Vyacheslav Dubeyko från IBM har startat en diskussion i e-postlistan för Linux-kärnutvecklare om användningen av maskininlärningsmodeller i kärnan, och har också föreslagit en uppsättning patchar för att integrera ML-modeller i kärnan samt ett exempel på en symbolisk drivrutin som använder biblioteket.
Integrationen av ML-modeller i kärnan kan vara fördelaktig för att ändra logiken i systemets delkomponenter baserat på de bearbetade datana, optimera prestandan och justera konfigurationen beroende på systemens interna tillstånd. Användningen av maskininlärning, som kan upptäcka mönster och göra prognoser utan manuell implementering av algoritmer, kommer att förenkla valet av den mest effektiva kärnkonfigurationen med hänsyn till komplexiteten och förändligheten i moderna arbetsbelastningar, samt göra det möjligt att lösa problem som förutsägelse av lagringssystemens fel.
Förutom motorn för att köra modellerna undersöks även utvecklingen av verktyg för datainsamling för träning av ML-modeller, själva träningen av modellen och testning av resultatet. Eftersom ML-modellen kräver flyttalsoperationer och direkt användning av FPU inte tillåts i kärnan, utgör den föreslagna prototypen ett lager för att ge olika delsystem i kärnan tillgång till ML-modeller som körs i användarutrymmet, liknande hur hanterare som SPDK, DPDK och ublk flyttas till användarutrymmet.
Att flytta körning och träning av modellen till användarutrymmet underlättar underhållet och isolerar kärnan från problem i modellens körkod. Under träningen kan data om tillstånd och parametrar i kärnan antingen begäras av hanteraren från användarutrymmet eller överföras av lagret som körs på kärnnivå. Sysfs används för att hantera interaktionen mellan komponenterna i kärnan och användarutrymmet. Adaptiv träning av ML-modellen kan ske, där kärnens delsystem får rekommendationer från ML-modellen, tillämpar den rekommenderade förändringen och utvärderar effektiviteten av rekommendationen för att förändra tillståndet.
Källa: opennet.ru
