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.

Kolaborasi Linus Torvalds dan AI untuk Memperbaiki Kinerja Kernel

Perkembangan alat pemrograman berbasis AI semakin memengaruhi cara pengembang perangkat lunak menulis kode. Peristiwa penting dalam perubahan tersebut muncul ketika Linus Torvalds memanfaatkan Claude Code untuk menyusun perubahan kode kernel. Pada Oktober 2026, Torvalds menyiapkan perubahan yang ditujukan untuk mengurangi perebutan sumber daya ketika membaca berkas. Langkah tersebut menarik perhatian komunitas open source karena memberikan contoh kolaborasi manusia dan AI dalam pengembangan sistem operasi.

Keterlibatan kecerdasan buatan tetap berada di bawah arahan Torvalds. Berdasarkan uraian mengenai proses pengerjaan, ia mengungkapkan bahwa Claude Code membantu menghasilkan kode, membantu membuat perangkat uji, serta mendukung proses evaluasi kode. Sementara itu, arah pengembangan dan pengukuran performa tetap menjadi bagian dari tanggung jawab pengembang. Pembagian pekerjaan ini menjadi aspek yang perlu diperhatikan karena Linux kernel merupakan komponen fundamental sistem operasi yang memerlukan ketelitian teknis.

Penyebab Penurunan Performa Cache saat Banyak CPU Membaca Berkas

Untuk memahami tujuan patch tersebut, perlu diketahui bagaimana Linux menyimpan data berkas sementara. Page cache merupakan mekanisme penyimpanan data berkas di memori utama. 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 memunculkan persaingan terhadap sumber daya bersama.

Persoalan teknis dalam pengembangan ini 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 menambah dan mengurangi penghitung referensi dapat menyebabkan contention antarkomponen pemrosesan. Sebagai dampaknya, penambahan jumlah inti tidak selalu meningkatkan throughput. Permasalahan tersebut menjadi relevan pada beban kerja tertentu, termasuk layanan server.

Pendekatan RCU untuk Mempercepat Pembacaan Data Linux

Solusi yang dikembangkan dirancang untuk membatasi kebutuhan melakukan operasi referensi yang mahal dalam jalur cepat. Serangkaian patch memanfaatkan mekanisme Read-Copy-Update atau RCU untuk memungkinkan akses data pada kondisi tertentu. Melalui pendekatan tersebut, masa hidup objek memori dapat diperpanjang sementara hingga periode perlindungan RCU selesai. Melalui pengaturan itu, akses data yang aman dalam wilayah RCU mampu menekan persaingan pada penghitung bersama.

Walaupun terdengar sederhana, implementasinya membutuhkan perhatian terhadap banyak kondisi. Pengembang harus memastikan bahwa folio tidak dibebaskan ketika masih digunakan. Selain itu, interaksi dengan mekanisme pengelolaan memori lainnya dapat mengubah asumsi yang digunakan optimasi. Karena alasan tersebut, 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 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. Benchmark yang dijalankan menggunakan sistem Threadripper menggambarkan lonjakan kemampuan memproses permintaan dari sekitar 13,3 juta menjadi 304 juta operasi pembacaan per detik pada konfigurasi 64 thread. Angka tersebut menggambarkan potensi optimasi yang signifikan.

Di samping benchmark menggunakan prosesor dengan banyak thread, pengujian awal pada laptop Torvalds juga menghasilkan kenaikan jumlah operasi baca 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. Aplikasi dengan sedikit thread mungkin memperoleh manfaat lebih kecil. Dengan demikian, pengujian pada beragam server dan aplikasi nyata tetap diperlukan untuk menentukan dampak sebenarnya.

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. Untuk implementasi page cache, gangguan konkurensi harus ditangani secara hati-hati karena dapat memicu perilaku sistem yang tidak diharapkan. Temuan tersebut menjadi alasan perlunya evaluasi ketat sebelum perubahan dimasukkan ke jalur pengembangan resmi. Pada saat hasil peninjauan dipublikasikan, rangkaian perubahan masih membutuhkan revisi.

Peristiwa tersebut menunjukkan tantangan nyata mengenai integrasi model bahasa dalam pekerjaan pengembang. Sistem AI dapat membantu membantu memahami struktur program, tetapi tidak menghilangkan kemungkinan cacat logika. Khususnya dalam perangkat lunak tingkat rendah, kesalahan sinkronisasi bisa menimbulkan dampak serius. Karena itu, validasi independen harus dipertahankan. Pencatatan proses pengembangan berbantuan AI juga mempermudah diskusi mengenai tanggung jawab tanpa mengurangi kewajiban memastikan kualitas kode.

Masa Depan Kolaborasi Pengembang dan Kecerdasan Buatan

Pengembangan optimasi page cache berbantuan Claude Code menjadi contoh menarik mengenai peran kecerdasan buatan dalam pemrograman sistem. Optimasi pengelolaan referensi folio menghasilkan benchmark dengan lonjakan throughput besar. Meski demikian, temuan race condition menunjukkan bahwa hasil cepat belum tentu aman. Untuk penerapan AI yang lebih luas, model bahasa paling tepat dimanfaatkan dengan pengawasan ketat, bukan jaminan otomatis atas keamanan kode. Menurut pandangan Anda, apakah penggunaan AI dalam pengembangan kernel mampu memberikan manfaat besar bagi komunitas open source? Sampaikan pandangan Anda mengenai manfaat serta tantangannya.