XDC 2025

Já faz um bom tempo desde a minha última publicação por aqui. Como este foi um ano de mudanças colossais para mim, talvez seja hora de fazer algo diferente com este blog e publicar algo só para variar um pouco, então por que não começar a falar sobre a XDC 2025?

Este ano, participei da XDC 2025 em Viena como desenvolvedor da Igalia. Fiquei muito feliz em rever alguns colegas com quem trabalhei no passado e outros com quem trabalho atualmente. Tive a oportunidade de conversar com algumas pessoas com quem trabalhei na AMD (Harry, Alex, Leo, Christian, Shashank e Pierre), muitos membros da Igalia (Žan, Job, Ricardo, Paulo, Tvrtko e muitos outros) e alguns desenvolvedores da Valve. Em particular, conheci o Tímur pessoalmente pela primeira vez, embora já estivéssemos conversando há meses sobre recuperação de GPU. Aliás, falando em recuperação de GPU, realizamos um workshop sobre esse tema juntos.

O workshop estava lotado de desenvolvedores de diferentes empresas, o que foi ótimo, pois adicionou diferentes perspectivas ao tema. Iniciamos nossa discussão focando no tópico de reenvio de tarefas (job resubmission). Christian começou compartilhando um breve histórico de como o driver AMDGPU passou a lidar com o reenvio e os problemas associados a tal tarefa. Após aprender com a experiência anterior, a AMDGPU acabou adotando a seguinte abordagem:

1. Quando uma tarefa causar um engasgo no sistema (hang), chame o manipulador específico do driver para lidar com essa situação.
2. Pare o escalonador.
3. Copie todas as tarefas do buffer circular, exceto a tarefa que causou o problema, para um buffer circular temporário.
4. Reinicie o buffer circular.
5. Copie as outras tarefas de volta para o buffer circular.
6. Retome o escalonador.

Abaixo, você pode ver uma série crucial associada à implementação de recuperação do amdgpu:

• https://lore.kernel.org/amd-gfx/20250701184451.11868-1-alexander.deucher@amd.com/T/#m5df543b5cbbdc31e2834c955d1e3e30b939cb77

O próximo tópico foi uma discussão sobre a substituição do drm_sched_resubmit_jobs(), visto que essa função foi descontinuada. Apenas alguns drivers ainda a utilizam e precisam de uma alternativa. Surgiram algumas ideias para extrair parte da implementação específica de alguns drivers e transformá-la em uma função genérica. No dia seguinte, Philipp Stanner continuou a discussão sobre esse tópico em seu workshop, DRM GPU Scheduler.

Outro tópico crucial discutido foi a melhoria da capacidade de depuração do reset da GPU para identificar quais operações causam o travamento (lembrando que a recuperação da GPU é um paliativo, não a solução definitiva). Os desenvolvedores da Intel compartilharam sua estratégia para lidar com isso, obtendo dicas do espaço do usuário, o que os ajudou a fornecer um conjunto melhor de informações para adicionar ao devcoredump. A AMD poderia adotar essa prática, juntamente com o despejo dos dados do IB no devcoredump (já estou investigando isso).

Por fim, discutimos estratégias para evitar regressões devido a travamentos. Em resumo, temos duas linhas de defesa:

• IGT: No nível IGT, podemos ter mais testes que inserem instruções maliciosas no buffer circular, forçando o driver a um estado inválido e acionando o processo de recuperação.
• Conjunto de testes HangTest: O conjunto de testes HangTest é uma ferramenta que simula possíveis travamentos usando Vulkan. Alguns testes já estão disponíveis neste conjunto, mas devemos explorar combinações mais criativas para tentar provocar travamentos.

Este ano, como sempre, a XDC foi incrível, repleta de apresentações interessantes que recomendo a todos. Se tiver interesse, confira a agenda e as gravações das apresentações disponíveis no Canal do Youtube da X.Org Foundation. Enfim, espero que este post marque o início de uma nova era para este site, onde começarei a publicar mais conteúdo, desde atualizações a tutoriais. Até breve.