Hi,

as i've mentioned several times, I want to write a standalone cgroup
management daemon.  Basic requirements are that it be a standalone
program; that a single instance running on the host be usable from
containers nested at any depth; that it not allow escaping ones
assigned limits; that it not allow subjegating tasks which do not
belong to you; and that, within your limits, you be able to parcel
those limits to your tasks as you like.  

何度か言及してきたように，私はスタンドアローンで動く cgroup 管理デーモンを書きたいと思っている．
基本的な要求仕様は，それがスタンドアローンであることである．
つまり，ホスト上で動くシングルインスタンスであることが任意の深さにネストするコンテナから使うのに適しており，
設定された制限を外れる事を許さず，属していないタスクを配下に置くことを許さず，
与えられた制限内で思うようにタスクに制限を分配できることである．

Additionally, Tejun has specified that we do not want users to be
too closely tied to the cgroupfs implementation.  Therefore
commands will be just a hair more general than specifying cgroupfs
filenames and values.  I may go so far as to avoid specifying
specific controllers, as AFAIK there should be no redundancy in
features.  On the other hand, I don't want to get too general.
So I'm basing the API loosely on the lmctfy command line API.

さらに，Tejun はユーザに cgroupfs の実装にあまりにも密接に関係させたくないと規定した．
なので，コマンドは cgroupfs のファイル名と値を指定するよりは少し一般的になるだろう．
私の知る限りでは，機能的に冗長であってはいけないので，特定のコントローラを指定するのを避けることすらするかもしれない．
一方で，あまりに一般的にもしたくない．なので，私はおおまかには Lmctfy のコマンドライン API っぽいものにする．

One of the driving goals is to enable nested lxc as simply and safely as
possible.  If this project is a success, then a large chunk of code can
be removed from lxc.  I'm considering this project a part of the larger
lxc project, but given how central it is to systems management that
doesn't mean that I'll consider anyone else's needs as less important
than our own.

向かうゴールの一つは，可能な限り簡単に安全にネストされた lxc を可能にする事である．
もしこのプロジェクトが成功したら，大量のコードが lxc から削除できるようになる．
私はこのプロジェクトは lxc プロジェクトの大きな一部分だと考えている．
しかし，それがどれくらい重要であるかと仮定すると，我々ほど重要ではない他の誰かのニーズを考慮することを意味しないシステム管理である．

This document consists of two parts.  The first describes how I
intend the daemon (cgmanager) to be structured and how it will
enforce the safety requirements.  The second describes the commands 
which clients will be able to send to the manager.  The list of
controller keys which can be set is very incomplete at this point,
serving mainly to show the approach I was thinking of taking.

この文書は二つのパートからなっている．最初は，構築されるデーモン (cgmanager) の意図と，どのように安全に対する要求を強制するかを述べる．
二つ目はクライアントがマネージャに送る事が出来るコマンドについて述べる．
設定することが可能なコントローラのキーのリストは，現時点ではほぼ未完成であり，提供を考えていたアプローチを示す事を主に提供する．

Summary

Each 'host' (identified by a separate instance of the linux kernel) will
have exactly one running daemon to manage control groups.  This daemon
will answer cgroup management requests over a dbus socket, located at
/sys/fs/cgroup/manager.  This socket can be bind-mounted into various
containers, so that one daemon can support the whole system.

それぞれの「ホスト」(別々の Linux kernel のインスタンスで識別される) は，control groups を管理するためのデーモンを厳密に一つだけ持つ．
このデーモンは /sys/fs/cgroup/manager にある dbus ソケットを通して cgroup の管理リクエストに答える．
このソケットは多数のコンテナ内に bind mount 可能であるので，一つのデーモンでシステム全体をサポートできる．

Programs will be able to make cgroup requests using dbus calls, or
indirectly by linking against lmctfy which will be modified to use the
dbus calls if available.

プログラムは dbus 呼び出しで cgroup リクエストを作成でき，
もし可能であるなら dbus を使うように変更された lmctfy をリンクして間接的に cgroup リクエストを作成できる．

Outline:

  * A single manager, cgmanager, is started on the host, very early
    during boot.  It has very few dependencies, and requires only
    /proc, /run, and /sys to be mounted, with /etc ro.  It will mount
    the cgroup hierarchies in a private namespace and set defaults
    (clone_children, use_hierarchy, sane_behavior, release_agent?) It
    will open a socket at /sys/fs/cgroup/cgmanager (in a small tmpfs).
    
  * cgmanager という単一のマネージャがホスト上で，ブート時の初期に起動する．
    依存関係は極めて少なく，/proc, /run, /sys と read-only で /etc だけがマウントされていることが必要なだけである．
    このマネージャはプライベートの名前空間内で cgroup の階層構造をマウントし，デフォルトを設定する
    (clone_children, use_hierarchy, sane_behavior, release_agent?)
    
  . A client (requestor 'r') can make cgroup requests over
    /sys/fs/cgroup/manager using dbus calls.  Detailed privilege
    requirements for r are listed below.
    
  . クライアント (requestor 'r') は dbus 呼び出しを使って /sys/fs/cgroup/manager 経由で cgroup リクエストを作成可能である．
    r に対する詳細な特権の要求事項は以下に述べる．
    
  . The client request will pertain an existing or new cgroup A.  r's
    privilege over the cgroup must be checked.  r is said to have
    privilege over A if A is owned by r's uid, or if A's owner is mapped
    into r's user namespace, and r is root in that user namespace.
    
  * クライアントリクエストは既存または新しい cgroup A に関係する．r の
    cgroup に対する特権はチェックしなければならない．r は，もし A が r
    の uid の所有である場合は A に対する特権を持つと考えられている．も
    しくはもし A のオーナーは r のユーザ名前空間にマップされている場合，
    r はそのユーザ名前空間内では root となる．
    
  . The client request may pertain a victim task v, which may be moved
    to a new cgroup.  In that case r's privilege over both the cgroup
    and v must be checked.  r is said to have privilege over v if v
    is mapped in r's pid namespace, v's uid is mapped into r's user ns,
    and r is root in its userns.  Or if r and v have the same uid
    and v is mapped in r's pid namespace.
    
  * クライアントリクエストは，新しいグループに移動する対象のタスク v に
    関係するかもしれない．この場合，両方の cgroup に対する r の特権と v
    はチェックする必要がある．もし v が r の PID 名前空間にマップされて
    おり，v の uid が r のユーザ名前空間にマップされており，r がそのユー
    ザ名前空間内で root であるのなら v に対する特権を持っていると考えら
    れる．もしくは，もし r と v が同じ uid で，v が r の PID 名前空間に
    マップされている場合も．
 
  . r's credentials will be taken from socket's peercred, ensuring that
    pid and uid are translated.

  * r の認証情報はソケットの peercred から継承し，pid と uid が変換され
    ることを保証する．

  . r passes PID(v) as a SCM_CREDENTIAL, so that cgmanager receives the
    translated global pid.  It will then read UID(v) from /proc/PID(v)/status,
    which is the global uid, and check /proc/PID(r)/uid_map to see whether
    UID is mapped there.

  * r は PID(v) を SCM_CREDENTIAL として渡す．そして cgmanager は変換
    されたグローバルな pid を受け取る．そして，/proc/PID(v)/status か
    ら UID(v) を読み取る．これはグローバルな uid である．そして，UID
    がそこにマップされているかどうかを見るために /proc/PID(r)/uid_map
    をチェックする．

  . dbus-send can be enhanced to send a pid as SCM_CREDENTIAL to have
    the kernel translate it for the reader.  Only 'move task v to cgroup
    A' will require a SCM_CREDENTIAL to be sent.
    
  * dbus-send は，Reader のためにカーネルに (TODO: 何を?) 変換させるた
    めに SCM_CREDENTIAL として pid を送るように改良することが可能であ
    る．


Privilege requirements by action:
    * Requestor of an action (r) over a socket may only make
      changes to cgroups over which it has privilege.

    * ソケットを通してのアクション (r) の要求元は，持っている特権を通し
      て cgroup に変更を加えるだけだけかもしれない．

    * Requestors may be limited to a certain #/depth of cgroups
      (to limit memory usage) - DEFER?

    * 要求元は (メモリ消費を制限するために) cgroup の深さをある程度に制
      限するかもしれない - 保留?

    * Cgroup hierarchy is responsible for resource limits

    * cgroup の階層構造は，リソース制限に対して責任を持つ

    * A requestor must either be uid 0 in its userns with victim mapped
      ito its userns, or the same uid and in same/ancestor pidns as the
      victim
      
    * 要求元は，その userns にマップされた対象と共に，その userns 内で
      uid 0 でなければならないか，もしくは対象と同じか同じ祖先の pidns
      内にいて，同じ uid でなければならない．
      
    * If r requests creation of cgroup '/x', /x will be interpreted
      as relative to r's cgroup.  r cannot make changes to cgroups not
      under its own current cgroup.

    * r が cgroup /x の作成をリクエストした場合，/x は r の cgroup か
      らの相対パスに変換される．r は自身のカレント cgroup 以下の
      cgroup に変更を加えることはできない．

    * If r is not in the initial user_ns, then it may not change settings
      in its own cgroup, only descendants.  (Not strictly necessary -
      we could require the use of extra cgroups when wanted, as lxc does
      currently)

    * r が初期 userns 内にいない場合，自身の cgroup 内の設定を変えられ
      ず，子孫だけを変えられるかもしれない (厳密に必要ではない．現在
      lxc でやっているように，必要な時に特別な cgroup の使用が必要にな
      ることもあり得る)

    * If r requests creation of cgroup '/x', it must have write access
      to its own cgroup  (not strictly necessary)

    * r が cgroup /x の作成をリクエストした場合，自身の cgroup に対す
      る書き込み権を持っていなければならない (厳密に必要ではない)

    * If r requests chown of cgroup /x to uid Y, Y is passed in a
      ucred over the unix socket, and therefore translated to init
      userns.

    * r が cgroup /x に対して uid Y への chown をリクエストした場合，Y
      は Unix socket 経由で ucred に渡される．そのため，init userns に
      変換される．

    * if r requests setting a limit under /x, then
      . either r must be root in its own userns, and UID(/x) be mapped
        into its userns, or else UID(r) == UID(/x)
      . /x must not be / (not strictly necessary, all users know to
        ensure an extra cgroup layer above '/')
      . setns(UIDNS(r)) would not work, due to in-kernel capable() checks
        which won't be satisfied.  Therefore we'll need to do privilege
        checks ourselves, then perform the write as the host root user.
        (see devices.allow/deny).  Further we need to support older kernels
        which don't support setns for pid.

    * r が /x 以下の制限を設定するリクエストをした場合，
      - r は自身の userns で root であり，UID(/x) がその userns 内でマッ
        ピングされていなければならないか，UID(r) == UID(/x) でなければ
        ならないかのどちらかである．
      - /x は / であってはならない (厳密に必要ではない．全てのユーザが
        / が cgroup の特別なレイヤーであることを知っている)
      - setns(UIDNS(r)) が動かない．これはカーネル内の capable() チェッ
        クを満たさないためである．それゆえ，特権チェックを我々自身が行
        う必要がある．そして，ホストの root ユーザとして書き込みを行う
        (see devices.allow/deny)．さらに，我々は pid に対する setns が
        できない古いカーネルをサポートする必要がある．

    * If r requests action on victim V, it passes V's pid in a ucred,
      so that gets translated.
      Daemon will verify that V's uid is mapped into r's userns.  Since
      r is either root or the same uid as V, it is allowed to classify.

The above addresses
    * creating cgroups
    * chowning cgroups
    * setting cgroup limits
    * moving tasks into cgroups
  . but does not address a 'cgexec <group> -- command' type of behavior.
    * To handle that (specifically for upstart), recommend that r do:
      if (!pid) {
        request_reclassify(cgroup, getpid());
        do_execve();
      }
  . alternatively, the daemon could, if kernel is new enough, setns to
    the requestor's namespaces to execute a command in a new cgroup.
    The new command would be daemonized to that pid namespaces' pid 1.

Types of requests:
  * r requests creating cgroup A'/A
    . lmctfy/cli/commands/create.cc
    . Verify that UID(r) mapped to 0 in r's userns
    . R=cgroup_of(r)
    . Verify that UID(R) is mapped into r's userns
    . Create R/A'/A
    . chown R/A'/A to UID(r)
  * r requests to move task x to cgroup A.
    . lmctfy/cli/commands/enter.cc
    . r must send PID(x) as ancillary message
    . Verify that UID(r) mapped to 0 in r's userns, and UID(x) is mapped into
      that userns
      (is it safe to allow if UID(x) == UID(r))?
    . R=cgroup_of(r)
    . Verify that R/A is owned by UID(r) or UID(x)?  (not sure that's needed)
    . echo PID(x) >> /R/A/tasks
  * r requests chown of cgroup A to uid X
    . X is passed in ancillary message
      * ensures it is valid in r's userns
      * maps the userid to host for us
    . Verify that UID(r) mapped to 0 in r's userns
    . R=cgroup_of(r)
    . Chown R/A to X
  * r requests cgroup A's 'property=value'
    . Verify that either
      * A != ''
      * UID(r) == 0 on host
      In other words, r in a userns may not set root cgroup settings.
    . Verify that UID(r) mapped to 0 in r's userns
    . R=cgroup_of(r)
    . Set property=value for R/A
      * Expect kernel to guarantee hierarchical constraints
  * r requests deletion of cgroup A
    . lmctfy/cli/commands/destroy.cc (without -f)
    . same requirements as setting 'property=value'
  * r requests purge of cgroup A
    . lmctfy/cli/commands/destroy.cc (with -f)
    . same requirements as setting 'property=value'

Long-term we will want the cgroup manager to become more intelligent -
to place its own limits on clients, to address cpu and device hotplug,
etc.  Since we will not be doing that in the first prototype, the daemon
will not keep any state about the clients.

Client DBus Message API

<name>: a-zA-Z0-9
<name>: "a-zA-Z0-9 "
<controllerlist>: <controller1>[:controllerlist]
<valueentry>: key:value
<valueentry>: frozen
<valueentry>: thawed
<values>: valueentry[:values]
keys:
	{memory,swap}.{limit,soft_limit}
	cpus_allowed  # set of allowed cpus
	cpus_fraction # % of allowed cpus
	cpus_number   # number of allowed cpus
	cpu_share_percent   # percent of cpushare
	devices_whitelist
	devices_blacklist
	net_prio_index
	net_prio_interface_map
	net_classid
	hugetlb_limit
	blkio_weight
	blkio_weight_device
	blkio_throttle_{read,write}
readkeys:
	devices_list
	{memory,swap}.{failcnt,max_use,limitnuma_stat}
	hugetlb_max_usage
	hugetlb_usage
	hugetlb_failcnt
	cpuacct_stat
	<etc>
Commands:
	ListControllers
	Create <name> <controllerlist> <values>
	Setvalue <name> <values>
	Getvalue <name> <readkeys>
	ListChildren <name>
	ListTasks <name>
	ListControllers <name>
	Chown <name> <uid>
	Chown <name> <uid>:<gid>
	Move <pid> <name>  [[ pid is sent as a SCM_CREDENTIAL ]]
	Delete <name>
	Delete-force <name>
	Kill <name>