Viacheslav Dubeyko di IBM ha avviato nella mailing list degli sviluppatori del kernel di Linux una discussione sull'uso dei modelli di apprendimento automatico nel kernel e ha anche proposto per il test un insieme di patch con una libreria per l'integrazione dei modelli di ML nel kernel e un esempio di driver simbolico che utilizza la libreria.
L'integrazione dei modelli di ML nel kernel può essere utile per modificare la logica operativa delle sottosistemi tenendo conto dei dati elaborati, ottimizzando le performance e modificando la configurazione in base allo stato interno dei sistemi. L'uso dell'apprendimento automatico, in grado di identificare schemi e costruire previsioni senza implementazioni manuali di algoritmi, semplificherà la scelta della configurazione più efficace del kernel considerando la complessità e la variabilità dei carichi di lavoro moderni, oltre a consentire la risoluzione di problemi come la previsione di 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 di ML, l'addestramento diretto del modello e il test del risultato. Poiché per l'esecuzione del modello di ML sono necessarie operazioni con numeri in virgola mobile, e nel kernel non è consentito l'uso diretto della FPU, il prototipo proposto rappresenta uno strato per l'interazione delle diverse sottosistemi del kernel con i modelli di ML, eseguiti nello spazio utente, analogamente a come avviene per gli handler SPDK, DPDK e ublk.
L'estrazione dell'esecuzione e dell'addestramento del modello nello spazio utente semplifica la manutenzione e isola il kernel dai problemi nel codice di esecuzione del modello. Durante la fase di addestramento, i dati sullo stato e sui parametri del kernel possono essere richiesti dall'handler nello spazio utente o trasmessi dallo strato operante a livello kernel. Per gestire l'interazione tra i componenti del kernel e dello spazio utente si utilizza sysfs. È possibile un addestramento adattivo del modello di ML, in cui la sottosistema del kernel riceve raccomandazioni dal modello di ML, applica la modifica consigliata e valuta l'efficacia della raccomandazione sulla variazione dello stato.
Fonte: opennet.ru
