Vyacheslav Dubeyko di IBM ha avviato una discussione nella mailing list degli sviluppatori del kernel Linux sull'uso di modelli di machine learning nel kernel, e ha anche proposto per il testing un insieme di patch con una libreria per integrare i modelli ML nel kernel e un esempio di driver simbolico che utilizza la libreria.
L'integrazione dei modelli ML nel kernel può essere utile per modificare la logica operativa delle sottosistemi in base ai dati trattati, ottimizzando le prestazioni e modificando la configurazione a seconda dello stato interno dei sistemi. L'uso del machine learning, in grado di identificare schemi e costruire previsioni senza implementazioni manuali di algoritmi, semplificherà la scelta della configurazione più efficiente del kernel, tenendo conto della complessità e della variabilità dei carichi di lavoro moderni, e consentirà di affrontare problemi come la previsione dei guasti nei sistemi di archiviazione.
Oltre al motore per l'esecuzione dei modelli, si sta considerando lo sviluppo di strumenti per la raccolta dei dati per l'addestramento dei modelli ML, l'addestramento diretto del modello e il collaudo dei risultati. Poiché per eseguire un modello ML sono necessarie operazioni in virgola mobile e l'uso diretto del FPU non è consentito nel kernel, il prototipo proposto funge da strato di interfaccia tra diverse sottosistemi del kernel e i modelli ML eseguiti nello spazio utente, analogamente all'estrazione in spazio utente dei gestori SPDK, DPDK e ublk.
L'estrazione dell'esecuzione e dell'addestramento del modello nello spazio utente semplifica la manutenzione e isola il nucleo dai problemi nel codice di esecuzione del modello. Durante la fase di addestramento, i dati sullo stato e sui parametri del nucleo possono essere richiesti dal gestore dallo spazio utente o trasmessi tramite un'interfaccia eseguita a livello di nucleo. Per gestire l'interazione tra i componenti nel nucleo e nello spazio utente, si utilizza sysfs. È possibile un apprendimento adattivo del modello ML, nel quale il sottosistema del nucleo riceve una raccomandazione dal modello ML, applica la modifica consigliata e valuta l'efficacia della raccomandazione relativa alla modifica dello stato.
Fonte: opennet.ru
