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

Kemajuan alat pemrograman berbasis AI semakin memengaruhi cara pengembang perangkat lunak membangun aplikasi. Peristiwa penting dalam perubahan tersebut muncul ketika Linus Torvalds melibatkan Claude Code untuk menyusun perubahan kode kernel. Melalui pekerjaan yang dipublikasikan pada Oktober 2026, Torvalds mengajukan perubahan yang ditujukan untuk mengurangi perebutan sumber daya ketika membaca berkas. Pengembangan tersebut menjadi pembahasan di kalangan pengembang kernel 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 menyatakan bahwa Claude Code digunakan untuk menyusun perubahan program, mendukung penyusunan kode pengujian, serta membantu peninjauan awal. Sementara itu, arah pengembangan dan pengukuran performa tetap berada di tangan manusia. Pemisahan peran tersebut menjadi aspek yang perlu diperhatikan karena Linux kernel merupakan komponen fundamental sistem operasi yang tidak boleh menerima perubahan tanpa validasi memadai.

Memahami Hambatan Reference Counting pada Sistem Linux

Untuk memahami tujuan patch tersebut, perlu diketahui bagaimana Linux menyimpan data berkas sementara. Page cache merupakan fasilitas kernel untuk mempercepat akses terhadap data yang pernah dibaca. Ketika aplikasi membuka berkas, Linux bisa menghindari pembacaan ulang dari perangkat penyimpanan apabila informasi terkait belum dikeluarkan dari cache. Mekanisme ini membantu mempercepat proses pembacaan. Namun, pemrosesan permintaan dari sejumlah inti CPU dapat mengurangi kemampuan sistem untuk meningkatkan performa.

Masalah yang ditangani Torvalds melibatkan pengelolaan jumlah referensi objek memori. 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. Akibatnya, kinerja pembacaan dapat terhambat meskipun CPU tersedia banyak. Permasalahan tersebut menjadi relevan pada beban kerja tertentu, termasuk sistem basis data.

Cara Patch AI Mengurangi Beban Reference Count pada Page Cache

Rancangan optimasi kernel tersebut dirancang untuk membatasi kebutuhan mengubah penghitung referensi berulang kali. Serangkaian patch menggunakan perlindungan RCU untuk memungkinkan akses data pada kondisi tertentu. Pada implementasi yang diajukan, masa hidup objek memori dapat diperpanjang sementara hingga masa tenggang RCU berakhir. Dengan cara tersebut, operasi baca pada kondisi yang didukung mampu menekan persaingan pada penghitung bersama.

Kendati tujuan optimasinya jelas, perubahan ini menyentuh persoalan konkurensi yang rumit. Pengembang harus memastikan bahwa folio tidak dibebaskan ketika masih digunakan. Faktor lain yang perlu diperhatikan adalah, kesalahan halaman atau page fault dapat memengaruhi keamanan jalur baca. Dengan mempertimbangkan kompleksitasnya, perbaikan kinerja saja belum cukup. Berbagai kondisi penggunaan perlu diperiksa dengan teliti sebelum perubahan dapat diterima sebagai bagian kernel utama.

Pengukuran Kinerja Kernel setelah Optimasi Menggunakan Claude Code

Bagian penting dari pengujian patch adalah peningkatan throughput pada benchmark sintetis. Berdasarkan benchmark yang disampaikan, serangkaian patch memperlihatkan lonjakan throughput mendekati 23 kali dalam skenario pembacaan dengan banyak thread. Hasil eksperimen pada perangkat berbasis Threadripper menggambarkan lonjakan kemampuan memproses permintaan dari sekitar 13,3 juta menjadi 304 juta operasi pembacaan per detik pada pengujian dengan puluhan thread aktif. Hasil pengujian itu menunjukkan manfaat pada kondisi tertentu.

Di samping benchmark menggunakan prosesor dengan banyak thread, pengujian awal pada laptop Torvalds juga menunjukkan perbaikan kemampuan pembacaan sekitar tiga kali lipat pada skenario pembacaan bersama menggunakan 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 dapat mengalami peningkatan yang terbatas. Dengan demikian, evaluasi terhadap berbagai konfigurasi perangkat keras harus dilakukan untuk menentukan dampak sebenarnya.

Tantangan Keamanan dan Stabilitas dalam Perubahan Linux Kernel

Di balik peningkatan performa yang menjanjikan, review kode mengidentifikasi kondisi balapan. Race condition merupakan kondisi saat beberapa aktivitas paralel dapat saling mengganggu. Untuk implementasi page cache, gangguan konkurensi harus ditangani secara hati-hati 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, implementasi belum siap dianggap final.

Kasus ini menghadirkan contoh relevan mengenai integrasi model bahasa dalam pekerjaan pengembang. Sistem AI dapat membantu membantu memahami struktur program, tetapi belum tentu menghasilkan implementasi bebas kesalahan. Terlebih pada Linux kernel, cacat implementasi dapat memengaruhi stabilitas komputer. Oleh sebab itu, peninjauan oleh pengembang berpengalaman tetap menjadi kebutuhan utama. Keterbukaan tentang penggunaan asisten kode juga mempermudah diskusi mengenai tanggung jawab tanpa menghilangkan tanggung jawab pengembang manusia.

Masa Depan Kolaborasi Pengembang dan Kecerdasan Buatan

Pengajuan patch Linux kernel oleh Linus Torvalds memberikan gambaran penting mengenai peran kecerdasan buatan dalam pemrograman sistem. Upaya mengurangi contention pada page cache menghasilkan benchmark dengan lonjakan throughput besar. Meski demikian, kekurangan implementasi yang teridentifikasi menunjukkan bahwa hasil cepat belum tentu aman. Untuk penerapan AI yang lebih luas, asisten pemrograman sebaiknya dipandang sebagai alat pendukung, bukan alasan untuk mengabaikan pengujian. Bagaimana menurut Anda, apakah pemanfaatan kecerdasan buatan untuk optimasi sistem operasi mampu memberikan manfaat besar bagi komunitas open source? Sampaikan pandangan Anda mengenai manfaat serta tantangannya.