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 sistem AI generatif mulai mengubah cara pengembang perangkat lunak mengembangkan perangkat lunak. Peristiwa penting dalam perubahan tersebut muncul ketika Linus Torvalds melibatkan Claude Code untuk mengembangkan serangkaian patch. Melalui pekerjaan yang dipublikasikan pada Oktober 2026, Torvalds mengajukan perubahan yang berfokus pada hambatan pembacaan data dari cache. Pendekatan ini menjadi pembahasan di kalangan pengembang kernel karena menunjukkan keterlibatan AI dalam pekerjaan kernel yang kompleks.

Torvalds tidak menyerahkan seluruh pengambilan keputusan kepada AI. Berdasarkan uraian mengenai proses pengerjaan, ia mengungkapkan bahwa Claude Code digunakan untuk menyusun perubahan program, menyiapkan program pengujian, serta mendukung proses evaluasi kode. Adapun, pengendalian pekerjaan dan pengujian pada perangkat nyata tetap dilakukan dengan keterlibatan langsung Torvalds. Pemisahan peran tersebut penting untuk dipahami karena Linux kernel menangani berbagai fungsi penting komputer yang tidak boleh menerima perubahan tanpa validasi memadai.

Masalah Page Cache yang Menjadi Sasaran Patch Linux Kernel

Agar perubahan kernel lebih mudah dimengerti, perlu diketahui bagaimana Linux menyimpan data berkas sementara. Page cache merupakan bagian sistem yang mempertahankan salinan data file dalam RAM. Ketika aplikasi membuka berkas, Linux bisa menghindari pembacaan ulang dari perangkat penyimpanan apabila halaman yang diperlukan masih tersimpan. Mekanisme ini mengurangi kebutuhan akses penyimpanan. Meski demikian, pengelolaan akses secara bersamaan dapat menimbulkan hambatan tersendiri.

Masalah yang ditangani Torvalds berhubungan dengan pembaruan penghitung referensi folio. Dalam kernel Linux, folio merupakan struktur pengelolaan satu atau lebih halaman. Saat permintaan pembacaan berlangsung secara paralel, operasi yang mengubah reference count secara berulang dapat menghasilkan aktivitas sinkronisasi yang mahal. Dalam kondisi demikian, kinerja pembacaan dapat terhambat meskipun CPU tersedia banyak. Kondisi semacam itu menjadi relevan pada beban kerja tertentu, termasuk sistem basis data.

Cara Patch AI Mengurangi Beban Reference Count pada Page Cache

Solusi yang dikembangkan berupaya mengurangi kebutuhan mengubah penghitung referensi berulang kali. Implementasi berbantuan AI tersebut menggunakan perlindungan RCU untuk mendukung jalur baca tanpa penambahan referensi secara langsung. Pada implementasi yang diajukan, pelepasan folio tertentu dapat ditunda hingga masa tenggang RCU berakhir. Dengan cara tersebut, akses data yang aman dalam wilayah RCU berpotensi menghindari pembaruan reference count.

Kendati tujuan optimasinya jelas, penerapan mekanisme tersebut sangat kompleks. Peninjau kernel perlu memeriksa bahwa folio tetap aman selama proses pembacaan. Faktor lain yang perlu diperhatikan adalah, interaksi dengan mekanisme pengelolaan memori lainnya dapat memengaruhi keamanan jalur baca. Karena alasan tersebut, perbaikan kinerja saja belum cukup. Berbagai kondisi penggunaan perlu diperiksa dengan teliti sebelum patch dianggap siap digunakan secara luas.

Pengukuran Kinerja Kernel setelah Optimasi Menggunakan Claude Code

Temuan performa yang paling menonjol adalah lonjakan kemampuan menangani operasi pembacaan dalam pengujian khusus. Berdasarkan benchmark yang disampaikan, serangkaian patch mencapai peningkatan hingga sekitar 23 kali lipat dalam beban kerja sintetis yang menekankan persaingan cache. Hasil eksperimen pada perangkat berbasis Threadripper memperlihatkan peningkatan jumlah operasi baca dari sekitar 13,3 juta menjadi 304 juta operasi pembacaan per detik pada pengujian dengan puluhan thread aktif. Hasil pengujian itu menggambarkan potensi optimasi yang signifikan.

Di samping benchmark menggunakan prosesor dengan banyak thread, pengukuran menggunakan perangkat pribadinya juga menunjukkan perbaikan kemampuan pembacaan sekitar tiga kali lipat pada skenario pembacaan bersama menggunakan delapan thread. Variasi peningkatan yang diperoleh menggambarkan hubungan optimasi dengan tingkat contention. Meski pengujian menghasilkan peningkatan signifikan, benchmark sintetis tidak dapat disamakan dengan penggunaan sehari-hari. Beban kerja yang tidak terhambat reference counting belum tentu menunjukkan perubahan besar. Oleh karena itu, evaluasi terhadap berbagai konfigurasi perangkat keras harus dilakukan untuk mengukur keuntungan praktis optimasi.

Tantangan Keamanan dan Stabilitas dalam Perubahan Linux Kernel

Di balik peningkatan performa yang menjanjikan, proses peninjauan menemukan masalah race condition. Race condition merupakan masalah yang muncul akibat interaksi operasi bersamaan tanpa koordinasi memadai. Dalam konteks kernel, gangguan konkurensi harus ditangani secara hati-hati karena dapat memicu perilaku sistem yang tidak diharapkan. Penemuan masalah konkurensi memperlihatkan manfaat peninjauan kolektif sebelum perubahan dimasukkan ke jalur pengembangan resmi. Hingga tahap pelaporan tersebut, patch belum dinyatakan selesai.

Peristiwa tersebut menghadirkan contoh relevan mengenai integrasi model bahasa dalam pekerjaan pengembang. Model bahasa dapat dimanfaatkan untuk mempercepat pembuatan rancangan kode, tetapi tidak otomatis menjamin keamanan. Khususnya dalam perangkat lunak tingkat rendah, masalah kecil dapat memiliki konsekuensi luas. Oleh sebab itu, pengujian berlapis tetap menjadi kebutuhan utama. Keterbukaan tentang penggunaan asisten kode juga memberikan konteks bagi proses review tanpa menggantikan standar keamanan perangkat lunak.

Potensi serta Batasan AI untuk Optimasi Sistem Operasi

Pengajuan patch Linux kernel oleh Linus Torvalds menunjukkan perkembangan baru mengenai kolaborasi manusia dan model bahasa dalam rekayasa perangkat lunak. Perbaikan mekanisme akses data bersama menghasilkan benchmark dengan lonjakan throughput besar. Akan tetapi, kekurangan implementasi yang teridentifikasi memperlihatkan pentingnya pemeriksaan lanjutan. Bagi masa depan rekayasa perangkat lunak, AI perlu digunakan bersama keahlian manusia, bukan alasan untuk mengabaikan pengujian. Bagaimana menurut Anda, apakah penggunaan AI dalam pengembangan kernel mampu memberikan manfaat besar bagi komunitas open source? Sampaikan pandangan Anda mengenai manfaat serta tantangannya.