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 sistem AI generatif memberikan dampak terhadap cara pengembang perangkat lunak mengembangkan perangkat lunak. Peristiwa penting dalam perubahan tersebut muncul ketika Linus Torvalds memanfaatkan Claude Code untuk membantu memperbaiki komponen Linux. Pada Oktober 2026, Torvalds memperkenalkan perubahan yang menargetkan masalah konkurensi pada page cache. Pendekatan ini menjadi pembahasan di kalangan pengembang kernel karena menunjukkan keterlibatan AI dalam pekerjaan kernel yang kompleks.

Torvalds tidak menyerahkan seluruh pengambilan keputusan kepada AI. Dalam penjelasan pengembangannya, ia menyatakan bahwa Claude Code membantu menghasilkan kode, membantu membuat perangkat uji, serta mendukung proses evaluasi kode. Adapun, pengendalian pekerjaan dan pengujian pada perangkat nyata tetap menjadi bagian dari tanggung jawab pengembang. Pendekatan kolaboratif demikian menjadi aspek yang perlu diperhatikan karena Linux kernel menangani berbagai fungsi penting komputer yang memerlukan ketelitian teknis.

Penyebab Penurunan Performa Cache saat Banyak CPU Membaca Berkas

Sebelum membahas peningkatan performanya, perlu diketahui bagaimana Linux menyimpan data berkas sementara. Page cache merupakan mekanisme penyimpanan data berkas di memori utama. Ketika aplikasi membuka berkas, Linux dapat memanfaatkan data yang sudah tersedia di RAM apabila halaman yang diperlukan masih tersimpan. Mekanisme ini meningkatkan efisiensi operasi berkas. Meski demikian, pengelolaan akses secara bersamaan dapat mengurangi kemampuan sistem untuk meningkatkan performa.

Persoalan teknis dalam pengembangan ini melibatkan pengelolaan jumlah referensi objek memori. Dalam kernel Linux, folio merupakan struktur pengelolaan satu atau lebih halaman. Saat permintaan pembacaan berlangsung secara paralel, operasi yang memperbarui nilai referensi bersama dapat menghasilkan aktivitas sinkronisasi yang mahal. Dalam kondisi demikian, penambahan jumlah inti tidak selalu meningkatkan throughput. Permasalahan tersebut berpotensi memengaruhi aplikasi yang sering mengakses data bersama, termasuk aplikasi dengan banyak thread.

Cara Patch AI Mengurangi Beban Reference Count pada Page Cache

Solusi yang dikembangkan berupaya mengurangi kebutuhan mengubah penghitung referensi berulang kali. Serangkaian patch menggunakan perlindungan RCU untuk mendukung jalur baca tanpa penambahan referensi secara langsung. Melalui pendekatan tersebut, penghapusan struktur terkait dapat ditangguhkan hingga pembaca yang relevan selesai menggunakan perlindungan RCU. Melalui pengaturan itu, akses data yang aman dalam wilayah RCU mampu menekan persaingan pada penghitung bersama.

Walaupun terdengar sederhana, perubahan ini menyentuh persoalan konkurensi yang rumit. Tim pengembangan wajib memvalidasi bahwa folio tidak dibebaskan ketika masih digunakan. Di samping itu, interaksi dengan mekanisme pengelolaan memori lainnya dapat menimbulkan situasi yang membutuhkan penanganan khusus. Oleh sebab itu, perbaikan kinerja saja belum cukup. Kemungkinan interaksi antarproses harus melewati pengujian menyeluruh sebelum perubahan dapat diterima sebagai bagian kernel utama.

Benchmark Page Cache Linux Mengalami Lonjakan Throughput

Bagian penting dari pengujian patch adalah perbaikan kecepatan pada simulasi akses berkas bersama. Berdasarkan benchmark yang disampaikan, serangkaian patch memperlihatkan lonjakan throughput mendekati 23 kali dalam skenario pembacaan dengan banyak thread. Pengukuran pada prosesor Ryzen Threadripper menggambarkan lonjakan kemampuan memproses permintaan dari sekitar 13,3 juta menjadi 304 juta operasi pembacaan per detik pada skenario paralel menggunakan 64 thread. Hasil pengujian itu menggambarkan potensi optimasi yang signifikan.

Pada evaluasi menggunakan perangkat lain, pengujian awal pada laptop Torvalds juga memperlihatkan peningkatan throughput sekitar tiga kali lipat pada beban kerja delapan thread. Perbedaan hasil tersebut memperlihatkan pentingnya karakteristik beban kerja. Meski pengujian menghasilkan peningkatan signifikan, hasil tersebut belum tentu mewakili seluruh aplikasi nyata. Program yang tidak mengalami persaingan cache belum tentu menunjukkan perubahan besar. Oleh karena itu, pengujian pada beragam server dan aplikasi nyata menjadi tahapan penting untuk mengukur keuntungan praktis optimasi.

Tantangan Keamanan dan Stabilitas dalam Perubahan Linux Kernel

Walaupun optimasi memperlihatkan potensi besar, review kode mengidentifikasi kondisi balapan. Race condition merupakan kondisi saat beberapa aktivitas paralel dapat saling mengganggu. Pada pengelolaan memori sistem operasi, gangguan konkurensi harus ditangani secara hati-hati karena mungkin mengganggu keandalan pengelolaan sumber daya. Temuan tersebut menjadi alasan perlunya evaluasi ketat sebelum patch digabungkan ke kernel utama. Pada saat hasil peninjauan dipublikasikan, rangkaian perubahan masih membutuhkan revisi.

Peristiwa tersebut menghadirkan contoh relevan mengenai penggunaan asisten pemrograman cerdas. Model bahasa dapat dimanfaatkan untuk mempercepat pembuatan rancangan kode, tetapi belum tentu menghasilkan implementasi bebas kesalahan. Khususnya dalam perangkat lunak tingkat rendah, masalah kecil dapat memiliki konsekuensi luas. Oleh sebab itu, validasi independen tetap menjadi kebutuhan utama. Pencatatan proses pengembangan berbantuan AI juga mempermudah diskusi mengenai tanggung jawab tanpa menghilangkan tanggung jawab pengembang manusia.

Kesimpulan Peran AI dalam Pengembangan Linux Kernel

Pengajuan patch Linux kernel oleh Linus Torvalds menjadi contoh menarik mengenai pemanfaatan teknologi AI pada perangkat lunak tingkat rendah. Perbaikan mekanisme akses data bersama memperlihatkan peningkatan performa yang menjanjikan. Namun, masalah konkurensi yang ditemukan saat review menegaskan bahwa kode masih membutuhkan penyempurnaan. Untuk penerapan AI yang lebih luas, asisten pemrograman sebaiknya dipandang sebagai alat pendukung, bukan jaminan otomatis atas keamanan kode. Bagaimana menurut Anda, apakah kolaborasi Claude Code dan pengembang Linux mampu memberikan manfaat besar bagi komunitas open source? Sampaikan pandangan Anda mengenai masa depan pengembangan perangkat lunak berbantuan AI.