drivers/gpu/drm/amd/amdgpu/amdgpu_ras.c

   1 /*
   2  * Copyright 2018 Advanced Micro Devices, Inc.
   3  *
   4  * Permission is hereby granted, free of charge, to any person obtaining a
   5  * copy of this software and associated documentation files (the "Software"),
   6  * to deal in the Software without restriction, including without limitation
   7  * the rights to use, copy, modify, merge, publish, distribute, sublicense,
   8  * and/or sell copies of the Software, and to permit persons to whom the
   9  * Software is furnished to do so, subject to the following conditions:
  10  *
  11  * The above copyright notice and this permission notice shall be included in
  12  * all copies or substantial portions of the Software.
  13  *
  14  * THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
  15  * IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
  16  * FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT.  IN NO EVENT SHALL
  17  * THE COPYRIGHT HOLDER(S) OR AUTHOR(S) BE LIABLE FOR ANY CLAIM, DAMAGES OR
  18  * OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE,
  19  * ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR
  20  * OTHER DEALINGS IN THE SOFTWARE.
  21  *
  22  *
  23  */
  24 #include <linux/debugfs.h>
  25 #include <linux/list.h>
  26 #include <linux/module.h>
  27 #include <linux/uaccess.h>
  28 #include <linux/reboot.h>
  29 #include <linux/syscalls.h>
  30
  31 #include "amdgpu.h"
  32 #include "amdgpu_ras.h"
  33 #include "amdgpu_atomfirmware.h"
  34 #include "amdgpu_xgmi.h"
  35 #include "ivsrcid/nbio/irqsrcs_nbif_7_4.h"
  36
  37 const char *ras_error_string[] = {
  38         "none",
  39         "parity",
  40         "single_correctable",
  41         "multi_uncorrectable",
  42         "poison",
  43 };
  44
  45 const char *ras_block_string[] = {
  46         "umc",
  47         "sdma",
  48         "gfx",
  49         "mmhub",
  50         "athub",
  51         "pcie_bif",
  52         "hdp",
  53         "xgmi_wafl",
  54         "df",
  55         "smn",
  56         "sem",
  57         "mp0",
  58         "mp1",
  59         "fuse",
  60 };
  61
  62 #define ras_err_str(i) (ras_error_string[ffs(i)])
  63 #define ras_block_str(i) (ras_block_string[i])
  64
  65 #define AMDGPU_RAS_FLAG_INIT_BY_VBIOS           1
  66 #define AMDGPU_RAS_FLAG_INIT_NEED_RESET         2
  67 #define RAS_DEFAULT_FLAGS (AMDGPU_RAS_FLAG_INIT_BY_VBIOS)
  68
  69 /* inject address is 52 bits */
  70 #define RAS_UMC_INJECT_ADDR_LIMIT       (0x1ULL << 52)
  71
  72 enum amdgpu_ras_retire_page_reservation {
  73         AMDGPU_RAS_RETIRE_PAGE_RESERVED,
  74         AMDGPU_RAS_RETIRE_PAGE_PENDING,
  75         AMDGPU_RAS_RETIRE_PAGE_FAULT,
  76 };
  77
  78 atomic_t amdgpu_ras_in_intr = ATOMIC_INIT(0);
  79
  80 static bool amdgpu_ras_check_bad_page(struct amdgpu_device *adev,
  81                                 uint64_t addr);
  82
  83 void amdgpu_ras_set_error_query_ready(struct amdgpu_device *adev, bool ready)
  84 {
  85         if (adev && amdgpu_ras_get_context(adev))
  86                 amdgpu_ras_get_context(adev)->error_query_ready = ready;
  87 }
  88
  89 bool amdgpu_ras_get_error_query_ready(struct amdgpu_device *adev)
  90 {
  91         if (adev && amdgpu_ras_get_context(adev))
  92                 return amdgpu_ras_get_context(adev)->error_query_ready;
  93
  94         return false;
  95 }
  96
  97 static ssize_t amdgpu_ras_debugfs_read(struct file *f, char __user *buf,
  98                                         size_t size, loff_t *pos)
  99 {
 100         struct ras_manager *obj = (struct ras_manager *)file_inode(f)->i_private;
 101         struct ras_query_if info = {
 102                 .head = obj->head,
 103         };
 104         ssize_t s;
 105         char val[128];
 106
 107         if (amdgpu_ras_error_query(obj->adev, &info))
 108                 return -EINVAL;
 109
 110         s = snprintf(val, sizeof(val), "%s: %lu\n%s: %lu\n",
 111                         "ue", info.ue_count,
 112                         "ce", info.ce_count);
 113         if (*pos >= s)
 114                 return 0;
 115
 116         s -= *pos;
 117         s = min_t(u64, s, size);
 118
 119
 120         if (copy_to_user(buf, &val[*pos], s))
 121                 return -EINVAL;
 122
 123         *pos += s;
 124
 125         return s;
 126 }
 127
 128 static const struct file_operations amdgpu_ras_debugfs_ops = {
 129         .owner = THIS_MODULE,
 130         .read = amdgpu_ras_debugfs_read,
 131         .write = NULL,
 132         .llseek = default_llseek
 133 };
 134
 135 static int amdgpu_ras_find_block_id_by_name(const char *name, int *block_id)
 136 {
 137         int i;
 138
 139         for (i = 0; i < ARRAY_SIZE(ras_block_string); i++) {
 140                 *block_id = i;
 141                 if (strcmp(name, ras_block_str(i)) == 0)
 142                         return 0;
 143         }
 144         return -EINVAL;
 145 }
 146
 147 static int amdgpu_ras_debugfs_ctrl_parse_data(struct file *f,
 148                 const char __user *buf, size_t size,
 149                 loff_t *pos, struct ras_debug_if *data)
 150 {
 151         ssize_t s = min_t(u64, 64, size);
 152         char str[65];
 153         char block_name[33];
 154         char err[9] = "ue";
 155         int op = -1;
 156         int block_id;
 157         uint32_t sub_block;
 158         u64 address, value;
 159
 160         if (*pos)
 161                 return -EINVAL;
 162         *pos = size;
 163
 164         memset(str, 0, sizeof(str));
 165         memset(data, 0, sizeof(*data));
 166
 167         if (copy_from_user(str, buf, s))
 168                 return -EINVAL;
 169
 170         if (sscanf(str, "disable %32s", block_name) == 1)
 171                 op = 0;
 172         else if (sscanf(str, "enable %32s %8s", block_name, err) == 2)
 173                 op = 1;
 174         else if (sscanf(str, "inject %32s %8s", block_name, err) == 2)
 175                 op = 2;
 176         else if (str[0] && str[1] && str[2] && str[3])
 177                 /* ascii string, but commands are not matched. */
 178                 return -EINVAL;
 179
 180         if (op != -1) {
 181                 if (amdgpu_ras_find_block_id_by_name(block_name, &block_id))
 182                         return -EINVAL;
 183
 184                 data->head.block = block_id;
 185                 /* only ue and ce errors are supported */
 186                 if (!memcmp("ue", err, 2))
 187                         data->head.type = AMDGPU_RAS_ERROR__MULTI_UNCORRECTABLE;
 188                 else if (!memcmp("ce", err, 2))
 189                         data->head.type = AMDGPU_RAS_ERROR__SINGLE_CORRECTABLE;
 190                 else
 191                         return -EINVAL;
 192
 193                 data->op = op;
 194
 195                 if (op == 2) {
 196                         if (sscanf(str, "%*s %*s %*s %u %llu %llu",
 197                                                 &sub_block, &address, &value) != 3)
 198                                 if (sscanf(str, "%*s %*s %*s 0x%x 0x%llx 0x%llx",
 199                                                         &sub_block, &address, &value) != 3)
 200                                         return -EINVAL;
 201                         data->head.sub_block_index = sub_block;
 202                         data->inject.address = address;
 203                         data->inject.value = value;
 204                 }
 205         } else {
 206                 if (size < sizeof(*data))
 207                         return -EINVAL;
 208
 209                 if (copy_from_user(data, buf, sizeof(*data)))
 210                         return -EINVAL;
 211         }
 212
 213         return 0;
 214 }
 215
 216 /**
 217  * DOC: AMDGPU RAS debugfs control interface
 218  *
 219  * It accepts struct ras_debug_if who has two members.
 220  *
 221  * First member: ras_debug_if::head or ras_debug_if::inject.
 222  *
 223  * head is used to indicate which IP block will be under control.
 224  *
 225  * head has four members, they are block, type, sub_block_index, name.
 226  * block: which IP will be under control.
 227  * type: what kind of error will be enabled/disabled/injected.
 228  * sub_block_index: some IPs have subcomponets. say, GFX, sDMA.
 229  * name: the name of IP.
 230  *
 231  * inject has two more members than head, they are address, value.
 232  * As their names indicate, inject operation will write the
 233  * value to the address.
 234  *
 235  * The second member: struct ras_debug_if::op.
 236  * It has three kinds of operations.
 237  *
 238  * - 0: disable RAS on the block. Take ::head as its data.
 239  * - 1: enable RAS on the block. Take ::head as its data.
 240  * - 2: inject errors on the block. Take ::inject as its data.
 241  *
 242  * How to use the interface?
 243  *
 244  * Programs
 245  *
 246  * Copy the struct ras_debug_if in your codes and initialize it.
 247  * Write the struct to the control node.
 248  *
 249  * Shells
 250  *
 251  * .. code-block:: bash
 252  *
 253  *      echo op block [error [sub_block address value]] > .../ras/ras_ctrl
 254  *
 255  * Parameters:
 256  *
 257  * op: disable, enable, inject
 258  *      disable: only block is needed
 259  *      enable: block and error are needed
 260  *      inject: error, address, value are needed
 261  * block: umc, sdma, gfx, .........
 262  *      see ras_block_string[] for details
 263  * error: ue, ce
 264  *      ue: multi_uncorrectable
 265  *      ce: single_correctable
 266  * sub_block:
 267  *      sub block index, pass 0 if there is no sub block
 268  *
 269  * here are some examples for bash commands:
 270  *
 271  * .. code-block:: bash
 272  *
 273  *      echo inject umc ue 0x0 0x0 0x0 > /sys/kernel/debug/dri/0/ras/ras_ctrl
 274  *      echo inject umc ce 0 0 0 > /sys/kernel/debug/dri/0/ras/ras_ctrl
 275  *      echo disable umc > /sys/kernel/debug/dri/0/ras/ras_ctrl
 276  *
 277  * How to check the result?
 278  *
 279  * For disable/enable, please check ras features at
 280  * /sys/class/drm/card[0/1/2...]/device/ras/features
 281  *
 282  * For inject, please check corresponding err count at
 283  * /sys/class/drm/card[0/1/2...]/device/ras/[gfx/sdma/...]_err_count
 284  *
 285  * .. note::
 286  *      Operations are only allowed on blocks which are supported.
 287  *      Please check ras mask at /sys/module/amdgpu/parameters/ras_mask
 288  *      to see which blocks support RAS on a particular asic.
 289  *
 290  */
 291 static ssize_t amdgpu_ras_debugfs_ctrl_write(struct file *f, const char __user *buf,
 292                 size_t size, loff_t *pos)
 293 {
 294         struct amdgpu_device *adev = (struct amdgpu_device *)file_inode(f)->i_private;
 295         struct ras_debug_if data;
 296         int ret = 0;
 297
 298         if (!amdgpu_ras_get_error_query_ready(adev)) {
 299                 dev_warn(adev->dev, "RAS WARN: error injection "
 300                                 "currently inaccessible\n");
 301                 return size;
 302         }
 303
 304         ret = amdgpu_ras_debugfs_ctrl_parse_data(f, buf, size, pos, &data);
 305         if (ret)
 306                 return -EINVAL;
 307
 308         if (!amdgpu_ras_is_supported(adev, data.head.block))
 309                 return -EINVAL;
 310
 311         switch (data.op) {
 312         case 0:
 313                 ret = amdgpu_ras_feature_enable(adev, &data.head, 0);
 314                 break;
 315         case 1:
 316                 ret = amdgpu_ras_feature_enable(adev, &data.head, 1);
 317                 break;
 318         case 2:
 319                 if ((data.inject.address >= adev->gmc.mc_vram_size) ||
 320                     (data.inject.address >= RAS_UMC_INJECT_ADDR_LIMIT)) {
 321                         ret = -EINVAL;
 322                         break;
 323                 }
 324
 325                 /* umc ce/ue error injection for a bad page is not allowed */
 326                 if ((data.head.block == AMDGPU_RAS_BLOCK__UMC) &&
 327                     amdgpu_ras_check_bad_page(adev, data.inject.address)) {
 328                         dev_warn(adev->dev, "RAS WARN: 0x%llx has been marked "
 329                                         "as bad before error injection!\n",
 330                                         data.inject.address);
 331                         break;
 332                 }
 333
 334                 /* data.inject.address is offset instead of absolute gpu address */
 335                 ret = amdgpu_ras_error_inject(adev, &data.inject);
 336                 break;
 337         default:
 338                 ret = -EINVAL;
 339                 break;
 340         }
 341
 342         if (ret)
 343                 return -EINVAL;
 344
 345         return size;
 346 }
 347
 348 /**
 349  * DOC: AMDGPU RAS debugfs EEPROM table reset interface
 350  *
 351  * Some boards contain an EEPROM which is used to persistently store a list of
 352  * bad pages which experiences ECC errors in vram.  This interface provides
 353  * a way to reset the EEPROM, e.g., after testing error injection.
 354  *
 355  * Usage:
 356  *
 357  * .. code-block:: bash
 358  *
 359  *      echo 1 > ../ras/ras_eeprom_reset
 360  *
 361  * will reset EEPROM table to 0 entries.
 362  *
 363  */
 364 static ssize_t amdgpu_ras_debugfs_eeprom_write(struct file *f, const char __user *buf,
 365                 size_t size, loff_t *pos)
 366 {
 367         struct amdgpu_device *adev = (struct amdgpu_device *)file_inode(f)->i_private;
 368         int ret;
 369
 370         ret = amdgpu_ras_eeprom_reset_table(&adev->psp.ras.ras->eeprom_control);
 371
 372         return ret == 1 ? size : -EIO;
 373 }
 374
 375 static const struct file_operations amdgpu_ras_debugfs_ctrl_ops = {
 376         .owner = THIS_MODULE,
 377         .read = NULL,
 378         .write = amdgpu_ras_debugfs_ctrl_write,
 379         .llseek = default_llseek
 380 };
 381
 382 static const struct file_operations amdgpu_ras_debugfs_eeprom_ops = {
 383         .owner = THIS_MODULE,
 384         .read = NULL,
 385         .write = amdgpu_ras_debugfs_eeprom_write,
 386         .llseek = default_llseek
 387 };
 388
 389 /**
 390  * DOC: AMDGPU RAS sysfs Error Count Interface
 391  *
 392  * It allows the user to read the error count for each IP block on the gpu through
 393  * /sys/class/drm/card[0/1/2...]/device/ras/[gfx/sdma/...]_err_count
 394  *
 395  * It outputs the multiple lines which report the uncorrected (ue) and corrected
 396  * (ce) error counts.
 397  *
 398  * The format of one line is below,
 399  *
 400  * [ce|ue]: count
 401  *
 402  * Example:
 403  *
 404  * .. code-block:: bash
 405  *
 406  *      ue: 0
 407  *      ce: 1
 408  *
 409  */
 410 static ssize_t amdgpu_ras_sysfs_read(struct device *dev,
 411                 struct device_attribute *attr, char *buf)
 412 {
 413         struct ras_manager *obj = container_of(attr, struct ras_manager, sysfs_attr);
 414         struct ras_query_if info = {
 415                 .head = obj->head,
 416         };
 417
 418         if (!amdgpu_ras_get_error_query_ready(obj->adev))
 419                 return snprintf(buf, PAGE_SIZE,
 420                                 "Query currently inaccessible\n");
 421
 422         if (amdgpu_ras_error_query(obj->adev, &info))
 423                 return -EINVAL;
 424
 425         return snprintf(buf, PAGE_SIZE, "%s: %lu\n%s: %lu\n",
 426                         "ue", info.ue_count,
 427                         "ce", info.ce_count);
 428 }
 429
 430 /* obj begin */
 431
 432 #define get_obj(obj) do { (obj)->use++; } while (0)
 433 #define alive_obj(obj) ((obj)->use)
 434
 435 static inline void put_obj(struct ras_manager *obj)
 436 {
 437         if (obj && --obj->use == 0)
 438                 list_del(&obj->node);
 439         if (obj && obj->use < 0) {
 440                  DRM_ERROR("RAS ERROR: Unbalance obj(%s) use\n", obj->head.name);
 441         }
 442 }
 443
 444 /* make one obj and return it. */
 445 static struct ras_manager *amdgpu_ras_create_obj(struct amdgpu_device *adev,
 446                 struct ras_common_if *head)
 447 {
 448         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
 449         struct ras_manager *obj;
 450
 451         if (!con)
 452                 return NULL;
 453
 454         if (head->block >= AMDGPU_RAS_BLOCK_COUNT)
 455                 return NULL;
 456
 457         obj = &con->objs[head->block];
 458         /* already exist. return obj? */
 459         if (alive_obj(obj))
 460                 return NULL;
 461
 462         obj->head = *head;
 463         obj->adev = adev;
 464         list_add(&obj->node, &con->head);
 465         get_obj(obj);
 466
 467         return obj;
 468 }
 469
 470 /* return an obj equal to head, or the first when head is NULL */
 471 struct ras_manager *amdgpu_ras_find_obj(struct amdgpu_device *adev,
 472                 struct ras_common_if *head)
 473 {
 474         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
 475         struct ras_manager *obj;
 476         int i;
 477
 478         if (!con)
 479                 return NULL;
 480
 481         if (head) {
 482                 if (head->block >= AMDGPU_RAS_BLOCK_COUNT)
 483                         return NULL;
 484
 485                 obj = &con->objs[head->block];
 486
 487                 if (alive_obj(obj)) {
 488                         WARN_ON(head->block != obj->head.block);
 489                         return obj;
 490                 }
 491         } else {
 492                 for (i = 0; i < AMDGPU_RAS_BLOCK_COUNT; i++) {
 493                         obj = &con->objs[i];
 494                         if (alive_obj(obj)) {
 495                                 WARN_ON(i != obj->head.block);
 496                                 return obj;
 497                         }
 498                 }
 499         }
 500
 501         return NULL;
 502 }
 503 /* obj end */
 504
 505 void amdgpu_ras_parse_status_code(struct amdgpu_device* adev,
 506                                   const char*           invoke_type,
 507                                   const char*           block_name,
 508                                   enum ta_ras_status    ret)
 509 {
 510         switch (ret) {
 511         case TA_RAS_STATUS__SUCCESS:
 512                 return;
 513         case TA_RAS_STATUS__ERROR_RAS_NOT_AVAILABLE:
 514                 dev_warn(adev->dev,
 515                         "RAS WARN: %s %s currently unavailable\n",
 516                         invoke_type,
 517                         block_name);
 518                 break;
 519         default:
 520                 dev_err(adev->dev,
 521                         "RAS ERROR: %s %s error failed ret 0x%X\n",
 522                         invoke_type,
 523                         block_name,
 524                         ret);
 525         }
 526 }
 527
 528 /* feature ctl begin */
 529 static int amdgpu_ras_is_feature_allowed(struct amdgpu_device *adev,
 530                 struct ras_common_if *head)
 531 {
 532         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
 533
 534         return con->hw_supported & BIT(head->block);
 535 }
 536
 537 static int amdgpu_ras_is_feature_enabled(struct amdgpu_device *adev,
 538                 struct ras_common_if *head)
 539 {
 540         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
 541
 542         return con->features & BIT(head->block);
 543 }
 544
 545 /*
 546  * if obj is not created, then create one.
 547  * set feature enable flag.
 548  */
 549 static int __amdgpu_ras_feature_enable(struct amdgpu_device *adev,
 550                 struct ras_common_if *head, int enable)
 551 {
 552         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
 553         struct ras_manager *obj = amdgpu_ras_find_obj(adev, head);
 554
 555         /* If hardware does not support ras, then do not create obj.
 556          * But if hardware support ras, we can create the obj.
 557          * Ras framework checks con->hw_supported to see if it need do
 558          * corresponding initialization.
 559          * IP checks con->support to see if it need disable ras.
 560          */
 561         if (!amdgpu_ras_is_feature_allowed(adev, head))
 562                 return 0;
 563         if (!(!!enable ^ !!amdgpu_ras_is_feature_enabled(adev, head)))
 564                 return 0;
 565
 566         if (enable) {
 567                 if (!obj) {
 568                         obj = amdgpu_ras_create_obj(adev, head);
 569                         if (!obj)
 570                                 return -EINVAL;
 571                 } else {
 572                         /* In case we create obj somewhere else */
 573                         get_obj(obj);
 574                 }
 575                 con->features |= BIT(head->block);
 576         } else {
 577                 if (obj && amdgpu_ras_is_feature_enabled(adev, head)) {
 578                         con->features &= ~BIT(head->block);
 579                         put_obj(obj);
 580                 }
 581         }
 582
 583         return 0;
 584 }
 585
 586 /* wrapper of psp_ras_enable_features */
 587 int amdgpu_ras_feature_enable(struct amdgpu_device *adev,
 588                 struct ras_common_if *head, bool enable)
 589 {
 590         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
 591         union ta_ras_cmd_input *info;
 592         int ret;
 593
 594         if (!con)
 595                 return -EINVAL;
 596
 597         info = kzalloc(sizeof(union ta_ras_cmd_input), GFP_KERNEL);
 598         if (!info)
 599                 return -ENOMEM;
 600
 601         if (!enable) {
 602                 info->disable_features = (struct ta_ras_disable_features_input) {
 603                         .block_id =  amdgpu_ras_block_to_ta(head->block),
 604                         .error_type = amdgpu_ras_error_to_ta(head->type),
 605                 };
 606         } else {
 607                 info->enable_features = (struct ta_ras_enable_features_input) {
 608                         .block_id =  amdgpu_ras_block_to_ta(head->block),
 609                         .error_type = amdgpu_ras_error_to_ta(head->type),
 610                 };
 611         }
 612
 613         /* Do not enable if it is not allowed. */
 614         WARN_ON(enable && !amdgpu_ras_is_feature_allowed(adev, head));
 615         /* Are we alerady in that state we are going to set? */
 616         if (!(!!enable ^ !!amdgpu_ras_is_feature_enabled(adev, head))) {
 617                 ret = 0;
 618                 goto out;
 619         }
 620
 621         if (!amdgpu_ras_intr_triggered()) {
 622                 ret = psp_ras_enable_features(&adev->psp, info, enable);
 623                 if (ret) {
 624                         amdgpu_ras_parse_status_code(adev,
 625                                                      enable ? "enable":"disable",
 626                                                      ras_block_str(head->block),
 627                                                     (enum ta_ras_status)ret);
 628                         if (ret == TA_RAS_STATUS__RESET_NEEDED)
 629                                 ret = -EAGAIN;
 630                         else
 631                                 ret = -EINVAL;
 632
 633                         goto out;
 634                 }
 635         }
 636
 637         /* setup the obj */
 638         __amdgpu_ras_feature_enable(adev, head, enable);
 639         ret = 0;
 640 out:
 641         kfree(info);
 642         return ret;
 643 }
 644
 645 /* Only used in device probe stage and called only once. */
 646 int amdgpu_ras_feature_enable_on_boot(struct amdgpu_device *adev,
 647                 struct ras_common_if *head, bool enable)
 648 {
 649         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
 650         int ret;
 651
 652         if (!con)
 653                 return -EINVAL;
 654
 655         if (con->flags & AMDGPU_RAS_FLAG_INIT_BY_VBIOS) {
 656                 if (enable) {
 657                         /* There is no harm to issue a ras TA cmd regardless of
 658                          * the currecnt ras state.
 659                          * If current state == target state, it will do nothing
 660                          * But sometimes it requests driver to reset and repost
 661                          * with error code -EAGAIN.
 662                          */
 663                         ret = amdgpu_ras_feature_enable(adev, head, 1);
 664                         /* With old ras TA, we might fail to enable ras.
 665                          * Log it and just setup the object.
 666                          * TODO need remove this WA in the future.
 667                          */
 668                         if (ret == -EINVAL) {
 669                                 ret = __amdgpu_ras_feature_enable(adev, head, 1);
 670                                 if (!ret)
 671                                         dev_info(adev->dev,
 672                                                 "RAS INFO: %s setup object\n",
 673                                                 ras_block_str(head->block));
 674                         }
 675                 } else {
 676                         /* setup the object then issue a ras TA disable cmd.*/
 677                         ret = __amdgpu_ras_feature_enable(adev, head, 1);
 678                         if (ret)
 679                                 return ret;
 680
 681                         ret = amdgpu_ras_feature_enable(adev, head, 0);
 682                 }
 683         } else
 684                 ret = amdgpu_ras_feature_enable(adev, head, enable);
 685
 686         return ret;
 687 }
 688
 689 static int amdgpu_ras_disable_all_features(struct amdgpu_device *adev,
 690                 bool bypass)
 691 {
 692         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
 693         struct ras_manager *obj, *tmp;
 694
 695         list_for_each_entry_safe(obj, tmp, &con->head, node) {
 696                 /* bypass psp.
 697                  * aka just release the obj and corresponding flags
 698                  */
 699                 if (bypass) {
 700                         if (__amdgpu_ras_feature_enable(adev, &obj->head, 0))
 701                                 break;
 702                 } else {
 703                         if (amdgpu_ras_feature_enable(adev, &obj->head, 0))
 704                                 break;
 705                 }
 706         }
 707
 708         return con->features;
 709 }
 710
 711 static int amdgpu_ras_enable_all_features(struct amdgpu_device *adev,
 712                 bool bypass)
 713 {
 714         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
 715         int ras_block_count = AMDGPU_RAS_BLOCK_COUNT;
 716         int i;
 717         const enum amdgpu_ras_error_type default_ras_type =
 718                 AMDGPU_RAS_ERROR__NONE;
 719
 720         for (i = 0; i < ras_block_count; i++) {
 721                 struct ras_common_if head = {
 722                         .block = i,
 723                         .type = default_ras_type,
 724                         .sub_block_index = 0,
 725                 };
 726                 strcpy(head.name, ras_block_str(i));
 727                 if (bypass) {
 728                         /*
 729                          * bypass psp. vbios enable ras for us.
 730                          * so just create the obj
 731                          */
 732                         if (__amdgpu_ras_feature_enable(adev, &head, 1))
 733                                 break;
 734                 } else {
 735                         if (amdgpu_ras_feature_enable(adev, &head, 1))
 736                                 break;
 737                 }
 738         }
 739
 740         return con->features;
 741 }
 742 /* feature ctl end */
 743
 744 /* query/inject/cure begin */
 745 int amdgpu_ras_error_query(struct amdgpu_device *adev,
 746                 struct ras_query_if *info)
 747 {
 748         struct ras_manager *obj = amdgpu_ras_find_obj(adev, &info->head);
 749         struct ras_err_data err_data = {0, 0, 0, NULL};
 750         int i;
 751
 752         if (!obj)
 753                 return -EINVAL;
 754
 755         switch (info->head.block) {
 756         case AMDGPU_RAS_BLOCK__UMC:
 757                 if (adev->umc.funcs->query_ras_error_count)
 758                         adev->umc.funcs->query_ras_error_count(adev, &err_data);
 759                 /* umc query_ras_error_address is also responsible for clearing
 760                  * error status
 761                  */
 762                 if (adev->umc.funcs->query_ras_error_address)
 763                         adev->umc.funcs->query_ras_error_address(adev, &err_data);
 764                 break;
 765         case AMDGPU_RAS_BLOCK__SDMA:
 766                 if (adev->sdma.funcs->query_ras_error_count) {
 767                         for (i = 0; i < adev->sdma.num_instances; i++)
 768                                 adev->sdma.funcs->query_ras_error_count(adev, i,
 769                                                                         &err_data);
 770                 }
 771                 break;
 772         case AMDGPU_RAS_BLOCK__GFX:
 773                 if (adev->gfx.funcs->query_ras_error_count)
 774                         adev->gfx.funcs->query_ras_error_count(adev, &err_data);
 775                 break;
 776         case AMDGPU_RAS_BLOCK__MMHUB:
 777                 if (adev->mmhub.funcs->query_ras_error_count)
 778                         adev->mmhub.funcs->query_ras_error_count(adev, &err_data);
 779                 break;
 780         case AMDGPU_RAS_BLOCK__PCIE_BIF:
 781                 if (adev->nbio.funcs->query_ras_error_count)
 782                         adev->nbio.funcs->query_ras_error_count(adev, &err_data);
 783                 break;
 784         case AMDGPU_RAS_BLOCK__XGMI_WAFL:
 785                 amdgpu_xgmi_query_ras_error_count(adev, &err_data);
 786                 break;
 787         default:
 788                 break;
 789         }
 790
 791         obj->err_data.ue_count += err_data.ue_count;
 792         obj->err_data.ce_count += err_data.ce_count;
 793
 794         info->ue_count = obj->err_data.ue_count;
 795         info->ce_count = obj->err_data.ce_count;
 796
 797         if (err_data.ce_count) {
 798                 dev_info(adev->dev, "%ld correctable hardware errors "
 799                                         "detected in %s block, no user "
 800                                         "action is needed.\n",
 801                                         obj->err_data.ce_count,
 802                                         ras_block_str(info->head.block));
 803         }
 804         if (err_data.ue_count) {
 805                 dev_info(adev->dev, "%ld uncorrectable hardware errors "
 806                                         "detected in %s block\n",
 807                                         obj->err_data.ue_count,
 808                                         ras_block_str(info->head.block));
 809         }
 810
 811         return 0;
 812 }
 813
 814 /* wrapper of psp_ras_trigger_error */
 815 int amdgpu_ras_error_inject(struct amdgpu_device *adev,
 816                 struct ras_inject_if *info)
 817 {
 818         struct ras_manager *obj = amdgpu_ras_find_obj(adev, &info->head);
 819         struct ta_ras_trigger_error_input block_info = {
 820                 .block_id =  amdgpu_ras_block_to_ta(info->head.block),
 821                 .inject_error_type = amdgpu_ras_error_to_ta(info->head.type),
 822                 .sub_block_index = info->head.sub_block_index,
 823                 .address = info->address,
 824                 .value = info->value,
 825         };
 826         int ret = 0;
 827
 828         if (!obj)
 829                 return -EINVAL;
 830
 831         /* Calculate XGMI relative offset */
 832         if (adev->gmc.xgmi.num_physical_nodes > 1) {
 833                 block_info.address =
 834                         amdgpu_xgmi_get_relative_phy_addr(adev,
 835                                                           block_info.address);
 836         }
 837
 838         switch (info->head.block) {
 839         case AMDGPU_RAS_BLOCK__GFX:
 840                 if (adev->gfx.funcs->ras_error_inject)
 841                         ret = adev->gfx.funcs->ras_error_inject(adev, info);
 842                 else
 843                         ret = -EINVAL;
 844                 break;
 845         case AMDGPU_RAS_BLOCK__UMC:
 846         case AMDGPU_RAS_BLOCK__MMHUB:
 847         case AMDGPU_RAS_BLOCK__XGMI_WAFL:
 848         case AMDGPU_RAS_BLOCK__PCIE_BIF:
 849                 ret = psp_ras_trigger_error(&adev->psp, &block_info);
 850                 break;
 851         default:
 852                 dev_info(adev->dev, "%s error injection is not supported yet\n",
 853                          ras_block_str(info->head.block));
 854                 ret = -EINVAL;
 855         }
 856
 857         amdgpu_ras_parse_status_code(adev,
 858                                      "inject",
 859                                      ras_block_str(info->head.block),
 860                                      (enum ta_ras_status)ret);
 861
 862         return ret;
 863 }
 864
 865 int amdgpu_ras_error_cure(struct amdgpu_device *adev,
 866                 struct ras_cure_if *info)
 867 {
 868         /* psp fw has no cure interface for now. */
 869         return 0;
 870 }
 871
 872 /* get the total error counts on all IPs */
 873 unsigned long amdgpu_ras_query_error_count(struct amdgpu_device *adev,
 874                 bool is_ce)
 875 {
 876         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
 877         struct ras_manager *obj;
 878         struct ras_err_data data = {0, 0};
 879
 880         if (!con)
 881                 return 0;
 882
 883         list_for_each_entry(obj, &con->head, node) {
 884                 struct ras_query_if info = {
 885                         .head = obj->head,
 886                 };
 887
 888                 if (amdgpu_ras_error_query(adev, &info))
 889                         return 0;
 890
 891                 data.ce_count += info.ce_count;
 892                 data.ue_count += info.ue_count;
 893         }
 894
 895         return is_ce ? data.ce_count : data.ue_count;
 896 }
 897 /* query/inject/cure end */
 898
 899
 900 /* sysfs begin */
 901
 902 static int amdgpu_ras_badpages_read(struct amdgpu_device *adev,
 903                 struct ras_badpage **bps, unsigned int *count);
 904
 905 static char *amdgpu_ras_badpage_flags_str(unsigned int flags)
 906 {
 907         switch (flags) {
 908         case AMDGPU_RAS_RETIRE_PAGE_RESERVED:
 909                 return "R";
 910         case AMDGPU_RAS_RETIRE_PAGE_PENDING:
 911                 return "P";
 912         case AMDGPU_RAS_RETIRE_PAGE_FAULT:
 913         default:
 914                 return "F";
 915         };
 916 }
 917
 918 /**
 919  * DOC: AMDGPU RAS sysfs gpu_vram_bad_pages Interface
 920  *
 921  * It allows user to read the bad pages of vram on the gpu through
 922  * /sys/class/drm/card[0/1/2...]/device/ras/gpu_vram_bad_pages
 923  *
 924  * It outputs multiple lines, and each line stands for one gpu page.
 925  *
 926  * The format of one line is below,
 927  * gpu pfn : gpu page size : flags
 928  *
 929  * gpu pfn and gpu page size are printed in hex format.
 930  * flags can be one of below character,
 931  *
 932  * R: reserved, this gpu page is reserved and not able to use.
 933  *
 934  * P: pending for reserve, this gpu page is marked as bad, will be reserved
 935  * in next window of page_reserve.
 936  *
 937  * F: unable to reserve. this gpu page can't be reserved due to some reasons.
 938  *
 939  * Examples:
 940  *
 941  * .. code-block:: bash
 942  *
 943  *      0x00000001 : 0x00001000 : R
 944  *      0x00000002 : 0x00001000 : P
 945  *
 946  */
 947
 948 static ssize_t amdgpu_ras_sysfs_badpages_read(struct file *f,
 949                 struct kobject *kobj, struct bin_attribute *attr,
 950                 char *buf, loff_t ppos, size_t count)
 951 {
 952         struct amdgpu_ras *con =
 953                 container_of(attr, struct amdgpu_ras, badpages_attr);
 954         struct amdgpu_device *adev = con->adev;
 955         const unsigned int element_size =
 956                 sizeof("0xabcdabcd : 0x12345678 : R\n") - 1;
 957         unsigned int start = div64_ul(ppos + element_size - 1, element_size);
 958         unsigned int end = div64_ul(ppos + count - 1, element_size);
 959         ssize_t s = 0;
 960         struct ras_badpage *bps = NULL;
 961         unsigned int bps_count = 0;
 962
 963         memset(buf, 0, count);
 964
 965         if (amdgpu_ras_badpages_read(adev, &bps, &bps_count))
 966                 return 0;
 967
 968         for (; start < end && start < bps_count; start++)
 969                 s += scnprintf(&buf[s], element_size + 1,
 970                                 "0x%08x : 0x%08x : %1s\n",
 971                                 bps[start].bp,
 972                                 bps[start].size,
 973                                 amdgpu_ras_badpage_flags_str(bps[start].flags));
 974
 975         kfree(bps);
 976
 977         return s;
 978 }
 979
 980 static ssize_t amdgpu_ras_sysfs_features_read(struct device *dev,
 981                 struct device_attribute *attr, char *buf)
 982 {
 983         struct amdgpu_ras *con =
 984                 container_of(attr, struct amdgpu_ras, features_attr);
 985
 986         return scnprintf(buf, PAGE_SIZE, "feature mask: 0x%x\n", con->features);
 987 }
 988
 989 static int amdgpu_ras_sysfs_create_feature_node(struct amdgpu_device *adev)
 990 {
 991         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
 992         struct attribute *attrs[] = {
 993                 &con->features_attr.attr,
 994                 NULL
 995         };
 996         struct bin_attribute *bin_attrs[] = {
 997                 &con->badpages_attr,
 998                 NULL
 999         };
1000         struct attribute_group group = {
1001                 .name = "ras",
1002                 .attrs = attrs,
1003                 .bin_attrs = bin_attrs,
1004         };
1005
1006         con->features_attr = (struct device_attribute) {
1007                 .attr = {
1008                         .name = "features",
1009                         .mode = S_IRUGO,
1010                 },
1011                         .show = amdgpu_ras_sysfs_features_read,
1012         };
1013
1014         con->badpages_attr = (struct bin_attribute) {
1015                 .attr = {
1016                         .name = "gpu_vram_bad_pages",
1017                         .mode = S_IRUGO,
1018                 },
1019                 .size = 0,
1020                 .private = NULL,
1021                 .read = amdgpu_ras_sysfs_badpages_read,
1022         };
1023
1024         sysfs_attr_init(attrs[0]);
1025         sysfs_bin_attr_init(bin_attrs[0]);
1026
1027         return sysfs_create_group(&adev->dev->kobj, &group);
1028 }
1029
1030 static int amdgpu_ras_sysfs_remove_feature_node(struct amdgpu_device *adev)
1031 {
1032         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
1033         struct attribute *attrs[] = {
1034                 &con->features_attr.attr,
1035                 NULL
1036         };
1037         struct bin_attribute *bin_attrs[] = {
1038                 &con->badpages_attr,
1039                 NULL
1040         };
1041         struct attribute_group group = {
1042                 .name = "ras",
1043                 .attrs = attrs,
1044                 .bin_attrs = bin_attrs,
1045         };
1046
1047         sysfs_remove_group(&adev->dev->kobj, &group);
1048
1049         return 0;
1050 }
1051
1052 int amdgpu_ras_sysfs_create(struct amdgpu_device *adev,
1053                 struct ras_fs_if *head)
1054 {
1055         struct ras_manager *obj = amdgpu_ras_find_obj(adev, &head->head);
1056
1057         if (!obj || obj->attr_inuse)
1058                 return -EINVAL;
1059
1060         get_obj(obj);
1061
1062         memcpy(obj->fs_data.sysfs_name,
1063                         head->sysfs_name,
1064                         sizeof(obj->fs_data.sysfs_name));
1065
1066         obj->sysfs_attr = (struct device_attribute){
1067                 .attr = {
1068                         .name = obj->fs_data.sysfs_name,
1069                         .mode = S_IRUGO,
1070                 },
1071                         .show = amdgpu_ras_sysfs_read,
1072         };
1073         sysfs_attr_init(&obj->sysfs_attr.attr);
1074
1075         if (sysfs_add_file_to_group(&adev->dev->kobj,
1076                                 &obj->sysfs_attr.attr,
1077                                 "ras")) {
1078                 put_obj(obj);
1079                 return -EINVAL;
1080         }
1081
1082         obj->attr_inuse = 1;
1083
1084         return 0;
1085 }
1086
1087 int amdgpu_ras_sysfs_remove(struct amdgpu_device *adev,
1088                 struct ras_common_if *head)
1089 {
1090         struct ras_manager *obj = amdgpu_ras_find_obj(adev, head);
1091
1092         if (!obj || !obj->attr_inuse)
1093                 return -EINVAL;
1094
1095         sysfs_remove_file_from_group(&adev->dev->kobj,
1096                                 &obj->sysfs_attr.attr,
1097                                 "ras");
1098         obj->attr_inuse = 0;
1099         put_obj(obj);
1100
1101         return 0;
1102 }
1103
1104 static int amdgpu_ras_sysfs_remove_all(struct amdgpu_device *adev)
1105 {
1106         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
1107         struct ras_manager *obj, *tmp;
1108
1109         list_for_each_entry_safe(obj, tmp, &con->head, node) {
1110                 amdgpu_ras_sysfs_remove(adev, &obj->head);
1111         }
1112
1113         amdgpu_ras_sysfs_remove_feature_node(adev);
1114
1115         return 0;
1116 }
1117 /* sysfs end */
1118
1119 /**
1120  * DOC: AMDGPU RAS Reboot Behavior for Unrecoverable Errors
1121  *
1122  * Normally when there is an uncorrectable error, the driver will reset
1123  * the GPU to recover.  However, in the event of an unrecoverable error,
1124  * the driver provides an interface to reboot the system automatically
1125  * in that event.
1126  *
1127  * The following file in debugfs provides that interface:
1128  * /sys/kernel/debug/dri/[0/1/2...]/ras/auto_reboot
1129  *
1130  * Usage:
1131  *
1132  * .. code-block:: bash
1133  *
1134  *      echo true > .../ras/auto_reboot
1135  *
1136  */
1137 /* debugfs begin */
1138 static void amdgpu_ras_debugfs_create_ctrl_node(struct amdgpu_device *adev)
1139 {
1140         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
1141         struct drm_minor *minor = adev->ddev->primary;
1142
1143         con->dir = debugfs_create_dir("ras", minor->debugfs_root);
1144         debugfs_create_file("ras_ctrl", S_IWUGO | S_IRUGO, con->dir,
1145                                 adev, &amdgpu_ras_debugfs_ctrl_ops);
1146         debugfs_create_file("ras_eeprom_reset", S_IWUGO | S_IRUGO, con->dir,
1147                                 adev, &amdgpu_ras_debugfs_eeprom_ops);
1148
1149         /*
1150          * After one uncorrectable error happens, usually GPU recovery will
1151          * be scheduled. But due to the known problem in GPU recovery failing
1152          * to bring GPU back, below interface provides one direct way to
1153          * user to reboot system automatically in such case within
1154          * ERREVENT_ATHUB_INTERRUPT generated. Normal GPU recovery routine
1155          * will never be called.
1156          */
1157         debugfs_create_bool("auto_reboot", S_IWUGO | S_IRUGO, con->dir,
1158                                 &con->reboot);
1159 }
1160
1161 void amdgpu_ras_debugfs_create(struct amdgpu_device *adev,
1162                 struct ras_fs_if *head)
1163 {
1164         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
1165         struct ras_manager *obj = amdgpu_ras_find_obj(adev, &head->head);
1166
1167         if (!obj || obj->ent)
1168                 return;
1169
1170         get_obj(obj);
1171
1172         memcpy(obj->fs_data.debugfs_name,
1173                         head->debugfs_name,
1174                         sizeof(obj->fs_data.debugfs_name));
1175
1176         obj->ent = debugfs_create_file(obj->fs_data.debugfs_name,
1177                                        S_IWUGO | S_IRUGO, con->dir, obj,
1178                                        &amdgpu_ras_debugfs_ops);
1179 }
1180
1181 void amdgpu_ras_debugfs_create_all(struct amdgpu_device *adev)
1182 {
1183         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
1184         struct ras_manager *obj;
1185         struct ras_fs_if fs_info;
1186
1187         /*
1188          * it won't be called in resume path, no need to check
1189          * suspend and gpu reset status
1190          */
1191         if (!con)
1192                 return;
1193
1194         amdgpu_ras_debugfs_create_ctrl_node(adev);
1195
1196         list_for_each_entry(obj, &con->head, node) {
1197                 if (amdgpu_ras_is_supported(adev, obj->head.block) &&
1198                         (obj->attr_inuse == 1)) {
1199                         sprintf(fs_info.debugfs_name, "%s_err_inject",
1200                                         ras_block_str(obj->head.block));
1201                         fs_info.head = obj->head;
1202                         amdgpu_ras_debugfs_create(adev, &fs_info);
1203                 }
1204         }
1205 }
1206
1207 void amdgpu_ras_debugfs_remove(struct amdgpu_device *adev,
1208                 struct ras_common_if *head)
1209 {
1210         struct ras_manager *obj = amdgpu_ras_find_obj(adev, head);
1211
1212         if (!obj || !obj->ent)
1213                 return;
1214
1215         debugfs_remove(obj->ent);
1216         obj->ent = NULL;
1217         put_obj(obj);
1218 }
1219
1220 static void amdgpu_ras_debugfs_remove_all(struct amdgpu_device *adev)
1221 {
1222         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
1223         struct ras_manager *obj, *tmp;
1224
1225         list_for_each_entry_safe(obj, tmp, &con->head, node) {
1226                 amdgpu_ras_debugfs_remove(adev, &obj->head);
1227         }
1228
1229         debugfs_remove_recursive(con->dir);
1230         con->dir = NULL;
1231 }
1232 /* debugfs end */
1233
1234 /* ras fs */
1235
1236 static int amdgpu_ras_fs_init(struct amdgpu_device *adev)
1237 {
1238         amdgpu_ras_sysfs_create_feature_node(adev);
1239
1240         return 0;
1241 }
1242
1243 static int amdgpu_ras_fs_fini(struct amdgpu_device *adev)
1244 {
1245         amdgpu_ras_debugfs_remove_all(adev);
1246         amdgpu_ras_sysfs_remove_all(adev);
1247         return 0;
1248 }
1249 /* ras fs end */
1250
1251 /* ih begin */
1252 static void amdgpu_ras_interrupt_handler(struct ras_manager *obj)
1253 {
1254         struct ras_ih_data *data = &obj->ih_data;
1255         struct amdgpu_iv_entry entry;
1256         int ret;
1257         struct ras_err_data err_data = {0, 0, 0, NULL};
1258
1259         while (data->rptr != data->wptr) {
1260                 rmb();
1261                 memcpy(&entry, &data->ring[data->rptr],
1262                                 data->element_size);
1263
1264                 wmb();
1265                 data->rptr = (data->aligned_element_size +
1266                                 data->rptr) % data->ring_size;
1267
1268                 /* Let IP handle its data, maybe we need get the output
1269                  * from the callback to udpate the error type/count, etc
1270                  */
1271                 if (data->cb) {
1272                         ret = data->cb(obj->adev, &err_data, &entry);
1273                         /* ue will trigger an interrupt, and in that case
1274                          * we need do a reset to recovery the whole system.
1275                          * But leave IP do that recovery, here we just dispatch
1276                          * the error.
1277                          */
1278                         if (ret == AMDGPU_RAS_SUCCESS) {
1279                                 /* these counts could be left as 0 if
1280                                  * some blocks do not count error number
1281                                  */
1282                                 obj->err_data.ue_count += err_data.ue_count;
1283                                 obj->err_data.ce_count += err_data.ce_count;
1284                         }
1285                 }
1286         }
1287 }
1288
1289 static void amdgpu_ras_interrupt_process_handler(struct work_struct *work)
1290 {
1291         struct ras_ih_data *data =
1292                 container_of(work, struct ras_ih_data, ih_work);
1293         struct ras_manager *obj =
1294                 container_of(data, struct ras_manager, ih_data);
1295
1296         amdgpu_ras_interrupt_handler(obj);
1297 }
1298
1299 int amdgpu_ras_interrupt_dispatch(struct amdgpu_device *adev,
1300                 struct ras_dispatch_if *info)
1301 {
1302         struct ras_manager *obj = amdgpu_ras_find_obj(adev, &info->head);
1303         struct ras_ih_data *data = &obj->ih_data;
1304
1305         if (!obj)
1306                 return -EINVAL;
1307
1308         if (data->inuse == 0)
1309                 return 0;
1310
1311         /* Might be overflow... */
1312         memcpy(&data->ring[data->wptr], info->entry,
1313                         data->element_size);
1314
1315         wmb();
1316         data->wptr = (data->aligned_element_size +
1317                         data->wptr) % data->ring_size;
1318
1319         schedule_work(&data->ih_work);
1320
1321         return 0;
1322 }
1323
1324 int amdgpu_ras_interrupt_remove_handler(struct amdgpu_device *adev,
1325                 struct ras_ih_if *info)
1326 {
1327         struct ras_manager *obj = amdgpu_ras_find_obj(adev, &info->head);
1328         struct ras_ih_data *data;
1329
1330         if (!obj)
1331                 return -EINVAL;
1332
1333         data = &obj->ih_data;
1334         if (data->inuse == 0)
1335                 return 0;
1336
1337         cancel_work_sync(&data->ih_work);
1338
1339         kfree(data->ring);
1340         memset(data, 0, sizeof(*data));
1341         put_obj(obj);
1342
1343         return 0;
1344 }
1345
1346 int amdgpu_ras_interrupt_add_handler(struct amdgpu_device *adev,
1347                 struct ras_ih_if *info)
1348 {
1349         struct ras_manager *obj = amdgpu_ras_find_obj(adev, &info->head);
1350         struct ras_ih_data *data;
1351
1352         if (!obj) {
1353                 /* in case we registe the IH before enable ras feature */
1354                 obj = amdgpu_ras_create_obj(adev, &info->head);
1355                 if (!obj)
1356                         return -EINVAL;
1357         } else
1358                 get_obj(obj);
1359
1360         data = &obj->ih_data;
1361         /* add the callback.etc */
1362         *data = (struct ras_ih_data) {
1363                 .inuse = 0,
1364                 .cb = info->cb,
1365                 .element_size = sizeof(struct amdgpu_iv_entry),
1366                 .rptr = 0,
1367                 .wptr = 0,
1368         };
1369
1370         INIT_WORK(&data->ih_work, amdgpu_ras_interrupt_process_handler);
1371
1372         data->aligned_element_size = ALIGN(data->element_size, 8);
1373         /* the ring can store 64 iv entries. */
1374         data->ring_size = 64 * data->aligned_element_size;
1375         data->ring = kmalloc(data->ring_size, GFP_KERNEL);
1376         if (!data->ring) {
1377                 put_obj(obj);
1378                 return -ENOMEM;
1379         }
1380
1381         /* IH is ready */
1382         data->inuse = 1;
1383
1384         return 0;
1385 }
1386
1387 static int amdgpu_ras_interrupt_remove_all(struct amdgpu_device *adev)
1388 {
1389         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
1390         struct ras_manager *obj, *tmp;
1391
1392         list_for_each_entry_safe(obj, tmp, &con->head, node) {
1393                 struct ras_ih_if info = {
1394                         .head = obj->head,
1395                 };
1396                 amdgpu_ras_interrupt_remove_handler(adev, &info);
1397         }
1398
1399         return 0;
1400 }
1401 /* ih end */
1402
1403 /* traversal all IPs except NBIO to query error counter */
1404 static void amdgpu_ras_log_on_err_counter(struct amdgpu_device *adev)
1405 {
1406         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
1407         struct ras_manager *obj;
1408
1409         if (!con)
1410                 return;
1411
1412         list_for_each_entry(obj, &con->head, node) {
1413                 struct ras_query_if info = {
1414                         .head = obj->head,
1415                 };
1416
1417                 /*
1418                  * PCIE_BIF IP has one different isr by ras controller
1419                  * interrupt, the specific ras counter query will be
1420                  * done in that isr. So skip such block from common
1421                  * sync flood interrupt isr calling.
1422                  */
1423                 if (info.head.block == AMDGPU_RAS_BLOCK__PCIE_BIF)
1424                         continue;
1425
1426                 amdgpu_ras_error_query(adev, &info);
1427         }
1428 }
1429
1430 /* recovery begin */
1431
1432 /* return 0 on success.
1433  * caller need free bps.
1434  */
1435 static int amdgpu_ras_badpages_read(struct amdgpu_device *adev,
1436                 struct ras_badpage **bps, unsigned int *count)
1437 {
1438         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
1439         struct ras_err_handler_data *data;
1440         int i = 0;
1441         int ret = 0;
1442
1443         if (!con || !con->eh_data || !bps || !count)
1444                 return -EINVAL;
1445
1446         mutex_lock(&con->recovery_lock);
1447         data = con->eh_data;
1448         if (!data || data->count == 0) {
1449                 *bps = NULL;
1450                 ret = -EINVAL;
1451                 goto out;
1452         }
1453
1454         *bps = kmalloc(sizeof(struct ras_badpage) * data->count, GFP_KERNEL);
1455         if (!*bps) {
1456                 ret = -ENOMEM;
1457                 goto out;
1458         }
1459
1460         for (; i < data->count; i++) {
1461                 (*bps)[i] = (struct ras_badpage){
1462                         .bp = data->bps[i].retired_page,
1463                         .size = AMDGPU_GPU_PAGE_SIZE,
1464                         .flags = AMDGPU_RAS_RETIRE_PAGE_RESERVED,
1465                 };
1466
1467                 if (data->last_reserved <= i)
1468                         (*bps)[i].flags = AMDGPU_RAS_RETIRE_PAGE_PENDING;
1469                 else if (data->bps_bo[i] == NULL)
1470                         (*bps)[i].flags = AMDGPU_RAS_RETIRE_PAGE_FAULT;
1471         }
1472
1473         *count = data->count;
1474 out:
1475         mutex_unlock(&con->recovery_lock);
1476         return ret;
1477 }
1478
1479 static void amdgpu_ras_do_recovery(struct work_struct *work)
1480 {
1481         struct amdgpu_ras *ras =
1482                 container_of(work, struct amdgpu_ras, recovery_work);
1483         struct amdgpu_device *remote_adev = NULL;
1484         struct amdgpu_device *adev = ras->adev;
1485         struct list_head device_list, *device_list_handle =  NULL;
1486         struct amdgpu_hive_info *hive = amdgpu_get_xgmi_hive(adev, false);
1487
1488         /* Build list of devices to query RAS related errors */
1489         if  (hive && adev->gmc.xgmi.num_physical_nodes > 1)
1490                 device_list_handle = &hive->device_list;
1491         else {
1492                 INIT_LIST_HEAD(&device_list);
1493                 list_add_tail(&adev->gmc.xgmi.head, &device_list);
1494                 device_list_handle = &device_list;
1495         }
1496
1497         list_for_each_entry(remote_adev, device_list_handle, gmc.xgmi.head) {
1498                 amdgpu_ras_log_on_err_counter(remote_adev);
1499         }
1500
1501         if (amdgpu_device_should_recover_gpu(ras->adev))
1502                 amdgpu_device_gpu_recover(ras->adev, 0);
1503         atomic_set(&ras->in_recovery, 0);
1504 }
1505
1506 /* alloc/realloc bps array */
1507 static int amdgpu_ras_realloc_eh_data_space(struct amdgpu_device *adev,
1508                 struct ras_err_handler_data *data, int pages)
1509 {
1510         unsigned int old_space = data->count + data->space_left;
1511         unsigned int new_space = old_space + pages;
1512         unsigned int align_space = ALIGN(new_space, 512);
1513         void *bps = kmalloc(align_space * sizeof(*data->bps), GFP_KERNEL);
1514         struct amdgpu_bo **bps_bo =
1515                         kmalloc(align_space * sizeof(*data->bps_bo), GFP_KERNEL);
1516
1517         if (!bps || !bps_bo) {
1518                 kfree(bps);
1519                 kfree(bps_bo);
1520                 return -ENOMEM;
1521         }
1522
1523         if (data->bps) {
1524                 memcpy(bps, data->bps,
1525                                 data->count * sizeof(*data->bps));
1526                 kfree(data->bps);
1527         }
1528         if (data->bps_bo) {
1529                 memcpy(bps_bo, data->bps_bo,
1530                                 data->count * sizeof(*data->bps_bo));
1531                 kfree(data->bps_bo);
1532         }
1533
1534         data->bps = bps;
1535         data->bps_bo = bps_bo;
1536         data->space_left += align_space - old_space;
1537         return 0;
1538 }
1539
1540 /* it deal with vram only. */
1541 int amdgpu_ras_add_bad_pages(struct amdgpu_device *adev,
1542                 struct eeprom_table_record *bps, int pages)
1543 {
1544         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
1545         struct ras_err_handler_data *data;
1546         int ret = 0;
1547
1548         if (!con || !con->eh_data || !bps || pages <= 0)
1549                 return 0;
1550
1551         mutex_lock(&con->recovery_lock);
1552         data = con->eh_data;
1553         if (!data)
1554                 goto out;
1555
1556         if (data->space_left <= pages)
1557                 if (amdgpu_ras_realloc_eh_data_space(adev, data, pages)) {
1558                         ret = -ENOMEM;
1559                         goto out;
1560                 }
1561
1562         memcpy(&data->bps[data->count], bps, pages * sizeof(*data->bps));
1563         data->count += pages;
1564         data->space_left -= pages;
1565
1566 out:
1567         mutex_unlock(&con->recovery_lock);
1568
1569         return ret;
1570 }
1571
1572 /*
1573  * write error record array to eeprom, the function should be
1574  * protected by recovery_lock
1575  */
1576 static int amdgpu_ras_save_bad_pages(struct amdgpu_device *adev)
1577 {
1578         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
1579         struct ras_err_handler_data *data;
1580         struct amdgpu_ras_eeprom_control *control;
1581         int save_count;
1582
1583         if (!con || !con->eh_data)
1584                 return 0;
1585
1586         control = &con->eeprom_control;
1587         data = con->eh_data;
1588         save_count = data->count - control->num_recs;
1589         /* only new entries are saved */
1590         if (save_count > 0)
1591                 if (amdgpu_ras_eeprom_process_recods(control,
1592                                                         &data->bps[control->num_recs],
1593                                                         true,
1594                                                         save_count)) {
1595                         dev_err(adev->dev, "Failed to save EEPROM table data!");
1596                         return -EIO;
1597                 }
1598
1599         return 0;
1600 }
1601
1602 /*
1603  * read error record array in eeprom and reserve enough space for
1604  * storing new bad pages
1605  */
1606 static int amdgpu_ras_load_bad_pages(struct amdgpu_device *adev)
1607 {
1608         struct amdgpu_ras_eeprom_control *control =
1609                                         &adev->psp.ras.ras->eeprom_control;
1610         struct eeprom_table_record *bps = NULL;
1611         int ret = 0;
1612
1613         /* no bad page record, skip eeprom access */
1614         if (!control->num_recs)
1615                 return ret;
1616
1617         bps = kcalloc(control->num_recs, sizeof(*bps), GFP_KERNEL);
1618         if (!bps)
1619                 return -ENOMEM;
1620
1621         if (amdgpu_ras_eeprom_process_recods(control, bps, false,
1622                 control->num_recs)) {
1623                 dev_err(adev->dev, "Failed to load EEPROM table records!");
1624                 ret = -EIO;
1625                 goto out;
1626         }
1627
1628         ret = amdgpu_ras_add_bad_pages(adev, bps, control->num_recs);
1629
1630 out:
1631         kfree(bps);
1632         return ret;
1633 }
1634
1635 /*
1636  * check if an address belongs to bad page
1637  *
1638  * Note: this check is only for umc block
1639  */
1640 static bool amdgpu_ras_check_bad_page(struct amdgpu_device *adev,
1641                                 uint64_t addr)
1642 {
1643         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
1644         struct ras_err_handler_data *data;
1645         int i;
1646         bool ret = false;
1647
1648         if (!con || !con->eh_data)
1649                 return ret;
1650
1651         mutex_lock(&con->recovery_lock);
1652         data = con->eh_data;
1653         if (!data)
1654                 goto out;
1655
1656         addr >>= AMDGPU_GPU_PAGE_SHIFT;
1657         for (i = 0; i < data->count; i++)
1658                 if (addr == data->bps[i].retired_page) {
1659                         ret = true;
1660                         goto out;
1661                 }
1662
1663 out:
1664         mutex_unlock(&con->recovery_lock);
1665         return ret;
1666 }
1667
1668 /* called in gpu recovery/init */
1669 int amdgpu_ras_reserve_bad_pages(struct amdgpu_device *adev)
1670 {
1671         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
1672         struct ras_err_handler_data *data;
1673         uint64_t bp;
1674         struct amdgpu_bo *bo = NULL;
1675         int i, ret = 0;
1676
1677         if (!con || !con->eh_data)
1678                 return 0;
1679
1680         mutex_lock(&con->recovery_lock);
1681         data = con->eh_data;
1682         if (!data)
1683                 goto out;
1684         /* reserve vram at driver post stage. */
1685         for (i = data->last_reserved; i < data->count; i++) {
1686                 bp = data->bps[i].retired_page;
1687
1688                 /* There are two cases of reserve error should be ignored:
1689                  * 1) a ras bad page has been allocated (used by someone);
1690                  * 2) a ras bad page has been reserved (duplicate error injection
1691                  *    for one page);
1692                  */
1693                 if (amdgpu_bo_create_kernel_at(adev, bp << AMDGPU_GPU_PAGE_SHIFT,
1694                                                AMDGPU_GPU_PAGE_SIZE,
1695                                                AMDGPU_GEM_DOMAIN_VRAM,
1696                                                &bo, NULL))
1697                         dev_warn(adev->dev, "RAS WARN: reserve vram for "
1698                                         "retired page %llx fail\n", bp);
1699
1700                 data->bps_bo[i] = bo;
1701                 data->last_reserved = i + 1;
1702                 bo = NULL;
1703         }
1704
1705         /* continue to save bad pages to eeprom even reesrve_vram fails */
1706         ret = amdgpu_ras_save_bad_pages(adev);
1707 out:
1708         mutex_unlock(&con->recovery_lock);
1709         return ret;
1710 }
1711
1712 /* called when driver unload */
1713 static int amdgpu_ras_release_bad_pages(struct amdgpu_device *adev)
1714 {
1715         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
1716         struct ras_err_handler_data *data;
1717         struct amdgpu_bo *bo;
1718         int i;
1719
1720         if (!con || !con->eh_data)
1721                 return 0;
1722
1723         mutex_lock(&con->recovery_lock);
1724         data = con->eh_data;
1725         if (!data)
1726                 goto out;
1727
1728         for (i = data->last_reserved - 1; i >= 0; i--) {
1729                 bo = data->bps_bo[i];
1730
1731                 amdgpu_bo_free_kernel(&bo, NULL, NULL);
1732
1733                 data->bps_bo[i] = bo;
1734                 data->last_reserved = i;
1735         }
1736 out:
1737         mutex_unlock(&con->recovery_lock);
1738         return 0;
1739 }
1740
1741 int amdgpu_ras_recovery_init(struct amdgpu_device *adev)
1742 {
1743         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
1744         struct ras_err_handler_data **data;
1745         int ret;
1746
1747         if (con)
1748                 data = &con->eh_data;
1749         else
1750                 return 0;
1751
1752         *data = kmalloc(sizeof(**data), GFP_KERNEL | __GFP_ZERO);
1753         if (!*data) {
1754                 ret = -ENOMEM;
1755                 goto out;
1756         }
1757
1758         mutex_init(&con->recovery_lock);
1759         INIT_WORK(&con->recovery_work, amdgpu_ras_do_recovery);
1760         atomic_set(&con->in_recovery, 0);
1761         con->adev = adev;
1762
1763         ret = amdgpu_ras_eeprom_init(&con->eeprom_control);
1764         if (ret)
1765                 goto free;
1766
1767         if (con->eeprom_control.num_recs) {
1768                 ret = amdgpu_ras_load_bad_pages(adev);
1769                 if (ret)
1770                         goto free;
1771                 ret = amdgpu_ras_reserve_bad_pages(adev);
1772                 if (ret)
1773                         goto release;
1774         }
1775
1776         return 0;
1777
1778 release:
1779         amdgpu_ras_release_bad_pages(adev);
1780 free:
1781         kfree((*data)->bps);
1782         kfree((*data)->bps_bo);
1783         kfree(*data);
1784         con->eh_data = NULL;
1785 out:
1786         dev_warn(adev->dev, "Failed to initialize ras recovery!\n");
1787
1788         return ret;
1789 }
1790
1791 static int amdgpu_ras_recovery_fini(struct amdgpu_device *adev)
1792 {
1793         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
1794         struct ras_err_handler_data *data = con->eh_data;
1795
1796         /* recovery_init failed to init it, fini is useless */
1797         if (!data)
1798                 return 0;
1799
1800         cancel_work_sync(&con->recovery_work);
1801         amdgpu_ras_release_bad_pages(adev);
1802
1803         mutex_lock(&con->recovery_lock);
1804         con->eh_data = NULL;
1805         kfree(data->bps);
1806         kfree(data->bps_bo);
1807         kfree(data);
1808         mutex_unlock(&con->recovery_lock);
1809
1810         return 0;
1811 }
1812 /* recovery end */
1813
1814 /* return 0 if ras will reset gpu and repost.*/
1815 int amdgpu_ras_request_reset_on_boot(struct amdgpu_device *adev,
1816                 unsigned int block)
1817 {
1818         struct amdgpu_ras *ras = amdgpu_ras_get_context(adev);
1819
1820         if (!ras)
1821                 return -EINVAL;
1822
1823         ras->flags |= AMDGPU_RAS_FLAG_INIT_NEED_RESET;
1824         return 0;
1825 }
1826
1827 /*
1828  * check hardware's ras ability which will be saved in hw_supported.
1829  * if hardware does not support ras, we can skip some ras initializtion and
1830  * forbid some ras operations from IP.
1831  * if software itself, say boot parameter, limit the ras ability. We still
1832  * need allow IP do some limited operations, like disable. In such case,
1833  * we have to initialize ras as normal. but need check if operation is
1834  * allowed or not in each function.
1835  */
1836 static void amdgpu_ras_check_supported(struct amdgpu_device *adev,
1837                 uint32_t *hw_supported, uint32_t *supported)
1838 {
1839         *hw_supported = 0;
1840         *supported = 0;
1841
1842         if (amdgpu_sriov_vf(adev) || !adev->is_atom_fw ||
1843             (adev->asic_type != CHIP_VEGA20 &&
1844              adev->asic_type != CHIP_ARCTURUS))
1845                 return;
1846
1847         if (amdgpu_atomfirmware_mem_ecc_supported(adev)) {
1848                 dev_info(adev->dev, "HBM ECC is active.\n");
1849                 *hw_supported |= (1 << AMDGPU_RAS_BLOCK__UMC |
1850                                 1 << AMDGPU_RAS_BLOCK__DF);
1851         } else
1852                 dev_info(adev->dev, "HBM ECC is not presented.\n");
1853
1854         if (amdgpu_atomfirmware_sram_ecc_supported(adev)) {
1855                 dev_info(adev->dev, "SRAM ECC is active.\n");
1856                 *hw_supported |= ~(1 << AMDGPU_RAS_BLOCK__UMC |
1857                                 1 << AMDGPU_RAS_BLOCK__DF);
1858         } else
1859                 dev_info(adev->dev, "SRAM ECC is not presented.\n");
1860
1861         /* hw_supported needs to be aligned with RAS block mask. */
1862         *hw_supported &= AMDGPU_RAS_BLOCK_MASK;
1863
1864         *supported = amdgpu_ras_enable == 0 ?
1865                         0 : *hw_supported & amdgpu_ras_mask;
1866 }
1867
1868 int amdgpu_ras_init(struct amdgpu_device *adev)
1869 {
1870         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
1871         int r;
1872
1873         if (con)
1874                 return 0;
1875
1876         con = kmalloc(sizeof(struct amdgpu_ras) +
1877                         sizeof(struct ras_manager) * AMDGPU_RAS_BLOCK_COUNT,
1878                         GFP_KERNEL|__GFP_ZERO);
1879         if (!con)
1880                 return -ENOMEM;
1881
1882         con->objs = (struct ras_manager *)(con + 1);
1883
1884         amdgpu_ras_set_context(adev, con);
1885
1886         amdgpu_ras_check_supported(adev, &con->hw_supported,
1887                         &con->supported);
1888         if (!con->hw_supported) {
1889                 amdgpu_ras_set_context(adev, NULL);
1890                 kfree(con);
1891                 return 0;
1892         }
1893
1894         con->features = 0;
1895         INIT_LIST_HEAD(&con->head);
1896         /* Might need get this flag from vbios. */
1897         con->flags = RAS_DEFAULT_FLAGS;
1898
1899         if (adev->nbio.funcs->init_ras_controller_interrupt) {
1900                 r = adev->nbio.funcs->init_ras_controller_interrupt(adev);
1901                 if (r)
1902                         return r;
1903         }
1904
1905         if (adev->nbio.funcs->init_ras_err_event_athub_interrupt) {
1906                 r = adev->nbio.funcs->init_ras_err_event_athub_interrupt(adev);
1907                 if (r)
1908                         return r;
1909         }
1910
1911         amdgpu_ras_mask &= AMDGPU_RAS_BLOCK_MASK;
1912
1913         if (amdgpu_ras_fs_init(adev))
1914                 goto fs_out;
1915
1916         dev_info(adev->dev, "RAS INFO: ras initialized successfully, "
1917                         "hardware ability[%x] ras_mask[%x]\n",
1918                         con->hw_supported, con->supported);
1919         return 0;
1920 fs_out:
1921         amdgpu_ras_set_context(adev, NULL);
1922         kfree(con);
1923
1924         return -EINVAL;
1925 }
1926
1927 /* helper function to handle common stuff in ip late init phase */
1928 int amdgpu_ras_late_init(struct amdgpu_device *adev,
1929                          struct ras_common_if *ras_block,
1930                          struct ras_fs_if *fs_info,
1931                          struct ras_ih_if *ih_info)
1932 {
1933         int r;
1934
1935         /* disable RAS feature per IP block if it is not supported */
1936         if (!amdgpu_ras_is_supported(adev, ras_block->block)) {
1937                 amdgpu_ras_feature_enable_on_boot(adev, ras_block, 0);
1938                 return 0;
1939         }
1940
1941         r = amdgpu_ras_feature_enable_on_boot(adev, ras_block, 1);
1942         if (r) {
1943                 if (r == -EAGAIN) {
1944                         /* request gpu reset. will run again */
1945                         amdgpu_ras_request_reset_on_boot(adev,
1946                                         ras_block->block);
1947                         return 0;
1948                 } else if (adev->in_suspend || adev->in_gpu_reset) {
1949                         /* in resume phase, if fail to enable ras,
1950                          * clean up all ras fs nodes, and disable ras */
1951                         goto cleanup;
1952                 } else
1953                         return r;
1954         }
1955
1956         /* in resume phase, no need to create ras fs node */
1957         if (adev->in_suspend || adev->in_gpu_reset)
1958                 return 0;
1959
1960         if (ih_info->cb) {
1961                 r = amdgpu_ras_interrupt_add_handler(adev, ih_info);
1962                 if (r)
1963                         goto interrupt;
1964         }
1965
1966         r = amdgpu_ras_sysfs_create(adev, fs_info);
1967         if (r)
1968                 goto sysfs;
1969
1970         return 0;
1971 cleanup:
1972         amdgpu_ras_sysfs_remove(adev, ras_block);
1973 sysfs:
1974         if (ih_info->cb)
1975                 amdgpu_ras_interrupt_remove_handler(adev, ih_info);
1976 interrupt:
1977         amdgpu_ras_feature_enable(adev, ras_block, 0);
1978         return r;
1979 }
1980
1981 /* helper function to remove ras fs node and interrupt handler */
1982 void amdgpu_ras_late_fini(struct amdgpu_device *adev,
1983                           struct ras_common_if *ras_block,
1984                           struct ras_ih_if *ih_info)
1985 {
1986         if (!ras_block || !ih_info)
1987                 return;
1988
1989         amdgpu_ras_sysfs_remove(adev, ras_block);
1990         if (ih_info->cb)
1991                 amdgpu_ras_interrupt_remove_handler(adev, ih_info);
1992         amdgpu_ras_feature_enable(adev, ras_block, 0);
1993 }
1994
1995 /* do some init work after IP late init as dependence.
1996  * and it runs in resume/gpu reset/booting up cases.
1997  */
1998 void amdgpu_ras_resume(struct amdgpu_device *adev)
1999 {
2000         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
2001         struct ras_manager *obj, *tmp;
2002
2003         if (!con)
2004                 return;
2005
2006         if (con->flags & AMDGPU_RAS_FLAG_INIT_BY_VBIOS) {
2007                 /* Set up all other IPs which are not implemented. There is a
2008                  * tricky thing that IP's actual ras error type should be
2009                  * MULTI_UNCORRECTABLE, but as driver does not handle it, so
2010                  * ERROR_NONE make sense anyway.
2011                  */
2012                 amdgpu_ras_enable_all_features(adev, 1);
2013
2014                 /* We enable ras on all hw_supported block, but as boot
2015                  * parameter might disable some of them and one or more IP has
2016                  * not implemented yet. So we disable them on behalf.
2017                  */
2018                 list_for_each_entry_safe(obj, tmp, &con->head, node) {
2019                         if (!amdgpu_ras_is_supported(adev, obj->head.block)) {
2020                                 amdgpu_ras_feature_enable(adev, &obj->head, 0);
2021                                 /* there should be no any reference. */
2022                                 WARN_ON(alive_obj(obj));
2023                         }
2024                 }
2025         }
2026
2027         if (con->flags & AMDGPU_RAS_FLAG_INIT_NEED_RESET) {
2028                 con->flags &= ~AMDGPU_RAS_FLAG_INIT_NEED_RESET;
2029                 /* setup ras obj state as disabled.
2030                  * for init_by_vbios case.
2031                  * if we want to enable ras, just enable it in a normal way.
2032                  * If we want do disable it, need setup ras obj as enabled,
2033                  * then issue another TA disable cmd.
2034                  * See feature_enable_on_boot
2035                  */
2036                 amdgpu_ras_disable_all_features(adev, 1);
2037                 amdgpu_ras_reset_gpu(adev);
2038         }
2039 }
2040
2041 void amdgpu_ras_suspend(struct amdgpu_device *adev)
2042 {
2043         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
2044
2045         if (!con)
2046                 return;
2047
2048         amdgpu_ras_disable_all_features(adev, 0);
2049         /* Make sure all ras objects are disabled. */
2050         if (con->features)
2051                 amdgpu_ras_disable_all_features(adev, 1);
2052 }
2053
2054 /* do some fini work before IP fini as dependence */
2055 int amdgpu_ras_pre_fini(struct amdgpu_device *adev)
2056 {
2057         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
2058
2059         if (!con)
2060                 return 0;
2061
2062         /* Need disable ras on all IPs here before ip [hw/sw]fini */
2063         amdgpu_ras_disable_all_features(adev, 0);
2064         amdgpu_ras_recovery_fini(adev);
2065         return 0;
2066 }
2067
2068 int amdgpu_ras_fini(struct amdgpu_device *adev)
2069 {
2070         struct amdgpu_ras *con = amdgpu_ras_get_context(adev);
2071
2072         if (!con)
2073                 return 0;
2074
2075         amdgpu_ras_fs_fini(adev);
2076         amdgpu_ras_interrupt_remove_all(adev);
2077
2078         WARN(con->features, "Feature mask is not cleared");
2079
2080         if (con->features)
2081                 amdgpu_ras_disable_all_features(adev, 1);
2082
2083         amdgpu_ras_set_context(adev, NULL);
2084         kfree(con);
2085
2086         return 0;
2087 }
2088
2089 void amdgpu_ras_global_ras_isr(struct amdgpu_device *adev)
2090 {
2091         uint32_t hw_supported, supported;
2092
2093         amdgpu_ras_check_supported(adev, &hw_supported, &supported);
2094         if (!hw_supported)
2095                 return;
2096
2097         if (atomic_cmpxchg(&amdgpu_ras_in_intr, 0, 1) == 0) {
2098                 dev_info(adev->dev, "uncorrectable hardware error"
2099                         "(ERREVENT_ATHUB_INTERRUPT) detected!\n");
2100
2101                 amdgpu_ras_reset_gpu(adev);
2102         }
2103 }