Les algorithmes de ML peuvent apparemment faire un bien meilleur travail que les ingénieurs de code humain
Dans le contexte: Linux offre aux développeurs et aux ingénieurs un moyen de « régler » ses opérations, en fournissant des milliers de paramètres individuels permettant d’ajuster la façon dont le noyau open source gère les ressources. Le réglage peut offrir une méthode plus simple pour améliorer les performances opérationnelles sans avoir besoin de recompilation, mais cela peut toujours s’avérer une entreprise difficile, même pour les codeurs FOSS les plus qualifiés.
Le réglage du noyau est si difficile qu’il existe une tentative de tirer parti de l’IA pour le gérer à la place des développeurs humains. La société informatique chinoise ByteDance a récemment présenté les résultats de ses tests avec le réglage automatique du noyau Linux, une solution basée sur l’IA qui pourrait libérer les ingénieurs humains et prendre de meilleures décisions de réglage en analysant les données historiques – une tâche que les humains trouvent souvent difficile.
Atteindre des performances Linux optimales grâce au réglage est un processus long qui nécessite qu’un expert Linux mène de nombreuses expériences. Différentes charges de travail nécessitent des approches de réglage distinctes pour différents ensembles de paramètres du noyau. Cong Wang, développeur chez ByteDance, a mentionné que dans les centres de données à grande échelle, tels que ceux utilisés par l’entreprise, le réglage manuel du noyau Linux pour des « centaines » de charges de travail différentes est devenu presque impossible.
Bien qu’il existe des outils conçus pour simplifier le réglage du noyau, ils fournissent des types spécifiques d’optimisations. L’approche de ByteDance vise à introduire la première solution d’automatisation dans le monde du réglage du noyau – une technologie qui pourrait couvrir tous les paramètres de réglage de Linux avec un minimum d’effort d’ingénierie.
L’équipe de Wang s’est spécifiquement concentrée sur l’optimisation du système de gestion de la mémoire Linux. En employant des algorithmes d’apprentissage automatique tels que l’optimisation bayésienne, la société a découvert que le réglage automatisé des paramètres pouvait obtenir de meilleurs résultats que ceux généralement obtenus par la plupart des ingénieurs du noyau Linux.
La « machine de réglage automatique » de ByteDance est conçue pour ajuster automatiquement les paramètres internes de Linux en fonction d’une charge de travail et d’une configuration matérielle spécifiques. Le noyau est modifié de manière dynamique pour garantir des performances optimales dans chaque scénario, répondant ainsi au défi de longue date consistant à régler manuellement le noyau pour chaque instance informatique.
Les efforts de réglage automatique basés sur l’IA de Wang et de ses collègues semblent fonctionner remarquablement bien, pour la plupart. Selon la présentation de ByteDance, les algorithmes d’apprentissage automatique peuvent optimiser dynamiquement le système en surveillant les performances du noyau en temps réel, offrant ainsi une efficacité accrue avec une utilisation optimisée des ressources. Le système d’IA dispose également d’une interface conviviale, permettant aux utilisateurs ayant des connaissances techniques limitées de bénéficier d’un noyau plus performant. Pendant ce temps, les utilisateurs avancés peuvent personnaliser les paramètres de réglage automatique.
ByteDance affirme que les algorithmes d’apprentissage automatique peuvent réduire l’utilisation de la mémoire d’une application de 30 % ou optimiser la latence du réseau HTTP sur un serveur NGINX pour fournir une amélioration de 12 % des performances du réseau par rapport au réglage manuel. Dans les scénarios de cloud et de centre de données, ces améliorations peuvent conduire à des économies de coûts significatives et à une optimisation des performances. Les développeurs admettent que le réglage automatique du noyau via l’apprentissage automatique ne fonctionne pas dans tous les cas, mais il devrait devenir de plus en plus nécessaire.
