Der ARM Linux-Ingenieur Lorenzo Stoakes nutzte künstliche Intelligenz, um Engpässe im Build-Prozess des Linux-Kernels zu identifizieren und zu beheben, was zu deutlichen Geschwindigkeitsverbesserungen führte. Obwohl die KI eine erhebliche Menge fehlerhaften Codes generierte, erwies sie sich als wirksam bei der Identifizierung von Optimierungsbereichen.
Stoakes veröffentlichte einen Satz von 23 Patches, die darauf abzielen, den Kernel-Build „erheblich zu beschleunigen“, indem Single-Threaded-Engpässe behoben werden. Tests zeigten eine um 36 % schnellere Build-Zeit für Kernel mit allen aktivierten Modulen, bis zu 70 % schnellere inkrementelle Builds und etwa 90 % schnellere “[noop]”-Builds.
Der Prozess umfasste die Verwendung eines nicht genannten Large Language Models (LLM) zur Identifizierung von Engpässen und zur Vorschlag von Lösungen. Laut Stoakes „generierte das LLM viel Code, der grösstenteils schrecklich war“, was eine umfangreiche Prüfung, Umschreibung und Bearbeitung von Commit-Nachrichten und Kommentaren erforderte. Er stellte auch fest, dass das LLM bei Build-Ausführungen, Tests, Debugging und Analyse half, wobei Stoakes die Korrektheit sowohl des Builds als auch der laufenden Kernel manuell überprüfte.
Insbesondere betreffen die Verbesserungen Bereiche wie Kbuild, kallsyms, modpost, objtool, mksysmap und das Rust-Build-System. Die Patches zielen darauf ab, Single-Threaded-Aufgaben zu parallelisieren und die Gesamteffizienz des Build-Prozesses zu verbessern. Stoakes hofft, dass die Arbeit in den Mainline-Linux-Kernel integriert wird, was zu schnelleren Build-Zeiten über verschiedene Hardware- und Kernel-Konfigurationen hinweg führt. Detaillierte Benchmark-Ergebnisse sind zusammen mit der Patch-Serie verfügbar.
Originale Berichterstattung lesen
💬 Kommentare
📜 Kommentar-Richtlinie