KI-Pushing: So läuft der Linux-Kernel auf Hochtouren
Linux erfreut sich besonders unter professionellen Anwendern grosser Beliebtheit. Forscher tüfteln nun daran, eine optimale Performance zu erreichen: dank KI.
Das Tuning des Linux-Kernels war bisher eine komplexe Aufgabe, die nur von Experten bewältigt werden konnte.
Aber nun könnte sich das Blatt wenden – mithilfe der künstlichen Intelligenz (KI).
Bessere Tuning-Entscheidungen dank KI
Dank einer bahnbrechenden Innovation des chinesischen IT-Riesen ByteDance kann jetzt auch die KI in den Prozess des Tunings eingebunden werden. Sie präsentierten jüngst ihre Tests zur automatischen Anpassung des Linux-Kernels durch AI.
Eine optimale Performance durch manuelles Tuning zu erreichen, ist zeitaufwendig und komplex. Es bedarf zahlloser Experimente und tiefgreifender Kenntnisse im Umgang mit dem Betriebssystem.
Weniger Ressourcenaufwand dank KI
Cong Wang, Entwickler bei ByteDance, betonte gegenüber Techspot die Schwierigkeit dieser Aufgabe besonders in gross angelegten Rechenzentren wie denen seiner Firma.
Dort wird es nahezu unmöglich für den Menschen, die Linux-Kernel für Hunderte verschiedene Arbeitslasten manuell zu optimieren. Es gibt zwar Tools zur Vereinfachung des Kernel-Tunings, diese bieten jedoch nur spezifische Optimierungen.
KI-Optimierung: Besser als das menschliche Gehirn?
ByteDance geht einen nun Schritt weiter und strebt eine vollautomatische Lösung an – ein Novum in der Welt des Kernel-Tunings. Kombiniert mit dem Einsatz von maschinellem Lernen wie der Bayes'schen Optimierung erzielt automatisiertes Parameter-Tuning bessere Ergebnisse erzielt als die meisten Linux-Kernel-Ingenieure.
Ihre «Autotuning-Maschine» ist dazu ausgelegt, interne Einstellungen von Linux basierend auf bestimmten Arbeitslasten und Hardwarekonfigurationen automatisch anzupassen. So wird sichergestellt, dass in jedem Szenario eine optimale Leistung erbracht wird – ein lang gehegter Wunsch vieler Entwickler.
Nach Angaben von ByteDance können maschinelle Lernalgorithmen den Speicherverbrauch einer Anwendung um bis zu 30 Prozent reduzieren. Oder es gelingt, die Netzwerklatenz bei einem NGINX-Server um 12 Prozent niedriger als bei einem manuellen Tuning zu justieren.
Erfolgsbilanz mit künstlicher Intelligenz
In Cloud- und Rechenzentrumsszenarien könnten diese Verbesserungen zu erheblichen Kosteneinsparungen führen.
Die Entwickler räumen zwar ein, dass das automatische Kernel-Tuning durch maschinelles Lernen nicht in jedem Fall funktioniert. Dennoch wird erwartet, dass es zunehmend notwendig wird.
Diese Entwicklung könnte einen Paradigmenwechsel in der Welt des Linux-Kernel-Tunings bedeuten und die Tür zu einer neuen Ära der Technologie öffnen.
