Vyacheslav Dubeyko de IBM inició una discusión en la lista de correo de desarrolladores del kernel de Linux sobre el uso de modelos de aprendizaje automático en el kernel y ofreció un conjunto de parches para probar, incluida una biblioteca para integrar modelos de aprendizaje automático en el kernel y un ejemplo de un controlador simbólico que utiliza la biblioteca.
La integración de modelos de aprendizaje automático en el núcleo puede ser útil para modificar la lógica de los subsistemas en función de los datos procesados, optimizar las operaciones y cambiar las configuraciones según el estado interno de los sistemas. El aprendizaje automático, capaz de identificar patrones y generar predicciones sin implementar algoritmos manualmente, simplificará la selección de la configuración del núcleo más eficiente, considerando la complejidad y la variabilidad de las cargas de trabajo modernas, y también ayudará a resolver problemas como la predicción de fallos en los sistemas de almacenamiento.
Además del motor de ejecución de modelos, se está considerando el desarrollo de herramientas de recopilación de datos para el entrenamiento de modelos de aprendizaje automático (ML), el entrenamiento de los modelos en sí y la prueba de los resultados. Dado que la ejecución de modelos de ML requiere operaciones de punto flotante y el kernel no permite el uso directo de la FPU, el prototipo propuesto es una capa para acceder a los modelos de ML ejecutados en el espacio de usuario desde varios subsistemas del kernel, similar a la migración de los controladores SPDK, DPDK y ublk al espacio de usuario.
Trasladar la ejecución y el entrenamiento del modelo al espacio de usuario simplifica el mantenimiento y aísla el kernel de los problemas en el código de ejecución del modelo. Durante la fase de entrenamiento, los datos sobre el estado y los parámetros del kernel pueden ser solicitados por un controlador en el espacio de usuario o transmitidos por una capa que se ejecuta a nivel de kernel. sysfs se utiliza para gestionar las interacciones entre los componentes del kernel y del espacio de usuario. El entrenamiento adaptativo del modelo de aprendizaje automático es posible, donde un subsistema del kernel recibe una recomendación del modelo de aprendizaje automático, aplica el cambio recomendado y evalúa la eficacia del cambio de estado recomendado.
Fuente: opennet.ru
