Linux, geliştiricilere ve mühendislere açık kaynak çekirdeğinin kaynakları nasıl yöneteceğini ayarlayabilecek binlerce ayrı parametre sağlayarak operasyonlarını "ayarlamak" için bir araç sunar. Ayarlama, yeniden derlemeye gerek kalmadan operasyonel performansı artırmak için daha basit bir yöntem sunabilir, ancak yine de en yetenekli FOSS kodlayıcıları için bile zorlu bir çaba olabilir.
Çekirdek ayarlama o kadar zordur ki, bunu gerçekleştirmek için insan geliştiriciler yerine yapay zekadan yararlanma girişimi var. Çinli BT şirketi ByteDance yakın zamanda, insan mühendisleri özgürleştirebilen ve insanların sıklıkla zorlayıcı bulduğu bir görev olan geçmiş verileri analiz ederek daha iyi ayarlama kararları verebilen yapay zeka tabanlı bir çözüm olan Linux çekirdeği otomatik ayarlama ile yaptığı testlerin sonuçlarını sundu.
Ayarlama yoluyla optimum Linux performansına ulaşmak, bir Linux uzmanının çok sayıda deney yapmasını gerektiren zaman alıcı bir süreçtir. Farklı iş yükleri, çeşitli çekirdek parametreleri kümeleri için farklı ayarlama yaklaşımları gerektirir. ByteDance geliştiricilerinden Cong Wang, şirket tarafından kullanılanlar gibi büyük ölçekli veri merkezlerinde, Linux çekirdeğinin "yüzlerce" farklı iş yükü için manuel olarak ayarlanmasının neredeyse imkansız hale geldiğini belirtti .
Çekirdek ayarını basitleştirmek için tasarlanmış araçlar mevcut olsa da, belirli türde optimizasyonlar sağlarlar. ByteDance'in yaklaşımı, çekirdek ayarlama dünyasındaki ilk otomasyon çözümünü tanıtmayı amaçlıyor; bu teknoloji, tüm Linux ayarlama parametrelerini minimum mühendislik çabasıyla kapsayabilecek bir teknolojidir.
Wang'ın ekibi özellikle Linux bellek yönetim sistemini optimize etmeye odaklandı.Şirket, Bayesian optimizasyonu gibi makine öğrenimi algoritmalarını kullanarak, otomatik parametre ayarlamanın çoğu Linux çekirdek mühendisinin tipik olarak elde ettiğinden daha iyi sonuçlar elde edebileceğini keşfetti.
ByteDance'in "otomatik ayarlama makinesi", belirli bir iş yükü ve donanım yapılandırmasına göre Linux dahili ayarlarını otomatik olarak ayarlamak için tasarlanmıştır. Çekirdek, her senaryoda en iyi performansı sağlamak için dinamik olarak ayarlandı ve her bilgi işlem örneği için çekirdeğin manuel olarak ayarlanması konusunda uzun süredir devam eden zorluk giderildi.
Wang ve meslektaşlarının yapay zeka tabanlı otomatik ayarlama çabaları çoğunlukla oldukça iyi çalışıyor gibi görünüyor. ByteDance'in sunumuna göre , makine öğrenimi algoritmaları, çekirdek performansını gerçek zamanlı olarak izleyerek sistemi dinamik olarak optimize edebilir ve optimize edilmiş kaynak kullanımıyla gelişmiş verimlilik sağlayabilir. Yapay zeka sistemi aynı zamanda kullanıcı dostu bir arayüze sahip olup, sınırlı teknik bilgiye sahip kullanıcıların daha iyi çalışan bir çekirdekten yararlanmasına olanak tanır. Bu arada, ileri düzey kullanıcılar otomatik ayarlama parametrelerini özelleştirebilir.
ByteDance, makine öğrenimi algoritmalarının bir uygulamanın bellek kullanımını yüzde 30 oranında azaltabileceğini veya bir NGINX sunucusundaki HTTP ağ gecikmesini optimize ederek manuel ayarlamaya göre ağ performansında yüzde 12'lik bir iyileşme sağlayabileceğini iddia ediyor. Bulut ve veri merkezi senaryolarında bu iyileştirmeler önemli maliyet tasarruflarına ve performans optimizasyonuna yol açabilir. Geliştiriciler, makine öğrenimi yoluyla çekirdeğin otomatik ayarlanmasının her durumda işe yaramadığını kabul ediyor, ancak bunun giderek daha gerekli hale gelmesi bekleniyor.
Kaynak:
https://www.techspot.com/news/100918-tu ... ments.html
