arXiv 2025
LAPS
Beyond the Monolithic Scheduler: Lightweight Adaptive Policy Switcher for Process Scheduling Optimization
LAPS 是我们提出的轻量自适应策略切换器：它识别当前负载，并在运行时把进程调度切换到最合适的策略。
来由
写死的策略， 应付不了变化的负载。
传统操作系统的调度策略在编译时就已确定，同一套策略要同时应对交互、编译、本地推理与后台同步等截然不同的负载，只能在各种场景之间折中。ACOS 提出让智能体成为操作系统的一部分：由智能体理解任务与运行环境，再替系统做出决策。Kleinia 把这一思路首先落在资源调度上。
在 Kleinia 中，调度策略不再是一成不变的默认值：资源管控智能体理解你正在做什么，为当下的任务选择最合适的策略；策略本身也能不断扩展、自主演化，并在社区中共享。
自适应调度
资源管控智能体根据任务的负载特征，自动选择最优的 CPU、I/O 与页缓存策略，并在负载变化时实时切换。
- 按负载切换策略
- LAPS 实时识别负载特征，在多种调度策略之间切换，不再押注单一调度器。
- 智能与实时解耦
- 智能体为你识别与切换决策，内核中只运行确定性的调度策略，性能优化不必以安全或开销为代价。
- 多资源协同
- CPU、I/O 与页缓存由同一套策略协调，避免一处的优化在另一处变成瓶颈。
相比 Linux 默认调度器 EEVDF 的平均性能提升
延迟敏感任务中，响应延迟最多降低
可扩展的调度底座
各类资源的调度策略以可插拔模块的形式运行于内核。策略编译后先经过内核安全校验，再载入内核生效。
- 运行时切换
- 策略可在运行时加载与替换，无需重新编译内核，也无需重启。
- 安全校验
- 每个策略在载入前都要通过内核校验，不会让系统陷入死循环或越界访问。
- 异常回退
- 策略运行异常时，系统自动回退到默认策略，业务不受影响。
自主演化
遇到从未见过的负载，Kleinia 会在后台自主分析、实测并更新调度模型，下一次就能从容应对。整个过程不打扰前台，你几乎感觉不到它的存在。
- 后台完成
- 分析与实测都在后台异步进行，前台应用照常运行，使用体验不受影响。
- 以实测为准
- 大模型只负责分析与编排，策略的优劣由这台机器上的实测结果决定，而不是凭空推断。
- 越用越懂你
- 系统见过的负载越多，调度模型就越完善，越用越贴合你的使用习惯。
经验共享
一台设备学会的调度经验，可以分享给社区中的其他设备。新设备不必从零摸索，借助社区的经验即可快速适配各类负载。
- 新设备快速上手
- 借助社区积累的经验，新设备只需少量实测，就能为常见负载找到合适的策略。
- 社区共同成长
- 每台设备学到的经验都在丰富社区，大家对各类负载的认识一起增长。
- 只共享调度经验
- 共享的内容限于负载特征与调度结果，不涉及你的文件与个人数据。
后续方向
以下能力在 ACOS 中提出，将随后续版本逐步加入 Kleinia。
- 内存管理智能体
- 在内存压力形成之前完成压缩、迁移与预留。
- 存储管理智能体
- 冷热数据分层存放，备份无需手动安排。
- 诊断与自我修复
- 读取日志定位问题，修复出错的服务并说明做了什么。
- 用自然语言管理系统
- 更新系统、调整设置、排查问题，都可以直接用一句话交给系统智能体。