Vjačeslav Dubejko z IBM spustil mailing list pro vývojáře jader Linux diskuse o použití modelů strojového učení v jádře a také návrh sady záplat pro testování s knihovnou pro integraci modelů strojového učení do jádra a příklad symbolického ovladače využívajícího tuto knihovnu.
Integrace modelů strojového učení do jádra může být užitečná pro úpravu logiky subsystémů na základě zpracovávaných dat, optimalizaci operací a změnu konfigurací na základě vnitřního stavu systémů. Strojové učení, které dokáže identifikovat vzory a generovat predikce bez ruční implementace algoritmů, zjednoduší výběr nejefektivnější konfigurace jádra s ohledem na složitost a variabilitu moderních pracovních zátěží a také pomůže řešit problémy, jako je predikce selhání úložných systémů.
Kromě enginu pro spouštění modelů se zvažuje vývoj nástrojů pro sběr dat pro trénování ML modelů, samotné trénování modelů a testování výsledků. Vzhledem k tomu, že spouštění ML modelů vyžaduje operace s plovoucí desetinnou čárkou a jádro neumožňuje přímé použití FPU, je navrhovaný prototyp vrstvou pro přístup k ML modelům spouštěným v uživatelském prostoru z různých subsystémů jádra, podobně jako při přesunu obslužných rutin SPDK, DPDK a ublk do uživatelského prostoru.
Přesunutí provádění a trénování modelu do uživatelského prostoru zjednodušuje údržbu a izoluje jádro od problémů v kódu pro provádění modelu. Během fáze trénování mohou být data o stavu a parametrech jádra buď vyžádána obslužnou rutinou v uživatelském prostoru, nebo předána vrstvou běžící na úrovni jádra. sysfs se používá ke správě interakcí mezi komponentami v jádře a uživatelském prostoru. Adaptivní trénování modelu ML je možné, kdy subsystém jádra obdrží doporučení od modelu ML, aplikuje doporučenou změnu a vyhodnotí účinnost doporučené změny stavu.
Zdroj: opennet.ru
