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

Perkembangan alat pemrograman berbasis AI semakin memengaruhi cara pengembang perangkat lunak menulis kode. Peristiwa penting dalam perubahan tersebut muncul ketika Linus Torvalds melibatkan Claude Code untuk membantu memperbaiki komponen Linux. Dalam pengembangan yang berlangsung pada Oktober 2026, Torvalds mengajukan perubahan yang ditujukan untuk mengurangi perebutan sumber daya ketika membaca berkas. Pendekatan ini memunculkan diskusi dalam ekosistem Linux karena memberikan contoh kolaborasi manusia dan AI dalam pengembangan sistem operasi.

Penggunaan Claude Code tidak berarti AI bekerja tanpa pengawasan. Dalam penjelasan pengembangannya, ia mengungkapkan bahwa Claude Code digunakan untuk menyusun perubahan program, menyiapkan program pengujian, serta membantu peninjauan awal. Adapun, arah pengembangan dan pengukuran performa tetap dilakukan dengan keterlibatan langsung Torvalds. Pendekatan kolaboratif demikian penting untuk dipahami karena Linux kernel merupakan komponen fundamental sistem operasi yang menuntut keandalan tinggi.

Masalah Page Cache yang Menjadi Sasaran Patch Linux Kernel

Sebelum membahas peningkatan performanya, pengguna perlu memahami fungsi cache halaman. Page cache merupakan bagian sistem yang mempertahankan salinan data file dalam RAM. Ketika aplikasi membuka berkas, Linux berpeluang mengambil informasi langsung dari cache apabila halaman yang diperlukan masih tersimpan. Mekanisme ini meningkatkan efisiensi operasi berkas. Namun, pengelolaan akses secara bersamaan dapat memunculkan persaingan terhadap sumber daya bersama.

Persoalan teknis dalam pengembangan ini melibatkan pengelolaan jumlah referensi objek memori. Di dalam sistem page cache, folio merupakan struktur pengelolaan satu atau lebih halaman. Ketika banyak thread membaca data yang sama, operasi yang memperbarui nilai referensi bersama dapat memicu persaingan akses cache line. Akibatnya, permintaan baca dapat saling memperlambat. Kondisi semacam itu dapat muncul dalam skenario pembacaan intensif, termasuk sistem basis data.

Mekanisme Optimasi Folio dalam Pengembangan Kernel

Rancangan optimasi kernel tersebut berupaya mengurangi kebutuhan melakukan operasi referensi yang mahal dalam jalur cepat. Implementasi berbantuan AI tersebut menggunakan perlindungan RCU untuk mendukung jalur baca tanpa penambahan referensi secara langsung. Pada implementasi yang diajukan, pelepasan folio tertentu dapat ditunda hingga pembaca yang relevan selesai menggunakan perlindungan RCU. Berkat mekanisme ini, jalur pembacaan yang memenuhi syarat mampu menekan persaingan pada penghitung bersama.

Meski konsep dasarnya cukup mudah dijelaskan, penerapan mekanisme tersebut sangat kompleks. Pengembang harus memastikan bahwa folio memiliki masa hidup yang sesuai dengan akses data. Selain itu, perubahan kondisi pemetaan memori dapat menimbulkan situasi yang membutuhkan penanganan khusus. Dengan mempertimbangkan kompleksitasnya, peningkatan kecepatan harus disertai pembuktian keamanan. Berbagai kondisi penggunaan membutuhkan validasi mendalam sebelum perubahan dapat diterima sebagai bagian kernel utama.

Benchmark Page Cache Linux Mengalami Lonjakan Throughput

Salah satu hasil yang menarik perhatian adalah peningkatan throughput pada benchmark sintetis. Dalam pengukuran menggunakan sistem tertentu, serangkaian patch memperlihatkan lonjakan throughput mendekati 23 kali dalam beban kerja sintetis yang menekankan persaingan cache. Benchmark yang dijalankan menggunakan sistem Threadripper menunjukkan perubahan throughput dari sekitar 13,3 juta menjadi 304 juta operasi pembacaan per detik pada pengujian dengan puluhan thread aktif. Hasil pengujian itu memperlihatkan besarnya hambatan yang dapat dikurangi.

Selain pengujian pada Threadripper, pengukuran menggunakan perangkat pribadinya juga memperlihatkan peningkatan throughput sekitar tiga kali lipat pada beban kerja delapan thread. Ketidaksamaan angka benchmark memperlihatkan pentingnya karakteristik beban kerja. Walaupun angkanya terlihat besar, benchmark sintetis tidak dapat disamakan dengan penggunaan sehari-hari. Program yang tidak mengalami persaingan cache mungkin memperoleh manfaat lebih kecil. Oleh karena itu, benchmark tambahan menggunakan beban kerja produksi harus dilakukan untuk mengukur keuntungan praktis optimasi.

Peninjauan Patch AI Menemukan Masalah Race Condition

Meskipun benchmark menunjukkan hasil positif, proses peninjauan menemukan masalah race condition. Race condition merupakan situasi ketika hasil operasi bergantung pada urutan eksekusi yang tidak terkendali. Dalam konteks kernel, kesalahan semacam ini dapat berisiko serius karena berpotensi menyebabkan akses memori tidak aman. Temuan tersebut menegaskan pentingnya proses pemeriksaan sebelum kode digunakan secara luas. Pada saat hasil peninjauan dipublikasikan, implementasi belum siap dianggap final.

Pengalaman pengembangan ini memberikan pelajaran penting mengenai integrasi model bahasa dalam pekerjaan pengembang. Sistem AI dapat membantu menyusun implementasi awal, tetapi belum tentu menghasilkan implementasi bebas kesalahan. Terlebih pada Linux kernel, kesalahan sinkronisasi bisa menimbulkan dampak serius. Karena itu, pengujian berlapis tetap menjadi kebutuhan utama. Transparansi mengenai keterlibatan AI juga memberikan konteks bagi proses review tanpa menggantikan standar keamanan perangkat lunak.

Masa Depan Kolaborasi Pengembang dan Kecerdasan Buatan

Pemanfaatan AI dalam perubahan kernel Linux menunjukkan perkembangan baru mengenai peran kecerdasan buatan dalam pemrograman sistem. Upaya mengurangi contention pada page cache menghasilkan benchmark dengan lonjakan throughput besar. Akan tetapi, temuan race condition menunjukkan bahwa hasil cepat belum tentu aman. Bagi masa depan rekayasa perangkat lunak, AI perlu digunakan bersama keahlian manusia, bukan pengganti seluruh proses peninjauan. Apa pendapat Anda, apakah pemanfaatan kecerdasan buatan untuk optimasi sistem operasi mampu memberikan manfaat besar bagi komunitas open source? Silakan bagikan pendapat Anda mengenai masa depan pengembangan perangkat lunak berbantuan AI.