Wiaczesław Dubieko z firmy IBM uruchomił dyskusję na liście mailingowej deweloperów jądra Linux na temat wykorzystania modeli uczenia maszynowego w jądrze oraz zaproponował do testów zestaw poprawek z biblioteką do integracji modeli ML w jądrze i przykładem sterownika symbolicznego, który używa tej biblioteki.
Integracja modeli ML w jądrze może być pomocna w zmianie logiki działania podsystemów w zależności od przetwarzanych danych, optymalizacji wydajności oraz zmiany konfiguracji w zależności od wewnętrznego stanu systemów. Wykorzystanie uczenia maszynowego, które potrafi wykrywać wzorce i tworzyć prognozy bez ręcznej implementacji algorytmów, uprości dobór najbardziej efektywnej konfiguracji jądra z uwzględnieniem złożoności i zmienności współczesnych obciążeń roboczych, a także umożliwi rozwiązywanie takich problemów jak prognozowanie awarii systemów przechowywania.
Oprócz silnika do wykonywania modeli rozważa się opracowanie narzędzi do gromadzenia danych do szkolenia modeli ML, samego szkolenia modelu oraz testowania rezultatów. Ponieważ do realizacji modelu ML wymagane są operacje na liczbach zmiennoprzecinkowych, a w jądrze nie zezwala się na bezpośrednie użycie FPU, proponowany prototyp stanowi warstwę do komunikacji z różnymi podsystemami jądra z modelami ML, wykonywanymi w przestrzeni użytkownika, analogicznie do przeniesienia do przestrzeni użytkownika handlerów SPDK, DPDK i ublk.
Przeniesienie wykonania i szkolenia modelu do przestrzeni użytkownika upraszcza konserwację i izoluje jądro od problemów w kodzie realizacji modelu. Na etapie szkolenia dane o stanie i parametrach jądra mogą być zarówno pobierane przez handler z przestrzeni użytkownika, jak i przekazywane przez warstwę działającą na poziomie jądra. Do zarządzania interakcjami pomiędzy komponentami w jądrze i przestrzeni użytkownika służy sysfs. Możliwe jest adaptacyjne uczenie się modelu ML, w którym podsystem jądra otrzymuje rekomendację od modelu ML, stosuje zalecaną zmianę i ocenia skuteczność rekomendacji dotyczącej zmiany stanu.
Źródło: opennet.ru
