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

Transformasi alat pemrograman berbasis AI memberikan dampak terhadap cara insinyur sistem membangun aplikasi. Salah satu perkembangan yang menarik perhatian muncul ketika Linus Torvalds melibatkan Claude Code untuk membantu memperbaiki komponen Linux. Dalam pengembangan yang berlangsung pada Oktober 2026, Torvalds memperkenalkan perubahan yang ditujukan untuk mengurangi perebutan sumber daya ketika membaca berkas. Pengembangan tersebut memunculkan diskusi dalam ekosistem Linux karena menunjukkan keterlibatan AI dalam pekerjaan kernel yang kompleks.

Penggunaan Claude Code tidak berarti AI bekerja tanpa pengawasan. Melalui keterangan yang disampaikan, ia menjelaskan bahwa Claude Code membantu menghasilkan kode, membantu membuat perangkat uji, serta membantu peninjauan awal. Di sisi lain, arah pengembangan dan pengukuran performa tetap menjadi bagian dari tanggung jawab pengembang. Pemisahan peran tersebut memiliki arti besar karena Linux kernel merupakan komponen fundamental sistem operasi yang tidak boleh menerima perubahan tanpa validasi memadai.

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 data tersebut tersedia di memori. Pendekatan pengelolaan memori tersebut meningkatkan efisiensi operasi berkas. Namun, pemrosesan permintaan dari sejumlah inti CPU dapat memunculkan persaingan terhadap sumber daya bersama.

Masalah yang ditangani Torvalds berkaitan dengan reference counting. Di dalam sistem page cache, 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. Dalam kondisi demikian, permintaan baca dapat saling memperlambat. Permasalahan tersebut menjadi relevan pada beban kerja tertentu, termasuk sistem basis data.

Pendekatan RCU untuk Mempercepat Pembacaan Data Linux

Solusi yang dikembangkan berupaya mengurangi kebutuhan mengubah penghitung referensi berulang kali. Serangkaian patch menggunakan perlindungan RCU untuk memungkinkan akses data pada kondisi tertentu. Pada implementasi yang diajukan, penghapusan struktur terkait dapat ditangguhkan hingga masa tenggang RCU berakhir. Melalui pengaturan itu, jalur pembacaan yang memenuhi syarat mampu menekan persaingan pada penghitung bersama.

Walaupun terdengar sederhana, implementasinya membutuhkan perhatian terhadap banyak kondisi. Pengembang harus memastikan bahwa folio memiliki masa hidup yang sesuai dengan akses data. Faktor lain yang perlu diperhatikan adalah, perubahan kondisi pemetaan memori dapat menimbulkan situasi yang membutuhkan penanganan khusus. Karena alasan tersebut, hasil benchmark tidak dapat menjadi satu-satunya dasar penerimaan. Kemungkinan interaksi antarproses harus melewati pengujian menyeluruh sebelum perubahan dapat diterima sebagai bagian kernel utama.

Pengukuran Kinerja Kernel setelah Optimasi Menggunakan Claude Code

Salah satu hasil yang menarik perhatian adalah lonjakan kemampuan menangani operasi pembacaan dalam pengujian khusus. Berdasarkan benchmark yang disampaikan, serangkaian patch memperlihatkan lonjakan throughput mendekati 23 kali dalam pengujian akses berkas paralel. Benchmark yang dijalankan menggunakan sistem Threadripper menggambarkan lonjakan kemampuan memproses permintaan dari sekitar 13,3 juta menjadi 304 juta operasi pembacaan per detik pada pengujian dengan puluhan thread aktif. Data performa tersebut menunjukkan manfaat pada kondisi tertentu.

Pada evaluasi menggunakan perangkat lain, pengukuran menggunakan perangkat pribadinya juga memperlihatkan peningkatan throughput sekitar tiga kali lipat pada skenario pembacaan bersama menggunakan delapan thread. Ketidaksamaan angka benchmark menunjukkan pengaruh konfigurasi perangkat. Meski pengujian menghasilkan peningkatan signifikan, percepatan itu tidak otomatis berlaku untuk setiap perangkat Linux. Beban kerja yang tidak terhambat reference counting dapat mengalami peningkatan yang terbatas. Karena alasan tersebut, evaluasi terhadap berbagai konfigurasi perangkat keras harus dilakukan untuk menentukan dampak sebenarnya.

Peninjauan Patch AI Menemukan Masalah Race Condition

Meskipun benchmark menunjukkan hasil positif, pemeriksaan pengembang mengungkap persoalan konkurensi. Race condition merupakan masalah yang muncul akibat interaksi operasi bersamaan tanpa koordinasi memadai. Pada pengelolaan memori sistem operasi, gangguan konkurensi harus ditangani secara hati-hati karena dapat memicu perilaku sistem yang tidak diharapkan. Penemuan masalah konkurensi menegaskan pentingnya proses pemeriksaan sebelum patch digabungkan ke kernel utama. Dalam perkembangan yang diberitakan, implementasi belum siap dianggap final.

Pengalaman pengembangan ini menunjukkan tantangan nyata mengenai penggunaan asisten pemrograman cerdas. Model bahasa dapat dimanfaatkan untuk menyusun implementasi awal, tetapi tidak menghilangkan kemungkinan cacat logika. Pada sistem yang mengelola memori dan perangkat keras, cacat implementasi dapat memengaruhi stabilitas komputer. 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

Pengembangan optimasi page cache berbantuan Claude Code menjadi contoh menarik mengenai pemanfaatan teknologi AI pada perangkat lunak tingkat rendah. Upaya mengurangi contention pada page cache memperlihatkan peningkatan performa yang menjanjikan. Meski demikian, masalah konkurensi yang ditemukan saat review menegaskan bahwa kode masih membutuhkan penyempurnaan. Dalam pengembangan teknologi modern, model bahasa paling tepat dimanfaatkan dengan pengawasan ketat, bukan alasan untuk mengabaikan pengujian. Bagaimana menurut Anda, apakah pemanfaatan kecerdasan buatan untuk optimasi sistem operasi mampu memberikan manfaat besar bagi komunitas open source? Bagikan pemikiran Anda mengenai manfaat serta tantangannya.