KernelCI обеспечит автоматизированное тестирование ядра Linux

KernelCI обеспечит автоматизированное тестирование ядра Linux

KernelCI обеспечит автоматизированное тестирование ядра Linux

Многие специалисты сходятся во мнении, что слабым местом Linux является недостаточно качественное тестирование. Однако теперь разработчики могут исправить это с помощью KernelCI, фреймворка для автоматического тестирования ядра Linux.

На прошедшей недавно в Лиссабоне конференции Linux Kernel Plumbers одной из самых обсуждаемых тем стало усовершенствование автоматического тестирования Linux-ядра.

В результате ведущие разработчики Linux объединили свои усилия для создания фреймворка KernelCI, который стал частью проекта Linux Foundation.

Напомним, что ядро Linux разрабатывает целое сообщество энтузиастов, выступающих за открытый исходный код. В процессе работы они используют Linux Kernel Mailing List (LKML).

Проблема такого метода заключается в недостатке сотрудничества по части использованного для тестирования софта. Рассел Карри, один из разработчиков ядра Linux, указывает на несостоятельность текущей системы тестирования, а также приводит в пример проекты GitHub и GitLab, на которых этот процесс организован гораздо лучше.

В этой ситуации задача KernelCI — обеспечить проверку работы Linux на большом количестве устройств, а также объединить усилия всех разработчиков, тестирующих ядро Linux.

Подпишитесь на новости

Не просто стойка с GPU: в России собрали ПАК для корпоративного ИИ

«Лаборатория Числитель» и «Информзащита» представили программно-аппаратный комплекс, который должен помочь крупным компаниям перейти от вечных ИИ-пилотов к нормальной промышленной эксплуатации моделей. Решение анонсировали на форуме TNF-2026.

В основе ПАК — высокопроизводительный ML-кластер и российская платформа контейнеризации «Штурвал». Но создатели подчёркивают: это не очередная дорогая стойка с GPU, на которой каждый проект приходится собирать руками.

Комплекс превращает вычислительные мощности в единый управляемый ресурс. ML-специалист запускает задачу, а платформа сама выделяет CPU и GPU, поднимает нужное окружение, подключает хранилище, запускает обучение и масштабирует нагрузку. Для автоматизации используются Kubernetes и инструменты MLOps, включая Kubeflow, MLflow и model serving.

Архитектура состоит из четырёх уровней: аппаратной инфраструктуры, платформы «Штурвал», MLOps-стека и прикладных ИИ-сервисов — от прогнозирования и аналитики до корпоративных ассистентов. Вокруг ядра работают IAM/SSO, объектное хранилище, реестр образов, CI/CD, мониторинг и аудит.

Заказчики получают единый пул вычислительных ресурсов, изоляцию проектов, централизованное управление доступами и полный жизненный цикл моделей — от эксперимента до публикации и обновления. При этом ML-инструменты не лезут напрямую в железо, а получают инфраструктуру как сервис.

Как сообщается в публикации о проекте, архитектура уже прошла промышленную эксплуатацию у крупного государственного заказчика.

RSS: Новости на портале Anti-Malware.ru