


论坛上,deepin 社区内核研发工程师赵郑卓发表题为《基于 cache_ext 与机器学习自适应页缓存策略》的演讲。他剖析了 Linux 原生全局 LRU 缓存算法难以适配差异化业务负载的痛点——单一全局策略无法兼顾顺序扫描、热点随机读等不同访问模式。方案依托 eBPF实现 cache_ext 驱逐算法热插拔,支持不同 cgroup 使用独立缓存策略;引入 LightGBM 模型识别动态负载、自动匹配最优策略,并配套防抖、异常回退等安全机制。实测在顺序扫描、热点随机读场景下性能提升明显。

本次分享是 deepin AI 实践的一个切面。整体看,deepin 在 AI 与开源操作系统融合上多线并进:系统级交互上,小U同学升级为 Agent OS 系统级智能入口,可自动调度 MCP、Skills 与专职智能体;端侧算力上,在 RISC-V 平台打通工具链到应用层链路,小U同学支持设备端离线运行大模型;生态上,依托 Agent OS 开放底座,deepin 引入 Workbuddy、千问办公等第三方优质 AI 应用,兼容多元技术路线。赵郑卓的缓存分享对应易被忽视的底层环节:智能体越主动、负载越多样,内核调度越不能停留在“固定规则”。
从应用层智能体交互,到端侧离线推理,再到内核层自适应缓存,deepin 的 AI 融合路径不是单点突破,而是一条从上层体验到下层支撑逐层打通的务实路线。

English