32_t remote_rkey;      /* rkeys for non-chunk-level registration */
9ae3a8
+    int      index;            /* which block are we */
9ae3a8
+    bool     is_ram_block;
9ae3a8
+    int      nb_chunks;
9ae3a8
+    unsigned long *transit_bitmap;
9ae3a8
+    unsigned long *unregister_bitmap;
9ae3a8
+} RDMALocalBlock;
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Also represents a RAMblock, but only on the dest.
9ae3a8
+ * This gets transmitted by the dest during connection-time
9ae3a8
+ * to the source VM and then is used to populate the
9ae3a8
+ * corresponding RDMALocalBlock with
9ae3a8
+ * the information needed to perform the actual RDMA.
9ae3a8
+ */
9ae3a8
+typedef struct QEMU_PACKED RDMARemoteBlock {
9ae3a8
+    uint64_t remote_host_addr;
9ae3a8
+    uint64_t offset;
9ae3a8
+    uint64_t length;
9ae3a8
+    uint32_t remote_rkey;
9ae3a8
+    uint32_t padding;
9ae3a8
+} RDMARemoteBlock;
9ae3a8
+
9ae3a8
+static uint64_t htonll(uint64_t v)
9ae3a8
+{
9ae3a8
+    union { uint32_t lv[2]; uint64_t llv; } u;
9ae3a8
+    u.lv[0] = htonl(v >> 32);
9ae3a8
+    u.lv[1] = htonl(v & 0xFFFFFFFFULL);
9ae3a8
+    return u.llv;
9ae3a8
+}
9ae3a8
+
9ae3a8
+static uint64_t ntohll(uint64_t v) {
9ae3a8
+    union { uint32_t lv[2]; uint64_t llv; } u;
9ae3a8
+    u.llv = v;
9ae3a8
+    return ((uint64_t)ntohl(u.lv[0]) << 32) | (uint64_t) ntohl(u.lv[1]);
9ae3a8
+}
9ae3a8
+
9ae3a8
+static void remote_block_to_network(RDMARemoteBlock *rb)
9ae3a8
+{
9ae3a8
+    rb->remote_host_addr = htonll(rb->remote_host_addr);
9ae3a8
+    rb->offset = htonll(rb->offset);
9ae3a8
+    rb->length = htonll(rb->length);
9ae3a8
+    rb->remote_rkey = htonl(rb->remote_rkey);
9ae3a8
+}
9ae3a8
+
9ae3a8
+static void network_to_remote_block(RDMARemoteBlock *rb)
9ae3a8
+{
9ae3a8
+    rb->remote_host_addr = ntohll(rb->remote_host_addr);
9ae3a8
+    rb->offset = ntohll(rb->offset);
9ae3a8
+    rb->length = ntohll(rb->length);
9ae3a8
+    rb->remote_rkey = ntohl(rb->remote_rkey);
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Virtual address of the above structures used for transmitting
9ae3a8
+ * the RAMBlock descriptions at connection-time.
9ae3a8
+ * This structure is *not* transmitted.
9ae3a8
+ */
9ae3a8
+typedef struct RDMALocalBlocks {
9ae3a8
+    int nb_blocks;
9ae3a8
+    bool     init;             /* main memory init complete */
9ae3a8
+    RDMALocalBlock *block;
9ae3a8
+} RDMALocalBlocks;
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Main data structure for RDMA state.
9ae3a8
+ * While there is only one copy of this structure being allocated right now,
9ae3a8
+ * this is the place where one would start if you wanted to consider
9ae3a8
+ * having more than one RDMA connection open at the same time.
9ae3a8
+ */
9ae3a8
+typedef struct RDMAContext {
9ae3a8
+    char *host;
9ae3a8
+    int port;
9ae3a8
+
9ae3a8
+    RDMAWorkRequestData wr_data[RDMA_WRID_MAX + 1];
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * This is used by *_exchange_send() to figure out whether or not
9ae3a8
+     * the initial "READY" message has already been received or not.
9ae3a8
+     * This is because other functions may potentially poll() and detect
9ae3a8
+     * the READY message before send() does, in which case we need to
9ae3a8
+     * know if it completed.
9ae3a8
+     */
9ae3a8
+    int control_ready_expected;
9ae3a8
+
9ae3a8
+    /* number of outstanding writes */
9ae3a8
+    int nb_sent;
9ae3a8
+
9ae3a8
+    /* store info about current buffer so that we can
9ae3a8
+       merge it with future sends */
9ae3a8
+    uint64_t current_addr;
9ae3a8
+    uint64_t current_length;
9ae3a8
+    /* index of ram block the current buffer belongs to */
9ae3a8
+    int current_index;
9ae3a8
+    /* index of the chunk in the current ram block */
9ae3a8
+    int current_chunk;
9ae3a8
+
9ae3a8
+    bool pin_all;
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * infiniband-specific variables for opening the device
9ae3a8
+     * and maintaining connection state and so forth.
9ae3a8
+     *
9ae3a8
+     * cm_id also has ibv_context, rdma_event_channel, and ibv_qp in
9ae3a8
+     * cm_id->verbs, cm_id->channel, and cm_id->qp.
9ae3a8
+     */
9ae3a8
+    struct rdma_cm_id *cm_id;               /* connection manager ID */
9ae3a8
+    struct rdma_cm_id *listen_id;
9ae3a8
+
9ae3a8
+    struct ibv_context          *verbs;
9ae3a8
+    struct rdma_event_channel   *channel;
9ae3a8
+    struct ibv_qp *qp;                      /* queue pair */
9ae3a8
+    struct ibv_comp_channel *comp_channel;  /* completion channel */
9ae3a8
+    struct ibv_pd *pd;                      /* protection domain */
9ae3a8
+    struct ibv_cq *cq;                      /* completion queue */
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * If a previous write failed (perhaps because of a failed
9ae3a8
+     * memory registration, then do not attempt any future work
9ae3a8
+     * and remember the error state.
9ae3a8
+     */
9ae3a8
+    int error_state;
9ae3a8
+    int error_reported;
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Description of ram blocks used throughout the code.
9ae3a8
+     */
9ae3a8
+    RDMALocalBlocks local_ram_blocks;
9ae3a8
+    RDMARemoteBlock *block;
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Migration on *destination* started.
9ae3a8
+     * Then use coroutine yield function.
9ae3a8
+     * Source runs in a thread, so we don't care.
9ae3a8
+     */
9ae3a8
+    int migration_started_on_destination;
9ae3a8
+
9ae3a8
+    int total_registrations;
9ae3a8
+    int total_writes;
9ae3a8
+
9ae3a8
+    int unregister_current, unregister_next;
9ae3a8
+    uint64_t unregistrations[RDMA_SIGNALED_SEND_MAX];
9ae3a8
+
9ae3a8
+    GHashTable *blockmap;
9ae3a8
+} RDMAContext;
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Interface to the rest of the migration call stack.
9ae3a8
+ */
9ae3a8
+typedef struct QEMUFileRDMA {
9ae3a8
+    RDMAContext *rdma;
9ae3a8
+    size_t len;
9ae3a8
+    void *file;
9ae3a8
+} QEMUFileRDMA;
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Main structure for IB Send/Recv control messages.
9ae3a8
+ * This gets prepended at the beginning of every Send/Recv.
9ae3a8
+ */
9ae3a8
+typedef struct QEMU_PACKED {
9ae3a8
+    uint32_t len;     /* Total length of data portion */
9ae3a8
+    uint32_t type;    /* which control command to perform */
9ae3a8
+    uint32_t repeat;  /* number of commands in data portion of same type */
9ae3a8
+    uint32_t padding;
9ae3a8
+} RDMAControlHeader;
9ae3a8
+
9ae3a8
+static void control_to_network(RDMAControlHeader *control)
9ae3a8
+{
9ae3a8
+    control->type = htonl(control->type);
9ae3a8
+    control->len = htonl(control->len);
9ae3a8
+    control->repeat = htonl(control->repeat);
9ae3a8
+}
9ae3a8
+
9ae3a8
+static void network_to_control(RDMAControlHeader *control)
9ae3a8
+{
9ae3a8
+    control->type = ntohl(control->type);
9ae3a8
+    control->len = ntohl(control->len);
9ae3a8
+    control->repeat = ntohl(control->repeat);
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Register a single Chunk.
9ae3a8
+ * Information sent by the source VM to inform the dest
9ae3a8
+ * to register an single chunk of memory before we can perform
9ae3a8
+ * the actual RDMA operation.
9ae3a8
+ */
9ae3a8
+typedef struct QEMU_PACKED {
9ae3a8
+    union QEMU_PACKED {
9ae3a8
+        uint64_t current_addr;  /* offset into the ramblock of the chunk */
9ae3a8
+        uint64_t chunk;         /* chunk to lookup if unregistering */
9ae3a8
+    } key;
9ae3a8
+    uint32_t current_index; /* which ramblock the chunk belongs to */
9ae3a8
+    uint32_t padding;
9ae3a8
+    uint64_t chunks;            /* how many sequential chunks to register */
9ae3a8
+} RDMARegister;
9ae3a8
+
9ae3a8
+static void register_to_network(RDMARegister *reg)
9ae3a8
+{
9ae3a8
+    reg->key.current_addr = htonll(reg->key.current_addr);
9ae3a8
+    reg->current_index = htonl(reg->current_index);
9ae3a8
+    reg->chunks = htonll(reg->chunks);
9ae3a8
+}
9ae3a8
+
9ae3a8
+static void network_to_register(RDMARegister *reg)
9ae3a8
+{
9ae3a8
+    reg->key.current_addr = ntohll(reg->key.current_addr);
9ae3a8
+    reg->current_index = ntohl(reg->current_index);
9ae3a8
+    reg->chunks = ntohll(reg->chunks);
9ae3a8
+}
9ae3a8
+
9ae3a8
+typedef struct QEMU_PACKED {
9ae3a8
+    uint32_t value;     /* if zero, we will madvise() */
9ae3a8
+    uint32_t block_idx; /* which ram block index */
9ae3a8
+    uint64_t offset;    /* where in the remote ramblock this chunk */
9ae3a8
+    uint64_t length;    /* length of the chunk */
9ae3a8
+} RDMACompress;
9ae3a8
+
9ae3a8
+static void compress_to_network(RDMACompress *comp)
9ae3a8
+{
9ae3a8
+    comp->value = htonl(comp->value);
9ae3a8
+    comp->block_idx = htonl(comp->block_idx);
9ae3a8
+    comp->offset = htonll(comp->offset);
9ae3a8
+    comp->length = htonll(comp->length);
9ae3a8
+}
9ae3a8
+
9ae3a8
+static void network_to_compress(RDMACompress *comp)
9ae3a8
+{
9ae3a8
+    comp->value = ntohl(comp->value);
9ae3a8
+    comp->block_idx = ntohl(comp->block_idx);
9ae3a8
+    comp->offset = ntohll(comp->offset);
9ae3a8
+    comp->length = ntohll(comp->length);
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * The result of the dest's memory registration produces an "rkey"
9ae3a8
+ * which the source VM must reference in order to perform
9ae3a8
+ * the RDMA operation.
9ae3a8
+ */
9ae3a8
+typedef struct QEMU_PACKED {
9ae3a8
+    uint32_t rkey;
9ae3a8
+    uint32_t padding;
9ae3a8
+    uint64_t host_addr;
9ae3a8
+} RDMARegisterResult;
9ae3a8
+
9ae3a8
+static void result_to_network(RDMARegisterResult *result)
9ae3a8
+{
9ae3a8
+    result->rkey = htonl(result->rkey);
9ae3a8
+    result->host_addr = htonll(result->host_addr);
9ae3a8
+};
9ae3a8
+
9ae3a8
+static void network_to_result(RDMARegisterResult *result)
9ae3a8
+{
9ae3a8
+    result->rkey = ntohl(result->rkey);
9ae3a8
+    result->host_addr = ntohll(result->host_addr);
9ae3a8
+};
9ae3a8
+
9ae3a8
+const char *print_wrid(int wrid);
9ae3a8
+static int qemu_rdma_exchange_send(RDMAContext *rdma, RDMAControlHeader *head,
9ae3a8
+                                   uint8_t *data, RDMAControlHeader *resp,
9ae3a8
+                                   int *resp_idx,
9ae3a8
+                                   int (*callback)(RDMAContext *rdma));
9ae3a8
+
9ae3a8
+static inline uint64_t ram_chunk_index(uint8_t *start, uint8_t *host)
9ae3a8
+{
9ae3a8
+    return ((uintptr_t) host - (uintptr_t) start) >> RDMA_REG_CHUNK_SHIFT;
9ae3a8
+}
9ae3a8
+
9ae3a8
+static inline uint8_t *ram_chunk_start(RDMALocalBlock *rdma_ram_block,
9ae3a8
+                                       uint64_t i)
9ae3a8
+{
9ae3a8
+    return (uint8_t *) (((uintptr_t) rdma_ram_block->local_host_addr)
9ae3a8
+                                    + (i << RDMA_REG_CHUNK_SHIFT));
9ae3a8
+}
9ae3a8
+
9ae3a8
+static inline uint8_t *ram_chunk_end(RDMALocalBlock *rdma_ram_block, uint64_t i)
9ae3a8
+{
9ae3a8
+    uint8_t *result = ram_chunk_start(rdma_ram_block, i) +
9ae3a8
+                                         (1UL << RDMA_REG_CHUNK_SHIFT);
9ae3a8
+
9ae3a8
+    if (result > (rdma_ram_block->local_host_addr + rdma_ram_block->length)) {
9ae3a8
+        result = rdma_ram_block->local_host_addr + rdma_ram_block->length;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return result;
9ae3a8
+}
9ae3a8
+
9ae3a8
+static int __qemu_rdma_add_block(RDMAContext *rdma, void *host_addr,
9ae3a8
+                         ram_addr_t block_offset, uint64_t length)
9ae3a8
+{
9ae3a8
+    RDMALocalBlocks *local = &rdma->local_ram_blocks;
9ae3a8
+    RDMALocalBlock *block = g_hash_table_lookup(rdma->blockmap,
9ae3a8
+        (void *) block_offset);
9ae3a8
+    RDMALocalBlock *old = local->block;
9ae3a8
+
9ae3a8
+    assert(block == NULL);
9ae3a8
+
9ae3a8
+    local->block = g_malloc0(sizeof(RDMALocalBlock) * (local->nb_blocks + 1));
9ae3a8
+
9ae3a8
+    if (local->nb_blocks) {
9ae3a8
+        int x;
9ae3a8
+
9ae3a8
+        for (x = 0; x < local->nb_blocks; x++) {
9ae3a8
+            g_hash_table_remove(rdma->blockmap, (void *)old[x].offset);
9ae3a8
+            g_hash_table_insert(rdma->blockmap, (void *)old[x].offset,
9ae3a8
+                                                &local->block[x]);
9ae3a8
+        }
9ae3a8
+        memcpy(local->block, old, sizeof(RDMALocalBlock) * local->nb_blocks);
9ae3a8
+        g_free(old);
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    block = &local->block[local->nb_blocks];
9ae3a8
+
9ae3a8
+    block->local_host_addr = host_addr;
9ae3a8
+    block->offset = block_offset;
9ae3a8
+    block->length = length;
9ae3a8
+    block->index = local->nb_blocks;
9ae3a8
+    block->nb_chunks = ram_chunk_index(host_addr, host_addr + length) + 1UL;
9ae3a8
+    block->transit_bitmap = bitmap_new(block->nb_chunks);
9ae3a8
+    bitmap_clear(block->transit_bitmap, 0, block->nb_chunks);
9ae3a8
+    block->unregister_bitmap = bitmap_new(block->nb_chunks);
9ae3a8
+    bitmap_clear(block->unregister_bitmap, 0, block->nb_chunks);
9ae3a8
+    block->remote_keys = g_malloc0(block->nb_chunks * sizeof(uint32_t));
9ae3a8
+
9ae3a8
+    block->is_ram_block = local->init ? false : true;
9ae3a8
+
9ae3a8
+    g_hash_table_insert(rdma->blockmap, (void *) block_offset, block);
9ae3a8
+
9ae3a8
+    DDPRINTF("Added Block: %d, addr: %" PRIu64 ", offset: %" PRIu64
9ae3a8
+           " length: %" PRIu64 " end: %" PRIu64 " bits %" PRIu64 " chunks %d\n",
9ae3a8
+            local->nb_blocks, (uint64_t) block->local_host_addr, block->offset,
9ae3a8
+            block->length, (uint64_t) (block->local_host_addr + block->length),
9ae3a8
+                BITS_TO_LONGS(block->nb_chunks) *
9ae3a8
+                    sizeof(unsigned long) * 8, block->nb_chunks);
9ae3a8
+
9ae3a8
+    local->nb_blocks++;
9ae3a8
+
9ae3a8
+    return 0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Memory regions need to be registered with the device and queue pairs setup
9ae3a8
+ * in advanced before the migration starts. This tells us where the RAM blocks
9ae3a8
+ * are so that we can register them individually.
9ae3a8
+ */
9ae3a8
+static void qemu_rdma_init_one_block(void *host_addr,
9ae3a8
+    ram_addr_t block_offset, ram_addr_t length, void *opaque)
9ae3a8
+{
9ae3a8
+    __qemu_rdma_add_block(opaque, host_addr, block_offset, length);
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Identify the RAMBlocks and their quantity. They will be references to
9ae3a8
+ * identify chunk boundaries inside each RAMBlock and also be referenced
9ae3a8
+ * during dynamic page registration.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_init_ram_blocks(RDMAContext *rdma)
9ae3a8
+{
9ae3a8
+    RDMALocalBlocks *local = &rdma->local_ram_blocks;
9ae3a8
+
9ae3a8
+    assert(rdma->blockmap == NULL);
9ae3a8
+    rdma->blockmap = g_hash_table_new(g_direct_hash, g_direct_equal);
9ae3a8
+    memset(local, 0, sizeof *local);
9ae3a8
+    qemu_ram_foreach_block(qemu_rdma_init_one_block, rdma);
9ae3a8
+    DPRINTF("Allocated %d local ram block structures\n", local->nb_blocks);
9ae3a8
+    rdma->block = (RDMARemoteBlock *) g_malloc0(sizeof(RDMARemoteBlock) *
9ae3a8
+                        rdma->local_ram_blocks.nb_blocks);
9ae3a8
+    local->init = true;
9ae3a8
+    return 0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+static int __qemu_rdma_delete_block(RDMAContext *rdma, ram_addr_t block_offset)
9ae3a8
+{
9ae3a8
+    RDMALocalBlocks *local = &rdma->local_ram_blocks;
9ae3a8
+    RDMALocalBlock *block = g_hash_table_lookup(rdma->blockmap,
9ae3a8
+        (void *) block_offset);
9ae3a8
+    RDMALocalBlock *old = local->block;
9ae3a8
+    int x;
9ae3a8
+
9ae3a8
+    assert(block);
9ae3a8
+
9ae3a8
+    if (block->pmr) {
9ae3a8
+        int j;
9ae3a8
+
9ae3a8
+        for (j = 0; j < block->nb_chunks; j++) {
9ae3a8
+            if (!block->pmr[j]) {
9ae3a8
+                continue;
9ae3a8
+            }
9ae3a8
+            ibv_dereg_mr(block->pmr[j]);
9ae3a8
+            rdma->total_registrations--;
9ae3a8
+        }
9ae3a8
+        g_free(block->pmr);
9ae3a8
+        block->pmr = NULL;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (block->mr) {
9ae3a8
+        ibv_dereg_mr(block->mr);
9ae3a8
+        rdma->total_registrations--;
9ae3a8
+        block->mr = NULL;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    g_free(block->transit_bitmap);
9ae3a8
+    block->transit_bitmap = NULL;
9ae3a8
+
9ae3a8
+    g_free(block->unregister_bitmap);
9ae3a8
+    block->unregister_bitmap = NULL;
9ae3a8
+
9ae3a8
+    g_free(block->remote_keys);
9ae3a8
+    block->remote_keys = NULL;
9ae3a8
+
9ae3a8
+    for (x = 0; x < local->nb_blocks; x++) {
9ae3a8
+        g_hash_table_remove(rdma->blockmap, (void *)old[x].offset);
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (local->nb_blocks > 1) {
9ae3a8
+
9ae3a8
+        local->block = g_malloc0(sizeof(RDMALocalBlock) *
9ae3a8
+                                    (local->nb_blocks - 1));
9ae3a8
+
9ae3a8
+        if (block->index) {
9ae3a8
+            memcpy(local->block, old, sizeof(RDMALocalBlock) * block->index);
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        if (block->index < (local->nb_blocks - 1)) {
9ae3a8
+            memcpy(local->block + block->index, old + (block->index + 1),
9ae3a8
+                sizeof(RDMALocalBlock) *
9ae3a8
+                    (local->nb_blocks - (block->index + 1)));
9ae3a8
+        }
9ae3a8
+    } else {
9ae3a8
+        assert(block == local->block);
9ae3a8
+        local->block = NULL;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    DDPRINTF("Deleted Block: %d, addr: %" PRIu64 ", offset: %" PRIu64
9ae3a8
+           " length: %" PRIu64 " end: %" PRIu64 " bits %" PRIu64 " chunks %d\n",
9ae3a8
+            local->nb_blocks, (uint64_t) block->local_host_addr, block->offset,
9ae3a8
+            block->length, (uint64_t) (block->local_host_addr + block->length),
9ae3a8
+                BITS_TO_LONGS(block->nb_chunks) *
9ae3a8
+                    sizeof(unsigned long) * 8, block->nb_chunks);
9ae3a8
+
9ae3a8
+    g_free(old);
9ae3a8
+
9ae3a8
+    local->nb_blocks--;
9ae3a8
+
9ae3a8
+    if (local->nb_blocks) {
9ae3a8
+        for (x = 0; x < local->nb_blocks; x++) {
9ae3a8
+            g_hash_table_insert(rdma->blockmap, (void *)local->block[x].offset,
9ae3a8
+                                                &local->block[x]);
9ae3a8
+        }
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return 0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Put in the log file which RDMA device was opened and the details
9ae3a8
+ * associated with that device.
9ae3a8
+ */
9ae3a8
+static void qemu_rdma_dump_id(const char *who, struct ibv_context *verbs)
9ae3a8
+{
9ae3a8
+    printf("%s RDMA Device opened: kernel name %s "
9ae3a8
+           "uverbs device name %s, "
9ae3a8
+           "infiniband_verbs class device path %s,"
9ae3a8
+           " infiniband class device path %s\n",
9ae3a8
+                who,
9ae3a8
+                verbs->device->name,
9ae3a8
+                verbs->device->dev_name,
9ae3a8
+                verbs->device->dev_path,
9ae3a8
+                verbs->device->ibdev_path);
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Put in the log file the RDMA gid addressing information,
9ae3a8
+ * useful for folks who have trouble understanding the
9ae3a8
+ * RDMA device hierarchy in the kernel.
9ae3a8
+ */
9ae3a8
+static void qemu_rdma_dump_gid(const char *who, struct rdma_cm_id *id)
9ae3a8
+{
9ae3a8
+    char sgid[33];
9ae3a8
+    char dgid[33];
9ae3a8
+    inet_ntop(AF_INET6, &id->route.addr.addr.ibaddr.sgid, sgid, sizeof sgid);
9ae3a8
+    inet_ntop(AF_INET6, &id->route.addr.addr.ibaddr.dgid, dgid, sizeof dgid);
9ae3a8
+    DPRINTF("%s Source GID: %s, Dest GID: %s\n", who, sgid, dgid);
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Figure out which RDMA device corresponds to the requested IP hostname
9ae3a8
+ * Also create the initial connection manager identifiers for opening
9ae3a8
+ * the connection.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_resolve_host(RDMAContext *rdma, Error **errp)
9ae3a8
+{
9ae3a8
+    int ret;
9ae3a8
+    struct addrinfo *res;
9ae3a8
+    char port_str[16];
9ae3a8
+    struct rdma_cm_event *cm_event;
9ae3a8
+    char ip[40] = "unknown";
9ae3a8
+
9ae3a8
+    if (rdma->host == NULL || !strcmp(rdma->host, "")) {
9ae3a8
+        ERROR(errp, "RDMA hostname has not been set\n");
9ae3a8
+        return -1;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /* create CM channel */
9ae3a8
+    rdma->channel = rdma_create_event_channel();
9ae3a8
+    if (!rdma->channel) {
9ae3a8
+        ERROR(errp, "could not create CM channel\n");
9ae3a8
+        return -1;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /* create CM id */
9ae3a8
+    ret = rdma_create_id(rdma->channel, &rdma->cm_id, NULL, RDMA_PS_TCP);
9ae3a8
+    if (ret) {
9ae3a8
+        ERROR(errp, "could not create channel id\n");
9ae3a8
+        goto err_resolve_create_id;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    snprintf(port_str, 16, "%d", rdma->port);
9ae3a8
+    port_str[15] = '\0';
9ae3a8
+
9ae3a8
+    ret = getaddrinfo(rdma->host, port_str, NULL, &res;;
9ae3a8
+    if (ret < 0) {
9ae3a8
+        ERROR(errp, "could not getaddrinfo address %s\n", rdma->host);
9ae3a8
+        goto err_resolve_get_addr;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    inet_ntop(AF_INET, &((struct sockaddr_in *) res->ai_addr)->sin_addr,
9ae3a8
+                                ip, sizeof ip);
9ae3a8
+    DPRINTF("%s => %s\n", rdma->host, ip);
9ae3a8
+
9ae3a8
+    /* resolve the first address */
9ae3a8
+    ret = rdma_resolve_addr(rdma->cm_id, NULL, res->ai_addr,
9ae3a8
+            RDMA_RESOLVE_TIMEOUT_MS);
9ae3a8
+    if (ret) {
9ae3a8
+        ERROR(errp, "could not resolve address %s\n", rdma->host);
9ae3a8
+        goto err_resolve_get_addr;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    qemu_rdma_dump_gid("source_resolve_addr", rdma->cm_id);
9ae3a8
+
9ae3a8
+    ret = rdma_get_cm_event(rdma->channel, &cm_event);
9ae3a8
+    if (ret) {
9ae3a8
+        ERROR(errp, "could not perform event_addr_resolved\n");
9ae3a8
+        goto err_resolve_get_addr;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (cm_event->event != RDMA_CM_EVENT_ADDR_RESOLVED) {
9ae3a8
+        ERROR(errp, "result not equal to event_addr_resolved %s\n",
9ae3a8
+                rdma_event_str(cm_event->event));
9ae3a8
+        perror("rdma_resolve_addr");
9ae3a8
+        goto err_resolve_get_addr;
9ae3a8
+    }
9ae3a8
+    rdma_ack_cm_event(cm_event);
9ae3a8
+
9ae3a8
+    /* resolve route */
9ae3a8
+    ret = rdma_resolve_route(rdma->cm_id, RDMA_RESOLVE_TIMEOUT_MS);
9ae3a8
+    if (ret) {
9ae3a8
+        ERROR(errp, "could not resolve rdma route\n");
9ae3a8
+        goto err_resolve_get_addr;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    ret = rdma_get_cm_event(rdma->channel, &cm_event);
9ae3a8
+    if (ret) {
9ae3a8
+        ERROR(errp, "could not perform event_route_resolved\n");
9ae3a8
+        goto err_resolve_get_addr;
9ae3a8
+    }
9ae3a8
+    if (cm_event->event != RDMA_CM_EVENT_ROUTE_RESOLVED) {
9ae3a8
+        ERROR(errp, "result not equal to event_route_resolved: %s\n",
9ae3a8
+                        rdma_event_str(cm_event->event));
9ae3a8
+        rdma_ack_cm_event(cm_event);
9ae3a8
+        goto err_resolve_get_addr;
9ae3a8
+    }
9ae3a8
+    rdma_ack_cm_event(cm_event);
9ae3a8
+    rdma->verbs = rdma->cm_id->verbs;
9ae3a8
+    qemu_rdma_dump_id("source_resolve_host", rdma->cm_id->verbs);
9ae3a8
+    qemu_rdma_dump_gid("source_resolve_host", rdma->cm_id);
9ae3a8
+    return 0;
9ae3a8
+
9ae3a8
+err_resolve_get_addr:
9ae3a8
+    rdma_destroy_id(rdma->cm_id);
9ae3a8
+    rdma->cm_id = NULL;
9ae3a8
+err_resolve_create_id:
9ae3a8
+    rdma_destroy_event_channel(rdma->channel);
9ae3a8
+    rdma->channel = NULL;
9ae3a8
+
9ae3a8
+    return -1;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Create protection domain and completion queues
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_alloc_pd_cq(RDMAContext *rdma)
9ae3a8
+{
9ae3a8
+    /* allocate pd */
9ae3a8
+    rdma->pd = ibv_alloc_pd(rdma->verbs);
9ae3a8
+    if (!rdma->pd) {
9ae3a8
+        fprintf(stderr, "failed to allocate protection domain\n");
9ae3a8
+        return -1;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /* create completion channel */
9ae3a8
+    rdma->comp_channel = ibv_create_comp_channel(rdma->verbs);
9ae3a8
+    if (!rdma->comp_channel) {
9ae3a8
+        fprintf(stderr, "failed to allocate completion channel\n");
9ae3a8
+        goto err_alloc_pd_cq;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Completion queue can be filled by both read and write work requests,
9ae3a8
+     * so must reflect the sum of both possible queue sizes.
9ae3a8
+     */
9ae3a8
+    rdma->cq = ibv_create_cq(rdma->verbs, (RDMA_SIGNALED_SEND_MAX * 3),
9ae3a8
+            NULL, rdma->comp_channel, 0);
9ae3a8
+    if (!rdma->cq) {
9ae3a8
+        fprintf(stderr, "failed to allocate completion queue\n");
9ae3a8
+        goto err_alloc_pd_cq;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return 0;
9ae3a8
+
9ae3a8
+err_alloc_pd_cq:
9ae3a8
+    if (rdma->pd) {
9ae3a8
+        ibv_dealloc_pd(rdma->pd);
9ae3a8
+    }
9ae3a8
+    if (rdma->comp_channel) {
9ae3a8
+        ibv_destroy_comp_channel(rdma->comp_channel);
9ae3a8
+    }
9ae3a8
+    rdma->pd = NULL;
9ae3a8
+    rdma->comp_channel = NULL;
9ae3a8
+    return -1;
9ae3a8
+
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Create queue pairs.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_alloc_qp(RDMAContext *rdma)
9ae3a8
+{
9ae3a8
+    struct ibv_qp_init_attr attr = { 0 };
9ae3a8
+    int ret;
9ae3a8
+
9ae3a8
+    attr.cap.max_send_wr = RDMA_SIGNALED_SEND_MAX;
9ae3a8
+    attr.cap.max_recv_wr = 3;
9ae3a8
+    attr.cap.max_send_sge = 1;
9ae3a8
+    attr.cap.max_recv_sge = 1;
9ae3a8
+    attr.send_cq = rdma->cq;
9ae3a8
+    attr.recv_cq = rdma->cq;
9ae3a8
+    attr.qp_type = IBV_QPT_RC;
9ae3a8
+
9ae3a8
+    ret = rdma_create_qp(rdma->cm_id, rdma->pd, &attr);
9ae3a8
+    if (ret) {
9ae3a8
+        return -1;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    rdma->qp = rdma->cm_id->qp;
9ae3a8
+    return 0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+static int qemu_rdma_reg_whole_ram_blocks(RDMAContext *rdma)
9ae3a8
+{
9ae3a8
+    int i;
9ae3a8
+    RDMALocalBlocks *local = &rdma->local_ram_blocks;
9ae3a8
+
9ae3a8
+    for (i = 0; i < local->nb_blocks; i++) {
9ae3a8
+        local->block[i].mr =
9ae3a8
+            ibv_reg_mr(rdma->pd,
9ae3a8
+                    local->block[i].local_host_addr,
9ae3a8
+                    local->block[i].length,
9ae3a8
+                    IBV_ACCESS_LOCAL_WRITE |
9ae3a8
+                    IBV_ACCESS_REMOTE_WRITE
9ae3a8
+                    );
9ae3a8
+        if (!local->block[i].mr) {
9ae3a8
+            perror("Failed to register local dest ram block!\n");
9ae3a8
+            break;
9ae3a8
+        }
9ae3a8
+        rdma->total_registrations++;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (i >= local->nb_blocks) {
9ae3a8
+        return 0;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    for (i--; i >= 0; i--) {
9ae3a8
+        ibv_dereg_mr(local->block[i].mr);
9ae3a8
+        rdma->total_registrations--;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return -1;
9ae3a8
+
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Find the ram block that corresponds to the page requested to be
9ae3a8
+ * transmitted by QEMU.
9ae3a8
+ *
9ae3a8
+ * Once the block is found, also identify which 'chunk' within that
9ae3a8
+ * block that the page belongs to.
9ae3a8
+ *
9ae3a8
+ * This search cannot fail or the migration will fail.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_search_ram_block(RDMAContext *rdma,
9ae3a8
+                                      uint64_t block_offset,
9ae3a8
+                                      uint64_t offset,
9ae3a8
+                                      uint64_t length,
9ae3a8
+                                      uint64_t *block_index,
9ae3a8
+                                      uint64_t *chunk_index)
9ae3a8
+{
9ae3a8
+    uint64_t current_addr = block_offset + offset;
9ae3a8
+    RDMALocalBlock *block = g_hash_table_lookup(rdma->blockmap,
9ae3a8
+                                                (void *) block_offset);
9ae3a8
+    assert(block);
9ae3a8
+    assert(current_addr >= block->offset);
9ae3a8
+    assert((current_addr + length) <= (block->offset + block->length));
9ae3a8
+
9ae3a8
+    *block_index = block->index;
9ae3a8
+    *chunk_index = ram_chunk_index(block->local_host_addr,
9ae3a8
+                block->local_host_addr + (current_addr - block->offset));
9ae3a8
+
9ae3a8
+    return 0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Register a chunk with IB. If the chunk was already registered
9ae3a8
+ * previously, then skip.
9ae3a8
+ *
9ae3a8
+ * Also return the keys associated with the registration needed
9ae3a8
+ * to perform the actual RDMA operation.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_register_and_get_keys(RDMAContext *rdma,
9ae3a8
+        RDMALocalBlock *block, uint8_t *host_addr,
9ae3a8
+        uint32_t *lkey, uint32_t *rkey, int chunk,
9ae3a8
+        uint8_t *chunk_start, uint8_t *chunk_end)
9ae3a8
+{
9ae3a8
+    if (block->mr) {
9ae3a8
+        if (lkey) {
9ae3a8
+            *lkey = block->mr->lkey;
9ae3a8
+        }
9ae3a8
+        if (rkey) {
9ae3a8
+            *rkey = block->mr->rkey;
9ae3a8
+        }
9ae3a8
+        return 0;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /* allocate memory to store chunk MRs */
9ae3a8
+    if (!block->pmr) {
9ae3a8
+        block->pmr = g_malloc0(block->nb_chunks * sizeof(struct ibv_mr *));
9ae3a8
+        if (!block->pmr) {
9ae3a8
+            return -1;
9ae3a8
+        }
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * If 'rkey', then we're the destination, so grant access to the source.
9ae3a8
+     *
9ae3a8
+     * If 'lkey', then we're the source VM, so grant access only to ourselves.
9ae3a8
+     */
9ae3a8
+    if (!block->pmr[chunk]) {
9ae3a8
+        uint64_t len = chunk_end - chunk_start;
9ae3a8
+
9ae3a8
+        DDPRINTF("Registering %" PRIu64 " bytes @ %p\n",
9ae3a8
+                 len, chunk_start);
9ae3a8
+
9ae3a8
+        block->pmr[chunk] = ibv_reg_mr(rdma->pd,
9ae3a8
+                chunk_start, len,
9ae3a8
+                (rkey ? (IBV_ACCESS_LOCAL_WRITE |
9ae3a8
+                        IBV_ACCESS_REMOTE_WRITE) : 0));
9ae3a8
+
9ae3a8
+        if (!block->pmr[chunk]) {
9ae3a8
+            perror("Failed to register chunk!");
9ae3a8
+            fprintf(stderr, "Chunk details: block: %d chunk index %d"
9ae3a8
+                            " start %" PRIu64 " end %" PRIu64 " host %" PRIu64
9ae3a8
+                            " local %" PRIu64 " registrations: %d\n",
9ae3a8
+                            block->index, chunk, (uint64_t) chunk_start,
9ae3a8
+                            (uint64_t) chunk_end, (uint64_t) host_addr,
9ae3a8
+                            (uint64_t) block->local_host_addr,
9ae3a8
+                            rdma->total_registrations);
9ae3a8
+            return -1;
9ae3a8
+        }
9ae3a8
+        rdma->total_registrations++;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (lkey) {
9ae3a8
+        *lkey = block->pmr[chunk]->lkey;
9ae3a8
+    }
9ae3a8
+    if (rkey) {
9ae3a8
+        *rkey = block->pmr[chunk]->rkey;
9ae3a8
+    }
9ae3a8
+    return 0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Register (at connection time) the memory used for control
9ae3a8
+ * channel messages.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_reg_control(RDMAContext *rdma, int idx)
9ae3a8
+{
9ae3a8
+    rdma->wr_data[idx].control_mr = ibv_reg_mr(rdma->pd,
9ae3a8
+            rdma->wr_data[idx].control, RDMA_CONTROL_MAX_BUFFER,
9ae3a8
+            IBV_ACCESS_LOCAL_WRITE | IBV_ACCESS_REMOTE_WRITE);
9ae3a8
+    if (rdma->wr_data[idx].control_mr) {
9ae3a8
+        rdma->total_registrations++;
9ae3a8
+        return 0;
9ae3a8
+    }
9ae3a8
+    fprintf(stderr, "qemu_rdma_reg_control failed!\n");
9ae3a8
+    return -1;
9ae3a8
+}
9ae3a8
+
9ae3a8
+const char *print_wrid(int wrid)
9ae3a8
+{
9ae3a8
+    if (wrid >= RDMA_WRID_RECV_CONTROL) {
9ae3a8
+        return wrid_desc[RDMA_WRID_RECV_CONTROL];
9ae3a8
+    }
9ae3a8
+    return wrid_desc[wrid];
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * RDMA requires memory registration (mlock/pinning), but this is not good for
9ae3a8
+ * overcommitment.
9ae3a8
+ *
9ae3a8
+ * In preparation for the future where LRU information or workload-specific
9ae3a8
+ * writable writable working set memory access behavior is available to QEMU
9ae3a8
+ * it would be nice to have in place the ability to UN-register/UN-pin
9ae3a8
+ * particular memory regions from the RDMA hardware when it is determine that
9ae3a8
+ * those regions of memory will likely not be accessed again in the near future.
9ae3a8
+ *
9ae3a8
+ * While we do not yet have such information right now, the following
9ae3a8
+ * compile-time option allows us to perform a non-optimized version of this
9ae3a8
+ * behavior.
9ae3a8
+ *
9ae3a8
+ * By uncommenting this option, you will cause *all* RDMA transfers to be
9ae3a8
+ * unregistered immediately after the transfer completes on both sides of the
9ae3a8
+ * connection. This has no effect in 'rdma-pin-all' mode, only regular mode.
9ae3a8
+ *
9ae3a8
+ * This will have a terrible impact on migration performance, so until future
9ae3a8
+ * workload information or LRU information is available, do not attempt to use
9ae3a8
+ * this feature except for basic testing.
9ae3a8
+ */
9ae3a8
+//#define RDMA_UNREGISTRATION_EXAMPLE
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Perform a non-optimized memory unregistration after every transfer
9ae3a8
+ * for demonsration purposes, only if pin-all is not requested.
9ae3a8
+ *
9ae3a8
+ * Potential optimizations:
9ae3a8
+ * 1. Start a new thread to run this function continuously
9ae3a8
+        - for bit clearing
9ae3a8
+        - and for receipt of unregister messages
9ae3a8
+ * 2. Use an LRU.
9ae3a8
+ * 3. Use workload hints.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_unregister_waiting(RDMAContext *rdma)
9ae3a8
+{
9ae3a8
+    while (rdma->unregistrations[rdma->unregister_current]) {
9ae3a8
+        int ret;
9ae3a8
+        uint64_t wr_id = rdma->unregistrations[rdma->unregister_current];
9ae3a8
+        uint64_t chunk =
9ae3a8
+            (wr_id & RDMA_WRID_CHUNK_MASK) >> RDMA_WRID_CHUNK_SHIFT;
9ae3a8
+        uint64_t index =
9ae3a8
+            (wr_id & RDMA_WRID_BLOCK_MASK) >> RDMA_WRID_BLOCK_SHIFT;
9ae3a8
+        RDMALocalBlock *block =
9ae3a8
+            &(rdma->local_ram_blocks.block[index]);
9ae3a8
+        RDMARegister reg = { .current_index = index };
9ae3a8
+        RDMAControlHeader resp = { .type = RDMA_CONTROL_UNREGISTER_FINISHED,
9ae3a8
+                                 };
9ae3a8
+        RDMAControlHeader head = { .len = sizeof(RDMARegister),
9ae3a8
+                                   .type = RDMA_CONTROL_UNREGISTER_REQUEST,
9ae3a8
+                                   .repeat = 1,
9ae3a8
+                                 };
9ae3a8
+
9ae3a8
+        DDPRINTF("Processing unregister for chunk: %" PRIu64
9ae3a8
+                 " at position %d\n", chunk, rdma->unregister_current);
9ae3a8
+
9ae3a8
+        rdma->unregistrations[rdma->unregister_current] = 0;
9ae3a8
+        rdma->unregister_current++;
9ae3a8
+
9ae3a8
+        if (rdma->unregister_current == RDMA_SIGNALED_SEND_MAX) {
9ae3a8
+            rdma->unregister_current = 0;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+
9ae3a8
+        /*
9ae3a8
+         * Unregistration is speculative (because migration is single-threaded
9ae3a8
+         * and we cannot break the protocol's inifinband message ordering).
9ae3a8
+         * Thus, if the memory is currently being used for transmission,
9ae3a8
+         * then abort the attempt to unregister and try again
9ae3a8
+         * later the next time a completion is received for this memory.
9ae3a8
+         */
9ae3a8
+        clear_bit(chunk, block->unregister_bitmap);
9ae3a8
+
9ae3a8
+        if (test_bit(chunk, block->transit_bitmap)) {
9ae3a8
+            DDPRINTF("Cannot unregister inflight chunk: %" PRIu64 "\n", chunk);
9ae3a8
+            continue;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        DDPRINTF("Sending unregister for chunk: %" PRIu64 "\n", chunk);
9ae3a8
+
9ae3a8
+        ret = ibv_dereg_mr(block->pmr[chunk]);
9ae3a8
+        block->pmr[chunk] = NULL;
9ae3a8
+        block->remote_keys[chunk] = 0;
9ae3a8
+
9ae3a8
+        if (ret != 0) {
9ae3a8
+            perror("unregistration chunk failed");
9ae3a8
+            return -ret;
9ae3a8
+        }
9ae3a8
+        rdma->total_registrations--;
9ae3a8
+
9ae3a8
+        reg.key.chunk = chunk;
9ae3a8
+        register_to_network(®);
9ae3a8
+        ret = qemu_rdma_exchange_send(rdma, &head, (uint8_t *) &reg,
9ae3a8
+                                &resp, NULL, NULL);
9ae3a8
+        if (ret < 0) {
9ae3a8
+            return ret;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        DDPRINTF("Unregister for chunk: %" PRIu64 " complete.\n", chunk);
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return 0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+static uint64_t qemu_rdma_make_wrid(uint64_t wr_id, uint64_t index,
9ae3a8
+                                         uint64_t chunk)
9ae3a8
+{
9ae3a8
+    uint64_t result = wr_id & RDMA_WRID_TYPE_MASK;
9ae3a8
+
9ae3a8
+    result |= (index << RDMA_WRID_BLOCK_SHIFT);
9ae3a8
+    result |= (chunk << RDMA_WRID_CHUNK_SHIFT);
9ae3a8
+
9ae3a8
+    return result;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Set bit for unregistration in the next iteration.
9ae3a8
+ * We cannot transmit right here, but will unpin later.
9ae3a8
+ */
9ae3a8
+static void qemu_rdma_signal_unregister(RDMAContext *rdma, uint64_t index,
9ae3a8
+                                        uint64_t chunk, uint64_t wr_id)
9ae3a8
+{
9ae3a8
+    if (rdma->unregistrations[rdma->unregister_next] != 0) {
9ae3a8
+        fprintf(stderr, "rdma migration: queue is full!\n");
9ae3a8
+    } else {
9ae3a8
+        RDMALocalBlock *block = &(rdma->local_ram_blocks.block[index]);
9ae3a8
+
9ae3a8
+        if (!test_and_set_bit(chunk, block->unregister_bitmap)) {
9ae3a8
+            DDPRINTF("Appending unregister chunk %" PRIu64
9ae3a8
+                    " at position %d\n", chunk, rdma->unregister_next);
9ae3a8
+
9ae3a8
+            rdma->unregistrations[rdma->unregister_next++] =
9ae3a8
+                    qemu_rdma_make_wrid(wr_id, index, chunk);
9ae3a8
+
9ae3a8
+            if (rdma->unregister_next == RDMA_SIGNALED_SEND_MAX) {
9ae3a8
+                rdma->unregister_next = 0;
9ae3a8
+            }
9ae3a8
+        } else {
9ae3a8
+            DDPRINTF("Unregister chunk %" PRIu64 " already in queue.\n",
9ae3a8
+                    chunk);
9ae3a8
+        }
9ae3a8
+    }
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Consult the connection manager to see a work request
9ae3a8
+ * (of any kind) has completed.
9ae3a8
+ * Return the work request ID that completed.
9ae3a8
+ */
9ae3a8
+static uint64_t qemu_rdma_poll(RDMAContext *rdma, uint64_t *wr_id_out)
9ae3a8
+{
9ae3a8
+    int ret;
9ae3a8
+    struct ibv_wc wc;
9ae3a8
+    uint64_t wr_id;
9ae3a8
+
9ae3a8
+    ret = ibv_poll_cq(rdma->cq, 1, &wc);
9ae3a8
+
9ae3a8
+    if (!ret) {
9ae3a8
+        *wr_id_out = RDMA_WRID_NONE;
9ae3a8
+        return 0;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (ret < 0) {
9ae3a8
+        fprintf(stderr, "ibv_poll_cq return %d!\n", ret);
9ae3a8
+        return ret;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    wr_id = wc.wr_id & RDMA_WRID_TYPE_MASK;
9ae3a8
+
9ae3a8
+    if (wc.status != IBV_WC_SUCCESS) {
9ae3a8
+        fprintf(stderr, "ibv_poll_cq wc.status=%d %s!\n",
9ae3a8
+                        wc.status, ibv_wc_status_str(wc.status));
9ae3a8
+        fprintf(stderr, "ibv_poll_cq wrid=%s!\n", wrid_desc[wr_id]);
9ae3a8
+
9ae3a8
+        return -1;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (rdma->control_ready_expected &&
9ae3a8
+        (wr_id >= RDMA_WRID_RECV_CONTROL)) {
9ae3a8
+        DDDPRINTF("completion %s #%" PRId64 " received (%" PRId64 ")"
9ae3a8
+                  " left %d\n", wrid_desc[RDMA_WRID_RECV_CONTROL],
9ae3a8
+                  wr_id - RDMA_WRID_RECV_CONTROL, wr_id, rdma->nb_sent);
9ae3a8
+        rdma->control_ready_expected = 0;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (wr_id == RDMA_WRID_RDMA_WRITE) {
9ae3a8
+        uint64_t chunk =
9ae3a8
+            (wc.wr_id & RDMA_WRID_CHUNK_MASK) >> RDMA_WRID_CHUNK_SHIFT;
9ae3a8
+        uint64_t index =
9ae3a8
+            (wc.wr_id & RDMA_WRID_BLOCK_MASK) >> RDMA_WRID_BLOCK_SHIFT;
9ae3a8
+        RDMALocalBlock *block = &(rdma->local_ram_blocks.block[index]);
9ae3a8
+
9ae3a8
+        DDDPRINTF("completions %s (%" PRId64 ") left %d, "
9ae3a8
+                 "block %" PRIu64 ", chunk: %" PRIu64 " %p %p\n",
9ae3a8
+                 print_wrid(wr_id), wr_id, rdma->nb_sent, index, chunk,
9ae3a8
+                 block->local_host_addr, (void *)block->remote_host_addr);
9ae3a8
+
9ae3a8
+        clear_bit(chunk, block->transit_bitmap);
9ae3a8
+
9ae3a8
+        if (rdma->nb_sent > 0) {
9ae3a8
+            rdma->nb_sent--;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        if (!rdma->pin_all) {
9ae3a8
+            /*
9ae3a8
+             * FYI: If one wanted to signal a specific chunk to be unregistered
9ae3a8
+             * using LRU or workload-specific information, this is the function
9ae3a8
+             * you would call to do so. That chunk would then get asynchronously
9ae3a8
+             * unregistered later.
9ae3a8
+             */
9ae3a8
+#ifdef RDMA_UNREGISTRATION_EXAMPLE
9ae3a8
+            qemu_rdma_signal_unregister(rdma, index, chunk, wc.wr_id);
9ae3a8
+#endif
9ae3a8
+        }
9ae3a8
+    } else {
9ae3a8
+        DDDPRINTF("other completion %s (%" PRId64 ") received left %d\n",
9ae3a8
+            print_wrid(wr_id), wr_id, rdma->nb_sent);
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    *wr_id_out = wc.wr_id;
9ae3a8
+
9ae3a8
+    return  0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Block until the next work request has completed.
9ae3a8
+ *
9ae3a8
+ * First poll to see if a work request has already completed,
9ae3a8
+ * otherwise block.
9ae3a8
+ *
9ae3a8
+ * If we encounter completed work requests for IDs other than
9ae3a8
+ * the one we're interested in, then that's generally an error.
9ae3a8
+ *
9ae3a8
+ * The only exception is actual RDMA Write completions. These
9ae3a8
+ * completions only need to be recorded, but do not actually
9ae3a8
+ * need further processing.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_block_for_wrid(RDMAContext *rdma, int wrid_requested)
9ae3a8
+{
9ae3a8
+    int num_cq_events = 0, ret = 0;
9ae3a8
+    struct ibv_cq *cq;
9ae3a8
+    void *cq_ctx;
9ae3a8
+    uint64_t wr_id = RDMA_WRID_NONE, wr_id_in;
9ae3a8
+
9ae3a8
+    if (ibv_req_notify_cq(rdma->cq, 0)) {
9ae3a8
+        return -1;
9ae3a8
+    }
9ae3a8
+    /* poll cq first */
9ae3a8
+    while (wr_id != wrid_requested) {
9ae3a8
+        ret = qemu_rdma_poll(rdma, &wr_id_in);
9ae3a8
+        if (ret < 0) {
9ae3a8
+            return ret;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        wr_id = wr_id_in & RDMA_WRID_TYPE_MASK;
9ae3a8
+
9ae3a8
+        if (wr_id == RDMA_WRID_NONE) {
9ae3a8
+            break;
9ae3a8
+        }
9ae3a8
+        if (wr_id != wrid_requested) {
9ae3a8
+            DDDPRINTF("A Wanted wrid %s (%d) but got %s (%" PRIu64 ")\n",
9ae3a8
+                print_wrid(wrid_requested),
9ae3a8
+                wrid_requested, print_wrid(wr_id), wr_id);
9ae3a8
+        }
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (wr_id == wrid_requested) {
9ae3a8
+        return 0;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    while (1) {
9ae3a8
+        /*
9ae3a8
+         * Coroutine doesn't start until process_incoming_migration()
9ae3a8
+         * so don't yield unless we know we're running inside of a coroutine.
9ae3a8
+         */
9ae3a8
+        if (rdma->migration_started_on_destination) {
9ae3a8
+            yield_until_fd_readable(rdma->comp_channel->fd);
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        if (ibv_get_cq_event(rdma->comp_channel, &cq, &cq_ctx)) {
9ae3a8
+            perror("ibv_get_cq_event");
9ae3a8
+            goto err_block_for_wrid;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        num_cq_events++;
9ae3a8
+
9ae3a8
+        if (ibv_req_notify_cq(cq, 0)) {
9ae3a8
+            goto err_block_for_wrid;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        while (wr_id != wrid_requested) {
9ae3a8
+            ret = qemu_rdma_poll(rdma, &wr_id_in);
9ae3a8
+            if (ret < 0) {
9ae3a8
+                goto err_block_for_wrid;
9ae3a8
+            }
9ae3a8
+
9ae3a8
+            wr_id = wr_id_in & RDMA_WRID_TYPE_MASK;
9ae3a8
+
9ae3a8
+            if (wr_id == RDMA_WRID_NONE) {
9ae3a8
+                break;
9ae3a8
+            }
9ae3a8
+            if (wr_id != wrid_requested) {
9ae3a8
+                DDDPRINTF("B Wanted wrid %s (%d) but got %s (%" PRIu64 ")\n",
9ae3a8
+                    print_wrid(wrid_requested), wrid_requested,
9ae3a8
+                    print_wrid(wr_id), wr_id);
9ae3a8
+            }
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        if (wr_id == wrid_requested) {
9ae3a8
+            goto success_block_for_wrid;
9ae3a8
+        }
9ae3a8
+    }
9ae3a8
+
9ae3a8
+success_block_for_wrid:
9ae3a8
+    if (num_cq_events) {
9ae3a8
+        ibv_ack_cq_events(cq, num_cq_events);
9ae3a8
+    }
9ae3a8
+    return 0;
9ae3a8
+
9ae3a8
+err_block_for_wrid:
9ae3a8
+    if (num_cq_events) {
9ae3a8
+        ibv_ack_cq_events(cq, num_cq_events);
9ae3a8
+    }
9ae3a8
+    return ret;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Post a SEND message work request for the control channel
9ae3a8
+ * containing some data and block until the post completes.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_post_send_control(RDMAContext *rdma, uint8_t *buf,
9ae3a8
+                                       RDMAControlHeader *head)
9ae3a8
+{
9ae3a8
+    int ret = 0;
9ae3a8
+    RDMAWorkRequestData *wr = &rdma->wr_data[RDMA_WRID_MAX];
9ae3a8
+    struct ibv_send_wr *bad_wr;
9ae3a8
+    struct ibv_sge sge = {
9ae3a8
+                           .addr = (uint64_t)(wr->control),
9ae3a8
+                           .length = head->len + sizeof(RDMAControlHeader),
9ae3a8
+                           .lkey = wr->control_mr->lkey,
9ae3a8
+                         };
9ae3a8
+    struct ibv_send_wr send_wr = {
9ae3a8
+                                   .wr_id = RDMA_WRID_SEND_CONTROL,
9ae3a8
+                                   .opcode = IBV_WR_SEND,
9ae3a8
+                                   .send_flags = IBV_SEND_SIGNALED,
9ae3a8
+                                   .sg_list = &sge,
9ae3a8
+                                   .num_sge = 1,
9ae3a8
+                                };
9ae3a8
+
9ae3a8
+    DDDPRINTF("CONTROL: sending %s..\n", control_desc[head->type]);
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * We don't actually need to do a memcpy() in here if we used
9ae3a8
+     * the "sge" properly, but since we're only sending control messages
9ae3a8
+     * (not RAM in a performance-critical path), then its OK for now.
9ae3a8
+     *
9ae3a8
+     * The copy makes the RDMAControlHeader simpler to manipulate
9ae3a8
+     * for the time being.
9ae3a8
+     */
9ae3a8
+    memcpy(wr->control, head, sizeof(RDMAControlHeader));
9ae3a8
+    control_to_network((void *) wr->control);
9ae3a8
+
9ae3a8
+    if (buf) {
9ae3a8
+        memcpy(wr->control + sizeof(RDMAControlHeader), buf, head->len);
9ae3a8
+    }
9ae3a8
+
9ae3a8
+
9ae3a8
+    if (ibv_post_send(rdma->qp, &send_wr, &bad_wr)) {
9ae3a8
+        return -1;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (ret < 0) {
9ae3a8
+        fprintf(stderr, "Failed to use post IB SEND for control!\n");
9ae3a8
+        return ret;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    ret = qemu_rdma_block_for_wrid(rdma, RDMA_WRID_SEND_CONTROL);
9ae3a8
+    if (ret < 0) {
9ae3a8
+        fprintf(stderr, "rdma migration: send polling control error!\n");
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return ret;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Post a RECV work request in anticipation of some future receipt
9ae3a8
+ * of data on the control channel.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_post_recv_control(RDMAContext *rdma, int idx)
9ae3a8
+{
9ae3a8
+    struct ibv_recv_wr *bad_wr;
9ae3a8
+    struct ibv_sge sge = {
9ae3a8
+                            .addr = (uint64_t)(rdma->wr_data[idx].control),
9ae3a8
+                            .length = RDMA_CONTROL_MAX_BUFFER,
9ae3a8
+                            .lkey = rdma->wr_data[idx].control_mr->lkey,
9ae3a8
+                         };
9ae3a8
+
9ae3a8
+    struct ibv_recv_wr recv_wr = {
9ae3a8
+                                    .wr_id = RDMA_WRID_RECV_CONTROL + idx,
9ae3a8
+                                    .sg_list = &sge,
9ae3a8
+                                    .num_sge = 1,
9ae3a8
+                                 };
9ae3a8
+
9ae3a8
+
9ae3a8
+    if (ibv_post_recv(rdma->qp, &recv_wr, &bad_wr)) {
9ae3a8
+        return -1;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return 0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Block and wait for a RECV control channel message to arrive.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_exchange_get_response(RDMAContext *rdma,
9ae3a8
+                RDMAControlHeader *head, int expecting, int idx)
9ae3a8
+{
9ae3a8
+    int ret = qemu_rdma_block_for_wrid(rdma, RDMA_WRID_RECV_CONTROL + idx);
9ae3a8
+
9ae3a8
+    if (ret < 0) {
9ae3a8
+        fprintf(stderr, "rdma migration: recv polling control error!\n");
9ae3a8
+        return ret;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    network_to_control((void *) rdma->wr_data[idx].control);
9ae3a8
+    memcpy(head, rdma->wr_data[idx].control, sizeof(RDMAControlHeader));
9ae3a8
+
9ae3a8
+    DDDPRINTF("CONTROL: %s receiving...\n", control_desc[expecting]);
9ae3a8
+
9ae3a8
+    if (expecting == RDMA_CONTROL_NONE) {
9ae3a8
+        DDDPRINTF("Surprise: got %s (%d)\n",
9ae3a8
+                  control_desc[head->type], head->type);
9ae3a8
+    } else if (head->type != expecting || head->type == RDMA_CONTROL_ERROR) {
9ae3a8
+        fprintf(stderr, "Was expecting a %s (%d) control message"
9ae3a8
+                ", but got: %s (%d), length: %d\n",
9ae3a8
+                control_desc[expecting], expecting,
9ae3a8
+                control_desc[head->type], head->type, head->len);
9ae3a8
+        return -EIO;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return 0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * When a RECV work request has completed, the work request's
9ae3a8
+ * buffer is pointed at the header.
9ae3a8
+ *
9ae3a8
+ * This will advance the pointer to the data portion
9ae3a8
+ * of the control message of the work request's buffer that
9ae3a8
+ * was populated after the work request finished.
9ae3a8
+ */
9ae3a8
+static void qemu_rdma_move_header(RDMAContext *rdma, int idx,
9ae3a8
+                                  RDMAControlHeader *head)
9ae3a8
+{
9ae3a8
+    rdma->wr_data[idx].control_len = head->len;
9ae3a8
+    rdma->wr_data[idx].control_curr =
9ae3a8
+        rdma->wr_data[idx].control + sizeof(RDMAControlHeader);
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * This is an 'atomic' high-level operation to deliver a single, unified
9ae3a8
+ * control-channel message.
9ae3a8
+ *
9ae3a8
+ * Additionally, if the user is expecting some kind of reply to this message,
9ae3a8
+ * they can request a 'resp' response message be filled in by posting an
9ae3a8
+ * additional work request on behalf of the user and waiting for an additional
9ae3a8
+ * completion.
9ae3a8
+ *
9ae3a8
+ * The extra (optional) response is used during registration to us from having
9ae3a8
+ * to perform an *additional* exchange of message just to provide a response by
9ae3a8
+ * instead piggy-backing on the acknowledgement.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_exchange_send(RDMAContext *rdma, RDMAControlHeader *head,
9ae3a8
+                                   uint8_t *data, RDMAControlHeader *resp,
9ae3a8
+                                   int *resp_idx,
9ae3a8
+                                   int (*callback)(RDMAContext *rdma))
9ae3a8
+{
9ae3a8
+    int ret = 0;
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Wait until the dest is ready before attempting to deliver the message
9ae3a8
+     * by waiting for a READY message.
9ae3a8
+     */
9ae3a8
+    if (rdma->control_ready_expected) {
9ae3a8
+        RDMAControlHeader resp;
9ae3a8
+        ret = qemu_rdma_exchange_get_response(rdma,
9ae3a8
+                                    &resp, RDMA_CONTROL_READY, RDMA_WRID_READY);
9ae3a8
+        if (ret < 0) {
9ae3a8
+            return ret;
9ae3a8
+        }
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * If the user is expecting a response, post a WR in anticipation of it.
9ae3a8
+     */
9ae3a8
+    if (resp) {
9ae3a8
+        ret = qemu_rdma_post_recv_control(rdma, RDMA_WRID_DATA);
9ae3a8
+        if (ret) {
9ae3a8
+            fprintf(stderr, "rdma migration: error posting"
9ae3a8
+                    " extra control recv for anticipated result!");
9ae3a8
+            return ret;
9ae3a8
+        }
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Post a WR to replace the one we just consumed for the READY message.
9ae3a8
+     */
9ae3a8
+    ret = qemu_rdma_post_recv_control(rdma, RDMA_WRID_READY);
9ae3a8
+    if (ret) {
9ae3a8
+        fprintf(stderr, "rdma migration: error posting first control recv!");
9ae3a8
+        return ret;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Deliver the control message that was requested.
9ae3a8
+     */
9ae3a8
+    ret = qemu_rdma_post_send_control(rdma, data, head);
9ae3a8
+
9ae3a8
+    if (ret < 0) {
9ae3a8
+        fprintf(stderr, "Failed to send control buffer!\n");
9ae3a8
+        return ret;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * If we're expecting a response, block and wait for it.
9ae3a8
+     */
9ae3a8
+    if (resp) {
9ae3a8
+        if (callback) {
9ae3a8
+            DDPRINTF("Issuing callback before receiving response...\n");
9ae3a8
+            ret = callback(rdma);
9ae3a8
+            if (ret < 0) {
9ae3a8
+                return ret;
9ae3a8
+            }
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        DDPRINTF("Waiting for response %s\n", control_desc[resp->type]);
9ae3a8
+        ret = qemu_rdma_exchange_get_response(rdma, resp,
9ae3a8
+                                              resp->type, RDMA_WRID_DATA);
9ae3a8
+
9ae3a8
+        if (ret < 0) {
9ae3a8
+            return ret;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        qemu_rdma_move_header(rdma, RDMA_WRID_DATA, resp);
9ae3a8
+        if (resp_idx) {
9ae3a8
+            *resp_idx = RDMA_WRID_DATA;
9ae3a8
+        }
9ae3a8
+        DDPRINTF("Response %s received.\n", control_desc[resp->type]);
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    rdma->control_ready_expected = 1;
9ae3a8
+
9ae3a8
+    return 0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * This is an 'atomic' high-level operation to receive a single, unified
9ae3a8
+ * control-channel message.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_exchange_recv(RDMAContext *rdma, RDMAControlHeader *head,
9ae3a8
+                                int expecting)
9ae3a8
+{
9ae3a8
+    RDMAControlHeader ready = {
9ae3a8
+                                .len = 0,
9ae3a8
+                                .type = RDMA_CONTROL_READY,
9ae3a8
+                                .repeat = 1,
9ae3a8
+                              };
9ae3a8
+    int ret;
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Inform the source that we're ready to receive a message.
9ae3a8
+     */
9ae3a8
+    ret = qemu_rdma_post_send_control(rdma, NULL, &ready);
9ae3a8
+
9ae3a8
+    if (ret < 0) {
9ae3a8
+        fprintf(stderr, "Failed to send control buffer!\n");
9ae3a8
+        return ret;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Block and wait for the message.
9ae3a8
+     */
9ae3a8
+    ret = qemu_rdma_exchange_get_response(rdma, head,
9ae3a8
+                                          expecting, RDMA_WRID_READY);
9ae3a8
+
9ae3a8
+    if (ret < 0) {
9ae3a8
+        return ret;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    qemu_rdma_move_header(rdma, RDMA_WRID_READY, head);
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Post a new RECV work request to replace the one we just consumed.
9ae3a8
+     */
9ae3a8
+    ret = qemu_rdma_post_recv_control(rdma, RDMA_WRID_READY);
9ae3a8
+    if (ret) {
9ae3a8
+        fprintf(stderr, "rdma migration: error posting second control recv!");
9ae3a8
+        return ret;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return 0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Write an actual chunk of memory using RDMA.
9ae3a8
+ *
9ae3a8
+ * If we're using dynamic registration on the dest-side, we have to
9ae3a8
+ * send a registration command first.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_write_one(QEMUFile *f, RDMAContext *rdma,
9ae3a8
+                               int current_index, uint64_t current_addr,
9ae3a8
+                               uint64_t length)
9ae3a8
+{
9ae3a8
+    struct ibv_sge sge;
9ae3a8
+    struct ibv_send_wr send_wr = { 0 };
9ae3a8
+    struct ibv_send_wr *bad_wr;
9ae3a8
+    int reg_result_idx, ret, count = 0;
9ae3a8
+    uint64_t chunk, chunks;
9ae3a8
+    uint8_t *chunk_start, *chunk_end;
9ae3a8
+    RDMALocalBlock *block = &(rdma->local_ram_blocks.block[current_index]);
9ae3a8
+    RDMARegister reg;
9ae3a8
+    RDMARegisterResult *reg_result;
9ae3a8
+    RDMAControlHeader resp = { .type = RDMA_CONTROL_REGISTER_RESULT };
9ae3a8
+    RDMAControlHeader head = { .len = sizeof(RDMARegister),
9ae3a8
+                               .type = RDMA_CONTROL_REGISTER_REQUEST,
9ae3a8
+                               .repeat = 1,
9ae3a8
+                             };
9ae3a8
+
9ae3a8
+retry:
9ae3a8
+    sge.addr = (uint64_t)(block->local_host_addr +
9ae3a8
+                            (current_addr - block->offset));
9ae3a8
+    sge.length = length;
9ae3a8
+
9ae3a8
+    chunk = ram_chunk_index(block->local_host_addr, (uint8_t *) sge.addr);
9ae3a8
+    chunk_start = ram_chunk_start(block, chunk);
9ae3a8
+
9ae3a8
+    if (block->is_ram_block) {
9ae3a8
+        chunks = length / (1UL << RDMA_REG_CHUNK_SHIFT);
9ae3a8
+
9ae3a8
+        if (chunks && ((length % (1UL << RDMA_REG_CHUNK_SHIFT)) == 0)) {
9ae3a8
+            chunks--;
9ae3a8
+        }
9ae3a8
+    } else {
9ae3a8
+        chunks = block->length / (1UL << RDMA_REG_CHUNK_SHIFT);
9ae3a8
+
9ae3a8
+        if (chunks && ((block->length % (1UL << RDMA_REG_CHUNK_SHIFT)) == 0)) {
9ae3a8
+            chunks--;
9ae3a8
+        }
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    DDPRINTF("Writing %" PRIu64 " chunks, (%" PRIu64 " MB)\n",
9ae3a8
+        chunks + 1, (chunks + 1) * (1UL << RDMA_REG_CHUNK_SHIFT) / 1024 / 1024);
9ae3a8
+
9ae3a8
+    chunk_end = ram_chunk_end(block, chunk + chunks);
9ae3a8
+
9ae3a8
+    if (!rdma->pin_all) {
9ae3a8
+#ifdef RDMA_UNREGISTRATION_EXAMPLE
9ae3a8
+        qemu_rdma_unregister_waiting(rdma);
9ae3a8
+#endif
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    while (test_bit(chunk, block->transit_bitmap)) {
9ae3a8
+        (void)count;
9ae3a8
+        DDPRINTF("(%d) Not clobbering: block: %d chunk %" PRIu64
9ae3a8
+                " current %" PRIu64 " len %" PRIu64 " %d %d\n",
9ae3a8
+                count++, current_index, chunk,
9ae3a8
+                sge.addr, length, rdma->nb_sent, block->nb_chunks);
9ae3a8
+
9ae3a8
+        ret = qemu_rdma_block_for_wrid(rdma, RDMA_WRID_RDMA_WRITE);
9ae3a8
+
9ae3a8
+        if (ret < 0) {
9ae3a8
+            fprintf(stderr, "Failed to Wait for previous write to complete "
9ae3a8
+                    "block %d chunk %" PRIu64
9ae3a8
+                    " current %" PRIu64 " len %" PRIu64 " %d\n",
9ae3a8
+                    current_index, chunk, sge.addr, length, rdma->nb_sent);
9ae3a8
+            return ret;
9ae3a8
+        }
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (!rdma->pin_all || !block->is_ram_block) {
9ae3a8
+        if (!block->remote_keys[chunk]) {
9ae3a8
+            /*
9ae3a8
+             * This chunk has not yet been registered, so first check to see
9ae3a8
+             * if the entire chunk is zero. If so, tell the other size to
9ae3a8
+             * memset() + madvise() the entire chunk without RDMA.
9ae3a8
+             */
9ae3a8
+
9ae3a8
+            if (can_use_buffer_find_nonzero_offset((void *)sge.addr, length)
9ae3a8
+                   && buffer_find_nonzero_offset((void *)sge.addr,
9ae3a8
+                                                    length) == length) {
9ae3a8
+                RDMACompress comp = {
9ae3a8
+                                        .offset = current_addr,
9ae3a8
+                                        .value = 0,
9ae3a8
+                                        .block_idx = current_index,
9ae3a8
+                                        .length = length,
9ae3a8
+                                    };
9ae3a8
+
9ae3a8
+                head.len = sizeof(comp);
9ae3a8
+                head.type = RDMA_CONTROL_COMPRESS;
9ae3a8
+
9ae3a8
+                DDPRINTF("Entire chunk is zero, sending compress: %"
9ae3a8
+                    PRIu64 " for %d "
9ae3a8
+                    "bytes, index: %d, offset: %" PRId64 "...\n",
9ae3a8
+                    chunk, sge.length, current_index, current_addr);
9ae3a8
+
9ae3a8
+                compress_to_network(&comp);
9ae3a8
+                ret = qemu_rdma_exchange_send(rdma, &head,
9ae3a8
+                                (uint8_t *) &comp, NULL, NULL, NULL);
9ae3a8
+
9ae3a8
+                if (ret < 0) {
9ae3a8
+                    return -EIO;
9ae3a8
+                }
9ae3a8
+
9ae3a8
+                acct_update_position(f, sge.length, true);
9ae3a8
+
9ae3a8
+                return 1;
9ae3a8
+            }
9ae3a8
+
9ae3a8
+            /*
9ae3a8
+             * Otherwise, tell other side to register.
9ae3a8
+             */
9ae3a8
+            reg.current_index = current_index;
9ae3a8
+            if (block->is_ram_block) {
9ae3a8
+                reg.key.current_addr = current_addr;
9ae3a8
+            } else {
9ae3a8
+                reg.key.chunk = chunk;
9ae3a8
+            }
9ae3a8
+            reg.chunks = chunks;
9ae3a8
+
9ae3a8
+            DDPRINTF("Sending registration request chunk %" PRIu64 " for %d "
9ae3a8
+                    "bytes, index: %d, offset: %" PRId64 "...\n",
9ae3a8
+                    chunk, sge.length, current_index, current_addr);
9ae3a8
+
9ae3a8
+            register_to_network(®);
9ae3a8
+            ret = qemu_rdma_exchange_send(rdma, &head, (uint8_t *) &reg,
9ae3a8
+                                    &resp, &reg_result_idx, NULL);
9ae3a8
+            if (ret < 0) {
9ae3a8
+                return ret;
9ae3a8
+            }
9ae3a8
+
9ae3a8
+            /* try to overlap this single registration with the one we sent. */
9ae3a8
+            if (qemu_rdma_register_and_get_keys(rdma, block,
9ae3a8
+                                                (uint8_t *) sge.addr,
9ae3a8
+                                                &sge.lkey, NULL, chunk,
9ae3a8
+                                                chunk_start, chunk_end)) {
9ae3a8
+                fprintf(stderr, "cannot get lkey!\n");
9ae3a8
+                return -EINVAL;
9ae3a8
+            }
9ae3a8
+
9ae3a8
+            reg_result = (RDMARegisterResult *)
9ae3a8
+                    rdma->wr_data[reg_result_idx].control_curr;
9ae3a8
+
9ae3a8
+            network_to_result(reg_result);
9ae3a8
+
9ae3a8
+            DDPRINTF("Received registration result:"
9ae3a8
+                    " my key: %x their key %x, chunk %" PRIu64 "\n",
9ae3a8
+                    block->remote_keys[chunk], reg_result->rkey, chunk);
9ae3a8
+
9ae3a8
+            block->remote_keys[chunk] = reg_result->rkey;
9ae3a8
+            block->remote_host_addr = reg_result->host_addr;
9ae3a8
+        } else {
9ae3a8
+            /* already registered before */
9ae3a8
+            if (qemu_rdma_register_and_get_keys(rdma, block,
9ae3a8
+                                                (uint8_t *)sge.addr,
9ae3a8
+                                                &sge.lkey, NULL, chunk,
9ae3a8
+                                                chunk_start, chunk_end)) {
9ae3a8
+                fprintf(stderr, "cannot get lkey!\n");
9ae3a8
+                return -EINVAL;
9ae3a8
+            }
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        send_wr.wr.rdma.rkey = block->remote_keys[chunk];
9ae3a8
+    } else {
9ae3a8
+        send_wr.wr.rdma.rkey = block->remote_rkey;
9ae3a8
+
9ae3a8
+        if (qemu_rdma_register_and_get_keys(rdma, block, (uint8_t *)sge.addr,
9ae3a8
+                                                     &sge.lkey, NULL, chunk,
9ae3a8
+                                                     chunk_start, chunk_end)) {
9ae3a8
+            fprintf(stderr, "cannot get lkey!\n");
9ae3a8
+            return -EINVAL;
9ae3a8
+        }
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Encode the ram block index and chunk within this wrid.
9ae3a8
+     * We will use this information at the time of completion
9ae3a8
+     * to figure out which bitmap to check against and then which
9ae3a8
+     * chunk in the bitmap to look for.
9ae3a8
+     */
9ae3a8
+    send_wr.wr_id = qemu_rdma_make_wrid(RDMA_WRID_RDMA_WRITE,
9ae3a8
+                                        current_index, chunk);
9ae3a8
+
9ae3a8
+    send_wr.opcode = IBV_WR_RDMA_WRITE;
9ae3a8
+    send_wr.send_flags = IBV_SEND_SIGNALED;
9ae3a8
+    send_wr.sg_list = &sg;;
9ae3a8
+    send_wr.num_sge = 1;
9ae3a8
+    send_wr.wr.rdma.remote_addr = block->remote_host_addr +
9ae3a8
+                                (current_addr - block->offset);
9ae3a8
+
9ae3a8
+    DDDPRINTF("Posting chunk: %" PRIu64 ", addr: %lx"
9ae3a8
+              " remote: %lx, bytes %" PRIu32 "\n",
9ae3a8
+              chunk, sge.addr, send_wr.wr.rdma.remote_addr,
9ae3a8
+              sge.length);
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * ibv_post_send() does not return negative error numbers,
9ae3a8
+     * per the specification they are positive - no idea why.
9ae3a8
+     */
9ae3a8
+    ret = ibv_post_send(rdma->qp, &send_wr, &bad_wr);
9ae3a8
+
9ae3a8
+    if (ret == ENOMEM) {
9ae3a8
+        DDPRINTF("send queue is full. wait a little....\n");
9ae3a8
+        ret = qemu_rdma_block_for_wrid(rdma, RDMA_WRID_RDMA_WRITE);
9ae3a8
+        if (ret < 0) {
9ae3a8
+            fprintf(stderr, "rdma migration: failed to make "
9ae3a8
+                            "room in full send queue! %d\n", ret);
9ae3a8
+            return ret;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        goto retry;
9ae3a8
+
9ae3a8
+    } else if (ret > 0) {
9ae3a8
+        perror("rdma migration: post rdma write failed");
9ae3a8
+        return -ret;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    set_bit(chunk, block->transit_bitmap);
9ae3a8
+    acct_update_position(f, sge.length, false);
9ae3a8
+    rdma->total_writes++;
9ae3a8
+
9ae3a8
+    return 0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Push out any unwritten RDMA operations.
9ae3a8
+ *
9ae3a8
+ * We support sending out multiple chunks at the same time.
9ae3a8
+ * Not all of them need to get signaled in the completion queue.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_write_flush(QEMUFile *f, RDMAContext *rdma)
9ae3a8
+{
9ae3a8
+    int ret;
9ae3a8
+
9ae3a8
+    if (!rdma->current_length) {
9ae3a8
+        return 0;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    ret = qemu_rdma_write_one(f, rdma,
9ae3a8
+            rdma->current_index, rdma->current_addr, rdma->current_length);
9ae3a8
+
9ae3a8
+    if (ret < 0) {
9ae3a8
+        return ret;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (ret == 0) {
9ae3a8
+        rdma->nb_sent++;
9ae3a8
+        DDDPRINTF("sent total: %d\n", rdma->nb_sent);
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    rdma->current_length = 0;
9ae3a8
+    rdma->current_addr = 0;
9ae3a8
+
9ae3a8
+    return 0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+static inline int qemu_rdma_buffer_mergable(RDMAContext *rdma,
9ae3a8
+                    uint64_t offset, uint64_t len)
9ae3a8
+{
9ae3a8
+    RDMALocalBlock *block =
9ae3a8
+        &(rdma->local_ram_blocks.block[rdma->current_index]);
9ae3a8
+    uint8_t *host_addr = block->local_host_addr + (offset - block->offset);
9ae3a8
+    uint8_t *chunk_end = ram_chunk_end(block, rdma->current_chunk);
9ae3a8
+
9ae3a8
+    if (rdma->current_length == 0) {
9ae3a8
+        return 0;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Only merge into chunk sequentially.
9ae3a8
+     */
9ae3a8
+    if (offset != (rdma->current_addr + rdma->current_length)) {
9ae3a8
+        return 0;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (rdma->current_index < 0) {
9ae3a8
+        return 0;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (offset < block->offset) {
9ae3a8
+        return 0;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if ((offset + len) > (block->offset + block->length)) {
9ae3a8
+        return 0;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (rdma->current_chunk < 0) {
9ae3a8
+        return 0;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if ((host_addr + len) > chunk_end) {
9ae3a8
+        return 0;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return 1;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * We're not actually writing here, but doing three things:
9ae3a8
+ *
9ae3a8
+ * 1. Identify the chunk the buffer belongs to.
9ae3a8
+ * 2. If the chunk is full or the buffer doesn't belong to the current
9ae3a8
+ *    chunk, then start a new chunk and flush() the old chunk.
9ae3a8
+ * 3. To keep the hardware busy, we also group chunks into batches
9ae3a8
+ *    and only require that a batch gets acknowledged in the completion
9ae3a8
+ *    qeueue instead of each individual chunk.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_write(QEMUFile *f, RDMAContext *rdma,
9ae3a8
+                           uint64_t block_offset, uint64_t offset,
9ae3a8
+                           uint64_t len)
9ae3a8
+{
9ae3a8
+    uint64_t current_addr = block_offset + offset;
9ae3a8
+    uint64_t index = rdma->current_index;
9ae3a8
+    uint64_t chunk = rdma->current_chunk;
9ae3a8
+    int ret;
9ae3a8
+
9ae3a8
+    /* If we cannot merge it, we flush the current buffer first. */
9ae3a8
+    if (!qemu_rdma_buffer_mergable(rdma, current_addr, len)) {
9ae3a8
+        ret = qemu_rdma_write_flush(f, rdma);
9ae3a8
+        if (ret) {
9ae3a8
+            return ret;
9ae3a8
+        }
9ae3a8
+        rdma->current_length = 0;
9ae3a8
+        rdma->current_addr = current_addr;
9ae3a8
+
9ae3a8
+        ret = qemu_rdma_search_ram_block(rdma, block_offset,
9ae3a8
+                                         offset, len, &index, &chunk);
9ae3a8
+        if (ret) {
9ae3a8
+            fprintf(stderr, "ram block search failed\n");
9ae3a8
+            return ret;
9ae3a8
+        }
9ae3a8
+        rdma->current_index = index;
9ae3a8
+        rdma->current_chunk = chunk;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /* merge it */
9ae3a8
+    rdma->current_length += len;
9ae3a8
+
9ae3a8
+    /* flush it if buffer is too large */
9ae3a8
+    if (rdma->current_length >= RDMA_MERGE_MAX) {
9ae3a8
+        return qemu_rdma_write_flush(f, rdma);
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return 0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+static void qemu_rdma_cleanup(RDMAContext *rdma)
9ae3a8
+{
9ae3a8
+    struct rdma_cm_event *cm_event;
9ae3a8
+    int ret, idx;
9ae3a8
+
9ae3a8
+    if (rdma->cm_id) {
9ae3a8
+        if (rdma->error_state) {
9ae3a8
+            RDMAControlHeader head = { .len = 0,
9ae3a8
+                                       .type = RDMA_CONTROL_ERROR,
9ae3a8
+                                       .repeat = 1,
9ae3a8
+                                     };
9ae3a8
+            fprintf(stderr, "Early error. Sending error.\n");
9ae3a8
+            qemu_rdma_post_send_control(rdma, NULL, &head;;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        ret = rdma_disconnect(rdma->cm_id);
9ae3a8
+        if (!ret) {
9ae3a8
+            DDPRINTF("waiting for disconnect\n");
9ae3a8
+            ret = rdma_get_cm_event(rdma->channel, &cm_event);
9ae3a8
+            if (!ret) {
9ae3a8
+                rdma_ack_cm_event(cm_event);
9ae3a8
+            }
9ae3a8
+        }
9ae3a8
+        DDPRINTF("Disconnected.\n");
9ae3a8
+        rdma->cm_id = NULL;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    g_free(rdma->block);
9ae3a8
+    rdma->block = NULL;
9ae3a8
+
9ae3a8
+    for (idx = 0; idx <= RDMA_WRID_MAX; idx++) {
9ae3a8
+        if (rdma->wr_data[idx].control_mr) {
9ae3a8
+            rdma->total_registrations--;
9ae3a8
+            ibv_dereg_mr(rdma->wr_data[idx].control_mr);
9ae3a8
+        }
9ae3a8
+        rdma->wr_data[idx].control_mr = NULL;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (rdma->local_ram_blocks.block) {
9ae3a8
+        while (rdma->local_ram_blocks.nb_blocks) {
9ae3a8
+            __qemu_rdma_delete_block(rdma,
9ae3a8
+                    rdma->local_ram_blocks.block->offset);
9ae3a8
+        }
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (rdma->qp) {
9ae3a8
+        ibv_destroy_qp(rdma->qp);
9ae3a8
+        rdma->qp = NULL;
9ae3a8
+    }
9ae3a8
+    if (rdma->cq) {
9ae3a8
+        ibv_destroy_cq(rdma->cq);
9ae3a8
+        rdma->cq = NULL;
9ae3a8
+    }
9ae3a8
+    if (rdma->comp_channel) {
9ae3a8
+        ibv_destroy_comp_channel(rdma->comp_channel);
9ae3a8
+        rdma->comp_channel = NULL;
9ae3a8
+    }
9ae3a8
+    if (rdma->pd) {
9ae3a8
+        ibv_dealloc_pd(rdma->pd);
9ae3a8
+        rdma->pd = NULL;
9ae3a8
+    }
9ae3a8
+    if (rdma->listen_id) {
9ae3a8
+        rdma_destroy_id(rdma->listen_id);
9ae3a8
+        rdma->listen_id = NULL;
9ae3a8
+    }
9ae3a8
+    if (rdma->cm_id) {
9ae3a8
+        rdma_destroy_id(rdma->cm_id);
9ae3a8
+        rdma->cm_id = NULL;
9ae3a8
+    }
9ae3a8
+    if (rdma->channel) {
9ae3a8
+        rdma_destroy_event_channel(rdma->channel);
9ae3a8
+        rdma->channel = NULL;
9ae3a8
+    }
9ae3a8
+}
9ae3a8
+
9ae3a8
+
9ae3a8
+static int qemu_rdma_source_init(RDMAContext *rdma, Error **errp, bool pin_all)
9ae3a8
+{
9ae3a8
+    int ret, idx;
9ae3a8
+    Error *local_err = NULL, **temp = &local_err;
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Will be validated against destination's actual capabilities
9ae3a8
+     * after the connect() completes.
9ae3a8
+     */
9ae3a8
+    rdma->pin_all = pin_all;
9ae3a8
+
9ae3a8
+    ret = qemu_rdma_resolve_host(rdma, temp);
9ae3a8
+    if (ret) {
9ae3a8
+        goto err_rdma_source_init;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    ret = qemu_rdma_alloc_pd_cq(rdma);
9ae3a8
+    if (ret) {
9ae3a8
+        ERROR(temp, "rdma migration: error allocating pd and cq! Your mlock()"
9ae3a8
+                    " limits may be too low. Please check $ ulimit -a # and "
9ae3a8
+                    "search for 'ulimit -l' in the output\n");
9ae3a8
+        goto err_rdma_source_init;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    ret = qemu_rdma_alloc_qp(rdma);
9ae3a8
+    if (ret) {
9ae3a8
+        ERROR(temp, "rdma migration: error allocating qp!\n");
9ae3a8
+        goto err_rdma_source_init;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    ret = qemu_rdma_init_ram_blocks(rdma);
9ae3a8
+    if (ret) {
9ae3a8
+        ERROR(temp, "rdma migration: error initializing ram blocks!\n");
9ae3a8
+        goto err_rdma_source_init;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    for (idx = 0; idx <= RDMA_WRID_MAX; idx++) {
9ae3a8
+        ret = qemu_rdma_reg_control(rdma, idx);
9ae3a8
+        if (ret) {
9ae3a8
+            ERROR(temp, "rdma migration: error registering %d control!\n",
9ae3a8
+                                                            idx);
9ae3a8
+            goto err_rdma_source_init;
9ae3a8
+        }
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return 0;
9ae3a8
+
9ae3a8
+err_rdma_source_init:
9ae3a8
+    error_propagate(errp, local_err);
9ae3a8
+    qemu_rdma_cleanup(rdma);
9ae3a8
+    return -1;
9ae3a8
+}
9ae3a8
+
9ae3a8
+static int qemu_rdma_connect(RDMAContext *rdma, Error **errp)
9ae3a8
+{
9ae3a8
+    RDMACapabilities cap = {
9ae3a8
+                                .version = RDMA_CONTROL_VERSION_CURRENT,
9ae3a8
+                                .flags = 0,
9ae3a8
+                           };
9ae3a8
+    struct rdma_conn_param conn_param = { .initiator_depth = 2,
9ae3a8
+                                          .retry_count = 5,
9ae3a8
+                                          .private_data = &cap,
9ae3a8
+                                          .private_data_len = sizeof(cap),
9ae3a8
+                                        };
9ae3a8
+    struct rdma_cm_event *cm_event;
9ae3a8
+    int ret;
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Only negotiate the capability with destination if the user
9ae3a8
+     * on the source first requested the capability.
9ae3a8
+     */
9ae3a8
+    if (rdma->pin_all) {
9ae3a8
+        DPRINTF("Server pin-all memory requested.\n");
9ae3a8
+        cap.flags |= RDMA_CAPABILITY_PIN_ALL;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    caps_to_network(&cap);
9ae3a8
+
9ae3a8
+    ret = rdma_connect(rdma->cm_id, &conn_param);
9ae3a8
+    if (ret) {
9ae3a8
+        perror("rdma_connect");
9ae3a8
+        ERROR(errp, "connecting to destination!\n");
9ae3a8
+        rdma_destroy_id(rdma->cm_id);
9ae3a8
+        rdma->cm_id = NULL;
9ae3a8
+        goto err_rdma_source_connect;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    ret = rdma_get_cm_event(rdma->channel, &cm_event);
9ae3a8
+    if (ret) {
9ae3a8
+        perror("rdma_get_cm_event after rdma_connect");
9ae3a8
+        ERROR(errp, "connecting to destination!\n");
9ae3a8
+        rdma_ack_cm_event(cm_event);
9ae3a8
+        rdma_destroy_id(rdma->cm_id);
9ae3a8
+        rdma->cm_id = NULL;
9ae3a8
+        goto err_rdma_source_connect;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (cm_event->event != RDMA_CM_EVENT_ESTABLISHED) {
9ae3a8
+        perror("rdma_get_cm_event != EVENT_ESTABLISHED after rdma_connect");
9ae3a8
+        ERROR(errp, "connecting to destination!\n");
9ae3a8
+        rdma_ack_cm_event(cm_event);
9ae3a8
+        rdma_destroy_id(rdma->cm_id);
9ae3a8
+        rdma->cm_id = NULL;
9ae3a8
+        goto err_rdma_source_connect;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    memcpy(&cap, cm_event->param.conn.private_data, sizeof(cap));
9ae3a8
+    network_to_caps(&cap);
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Verify that the *requested* capabilities are supported by the destination
9ae3a8
+     * and disable them otherwise.
9ae3a8
+     */
9ae3a8
+    if (rdma->pin_all && !(cap.flags & RDMA_CAPABILITY_PIN_ALL)) {
9ae3a8
+        ERROR(errp, "Server cannot support pinning all memory. "
9ae3a8
+                        "Will register memory dynamically.\n");
9ae3a8
+        rdma->pin_all = false;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    DPRINTF("Pin all memory: %s\n", rdma->pin_all ? "enabled" : "disabled");
9ae3a8
+
9ae3a8
+    rdma_ack_cm_event(cm_event);
9ae3a8
+
9ae3a8
+    ret = qemu_rdma_post_recv_control(rdma, 0);
9ae3a8
+    if (ret) {
9ae3a8
+        ERROR(errp, "posting second control recv!\n");
9ae3a8
+        goto err_rdma_source_connect;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    rdma->control_ready_expected = 1;
9ae3a8
+    rdma->nb_sent = 0;
9ae3a8
+    return 0;
9ae3a8
+
9ae3a8
+err_rdma_source_connect:
9ae3a8
+    qemu_rdma_cleanup(rdma);
9ae3a8
+    return -1;
9ae3a8
+}
9ae3a8
+
9ae3a8
+static int qemu_rdma_dest_init(RDMAContext *rdma, Error **errp)
9ae3a8
+{
9ae3a8
+    int ret = -EINVAL, idx;
9ae3a8
+    struct sockaddr_in sin;
9ae3a8
+    struct rdma_cm_id *listen_id;
9ae3a8
+    char ip[40] = "unknown";
9ae3a8
+
9ae3a8
+    for (idx = 0; idx <= RDMA_WRID_MAX; idx++) {
9ae3a8
+        rdma->wr_data[idx].control_len = 0;
9ae3a8
+        rdma->wr_data[idx].control_curr = NULL;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (rdma->host == NULL) {
9ae3a8
+        ERROR(errp, "RDMA host is not set!\n");
9ae3a8
+        rdma->error_state = -EINVAL;
9ae3a8
+        return -1;
9ae3a8
+    }
9ae3a8
+    /* create CM channel */
9ae3a8
+    rdma->channel = rdma_create_event_channel();
9ae3a8
+    if (!rdma->channel) {
9ae3a8
+        ERROR(errp, "could not create rdma event channel\n");
9ae3a8
+        rdma->error_state = -EINVAL;
9ae3a8
+        return -1;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /* create CM id */
9ae3a8
+    ret = rdma_create_id(rdma->channel, &listen_id, NULL, RDMA_PS_TCP);
9ae3a8
+    if (ret) {
9ae3a8
+        ERROR(errp, "could not create cm_id!\n");
9ae3a8
+        goto err_dest_init_create_listen_id;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    memset(&sin, 0, sizeof(sin));
9ae3a8
+    sin.sin_family = AF_INET;
9ae3a8
+    sin.sin_port = htons(rdma->port);
9ae3a8
+
9ae3a8
+    if (rdma->host && strcmp("", rdma->host)) {
9ae3a8
+        struct hostent *dest_addr;
9ae3a8
+        dest_addr = gethostbyname(rdma->host);
9ae3a8
+        if (!dest_addr) {
9ae3a8
+            ERROR(errp, "migration could not gethostbyname!\n");
9ae3a8
+            ret = -EINVAL;
9ae3a8
+            goto err_dest_init_bind_addr;
9ae3a8
+        }
9ae3a8
+        memcpy(&sin.sin_addr.s_addr, dest_addr->h_addr,
9ae3a8
+                dest_addr->h_length);
9ae3a8
+        inet_ntop(AF_INET, dest_addr->h_addr, ip, sizeof ip);
9ae3a8
+    } else {
9ae3a8
+        sin.sin_addr.s_addr = INADDR_ANY;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    DPRINTF("%s => %s\n", rdma->host, ip);
9ae3a8
+
9ae3a8
+    ret = rdma_bind_addr(listen_id, (struct sockaddr *)&sin;;
9ae3a8
+    if (ret) {
9ae3a8
+        ERROR(errp, "Error: could not rdma_bind_addr!\n");
9ae3a8
+        goto err_dest_init_bind_addr;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    rdma->listen_id = listen_id;
9ae3a8
+    qemu_rdma_dump_gid("dest_init", listen_id);
9ae3a8
+    return 0;
9ae3a8
+
9ae3a8
+err_dest_init_bind_addr:
9ae3a8
+    rdma_destroy_id(listen_id);
9ae3a8
+err_dest_init_create_listen_id:
9ae3a8
+    rdma_destroy_event_channel(rdma->channel);
9ae3a8
+    rdma->channel = NULL;
9ae3a8
+    rdma->error_state = ret;
9ae3a8
+    return ret;
9ae3a8
+
9ae3a8
+}
9ae3a8
+
9ae3a8
+static void *qemu_rdma_data_init(const char *host_port, Error **errp)
9ae3a8
+{
9ae3a8
+    RDMAContext *rdma = NULL;
9ae3a8
+    InetSocketAddress *addr;
9ae3a8
+
9ae3a8
+    if (host_port) {
9ae3a8
+        rdma = g_malloc0(sizeof(RDMAContext));
9ae3a8
+        memset(rdma, 0, sizeof(RDMAContext));
9ae3a8
+        rdma->current_index = -1;
9ae3a8
+        rdma->current_chunk = -1;
9ae3a8
+
9ae3a8
+        addr = inet_parse(host_port, NULL);
9ae3a8
+        if (addr != NULL) {
9ae3a8
+            rdma->port = atoi(addr->port);
9ae3a8
+            rdma->host = g_strdup(addr->host);
9ae3a8
+        } else {
9ae3a8
+            ERROR(errp, "bad RDMA migration address '%s'", host_port);
9ae3a8
+            g_free(rdma);
9ae3a8
+            return NULL;
9ae3a8
+        }
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return rdma;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * QEMUFile interface to the control channel.
9ae3a8
+ * SEND messages for control only.
9ae3a8
+ * pc.ram is handled with regular RDMA messages.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_put_buffer(void *opaque, const uint8_t *buf,
9ae3a8
+                                int64_t pos, int size)
9ae3a8
+{
9ae3a8
+    QEMUFileRDMA *r = opaque;
9ae3a8
+    QEMUFile *f = r->file;
9ae3a8
+    RDMAContext *rdma = r->rdma;
9ae3a8
+    size_t remaining = size;
9ae3a8
+    uint8_t * data = (void *) buf;
9ae3a8
+    int ret;
9ae3a8
+
9ae3a8
+    CHECK_ERROR_STATE();
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Push out any writes that
9ae3a8
+     * we're queued up for pc.ram.
9ae3a8
+     */
9ae3a8
+    ret = qemu_rdma_write_flush(f, rdma);
9ae3a8
+    if (ret < 0) {
9ae3a8
+        rdma->error_state = ret;
9ae3a8
+        return ret;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    while (remaining) {
9ae3a8
+        RDMAControlHeader head;
9ae3a8
+
9ae3a8
+        r->len = MIN(remaining, RDMA_SEND_INCREMENT);
9ae3a8
+        remaining -= r->len;
9ae3a8
+
9ae3a8
+        head.len = r->len;
9ae3a8
+        head.type = RDMA_CONTROL_QEMU_FILE;
9ae3a8
+
9ae3a8
+        ret = qemu_rdma_exchange_send(rdma, &head, data, NULL, NULL, NULL);
9ae3a8
+
9ae3a8
+        if (ret < 0) {
9ae3a8
+            rdma->error_state = ret;
9ae3a8
+            return ret;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        data += r->len;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return size;
9ae3a8
+}
9ae3a8
+
9ae3a8
+static size_t qemu_rdma_fill(RDMAContext *rdma, uint8_t *buf,
9ae3a8
+                             int size, int idx)
9ae3a8
+{
9ae3a8
+    size_t len = 0;
9ae3a8
+
9ae3a8
+    if (rdma->wr_data[idx].control_len) {
9ae3a8
+        DDDPRINTF("RDMA %" PRId64 " of %d bytes already in buffer\n",
9ae3a8
+                    rdma->wr_data[idx].control_len, size);
9ae3a8
+
9ae3a8
+        len = MIN(size, rdma->wr_data[idx].control_len);
9ae3a8
+        memcpy(buf, rdma->wr_data[idx].control_curr, len);
9ae3a8
+        rdma->wr_data[idx].control_curr += len;
9ae3a8
+        rdma->wr_data[idx].control_len -= len;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return len;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * QEMUFile interface to the control channel.
9ae3a8
+ * RDMA links don't use bytestreams, so we have to
9ae3a8
+ * return bytes to QEMUFile opportunistically.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_get_buffer(void *opaque, uint8_t *buf,
9ae3a8
+                                int64_t pos, int size)
9ae3a8
+{
9ae3a8
+    QEMUFileRDMA *r = opaque;
9ae3a8
+    RDMAContext *rdma = r->rdma;
9ae3a8
+    RDMAControlHeader head;
9ae3a8
+    int ret = 0;
9ae3a8
+
9ae3a8
+    CHECK_ERROR_STATE();
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * First, we hold on to the last SEND message we
9ae3a8
+     * were given and dish out the bytes until we run
9ae3a8
+     * out of bytes.
9ae3a8
+     */
9ae3a8
+    r->len = qemu_rdma_fill(r->rdma, buf, size, 0);
9ae3a8
+    if (r->len) {
9ae3a8
+        return r->len;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Once we run out, we block and wait for another
9ae3a8
+     * SEND message to arrive.
9ae3a8
+     */
9ae3a8
+    ret = qemu_rdma_exchange_recv(rdma, &head, RDMA_CONTROL_QEMU_FILE);
9ae3a8
+
9ae3a8
+    if (ret < 0) {
9ae3a8
+        rdma->error_state = ret;
9ae3a8
+        return ret;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * SEND was received with new bytes, now try again.
9ae3a8
+     */
9ae3a8
+    return qemu_rdma_fill(r->rdma, buf, size, 0);
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Block until all the outstanding chunks have been delivered by the hardware.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_drain_cq(QEMUFile *f, RDMAContext *rdma)
9ae3a8
+{
9ae3a8
+    int ret;
9ae3a8
+
9ae3a8
+    if (qemu_rdma_write_flush(f, rdma) < 0) {
9ae3a8
+        return -EIO;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    while (rdma->nb_sent) {
9ae3a8
+        ret = qemu_rdma_block_for_wrid(rdma, RDMA_WRID_RDMA_WRITE);
9ae3a8
+        if (ret < 0) {
9ae3a8
+            fprintf(stderr, "rdma migration: complete polling error!\n");
9ae3a8
+            return -EIO;
9ae3a8
+        }
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    qemu_rdma_unregister_waiting(rdma);
9ae3a8
+
9ae3a8
+    return 0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+static int qemu_rdma_close(void *opaque)
9ae3a8
+{
9ae3a8
+    DPRINTF("Shutting down connection.\n");
9ae3a8
+    QEMUFileRDMA *r = opaque;
9ae3a8
+    if (r->rdma) {
9ae3a8
+        qemu_rdma_cleanup(r->rdma);
9ae3a8
+        g_free(r->rdma);
9ae3a8
+    }
9ae3a8
+    g_free(r);
9ae3a8
+    return 0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Parameters:
9ae3a8
+ *    @offset == 0 :
9ae3a8
+ *        This means that 'block_offset' is a full virtual address that does not
9ae3a8
+ *        belong to a RAMBlock of the virtual machine and instead
9ae3a8
+ *        represents a private malloc'd memory area that the caller wishes to
9ae3a8
+ *        transfer.
9ae3a8
+ *
9ae3a8
+ *    @offset != 0 :
9ae3a8
+ *        Offset is an offset to be added to block_offset and used
9ae3a8
+ *        to also lookup the corresponding RAMBlock.
9ae3a8
+ *
9ae3a8
+ *    @size > 0 :
9ae3a8
+ *        Initiate an transfer this size.
9ae3a8
+ *
9ae3a8
+ *    @size == 0 :
9ae3a8
+ *        A 'hint' or 'advice' that means that we wish to speculatively
9ae3a8
+ *        and asynchronously unregister this memory. In this case, there is no
9ae3a8
+ *        gaurantee that the unregister will actually happen, for example,
9ae3a8
+ *        if the memory is being actively transmitted. Additionally, the memory
9ae3a8
+ *        may be re-registered at any future time if a write within the same
9ae3a8
+ *        chunk was requested again, even if you attempted to unregister it
9ae3a8
+ *        here.
9ae3a8
+ *
9ae3a8
+ *    @size < 0 : TODO, not yet supported
9ae3a8
+ *        Unregister the memory NOW. This means that the caller does not
9ae3a8
+ *        expect there to be any future RDMA transfers and we just want to clean
9ae3a8
+ *        things up. This is used in case the upper layer owns the memory and
9ae3a8
+ *        cannot wait for qemu_fclose() to occur.
9ae3a8
+ *
9ae3a8
+ *    @bytes_sent : User-specificed pointer to indicate how many bytes were
9ae3a8
+ *                  sent. Usually, this will not be more than a few bytes of
9ae3a8
+ *                  the protocol because most transfers are sent asynchronously.
9ae3a8
+ */
9ae3a8
+static size_t qemu_rdma_save_page(QEMUFile *f, void *opaque,
9ae3a8
+                                  ram_addr_t block_offset, ram_addr_t offset,
9ae3a8
+                                  size_t size, int *bytes_sent)
9ae3a8
+{
9ae3a8
+    QEMUFileRDMA *rfile = opaque;
9ae3a8
+    RDMAContext *rdma = rfile->rdma;
9ae3a8
+    int ret;
9ae3a8
+
9ae3a8
+    CHECK_ERROR_STATE();
9ae3a8
+
9ae3a8
+    qemu_fflush(f);
9ae3a8
+
9ae3a8
+    if (size > 0) {
9ae3a8
+        /*
9ae3a8
+         * Add this page to the current 'chunk'. If the chunk
9ae3a8
+         * is full, or the page doen't belong to the current chunk,
9ae3a8
+         * an actual RDMA write will occur and a new chunk will be formed.
9ae3a8
+         */
9ae3a8
+        ret = qemu_rdma_write(f, rdma, block_offset, offset, size);
9ae3a8
+        if (ret < 0) {
9ae3a8
+            fprintf(stderr, "rdma migration: write error! %d\n", ret);
9ae3a8
+            goto err;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        /*
9ae3a8
+         * We always return 1 bytes because the RDMA
9ae3a8
+         * protocol is completely asynchronous. We do not yet know
9ae3a8
+         * whether an  identified chunk is zero or not because we're
9ae3a8
+         * waiting for other pages to potentially be merged with
9ae3a8
+         * the current chunk. So, we have to call qemu_update_position()
9ae3a8
+         * later on when the actual write occurs.
9ae3a8
+         */
9ae3a8
+        if (bytes_sent) {
9ae3a8
+            *bytes_sent = 1;
9ae3a8
+        }
9ae3a8
+    } else {
9ae3a8
+        uint64_t index, chunk;
9ae3a8
+
9ae3a8
+        /* TODO: Change QEMUFileOps prototype to be signed: size_t => long
9ae3a8
+        if (size < 0) {
9ae3a8
+            ret = qemu_rdma_drain_cq(f, rdma);
9ae3a8
+            if (ret < 0) {
9ae3a8
+                fprintf(stderr, "rdma: failed to synchronously drain"
9ae3a8
+                                " completion queue before unregistration.\n");
9ae3a8
+                goto err;
9ae3a8
+            }
9ae3a8
+        }
9ae3a8
+        */
9ae3a8
+
9ae3a8
+        ret = qemu_rdma_search_ram_block(rdma, block_offset,
9ae3a8
+                                         offset, size, &index, &chunk);
9ae3a8
+
9ae3a8
+        if (ret) {
9ae3a8
+            fprintf(stderr, "ram block search failed\n");
9ae3a8
+            goto err;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        qemu_rdma_signal_unregister(rdma, index, chunk, 0);
9ae3a8
+
9ae3a8
+        /*
9ae3a8
+         * TODO: Synchronous, gauranteed unregistration (should not occur during
9ae3a8
+         * fast-path). Otherwise, unregisters will process on the next call to
9ae3a8
+         * qemu_rdma_drain_cq()
9ae3a8
+        if (size < 0) {
9ae3a8
+            qemu_rdma_unregister_waiting(rdma);
9ae3a8
+        }
9ae3a8
+        */
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Drain the Completion Queue if possible, but do not block,
9ae3a8
+     * just poll.
9ae3a8
+     *
9ae3a8
+     * If nothing to poll, the end of the iteration will do this
9ae3a8
+     * again to make sure we don't overflow the request queue.
9ae3a8
+     */
9ae3a8
+    while (1) {
9ae3a8
+        uint64_t wr_id, wr_id_in;
9ae3a8
+        int ret = qemu_rdma_poll(rdma, &wr_id_in);
9ae3a8
+        if (ret < 0) {
9ae3a8
+            fprintf(stderr, "rdma migration: polling error! %d\n", ret);
9ae3a8
+            goto err;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        wr_id = wr_id_in & RDMA_WRID_TYPE_MASK;
9ae3a8
+
9ae3a8
+        if (wr_id == RDMA_WRID_NONE) {
9ae3a8
+            break;
9ae3a8
+        }
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return RAM_SAVE_CONTROL_DELAYED;
9ae3a8
+err:
9ae3a8
+    rdma->error_state = ret;
9ae3a8
+    return ret;
9ae3a8
+}
9ae3a8
+
9ae3a8
+static int qemu_rdma_accept(RDMAContext *rdma)
9ae3a8
+{
9ae3a8
+    RDMACapabilities cap;
9ae3a8
+    struct rdma_conn_param conn_param = {
9ae3a8
+                                            .responder_resources = 2,
9ae3a8
+                                            .private_data = &cap,
9ae3a8
+                                            .private_data_len = sizeof(cap),
9ae3a8
+                                         };
9ae3a8
+    struct rdma_cm_event *cm_event;
9ae3a8
+    struct ibv_context *verbs;
9ae3a8
+    int ret = -EINVAL;
9ae3a8
+    int idx;
9ae3a8
+
9ae3a8
+    ret = rdma_get_cm_event(rdma->channel, &cm_event);
9ae3a8
+    if (ret) {
9ae3a8
+        goto err_rdma_dest_wait;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (cm_event->event != RDMA_CM_EVENT_CONNECT_REQUEST) {
9ae3a8
+        rdma_ack_cm_event(cm_event);
9ae3a8
+        goto err_rdma_dest_wait;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    memcpy(&cap, cm_event->param.conn.private_data, sizeof(cap));
9ae3a8
+
9ae3a8
+    network_to_caps(&cap);
9ae3a8
+
9ae3a8
+    if (cap.version < 1 || cap.version > RDMA_CONTROL_VERSION_CURRENT) {
9ae3a8
+            fprintf(stderr, "Unknown source RDMA version: %d, bailing...\n",
9ae3a8
+                            cap.version);
9ae3a8
+            rdma_ack_cm_event(cm_event);
9ae3a8
+            goto err_rdma_dest_wait;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Respond with only the capabilities this version of QEMU knows about.
9ae3a8
+     */
9ae3a8
+    cap.flags &= known_capabilities;
9ae3a8
+
9ae3a8
+    /*
9ae3a8
+     * Enable the ones that we do know about.
9ae3a8
+     * Add other checks here as new ones are introduced.
9ae3a8
+     */
9ae3a8
+    if (cap.flags & RDMA_CAPABILITY_PIN_ALL) {
9ae3a8
+        rdma->pin_all = true;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    rdma->cm_id = cm_event->id;
9ae3a8
+    verbs = cm_event->id->verbs;
9ae3a8
+
9ae3a8
+    rdma_ack_cm_event(cm_event);
9ae3a8
+
9ae3a8
+    DPRINTF("Memory pin all: %s\n", rdma->pin_all ? "enabled" : "disabled");
9ae3a8
+
9ae3a8
+    caps_to_network(&cap);
9ae3a8
+
9ae3a8
+    DPRINTF("verbs context after listen: %p\n", verbs);
9ae3a8
+
9ae3a8
+    if (!rdma->verbs) {
9ae3a8
+        rdma->verbs = verbs;
9ae3a8
+    } else if (rdma->verbs != verbs) {
9ae3a8
+            fprintf(stderr, "ibv context not matching %p, %p!\n",
9ae3a8
+                    rdma->verbs, verbs);
9ae3a8
+            goto err_rdma_dest_wait;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    qemu_rdma_dump_id("dest_init", verbs);
9ae3a8
+
9ae3a8
+    ret = qemu_rdma_alloc_pd_cq(rdma);
9ae3a8
+    if (ret) {
9ae3a8
+        fprintf(stderr, "rdma migration: error allocating pd and cq!\n");
9ae3a8
+        goto err_rdma_dest_wait;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    ret = qemu_rdma_alloc_qp(rdma);
9ae3a8
+    if (ret) {
9ae3a8
+        fprintf(stderr, "rdma migration: error allocating qp!\n");
9ae3a8
+        goto err_rdma_dest_wait;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    ret = qemu_rdma_init_ram_blocks(rdma);
9ae3a8
+    if (ret) {
9ae3a8
+        fprintf(stderr, "rdma migration: error initializing ram blocks!\n");
9ae3a8
+        goto err_rdma_dest_wait;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    for (idx = 0; idx <= RDMA_WRID_MAX; idx++) {
9ae3a8
+        ret = qemu_rdma_reg_control(rdma, idx);
9ae3a8
+        if (ret) {
9ae3a8
+            fprintf(stderr, "rdma: error registering %d control!\n", idx);
9ae3a8
+            goto err_rdma_dest_wait;
9ae3a8
+        }
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    qemu_set_fd_handler2(rdma->channel->fd, NULL, NULL, NULL, NULL);
9ae3a8
+
9ae3a8
+    ret = rdma_accept(rdma->cm_id, &conn_param);
9ae3a8
+    if (ret) {
9ae3a8
+        fprintf(stderr, "rdma_accept returns %d!\n", ret);
9ae3a8
+        goto err_rdma_dest_wait;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    ret = rdma_get_cm_event(rdma->channel, &cm_event);
9ae3a8
+    if (ret) {
9ae3a8
+        fprintf(stderr, "rdma_accept get_cm_event failed %d!\n", ret);
9ae3a8
+        goto err_rdma_dest_wait;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (cm_event->event != RDMA_CM_EVENT_ESTABLISHED) {
9ae3a8
+        fprintf(stderr, "rdma_accept not event established!\n");
9ae3a8
+        rdma_ack_cm_event(cm_event);
9ae3a8
+        goto err_rdma_dest_wait;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    rdma_ack_cm_event(cm_event);
9ae3a8
+
9ae3a8
+    ret = qemu_rdma_post_recv_control(rdma, 0);
9ae3a8
+    if (ret) {
9ae3a8
+        fprintf(stderr, "rdma migration: error posting second control recv!\n");
9ae3a8
+        goto err_rdma_dest_wait;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    qemu_rdma_dump_gid("dest_connect", rdma->cm_id);
9ae3a8
+
9ae3a8
+    return 0;
9ae3a8
+
9ae3a8
+err_rdma_dest_wait:
9ae3a8
+    rdma->error_state = ret;
9ae3a8
+    qemu_rdma_cleanup(rdma);
9ae3a8
+    return ret;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * During each iteration of the migration, we listen for instructions
9ae3a8
+ * by the source VM to perform dynamic page registrations before they
9ae3a8
+ * can perform RDMA operations.
9ae3a8
+ *
9ae3a8
+ * We respond with the 'rkey'.
9ae3a8
+ *
9ae3a8
+ * Keep doing this until the source tells us to stop.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_registration_handle(QEMUFile *f, void *opaque,
9ae3a8
+                                         uint64_t flags)
9ae3a8
+{
9ae3a8
+    RDMAControlHeader reg_resp = { .len = sizeof(RDMARegisterResult),
9ae3a8
+                               .type = RDMA_CONTROL_REGISTER_RESULT,
9ae3a8
+                               .repeat = 0,
9ae3a8
+                             };
9ae3a8
+    RDMAControlHeader unreg_resp = { .len = 0,
9ae3a8
+                               .type = RDMA_CONTROL_UNREGISTER_FINISHED,
9ae3a8
+                               .repeat = 0,
9ae3a8
+                             };
9ae3a8
+    RDMAControlHeader blocks = { .type = RDMA_CONTROL_RAM_BLOCKS_RESULT,
9ae3a8
+                                 .repeat = 1 };
9ae3a8
+    QEMUFileRDMA *rfile = opaque;
9ae3a8
+    RDMAContext *rdma = rfile->rdma;
9ae3a8
+    RDMALocalBlocks *local = &rdma->local_ram_blocks;
9ae3a8
+    RDMAControlHeader head;
9ae3a8
+    RDMARegister *reg, *registers;
9ae3a8
+    RDMACompress *comp;
9ae3a8
+    RDMARegisterResult *reg_result;
9ae3a8
+    static RDMARegisterResult results[RDMA_CONTROL_MAX_COMMANDS_PER_MESSAGE];
9ae3a8
+    RDMALocalBlock *block;
9ae3a8
+    void *host_addr;
9ae3a8
+    int ret = 0;
9ae3a8
+    int idx = 0;
9ae3a8
+    int count = 0;
9ae3a8
+    int i = 0;
9ae3a8
+
9ae3a8
+    CHECK_ERROR_STATE();
9ae3a8
+
9ae3a8
+    do {
9ae3a8
+        DDDPRINTF("Waiting for next request %" PRIu64 "...\n", flags);
9ae3a8
+
9ae3a8
+        ret = qemu_rdma_exchange_recv(rdma, &head, RDMA_CONTROL_NONE);
9ae3a8
+
9ae3a8
+        if (ret < 0) {
9ae3a8
+            break;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        if (head.repeat > RDMA_CONTROL_MAX_COMMANDS_PER_MESSAGE) {
9ae3a8
+            fprintf(stderr, "rdma: Too many requests in this message (%d)."
9ae3a8
+                            "Bailing.\n", head.repeat);
9ae3a8
+            ret = -EIO;
9ae3a8
+            break;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        switch (head.type) {
9ae3a8
+        case RDMA_CONTROL_COMPRESS:
9ae3a8
+            comp = (RDMACompress *) rdma->wr_data[idx].control_curr;
9ae3a8
+            network_to_compress(comp);
9ae3a8
+
9ae3a8
+            DDPRINTF("Zapping zero chunk: %" PRId64
9ae3a8
+                    " bytes, index %d, offset %" PRId64 "\n",
9ae3a8
+                    comp->length, comp->block_idx, comp->offset);
9ae3a8
+            block = &(rdma->local_ram_blocks.block[comp->block_idx]);
9ae3a8
+
9ae3a8
+            host_addr = block->local_host_addr +
9ae3a8
+                            (comp->offset - block->offset);
9ae3a8
+
9ae3a8
+            ram_handle_compressed(host_addr, comp->value, comp->length);
9ae3a8
+            break;
9ae3a8
+
9ae3a8
+        case RDMA_CONTROL_REGISTER_FINISHED:
9ae3a8
+            DDDPRINTF("Current registrations complete.\n");
9ae3a8
+            goto out;
9ae3a8
+
9ae3a8
+        case RDMA_CONTROL_RAM_BLOCKS_REQUEST:
9ae3a8
+            DPRINTF("Initial setup info requested.\n");
9ae3a8
+
9ae3a8
+            if (rdma->pin_all) {
9ae3a8
+                ret = qemu_rdma_reg_whole_ram_blocks(rdma);
9ae3a8
+                if (ret) {
9ae3a8
+                    fprintf(stderr, "rdma migration: error dest "
9ae3a8
+                                    "registering ram blocks!\n");
9ae3a8
+                    goto out;
9ae3a8
+                }
9ae3a8
+            }
9ae3a8
+
9ae3a8
+            /*
9ae3a8
+             * Dest uses this to prepare to transmit the RAMBlock descriptions
9ae3a8
+             * to the source VM after connection setup.
9ae3a8
+             * Both sides use the "remote" structure to communicate and update
9ae3a8
+             * their "local" descriptions with what was sent.
9ae3a8
+             */
9ae3a8
+            for (i = 0; i < local->nb_blocks; i++) {
9ae3a8
+                rdma->block[i].remote_host_addr =
9ae3a8
+                    (uint64_t)(local->block[i].local_host_addr);
9ae3a8
+
9ae3a8
+                if (rdma->pin_all) {
9ae3a8
+                    rdma->block[i].remote_rkey = local->block[i].mr->rkey;
9ae3a8
+                }
9ae3a8
+
9ae3a8
+                rdma->block[i].offset = local->block[i].offset;
9ae3a8
+                rdma->block[i].length = local->block[i].length;
9ae3a8
+
9ae3a8
+                remote_block_to_network(&rdma->block[i]);
9ae3a8
+            }
9ae3a8
+
9ae3a8
+            blocks.len = rdma->local_ram_blocks.nb_blocks
9ae3a8
+                                                * sizeof(RDMARemoteBlock);
9ae3a8
+
9ae3a8
+
9ae3a8
+            ret = qemu_rdma_post_send_control(rdma,
9ae3a8
+                                        (uint8_t *) rdma->block, &blocks;;
9ae3a8
+
9ae3a8
+            if (ret < 0) {
9ae3a8
+                fprintf(stderr, "rdma migration: error sending remote info!\n");
9ae3a8
+                goto out;
9ae3a8
+            }
9ae3a8
+
9ae3a8
+            break;
9ae3a8
+        case RDMA_CONTROL_REGISTER_REQUEST:
9ae3a8
+            DDPRINTF("There are %d registration requests\n", head.repeat);
9ae3a8
+
9ae3a8
+            reg_resp.repeat = head.repeat;
9ae3a8
+            registers = (RDMARegister *) rdma->wr_data[idx].control_curr;
9ae3a8
+
9ae3a8
+            for (count = 0; count < head.repeat; count++) {
9ae3a8
+                uint64_t chunk;
9ae3a8
+                uint8_t *chunk_start, *chunk_end;
9ae3a8
+
9ae3a8
+                reg = &registers[count];
9ae3a8
+                network_to_register(reg);
9ae3a8
+
9ae3a8
+                reg_result = &results[count];
9ae3a8
+
9ae3a8
+                DDPRINTF("Registration request (%d): index %d, current_addr %"
9ae3a8
+                         PRIu64 " chunks: %" PRIu64 "\n", count,
9ae3a8
+                         reg->current_index, reg->key.current_addr, reg->chunks);
9ae3a8
+
9ae3a8
+                block = &(rdma->local_ram_blocks.block[reg->current_index]);
9ae3a8
+                if (block->is_ram_block) {
9ae3a8
+                    host_addr = (block->local_host_addr +
9ae3a8
+                                (reg->key.current_addr - block->offset));
9ae3a8
+                    chunk = ram_chunk_index(block->local_host_addr,
9ae3a8
+                                            (uint8_t *) host_addr);
9ae3a8
+                } else {
9ae3a8
+                    chunk = reg->key.chunk;
9ae3a8
+                    host_addr = block->local_host_addr +
9ae3a8
+                        (reg->key.chunk * (1UL << RDMA_REG_CHUNK_SHIFT));
9ae3a8
+                }
9ae3a8
+                chunk_start = ram_chunk_start(block, chunk);
9ae3a8
+                chunk_end = ram_chunk_end(block, chunk + reg->chunks);
9ae3a8
+                if (qemu_rdma_register_and_get_keys(rdma, block,
9ae3a8
+                            (uint8_t *)host_addr, NULL, &reg_result->rkey,
9ae3a8
+                            chunk, chunk_start, chunk_end)) {
9ae3a8
+                    fprintf(stderr, "cannot get rkey!\n");
9ae3a8
+                    ret = -EINVAL;
9ae3a8
+                    goto out;
9ae3a8
+                }
9ae3a8
+
9ae3a8
+                reg_result->host_addr = (uint64_t) block->local_host_addr;
9ae3a8
+
9ae3a8
+                DDPRINTF("Registered rkey for this request: %x\n",
9ae3a8
+                                reg_result->rkey);
9ae3a8
+
9ae3a8
+                result_to_network(reg_result);
9ae3a8
+            }
9ae3a8
+
9ae3a8
+            ret = qemu_rdma_post_send_control(rdma,
9ae3a8
+                            (uint8_t *) results, &reg_resp);
9ae3a8
+
9ae3a8
+            if (ret < 0) {
9ae3a8
+                fprintf(stderr, "Failed to send control buffer!\n");
9ae3a8
+                goto out;
9ae3a8
+            }
9ae3a8
+            break;
9ae3a8
+        case RDMA_CONTROL_UNREGISTER_REQUEST:
9ae3a8
+            DDPRINTF("There are %d unregistration requests\n", head.repeat);
9ae3a8
+            unreg_resp.repeat = head.repeat;
9ae3a8
+            registers = (RDMARegister *) rdma->wr_data[idx].control_curr;
9ae3a8
+
9ae3a8
+            for (count = 0; count < head.repeat; count++) {
9ae3a8
+                reg = &registers[count];
9ae3a8
+                network_to_register(reg);
9ae3a8
+
9ae3a8
+                DDPRINTF("Unregistration request (%d): "
9ae3a8
+                         " index %d, chunk %" PRIu64 "\n",
9ae3a8
+                         count, reg->current_index, reg->key.chunk);
9ae3a8
+
9ae3a8
+                block = &(rdma->local_ram_blocks.block[reg->current_index]);
9ae3a8
+
9ae3a8
+                ret = ibv_dereg_mr(block->pmr[reg->key.chunk]);
9ae3a8
+                block->pmr[reg->key.chunk] = NULL;
9ae3a8
+
9ae3a8
+                if (ret != 0) {
9ae3a8
+                    perror("rdma unregistration chunk failed");
9ae3a8
+                    ret = -ret;
9ae3a8
+                    goto out;
9ae3a8
+                }
9ae3a8
+
9ae3a8
+                rdma->total_registrations--;
9ae3a8
+
9ae3a8
+                DDPRINTF("Unregistered chunk %" PRIu64 " successfully.\n",
9ae3a8
+                            reg->key.chunk);
9ae3a8
+            }
9ae3a8
+
9ae3a8
+            ret = qemu_rdma_post_send_control(rdma, NULL, &unreg_resp);
9ae3a8
+
9ae3a8
+            if (ret < 0) {
9ae3a8
+                fprintf(stderr, "Failed to send control buffer!\n");
9ae3a8
+                goto out;
9ae3a8
+            }
9ae3a8
+            break;
9ae3a8
+        case RDMA_CONTROL_REGISTER_RESULT:
9ae3a8
+            fprintf(stderr, "Invalid RESULT message at dest.\n");
9ae3a8
+            ret = -EIO;
9ae3a8
+            goto out;
9ae3a8
+        default:
9ae3a8
+            fprintf(stderr, "Unknown control message %s\n",
9ae3a8
+                                control_desc[head.type]);
9ae3a8
+            ret = -EIO;
9ae3a8
+            goto out;
9ae3a8
+        }
9ae3a8
+    } while (1);
9ae3a8
+out:
9ae3a8
+    if (ret < 0) {
9ae3a8
+        rdma->error_state = ret;
9ae3a8
+    }
9ae3a8
+    return ret;
9ae3a8
+}
9ae3a8
+
9ae3a8
+static int qemu_rdma_registration_start(QEMUFile *f, void *opaque,
9ae3a8
+                                        uint64_t flags)
9ae3a8
+{
9ae3a8
+    QEMUFileRDMA *rfile = opaque;
9ae3a8
+    RDMAContext *rdma = rfile->rdma;
9ae3a8
+
9ae3a8
+    CHECK_ERROR_STATE();
9ae3a8
+
9ae3a8
+    DDDPRINTF("start section: %" PRIu64 "\n", flags);
9ae3a8
+    qemu_put_be64(f, RAM_SAVE_FLAG_HOOK);
9ae3a8
+    qemu_fflush(f);
9ae3a8
+
9ae3a8
+    return 0;
9ae3a8
+}
9ae3a8
+
9ae3a8
+/*
9ae3a8
+ * Inform dest that dynamic registrations are done for now.
9ae3a8
+ * First, flush writes, if any.
9ae3a8
+ */
9ae3a8
+static int qemu_rdma_registration_stop(QEMUFile *f, void *opaque,
9ae3a8
+                                       uint64_t flags)
9ae3a8
+{
9ae3a8
+    Error *local_err = NULL, **errp = &local_err;
9ae3a8
+    QEMUFileRDMA *rfile = opaque;
9ae3a8
+    RDMAContext *rdma = rfile->rdma;
9ae3a8
+    RDMAControlHeader head = { .len = 0, .repeat = 1 };
9ae3a8
+    int ret = 0;
9ae3a8
+
9ae3a8
+    CHECK_ERROR_STATE();
9ae3a8
+
9ae3a8
+    qemu_fflush(f);
9ae3a8
+    ret = qemu_rdma_drain_cq(f, rdma);
9ae3a8
+
9ae3a8
+    if (ret < 0) {
9ae3a8
+        goto err;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    if (flags == RAM_CONTROL_SETUP) {
9ae3a8
+        RDMAControlHeader resp = {.type = RDMA_CONTROL_RAM_BLOCKS_RESULT };
9ae3a8
+        RDMALocalBlocks *local = &rdma->local_ram_blocks;
9ae3a8
+        int reg_result_idx, i, j, nb_remote_blocks;
9ae3a8
+
9ae3a8
+        head.type = RDMA_CONTROL_RAM_BLOCKS_REQUEST;
9ae3a8
+        DPRINTF("Sending registration setup for ram blocks...\n");
9ae3a8
+
9ae3a8
+        /*
9ae3a8
+         * Make sure that we parallelize the pinning on both sides.
9ae3a8
+         * For very large guests, doing this serially takes a really
9ae3a8
+         * long time, so we have to 'interleave' the pinning locally
9ae3a8
+         * with the control messages by performing the pinning on this
9ae3a8
+         * side before we receive the control response from the other
9ae3a8
+         * side that the pinning has completed.
9ae3a8
+         */
9ae3a8
+        ret = qemu_rdma_exchange_send(rdma, &head, NULL, &resp,
9ae3a8
+                    &reg_result_idx, rdma->pin_all ?
9ae3a8
+                    qemu_rdma_reg_whole_ram_blocks : NULL);
9ae3a8
+        if (ret < 0) {
9ae3a8
+            ERROR(errp, "receiving remote info!\n");
9ae3a8
+            return ret;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        qemu_rdma_move_header(rdma, reg_result_idx, &resp);
9ae3a8
+        memcpy(rdma->block,
9ae3a8
+            rdma->wr_data[reg_result_idx].control_curr, resp.len);
9ae3a8
+
9ae3a8
+        nb_remote_blocks = resp.len / sizeof(RDMARemoteBlock);
9ae3a8
+
9ae3a8
+        /*
9ae3a8
+         * The protocol uses two different sets of rkeys (mutually exclusive):
9ae3a8
+         * 1. One key to represent the virtual address of the entire ram block.
9ae3a8
+         *    (dynamic chunk registration disabled - pin everything with one rkey.)
9ae3a8
+         * 2. One to represent individual chunks within a ram block.
9ae3a8
+         *    (dynamic chunk registration enabled - pin individual chunks.)
9ae3a8
+         *
9ae3a8
+         * Once the capability is successfully negotiated, the destination transmits
9ae3a8
+         * the keys to use (or sends them later) including the virtual addresses
9ae3a8
+         * and then propagates the remote ram block descriptions to his local copy.
9ae3a8
+         */
9ae3a8
+
9ae3a8
+        if (local->nb_blocks != nb_remote_blocks) {
9ae3a8
+            ERROR(errp, "ram blocks mismatch #1! "
9ae3a8
+                        "Your QEMU command line parameters are probably "
9ae3a8
+                        "not identical on both the source and destination.\n");
9ae3a8
+            return -EINVAL;
9ae3a8
+        }
9ae3a8
+
9ae3a8
+        for (i = 0; i < nb_remote_blocks; i++) {
9ae3a8
+            network_to_remote_block(&rdma->block[i]);
9ae3a8
+
9ae3a8
+            /* search local ram blocks */
9ae3a8
+            for (j = 0; j < local->nb_blocks; j++) {
9ae3a8
+                if (rdma->block[i].offset != local->block[j].offset) {
9ae3a8
+                    continue;
9ae3a8
+                }
9ae3a8
+
9ae3a8
+                if (rdma->block[i].length != local->block[j].length) {
9ae3a8
+                    ERROR(errp, "ram blocks mismatch #2! "
9ae3a8
+                        "Your QEMU command line parameters are probably "
9ae3a8
+                        "not identical on both the source and destination.\n");
9ae3a8
+                    return -EINVAL;
9ae3a8
+                }
9ae3a8
+                local->block[j].remote_host_addr =
9ae3a8
+                        rdma->block[i].remote_host_addr;
9ae3a8
+                local->block[j].remote_rkey = rdma->block[i].remote_rkey;
9ae3a8
+                break;
9ae3a8
+            }
9ae3a8
+
9ae3a8
+            if (j >= local->nb_blocks) {
9ae3a8
+                ERROR(errp, "ram blocks mismatch #3! "
9ae3a8
+                        "Your QEMU command line parameters are probably "
9ae3a8
+                        "not identical on both the source and destination.\n");
9ae3a8
+                return -EINVAL;
9ae3a8
+            }
9ae3a8
+        }
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    DDDPRINTF("Sending registration finish %" PRIu64 "...\n", flags);
9ae3a8
+
9ae3a8
+    head.type = RDMA_CONTROL_REGISTER_FINISHED;
9ae3a8
+    ret = qemu_rdma_exchange_send(rdma, &head, NULL, NULL, NULL, NULL);
9ae3a8
+
9ae3a8
+    if (ret < 0) {
9ae3a8
+        goto err;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return 0;
9ae3a8
+err:
9ae3a8
+    rdma->error_state = ret;
9ae3a8
+    return ret;
9ae3a8
+}
9ae3a8
+
9ae3a8
+static int qemu_rdma_get_fd(void *opaque)
9ae3a8
+{
9ae3a8
+    QEMUFileRDMA *rfile = opaque;
9ae3a8
+    RDMAContext *rdma = rfile->rdma;
9ae3a8
+
9ae3a8
+    return rdma->comp_channel->fd;
9ae3a8
+}
9ae3a8
+
9ae3a8
+const QEMUFileOps rdma_read_ops = {
9ae3a8
+    .get_buffer    = qemu_rdma_get_buffer,
9ae3a8
+    .get_fd        = qemu_rdma_get_fd,
9ae3a8
+    .close         = qemu_rdma_close,
9ae3a8
+    .hook_ram_load = qemu_rdma_registration_handle,
9ae3a8
+};
9ae3a8
+
9ae3a8
+const QEMUFileOps rdma_write_ops = {
9ae3a8
+    .put_buffer         = qemu_rdma_put_buffer,
9ae3a8
+    .close              = qemu_rdma_close,
9ae3a8
+    .before_ram_iterate = qemu_rdma_registration_start,
9ae3a8
+    .after_ram_iterate  = qemu_rdma_registration_stop,
9ae3a8
+    .save_page          = qemu_rdma_save_page,
9ae3a8
+};
9ae3a8
+
9ae3a8
+static void *qemu_fopen_rdma(RDMAContext *rdma, const char *mode)
9ae3a8
+{
9ae3a8
+    QEMUFileRDMA *r = g_malloc0(sizeof(QEMUFileRDMA));
9ae3a8
+
9ae3a8
+    if (qemu_file_mode_is_not_valid(mode)) {
9ae3a8
+        return NULL;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    r->rdma = rdma;
9ae3a8
+
9ae3a8
+    if (mode[0] == 'w') {
9ae3a8
+        r->file = qemu_fopen_ops(r, &rdma_write_ops);
9ae3a8
+    } else {
9ae3a8
+        r->file = qemu_fopen_ops(r, &rdma_read_ops);
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    return r->file;
9ae3a8
+}
9ae3a8
+
9ae3a8
+static void rdma_accept_incoming_migration(void *opaque)
9ae3a8
+{
9ae3a8
+    RDMAContext *rdma = opaque;
9ae3a8
+    int ret;
9ae3a8
+    QEMUFile *f;
9ae3a8
+    Error *local_err = NULL, **errp = &local_err;
9ae3a8
+
9ae3a8
+    DPRINTF("Accepting rdma connection...\n");
9ae3a8
+    ret = qemu_rdma_accept(rdma);
9ae3a8
+
9ae3a8
+    if (ret) {
9ae3a8
+        ERROR(errp, "RDMA Migration initialization failed!\n");
9ae3a8
+        return;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    DPRINTF("Accepted migration\n");
9ae3a8
+
9ae3a8
+    f = qemu_fopen_rdma(rdma, "rb");
9ae3a8
+    if (f == NULL) {
9ae3a8
+        ERROR(errp, "could not qemu_fopen_rdma!\n");
9ae3a8
+        qemu_rdma_cleanup(rdma);
9ae3a8
+        return;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    rdma->migration_started_on_destination = 1;
9ae3a8
+    process_incoming_migration(f);
9ae3a8
+}
9ae3a8
+
9ae3a8
+void rdma_start_incoming_migration(const char *host_port, Error **errp)
9ae3a8
+{
9ae3a8
+    int ret;
9ae3a8
+    RDMAContext *rdma;
9ae3a8
+    Error *local_err = NULL;
9ae3a8
+
9ae3a8
+    DPRINTF("Starting RDMA-based incoming migration\n");
9ae3a8
+    rdma = qemu_rdma_data_init(host_port, &local_err);
9ae3a8
+
9ae3a8
+    if (rdma == NULL) {
9ae3a8
+        goto err;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    ret = qemu_rdma_dest_init(rdma, &local_err);
9ae3a8
+
9ae3a8
+    if (ret) {
9ae3a8
+        goto err;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    DPRINTF("qemu_rdma_dest_init success\n");
9ae3a8
+
9ae3a8
+    ret = rdma_listen(rdma->listen_id, 5);
9ae3a8
+
9ae3a8
+    if (ret) {
9ae3a8
+        ERROR(errp, "listening on socket!\n");
9ae3a8
+        goto err;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    DPRINTF("rdma_listen success\n");
9ae3a8
+
9ae3a8
+    qemu_set_fd_handler2(rdma->channel->fd, NULL,
9ae3a8
+                         rdma_accept_incoming_migration, NULL,
9ae3a8
+                            (void *)(intptr_t) rdma);
9ae3a8
+    return;
9ae3a8
+err:
9ae3a8
+    error_propagate(errp, local_err);
9ae3a8
+    g_free(rdma);
9ae3a8
+}
9ae3a8
+
9ae3a8
+void rdma_start_outgoing_migration(void *opaque,
9ae3a8
+                            const char *host_port, Error **errp)
9ae3a8
+{
9ae3a8
+    MigrationState *s = opaque;
9ae3a8
+    Error *local_err = NULL, **temp = &local_err;
9ae3a8
+    RDMAContext *rdma = qemu_rdma_data_init(host_port, &local_err);
9ae3a8
+    int ret = 0;
9ae3a8
+
9ae3a8
+    if (rdma == NULL) {
9ae3a8
+        ERROR(temp, "Failed to initialize RDMA data structures! %d\n", ret);
9ae3a8
+        goto err;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    ret = qemu_rdma_source_init(rdma, &local_err,
9ae3a8
+        s->enabled_capabilities[MIGRATION_CAPABILITY_X_RDMA_PIN_ALL]);
9ae3a8
+
9ae3a8
+    if (ret) {
9ae3a8
+        goto err;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    DPRINTF("qemu_rdma_source_init success\n");
9ae3a8
+    ret = qemu_rdma_connect(rdma, &local_err);
9ae3a8
+
9ae3a8
+    if (ret) {
9ae3a8
+        goto err;
9ae3a8
+    }
9ae3a8
+
9ae3a8
+    DPRINTF("qemu_rdma_source_connect success\n");
9ae3a8
+
9ae3a8
+    s->file = qemu_fopen_rdma(rdma, "wb");
9ae3a8
+    migrate_fd_connect(s);
9ae3a8
+    return;
9ae3a8
+err:
9ae3a8
+    error_propagate(errp, local_err);
9ae3a8
+    g_free(rdma);
9ae3a8
+    migrate_fd_error(s);
9ae3a8
+}
9ae3a8
diff --git a/migration.c b/migration.c
9ae3a8
index 73a348f..2fa0237 100644
9ae3a8
--- a/migration.c
9ae3a8
+++ b/migration.c
9ae3a8
@@ -78,6 +78,10 @@ void qemu_start_incoming_migration(const char *uri, Error **errp)
9ae3a8
 
9ae3a8
     if (strstart(uri, "tcp:", &p))
9ae3a8
         tcp_start_incoming_migration(p, errp);
9ae3a8
+#ifdef CONFIG_RDMA
9ae3a8
+    else if (strstart(uri, "x-rdma:", &p))
9ae3a8
+        rdma_start_incoming_migration(p, errp);
9ae3a8
+#endif
9ae3a8
 #if !defined(WIN32)
9ae3a8
     else if (strstart(uri, "exec:", &p))
9ae3a8
         exec_start_incoming_migration(p, errp);
9ae3a8
@@ -415,6 +419,10 @@ void qmp_migrate(const char *uri, bool has_blk, bool blk,
9ae3a8
 
9ae3a8
     if (strstart(uri, "tcp:", &p)) {
9ae3a8
         tcp_start_outgoing_migration(s, p, &local_err);
9ae3a8
+#ifdef CONFIG_RDMA
9ae3a8
+    } else if (strstart(uri, "x-rdma:", &p)) {
9ae3a8
+        rdma_start_outgoing_migration(s, p, &local_err);
9ae3a8
+#endif
9ae3a8
 #if !defined(WIN32)
9ae3a8
     } else if (strstart(uri, "exec:", &p)) {
9ae3a8
         exec_start_outgoing_migration(s, p, &local_err);
9ae3a8
-- 
9ae3a8
1.7.11.7
9ae3a8