Linus Torvalds Ajukan Patch Linux Kernel Berbantuan AI untuk Mengatasi Masalah Cache

Linus Torvalds, pencipta Linux sekaligus pengelola utama pengembangan Linux kernel, menarik perhatian komunitas teknologi setelah mengajukan serangkaian patch yang dibuat dengan bantuan kecerdasan buatan. Pembaruan tersebut menggunakan Claude Code dari Anthropic untuk menangani masalah lama pada mekanisme page cache yang dapat menghambat kinerja ketika banyak prosesor membaca berkas yang sama secara bersamaan. Patch yang diajukan pada Oktober 2026 ini menunjukkan peningkatan performa signifikan dalam pengujian sintetis. Namun, temuan masalah konkurensi selama proses peninjauan menegaskan bahwa kontribusi berbantuan AI tetap memerlukan pemeriksaan mendalam sebelum dapat diterapkan pada kernel Linux secara luas.

Linus Torvalds Mulai Menggunakan AI untuk Pengembangan Linux Kernel

Kemajuan alat pemrograman berbasis AI mulai mengubah cara programmer profesional menulis kode. Salah satu perkembangan yang menarik perhatian muncul ketika Linus Torvalds melibatkan Claude Code untuk mengembangkan serangkaian patch. Dalam pengembangan yang berlangsung pada Oktober 2026, Torvalds mengajukan perubahan yang berfokus pada hambatan pembacaan data dari cache. Pengembangan tersebut memunculkan diskusi dalam ekosistem Linux karena menunjukkan keterlibatan AI dalam pekerjaan kernel yang kompleks.

Keterlibatan kecerdasan buatan tetap berada di bawah arahan Torvalds. Dalam penjelasan pengembangannya, ia menjelaskan bahwa Claude Code membantu menghasilkan kode, membantu membuat perangkat uji, serta berperan dalam pemeriksaan awal. Adapun, arah pengembangan dan pengukuran performa tetap berada di tangan manusia. Pendekatan kolaboratif demikian menjadi aspek yang perlu diperhatikan karena Linux kernel menangani berbagai fungsi penting komputer yang memerlukan ketelitian teknis.

Penyebab Penurunan Performa Cache saat Banyak CPU Membaca Berkas

Agar perubahan kernel lebih mudah dimengerti, pengguna perlu memahami fungsi cache halaman. Page cache merupakan mekanisme penyimpanan data berkas di memori utama. Saat program meminta data dari penyimpanan, Linux bisa menghindari pembacaan ulang dari perangkat penyimpanan apabila halaman yang diperlukan masih tersimpan. Cara kerja tersebut meningkatkan efisiensi operasi berkas. Akan tetapi, koordinasi banyak thread dapat mengurangi kemampuan sistem untuk meningkatkan performa.

Persoalan teknis dalam pengembangan ini melibatkan pengelolaan jumlah referensi objek memori. Dalam kernel Linux, folio merepresentasikan kumpulan halaman memori. Saat permintaan pembacaan berlangsung secara paralel, operasi yang memperbarui nilai referensi bersama dapat menyebabkan contention antarkomponen pemrosesan. Sebagai dampaknya, kinerja pembacaan dapat terhambat meskipun CPU tersedia banyak. Hambatan konkurensi ini menjadi relevan pada beban kerja tertentu, termasuk sistem basis data.

Pendekatan RCU untuk Mempercepat Pembacaan Data Linux

Solusi yang dikembangkan dirancang untuk membatasi kebutuhan memperbarui reference count pada jalur pembacaan tertentu. Perubahan kode yang diusulkan mengandalkan pendekatan sinkronisasi RCU untuk melindungi pembacaan folio yang memenuhi persyaratan. Melalui pendekatan tersebut, penghapusan struktur terkait dapat ditangguhkan hingga periode perlindungan RCU selesai. Melalui pengaturan itu, jalur pembacaan yang memenuhi syarat mampu menekan persaingan pada penghitung bersama.

Kendati tujuan optimasinya jelas, implementasinya membutuhkan perhatian terhadap banyak kondisi. Tim pengembangan wajib memvalidasi bahwa folio memiliki masa hidup yang sesuai dengan akses data. Selain itu, kesalahan halaman atau page fault dapat menimbulkan situasi yang membutuhkan penanganan khusus. Oleh sebab itu, peningkatan kecepatan harus disertai pembuktian keamanan. Kemungkinan interaksi antarproses perlu diperiksa dengan teliti sebelum patch dianggap siap digunakan secara luas.

Benchmark Page Cache Linux Mengalami Lonjakan Throughput

Salah satu hasil yang menarik perhatian adalah perbaikan kecepatan pada simulasi akses berkas bersama. Dalam pengukuran menggunakan sistem tertentu, serangkaian patch menghasilkan percepatan sekitar 23 kali dalam pengujian akses berkas paralel. Benchmark yang dijalankan menggunakan sistem Threadripper memperlihatkan peningkatan jumlah operasi baca dari sekitar 13,3 juta menjadi 304 juta operasi pembacaan per detik pada skenario paralel menggunakan 64 thread. Data performa tersebut menunjukkan manfaat pada kondisi tertentu.

Di samping benchmark menggunakan prosesor dengan banyak thread, pengukuran menggunakan perangkat pribadinya juga menghasilkan kenaikan jumlah operasi baca sekitar tiga kali lipat pada beban kerja delapan thread. Ketidaksamaan angka benchmark memperlihatkan pentingnya karakteristik beban kerja. Meski pengujian menghasilkan peningkatan signifikan, benchmark sintetis tidak dapat disamakan dengan penggunaan sehari-hari. Aplikasi dengan sedikit thread dapat mengalami peningkatan yang terbatas. Oleh karena itu, pengujian pada beragam server dan aplikasi nyata menjadi tahapan penting untuk mengukur keuntungan praktis optimasi.

Tantangan Keamanan dan Stabilitas dalam Perubahan Linux Kernel

Di balik peningkatan performa yang menjanjikan, review kode mengidentifikasi kondisi balapan. Race condition merupakan masalah yang muncul akibat interaksi operasi bersamaan tanpa koordinasi memadai. Untuk implementasi page cache, kesalahan semacam ini dapat berisiko serius karena dapat memicu perilaku sistem yang tidak diharapkan. Penemuan masalah konkurensi memperlihatkan manfaat peninjauan kolektif sebelum kode digunakan secara luas. Pada saat hasil peninjauan dipublikasikan, implementasi belum siap dianggap final.

Pengalaman pengembangan ini memberikan pelajaran penting mengenai integrasi model bahasa dalam pekerjaan pengembang. Model bahasa dapat dimanfaatkan untuk menyusun implementasi awal, tetapi belum tentu menghasilkan implementasi bebas kesalahan. Khususnya dalam perangkat lunak tingkat rendah, masalah kecil dapat memiliki konsekuensi luas. Karena itu, validasi independen tidak dapat ditinggalkan. Pencatatan proses pengembangan berbantuan AI juga membantu memperjelas asal kontribusi tanpa mengurangi kewajiban memastikan kualitas kode.

Kesimpulan Peran AI dalam Pengembangan Linux Kernel

Pemanfaatan AI dalam perubahan kernel Linux memberikan gambaran penting mengenai pemanfaatan teknologi AI pada perangkat lunak tingkat rendah. Upaya mengurangi contention pada page cache menghasilkan benchmark dengan lonjakan throughput besar. Namun, kekurangan implementasi yang teridentifikasi menegaskan bahwa kode masih membutuhkan penyempurnaan. Bagi masa depan rekayasa perangkat lunak, asisten pemrograman sebaiknya dipandang sebagai alat pendukung, bukan jaminan otomatis atas keamanan kode. Menurut pandangan Anda, apakah penggunaan AI dalam pengembangan kernel mampu memberikan manfaat besar bagi komunitas open source? Silakan bagikan pendapat Anda mengenai manfaat serta tantangannya.