.png){kind=icon}
返回
KconfigTune: Automatic Performance Tuning for Linux Kernel Configuration
.png){kind=icon}
PRE
AI
DOI：10.1109/TC.2025.3644413.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
Linux内核提供了近20,000个配置选项，使其高度可定制化，但也使得手动优化性能极具挑战性。操作环境和负载的多样性进一步限制了静态配置或专家制定的配置的有效性。本文介绍了KconfigTune，一个自动调优系统，它联合优化Linux内核配置选项和系统级参数（例如procfs条目）。我们提出了extconfig来扩展参数搜索空间，并首次解决了自动调优过程中产生的配置依赖关系。为确保内核有效且可启动，我们设计了一个依赖关系自动修复工具和基于GRUB的机制。KconfigTune将调优过程建模为机器学习问题，并应用基于随机森林模型的贝叶斯优化来高效探索广阔且相互依赖的配置空间。与仅关注内核选项或系统参数的先前方法不同，KconfigTune通过联合调优编译时和运行时行为实现了更深层次的集成。实验结果表明，性能显著提升，在UnixBench和LEBench测试中分别比默认配置提高了18.62%和19.92%。与当前最先进技术相比，KconfigTune在这些基准测试中分别超出2.9%和12.69%。消融研究进一步证实，这些提升主要源于内核配置和系统级参数的联合调优。
Keyword:
Kernel
Tuning
Optimization
Bayes methods
Linux
Runtime
System performance
Linear programming
Manuals
Space exploration
期刊
IF:
3.8
论文数:
5.4K
被引数:
9.8K
机构
引用论文
.png){kind=icon}
Variability-aware parsing in the presence of lexical macros and conditional compilation存在词法宏和条件编译情况下的可变性感知解析
PREAI
分享收藏
查看更多内容