Viacheslav Dubeyko van IBM heeft in de mailinglijst voor ontwikkelaars van de Linux-kernel een discussie opgestart over het gebruik van machine learning-modellen in de kernel en heeft een set patches voorgesteld voor de integratie van ML-modellen in de kernel en een voorbeeld van een symbolische driver die gebruikmaakt van de bibliotheek.
Integratie van ML-modellen in de kernel kan nuttig zijn voor het aanpassen van de logica van subsystems op basis van de verwerkte gegevens, het optimaliseren van de werking en het wijzigen van configuraties afhankelijk van de interne toestand van systemen. Het gebruik van machine learning, dat in staat is om patronen te ontdekken en voorspellingen te doen zonder handmatige implementatie van algoritmen, vereenvoudigt het kiezen van de meest effectieve kernelconfiguratie rekening houdend met de complexiteit en variabiliteit van moderne werklasten, en maakt het ook mogelijk om problemen zoals de voorspelling van storingen in opslagsystemen aan te pakken.
Naast de engine voor het uitvoeren van modellen wordt ook de ontwikkeling van tools voor het verzamelen van gegevens ter training van ML-modellen, het daadwerkelijk trainen van modellen en het testen van de resultaten overwogen. Aangezien ML-modellen drijvende compilaties vereisen, en direct gebruik van de FPU in de kernel niet is toegestaan, is de voorgestelde prototype een laag voor toegang vanuit verschillende subsystems van de kernel tot ML-modellen die worden uitgevoerd in de gebruikersruimte, vergelijkbaar met het bereiken van de gebruikersruimte voor SPDK-, DPDK- en ublk-handlers.
Het uitvoeren en trainen van modellen in de gebruikersruimte vereenvoudigt het onderhoud en isoleert de kernel van problemen in de uitvoering van de modelcode. Tijdens de trainingsfase kunnen gegevens over de toestand en parameters van de kernel zowel door de handler uit de gebruikersruimte worden opgevraagd als via de laag die op kernelniveau draait worden doorgegeven. Voor het beheren van de interactie tussen componenten in de kernel en de gebruikersruimte wordt sysfs gebruikt. Adaptief leren van ML-modellen is mogelijk, waarbij de kernel-subsysteem aanbevelingen van de ML-modellen ontvangt, de aanbevolen wijziging doorvoert en de effectiviteit van de aanbeveling beoordeelt.
Bron: opennet.ru
