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 mulai mengubah cara pengembang perangkat lunak menulis kode. Contoh terbaru pemanfaatan teknologi ini muncul ketika Linus Torvalds memanfaatkan Claude Code untuk menyusun perubahan kode kernel. Melalui pekerjaan yang dipublikasikan pada Oktober 2026, Torvalds memperkenalkan perubahan yang ditujukan untuk mengurangi perebutan sumber daya ketika membaca berkas. Pendekatan ini menarik perhatian komunitas open source karena memperlihatkan penggunaan AI pada perangkat lunak tingkat rendah.

Penggunaan Claude Code tidak berarti AI bekerja tanpa pengawasan. Berdasarkan uraian mengenai proses pengerjaan, ia menjelaskan bahwa Claude Code terlibat dalam pembuatan implementasi, membantu membuat perangkat uji, serta membantu peninjauan awal. Sementara itu, pengendalian pekerjaan dan pengujian pada perangkat nyata 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.

Penyebab Penurunan Performa Cache saat Banyak CPU Membaca Berkas

Sebelum membahas peningkatan performanya, pengguna perlu memahami fungsi cache halaman. Page cache merupakan fasilitas kernel untuk mempercepat akses terhadap data yang pernah dibaca. Saat program meminta data dari penyimpanan, Linux bisa menghindari pembacaan ulang dari perangkat penyimpanan apabila informasi terkait belum dikeluarkan dari cache. Mekanisme ini meningkatkan efisiensi operasi berkas. Namun, pengelolaan akses secara bersamaan dapat mengurangi kemampuan sistem untuk meningkatkan performa.

Masalah yang ditangani Torvalds berhubungan dengan pembaruan penghitung referensi folio. Di dalam sistem page cache, 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. Akibatnya, kinerja pembacaan dapat terhambat meskipun CPU tersedia banyak. Hambatan konkurensi ini dapat muncul dalam skenario pembacaan intensif, termasuk aplikasi dengan banyak thread.

Pendekatan RCU untuk Mempercepat Pembacaan Data Linux

Rancangan optimasi kernel tersebut ditujukan agar menekan kebutuhan memperbarui reference count pada jalur pembacaan tertentu. Perubahan kode yang diusulkan memanfaatkan mekanisme Read-Copy-Update atau RCU untuk melindungi pembacaan folio yang memenuhi persyaratan. Melalui pendekatan tersebut, pelepasan folio tertentu dapat ditunda hingga pembaca yang relevan selesai menggunakan perlindungan RCU. Dengan cara tersebut, jalur pembacaan yang memenuhi syarat mampu menekan persaingan pada penghitung bersama.

Meski konsep dasarnya cukup mudah dijelaskan, perubahan ini menyentuh persoalan konkurensi yang rumit. Tim pengembangan wajib memvalidasi bahwa folio tetap aman selama proses pembacaan. Faktor lain yang perlu diperhatikan adalah, kesalahan halaman atau page fault dapat memengaruhi keamanan jalur baca. Karena alasan tersebut, peningkatan kecepatan harus disertai pembuktian keamanan. Setiap jalur eksekusi membutuhkan validasi mendalam sebelum patch dianggap siap digunakan secara luas.

Hasil Pengujian Patch Linux Berbantuan AI Menunjukkan Peningkatan Performa

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 memperlihatkan peningkatan jumlah operasi baca dari sekitar 13,3 juta menjadi 304 juta operasi pembacaan per detik pada konfigurasi 64 thread. Hasil pengujian itu memperlihatkan besarnya hambatan yang dapat dikurangi.

Di samping benchmark menggunakan prosesor dengan banyak thread, pengukuran menggunakan perangkat pribadinya juga menghasilkan kenaikan jumlah operasi baca sekitar tiga kali lipat pada pengujian paralel dengan delapan thread. Variasi peningkatan yang diperoleh menggambarkan hubungan optimasi dengan tingkat contention. Namun demikian, benchmark sintetis tidak dapat disamakan dengan penggunaan sehari-hari. Program yang tidak mengalami persaingan cache dapat mengalami peningkatan yang terbatas. Dengan demikian, pengujian pada beragam server dan aplikasi nyata harus dilakukan untuk memastikan manfaat secara lebih luas.

Peninjauan Patch AI Menemukan Masalah Race Condition

Meskipun benchmark menunjukkan hasil positif, proses peninjauan menemukan masalah race condition. Race condition merupakan masalah yang muncul akibat interaksi operasi bersamaan tanpa koordinasi memadai. Dalam konteks kernel, kesalahan semacam ini dapat berisiko serius karena mungkin mengganggu keandalan pengelolaan sumber daya. Temuan tersebut menegaskan pentingnya proses pemeriksaan sebelum patch digabungkan ke kernel utama. Hingga tahap pelaporan tersebut, rangkaian perubahan masih membutuhkan revisi.

Kasus ini menunjukkan tantangan nyata mengenai pemanfaatan AI dalam rekayasa perangkat lunak. Asisten kode berbasis AI mampu mendukung membantu memahami struktur program, tetapi belum tentu menghasilkan implementasi bebas kesalahan. Khususnya dalam perangkat lunak tingkat rendah, kesalahan sinkronisasi bisa menimbulkan dampak serius. Dengan mempertimbangkan risikonya, pengujian berlapis tetap menjadi kebutuhan utama. Transparansi mengenai keterlibatan AI juga mempermudah diskusi mengenai tanggung jawab tanpa menggantikan standar keamanan perangkat lunak.

Kesimpulan Peran AI dalam Pengembangan Linux Kernel

Pengembangan optimasi page cache berbantuan Claude Code menunjukkan perkembangan baru mengenai peran kecerdasan buatan dalam pemrograman sistem. Perbaikan mekanisme akses data bersama menunjukkan potensi efisiensi pada beban kerja tertentu. Akan tetapi, kekurangan implementasi yang teridentifikasi menunjukkan bahwa hasil cepat belum tentu aman. Dalam pengembangan teknologi modern, 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 masa depan pengembangan perangkat lunak berbantuan AI.