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.

Langkah Baru Pencipta Linux dalam Memanfaatkan Kecerdasan Buatan

Perkembangan teknologi kecerdasan buatan semakin memengaruhi cara insinyur sistem membangun aplikasi. Peristiwa penting dalam perubahan tersebut muncul ketika Linus Torvalds melibatkan Claude Code untuk mengembangkan serangkaian patch. Melalui pekerjaan yang dipublikasikan pada Oktober 2026, Torvalds memperkenalkan perubahan yang menargetkan masalah konkurensi pada page cache. Pengembangan tersebut memunculkan diskusi dalam ekosistem Linux karena memberikan contoh kolaborasi manusia dan AI dalam pengembangan sistem operasi.

Keterlibatan kecerdasan buatan tetap berada di bawah arahan Torvalds. Melalui keterangan yang disampaikan, ia mengungkapkan bahwa Claude Code membantu menghasilkan kode, menyiapkan program pengujian, serta mendukung proses evaluasi kode. Adapun, pengendalian pekerjaan dan pengujian pada perangkat nyata tetap dilakukan dengan keterlibatan langsung Torvalds. Pendekatan kolaboratif demikian penting untuk dipahami karena Linux kernel bertanggung jawab atas pengelolaan sumber daya perangkat yang tidak boleh menerima perubahan tanpa validasi memadai.

Penyebab Penurunan Performa Cache saat Banyak CPU Membaca Berkas

Sebelum membahas peningkatan performanya, perlu diketahui bagaimana Linux menyimpan data berkas sementara. Page cache merupakan fasilitas kernel untuk mempercepat akses terhadap data yang pernah dibaca. Saat program meminta data dari penyimpanan, Linux berpeluang mengambil informasi langsung dari cache apabila halaman yang diperlukan masih tersimpan. Cara kerja tersebut membantu mempercepat proses pembacaan. Namun, pengelolaan akses secara bersamaan dapat mengurangi kemampuan sistem untuk meningkatkan performa.

Hambatan yang menjadi fokus patch berhubungan dengan pembaruan penghitung referensi folio. Pada mekanisme pengelolaan memori, folio merupakan struktur pengelolaan satu atau lebih halaman. Apabila sejumlah inti CPU mengakses folio bersama, operasi yang menambah dan mengurangi penghitung referensi dapat menghasilkan aktivitas sinkronisasi yang mahal. Sebagai dampaknya, penambahan jumlah inti tidak selalu meningkatkan throughput. Permasalahan tersebut menjadi relevan pada beban kerja tertentu, termasuk layanan server.

Mekanisme Optimasi Folio dalam Pengembangan Kernel

Rancangan optimasi kernel tersebut ditujukan agar menekan kebutuhan memperbarui reference count pada jalur pembacaan tertentu. Perubahan kode yang diusulkan memanfaatkan mekanisme Read-Copy-Update atau RCU untuk melindungi pembacaan folio yang memenuhi persyaratan. Dalam rancangan ini, masa hidup objek memori dapat diperpanjang sementara hingga pembaca yang relevan selesai menggunakan perlindungan RCU. Melalui pengaturan itu, jalur pembacaan yang memenuhi syarat dapat mengurangi operasi atomik yang diperlukan.

Walaupun terdengar sederhana, implementasinya membutuhkan perhatian terhadap banyak kondisi. Pengembang harus memastikan bahwa folio tidak dibebaskan ketika masih digunakan. Faktor lain yang perlu diperhatikan adalah, interaksi dengan mekanisme pengelolaan memori lainnya dapat memengaruhi keamanan jalur baca. Oleh sebab itu, peningkatan kecepatan harus disertai pembuktian keamanan. Kemungkinan interaksi antarproses perlu diperiksa dengan teliti sebelum perubahan dapat diterima sebagai bagian kernel utama.

Hasil Pengujian Patch Linux Berbantuan AI Menunjukkan Peningkatan Performa

Temuan performa yang paling menonjol 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. Pengukuran pada prosesor Ryzen 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.

Selain pengujian pada Threadripper, hasil eksperimen dengan komputer portabel Torvalds juga menunjukkan perbaikan kemampuan pembacaan sekitar tiga kali lipat pada pengujian paralel dengan delapan thread. Perbedaan hasil tersebut menunjukkan pengaruh konfigurasi perangkat. Namun demikian, percepatan itu tidak otomatis berlaku untuk setiap perangkat Linux. Beban kerja yang tidak terhambat reference counting mungkin memperoleh manfaat lebih kecil. Karena alasan tersebut, evaluasi terhadap berbagai konfigurasi perangkat keras menjadi tahapan penting untuk mengukur keuntungan praktis optimasi.

Tantangan Keamanan dan Stabilitas dalam Perubahan Linux Kernel

Di balik peningkatan performa yang menjanjikan, pemeriksaan pengembang mengungkap persoalan konkurensi. Race condition merupakan situasi ketika hasil operasi bergantung pada urutan eksekusi yang tidak terkendali. Untuk implementasi page cache, kesalahan semacam ini dapat berisiko serius karena berpotensi menyebabkan akses memori tidak aman. Penemuan masalah konkurensi memperlihatkan manfaat peninjauan kolektif sebelum perubahan dimasukkan ke jalur pengembangan resmi. Dalam perkembangan yang diberitakan, rangkaian perubahan masih membutuhkan revisi.

Pengalaman pengembangan ini memberikan pelajaran penting mengenai pemanfaatan AI dalam rekayasa perangkat lunak. Model bahasa dapat dimanfaatkan untuk mempercepat pembuatan rancangan kode, tetapi tidak menghilangkan kemungkinan cacat logika. Khususnya dalam perangkat lunak tingkat rendah, kesalahan sinkronisasi bisa menimbulkan dampak serius. Karena itu, validasi independen tidak dapat ditinggalkan. Pencatatan proses pengembangan berbantuan AI juga mempermudah diskusi mengenai tanggung jawab tanpa mengurangi kewajiban memastikan kualitas kode.

Potensi serta Batasan AI untuk Optimasi Sistem Operasi

Pengembangan optimasi page cache berbantuan Claude Code memberikan gambaran penting mengenai kolaborasi manusia dan model bahasa dalam rekayasa perangkat lunak. Optimasi pengelolaan referensi folio memperlihatkan peningkatan performa yang menjanjikan. Akan tetapi, kekurangan implementasi yang teridentifikasi menegaskan bahwa kode masih membutuhkan penyempurnaan. Untuk penerapan AI yang lebih luas, asisten pemrograman sebaiknya dipandang sebagai alat pendukung, bukan jaminan otomatis atas keamanan kode. Bagaimana menurut Anda, apakah penggunaan AI dalam pengembangan kernel akan mempercepat inovasi secara aman? Sampaikan pandangan Anda mengenai manfaat serta tantangannya.