Resumen:
La versión de desarrollo de Linux 7.4 ha incorporado un lote de cambios de optimización de Kbuild para acelerar los cuellos de botella de un solo subproceso y el trabajo repetitivo en el proceso de compilación del kernel. Kbuild es el sistema de compilación del kernel de Linux, responsable de organizar los pasos de configuración, compilación y vinculación; Los cambios relevantes fueron propuestos por Lorenzo Stoakes, ingeniero de Arm y desarrollador del kernel desde hace mucho tiempo.
Las optimizaciones que se han incorporado en esta ronda incluyen reducir la sobrecarga de asignación de la sección .modinfo en la imagen del kernel, acelerar la generación de la tabla de símbolos kallsyms, omitir la clasificación de salida nm cuando el orden es irrelevante, generar solo la información de reubicación requerida en la etapa de enlace final, reescribir mksysmap en lenguaje C y mover algunas pruebas de capacidad del compilador y enlazador a la etapa Kconfig para almacenar en caché los resultados. Además, si pigz está instalado en el sistema, se utilizará primero para acelerar la compresión gzip. Los ajustes anteriores reducen el procesamiento de datos intermedio, los pasos repetidos de sondeo y serialización, respectivamente.
Las primeras pruebas de toda la serie de parches muestran que las compilaciones con todos los módulos habilitados son aproximadamente un 36 % más rápidas, las compilaciones incrementales son aproximadamente un 70 % más rápidas y las compilaciones sin operación sin reconstrucción real son hasta aproximadamente un 90 % más rápidas. Luego, Phoronix probó el conjunto completo de parches v4 en un servidor AMD EPYC 9575F de doble socket y Ubuntu 26.04 LTS. La compilación limpia del kernel x86_64 defconfig se redujo de aproximadamente 22 segundos a 15 a 17 segundos, y la compilación allmodconfig se redujo en más de 30 segundos. Sin embargo, estos números prueban el conjunto completo de parches. Linux 7.4 actualmente incorpora sólo un lote de cambios. Los beneficios reales deben esperar a que se incorporen más parches antes de evaluarlos.
Este trabajo de optimización también se basa en herramientas de inteligencia artificial. Stoakes dijo que utilizó un modelo de lenguaje grande para ayudar a localizar cuellos de botella en la construcción y explorar soluciones de mejora, pero parte del código generado por el modelo era de mala calidad; personalmente revisó y reescribió una gran cantidad de código y verificó manualmente los resultados de la compilación, la ejecución de los núcleos y los cambios de rendimiento.
Comentarios