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 semakin memengaruhi cara insinyur sistem mengembangkan perangkat lunak. Salah satu perkembangan yang menarik perhatian muncul ketika Linus Torvalds melibatkan Claude Code untuk membantu memperbaiki komponen Linux. Melalui pekerjaan yang dipublikasikan pada Oktober 2026, Torvalds mengajukan perubahan yang ditujukan untuk mengurangi perebutan sumber daya ketika membaca berkas. Pendekatan ini menjadi pembahasan di kalangan pengembang kernel karena memberikan contoh kolaborasi manusia dan AI dalam pengembangan sistem operasi.

Penggunaan Claude Code tidak berarti AI bekerja tanpa pengawasan. Dalam penjelasan pengembangannya, ia menjelaskan bahwa Claude Code membantu menghasilkan kode, membantu membuat perangkat uji, serta membantu peninjauan awal. Adapun, keputusan teknis utama serta evaluasi hasil tetap dilakukan dengan keterlibatan langsung Torvalds. Pembagian pekerjaan ini menjadi aspek yang perlu diperhatikan karena Linux kernel merupakan komponen fundamental sistem operasi yang tidak boleh menerima perubahan tanpa validasi memadai.

Masalah Page Cache yang Menjadi Sasaran Patch Linux Kernel

Untuk memahami tujuan patch tersebut, pengguna perlu memahami fungsi cache halaman. Page cache merupakan fasilitas kernel untuk mempercepat akses terhadap data yang pernah dibaca. Apabila sistem membaca file, Linux dapat memanfaatkan data yang sudah tersedia di RAM apabila halaman yang diperlukan masih tersimpan. Mekanisme ini meningkatkan efisiensi operasi berkas. Meski demikian, pemrosesan permintaan dari sejumlah inti CPU dapat memunculkan persaingan terhadap sumber daya bersama.

Hambatan yang menjadi fokus patch berkaitan dengan reference counting. Dalam kernel Linux, folio merupakan struktur pengelolaan satu atau lebih halaman. Saat permintaan pembacaan berlangsung secara paralel, operasi yang memperbarui nilai referensi bersama dapat memicu persaingan akses cache line. Dalam kondisi demikian, kinerja pembacaan dapat terhambat meskipun CPU tersedia banyak. Kondisi semacam itu dapat muncul dalam skenario pembacaan intensif, termasuk layanan server.

Mekanisme Optimasi Folio dalam Pengembangan Kernel

Rancangan optimasi kernel tersebut berupaya mengurangi kebutuhan memperbarui reference count pada jalur pembacaan tertentu. Implementasi berbantuan AI tersebut mengandalkan pendekatan sinkronisasi RCU untuk memungkinkan akses data pada kondisi tertentu. Melalui pendekatan tersebut, penghapusan struktur terkait dapat ditangguhkan hingga periode perlindungan RCU selesai. Dengan cara tersebut, operasi baca pada kondisi yang didukung dapat mengurangi operasi atomik yang diperlukan.

Walaupun terdengar sederhana, penerapan mekanisme tersebut sangat kompleks. Tim pengembangan wajib memvalidasi bahwa folio memiliki masa hidup yang sesuai dengan akses data. Faktor lain yang perlu diperhatikan adalah, perubahan kondisi pemetaan memori dapat mengubah asumsi yang digunakan optimasi. Oleh sebab itu, peningkatan kecepatan harus disertai pembuktian keamanan. Berbagai kondisi penggunaan harus melewati pengujian menyeluruh sebelum implementasi dinyatakan layak untuk produksi.

Benchmark Page Cache Linux Mengalami Lonjakan Throughput

Salah satu hasil yang menarik perhatian adalah peningkatan throughput pada benchmark sintetis. Pada pengujian yang dilaporkan, serangkaian patch mencapai peningkatan hingga sekitar 23 kali lipat dalam pengujian akses berkas paralel. Benchmark yang dijalankan menggunakan sistem Threadripper menunjukkan perubahan throughput dari sekitar 13,3 juta menjadi 304 juta operasi pembacaan per detik pada skenario paralel menggunakan 64 thread. Hasil pengujian itu memperlihatkan besarnya hambatan yang dapat dikurangi.

Di samping benchmark menggunakan prosesor dengan banyak thread, pengujian awal pada laptop Torvalds juga menghasilkan kenaikan jumlah operasi baca sekitar tiga kali lipat pada beban kerja delapan thread. Ketidaksamaan angka benchmark menunjukkan pengaruh konfigurasi perangkat. Meski pengujian menghasilkan peningkatan signifikan, percepatan itu tidak otomatis berlaku untuk setiap perangkat Linux. Aplikasi dengan sedikit thread belum tentu menunjukkan perubahan besar. Karena alasan tersebut, benchmark tambahan menggunakan beban kerja produksi harus dilakukan untuk memastikan manfaat secara lebih luas.

Peninjauan Patch AI Menemukan Masalah Race Condition

Di balik peningkatan performa yang menjanjikan, proses peninjauan menemukan masalah race condition. Race condition merupakan situasi ketika hasil operasi bergantung pada urutan eksekusi yang tidak terkendali. Pada pengelolaan memori sistem operasi, persoalan tersebut membutuhkan perhatian khusus karena dapat memicu perilaku sistem yang tidak diharapkan. Hasil review ini menjadi alasan perlunya evaluasi ketat sebelum kode digunakan secara luas. Pada saat hasil peninjauan dipublikasikan, rangkaian perubahan masih membutuhkan revisi.

Pengalaman pengembangan ini menghadirkan contoh relevan mengenai integrasi model bahasa dalam pekerjaan pengembang. Model bahasa dapat dimanfaatkan untuk menyusun implementasi awal, tetapi belum tentu menghasilkan implementasi bebas kesalahan. Pada sistem yang mengelola memori dan perangkat keras, masalah kecil dapat memiliki konsekuensi luas. Dengan mempertimbangkan risikonya, validasi independen harus dipertahankan. Keterbukaan tentang penggunaan asisten kode juga mempermudah diskusi mengenai tanggung jawab tanpa menggantikan standar keamanan perangkat lunak.

Masa Depan Kolaborasi Pengembang dan Kecerdasan Buatan

Pengajuan patch Linux kernel oleh Linus Torvalds menunjukkan perkembangan baru mengenai peran kecerdasan buatan dalam pemrograman sistem. Optimasi pengelolaan referensi folio menghasilkan benchmark dengan lonjakan throughput besar. Namun, kekurangan implementasi yang teridentifikasi menegaskan bahwa kode masih membutuhkan penyempurnaan. Bagi masa depan rekayasa perangkat lunak, AI perlu digunakan bersama keahlian manusia, bukan pengganti seluruh proses peninjauan. Bagaimana menurut Anda, apakah kolaborasi Claude Code dan pengembang Linux akan mempercepat inovasi secara aman? Silakan bagikan pendapat Anda mengenai peluang dan risikonya.