Wjatscheslaw Dubeyko von IBM hat in der Mailingliste der Linux-Kernel-Entwickler eine Diskussion über die Verwendung von Modellen des maschinellen Lernens im Kernel angestoßen und ein Patchset zum Testen vorgeschlagen, das eine Bibliothek zur Integration von ML-Modellen in den Kernel sowie ein Beispiel für einen symbolischen Treiber, der diese Bibliothek nutzt, enthält.
Die Integration von ML-Modellen in den Kernel kann nützlich sein, um die Logik der Arbeitsweise von Subsystemen basierend auf den verarbeiteten Daten zu ändern, die Effizienz zu optimieren und die Konfiguration abhängig vom internen Zustand der Systeme anzupassen. Der Einsatz von maschinellem Lernen, das in der Lage ist, Muster zu erkennen und Vorhersagen zu erstellen, ohne manuelle Algorithmen zu implementieren, wird die Auswahl der effektivsten Kernel-Konfiguration in Anbetracht der Komplexität und Variabilität moderner Arbeitslasten vereinfachen und Probleme wie die Vorhersage von Ausfällen in Speichersystemen lösen helfen.
Neben der Engine zur Ausführung von Modellen wird auch die Entwicklung von Tools zur Datensammlung für das Training von ML-Modellen, dem eigentlichen Training der Modelle und der Ergebnistestung in Betracht gezogen. Da für die Ausführung von ML-Modellen Gleitkommaoperationen erforderlich sind und im Kernel die direkte Nutzung der FPU nicht zulässig ist, stellt der vorgeschlagene Prototyp eine Schicht dar, die es verschiedenen Kernsubsystemen ermöglicht, auf in Benutzermodus ausgeführte ML-Modelle zuzugreifen, ähnlich wie bei der Auslagerung von SPDK-, DPDK- und ublk-Handlern in den Benutzermodus.
Die Auslagerung der Ausführung und des Trainings von Modellen in den Benutzerspeicher vereinfacht die Wartung und isoliert den Kernel von Problemen im Modellcode. In der Trainingsphase können die Status- und Parameterdaten des Kernels sowohl vom Handler aus dem Benutzerspeicher angefordert als auch durch eine Schicht, die auf Kernel-Ebene ausgeführt wird, übertragen werden. Zur Verwaltung der Interaktion zwischen den Komponenten im Kernel und im Benutzerspeicher wird sysfs verwendet. Adaptives Lernen von ML-Modellen ist möglich, bei dem die Kernel-Subsysteme eine Empfehlung vom ML-Modell erhalten, die empfohlene Änderung anwenden und die Effektivität der Empfehlung zur Änderung des Zustands bewerten.
Quelle: opennet.ru
