Every developer has heard it, usually muttered through clenched teeth at two in the morning: "It works on my machine." W

દરેક ડેવલપરે આ સાંભળ્યું હશે, સામાન્ય રીતે રાત્રે બે વાગ્યે દાંત કચકચાવીને બોલાતું હોય છે: "તે મારા મશીન પર કામ કરે છે." જ્યારે લોકલ બિલ્ડ પાસ થાય પણ સ્ટેજિંગમાં નિષ્ફળ જાય, ત્યારે આપણે આપોઆપ ફ્રેમવર્ક વર્ઝન, કોઈ ખૂટતી એન્વાયરમેન્ટ વેરિયેબલ અથવા Docker ને દોષ આપીએ છીએ. આપણે સ્વીકારવા કરતાં વધુ વાર, ઓપરેટિંગ સિસ્ટમ જ વાસ્તવિક દોષિત હોય છે. ફાઇલ પાથ, સિસ્ટમ કોલ્સ, પેકેજ મેનેજર્સ અને કર્નલ બિહેવિયર - આ બધું જ કોડ કેવી રીતે ચાલે છે તે નક્કી કરે છે. યોગ્ય OS પસંદ કરવું એ કોઈ જૂથમાં જોડાવા વિશે નથી. તે તમારા લેપટોપ અને પ્રોડક્શન વચ્ચેના અવરોધોને દૂર કરવા વિશે છે.

Windows: જનરલિસ્ટ

Windows એક સરળ કારણસર ડિફોલ્ટ રહે છે: હાર્ડવેર સીધું જ કામ કરે છે. કોઈ પેરિફેરલ પ્લગ કરો, તો તેનો ડ્રાઇવર કદાચ ઉપલબ્ધ હશે જ. .NET ઇકોસિસ્ટમમાં કામ કરતા ડેવલપર્સ માટે, Visual Studio હજુ પણ ગોલ્ડ સ્ટાન્ડર્ડ છે. IntelliSense, ડિબગિંગ ટૂલિંગ અને પ્રોજેક્ટ સ્કેફોલ્ડિંગ નેટિવ લાગે છે કારણ કે તે આ પ્લેટફોર્મ માટે જ બનાવવામાં આવ્યા છે.

Windows Subsystem for Linux 2 સાથે, Microsoft એ Windows અને Unix-આધારિત વર્કફ્લો વચ્ચેનું અંતર ઘણું ઓછું કરી દીધું છે. WSL2 એક લાઇટવેઇટ યુટિલિટી VM ની અંદર અસલી Linux કર્નલ ચલાવે છે, જેનો અર્થ છે કે તમે ડ્યુઅલ-બૂટિંગ કર્યા વગર bash નો ઉપયોગ કરી શકો છો, apt વાપરી શકો છો અને Ubuntu ચલાવી શકો છો. તેનું ઇન્ટિગ્રેશન એટલું સ્મૂધ છે કે ઘણા ડેવલપર્સ ભૂલી જાય છે કે તેઓ નેટિવ Linux પર નથી.

પરંતુ આ એબ્સ્ટ્રેક્શનની મર્યાદાઓ છે. Windows પર Docker Desktop તેના એન્જિન માટે Linux VM પર આધાર રાખે છે, અને Windows NT કર્નલ અને Linux કન્ટેનર વચ્ચેના ફાઇલ સિસ્ટમ ટ્રાન્સલેશનને કારણે લેટન્સી (latency) ઊભી થાય છે. I/O-હેવી કામગીરી, જેમ કે મોટા node_modules ડિરેક્ટરી માઉન્ટ કરવી અથવા વોલ્યુમની અંદર કમ્પાઇલ કરવું, તે બેર-મેટલ Linux કરતા નોંધપાત્ર રીતે ધીમી ચાલે છે. Windows અપડેટ્સમાં પણ કામ ચાલુ હોય ત્યારે મશીનને રીબૂટ કરવાની આદત હોય છે, જે તમે જ્યારે ડિબગિંગ સેશનમાં ઊંડા હોવ ત્યારે આદર્શ નથી.

Windows વિદ્યાર્થીઓ, ગેમર્સ અને .NET એપ્લિકેશન્સ બનાવતા એન્જિનિયરો માટે ઉત્તમ છે. જો તમારે એક એવું મશીન જોઈએ છે જે કામના કલાકો પછી Steam અને દિવસ દરમિયાન Visual Studio ચલાવી શકે, તો આ વ્યવહારુ પસંદગી છે.

Linux: સર્વર સ્ટાન્ડર્ડ

જો પ્રોડક્શન Linux પર હોય, તો Linux પર ડેવલપમેન્ટ કરવાથી કોઈ આશ્ચર્ય રહેતું નથી. ઓપરેટિંગ સિસ્ટમ સર્વર્સ માટે બનાવવામાં આવી હતી, અને તેની ડિઝાઇન ધારણાઓ ક્લાઉડ એન્વાયરમેન્ટની અપેક્ષાઓ સાથે મેળ ખાય છે. બધી વસ્તુઓને ફાઇલ તરીકે ગણવાની Unix ફિલોસોફીનો અર્થ એ છે કે કોન્ફિગરેશન, હાર્ડવેર ડિવાઇસ અને ચાલતી પ્રક્રિયાઓ (processes) બધું જ ફાઇલ સિસ્ટમ ટ્રીમાં ક્યાંક રહેલું હોય છે. આ સુસંગતતા ઓટોમેશનને સરળ બનાવે છે. તમે bash સાથે ડિપ્લોયમેન્ટ સ્ક્રિપ્ટ કરી શકો છો, systemd સાથે સર્વિસ મેનેજ કરી શકો છો અને બે અલગ-અલગ કર્નલ આર્કિટેક્ચર વચ્ચે ટ્રાન્સલેશન કર્યા વગર કન્ટેનર્સનું ઓર્કેસ્ટ્રેશન કરી શકો છો.

Docker Linux પ્રિમીટિવ્સ પર બનાવવામાં આવ્યું હતું. Namespaces અને cgroups અહીં નેટિવ છે, તેથી કન્ટેનર્સ અન્ય પ્લેટફોર્મ કરતા ઝડપથી શરૂ થાય છે અને બેર-મેટલ સ્પીડની વધુ નજીક ચાલે છે. તેનો ઓવરહેડ ન્યૂનતમ છે, પેકેજ મેનેજર્સ પરિપક્વ છે, અને તમે સિસ્ટમને ફક્ત તમારી જરૂરિયાત મુજબ જ રાખી શકો છો. હેડલેસ Linux સર્વર રીબૂટ વગર વર્ષો સુધી ચાલી શકે છે.

તેનો નુકસાન ડેસ્કટોપ પોલિશમાં છે. કોમર્શિયલ સોફ્ટવેર સપોર્ટ પાછળ છે. તમને નેટિવ Adobe Creative Cloud એપ્સ નહીં મળે, અને કેટલાક પ્રોપ્રાઇટરી IDEs અથવા કોલેબોરેશન ટૂલ્સ માટે જુગાડ (workarounds) કરવા પડે છે. હાર્ડવેર સેટઅપ માટે ધીરજની જરૂર પડી શકે છે. Wi-Fi કાર્ડ્સ, Bluetooth એડેપ્ટર્સ અને હાઇબ્રિડ ગ્રાફિક્સ માટે ક્યારેક મેન્યુઅલ ડ્રાઇવર ઇન્સ્ટોલેશન અથવા કર્નલ મોડ્યુલ ટ્વીક્સની જરૂર પડે છે. NVIDIA ડ્રાઇવર્સમાં નોંધપાત્ર સુધારો થયો છે, પરંતુ CUDA ને યોગ્ય રીતે કન્ફિગર કરવા માટે હજુ પણ એવા ડોક્યુમેન્ટેશન વાંચવાની જરૂર પડે છે જે એવું માને છે કે તમે ટર્મિનલનો ઉપયોગ જાણો છો.

બેકએન્ડ એન્જિનિયર્સ, DevOps પ્રેક્ટિશનર્સ અને AI ઇન્ફ્રાસ્ટ્રક્ચર બનાવતા કોઈપણ વ્યક્તિએ Linux ને ડિફોલ્ટ તરીકે લેવું જોઈએ. જ્યારે તમારું પ્રોડક્શન એન્વાયરમેન્ટ Ubuntu અથવા RHEL ચલાવે છે, ત્યારે તેને લોકલી મિરર કરવાથી ડિપ્લોયમેન્ટ ડિબગિંગના કલાકો બચી જાય છે.

macOS: પોલિશ્ડ Unix

macOS એક એવા મધ્યમ માર્ગ પર છે જે એવા ડેવલપર્સને આકર્ષે છે જેમને Linux જેવું વર્તતું ટર્મિનલ અને કન્ઝ્યુમર પ્રોડક્ટ જેવું વર્તતું GUI જોઈએ છે. અંદરથી તે એક પ્રમાણિત Unix ઓપરેટિંગ સિસ્ટમ છે, જેનો અર્થ છે કે bash, zsh, make, ssh અને git બધું જ બરાબર એ રીતે કામ કરે છે જેવું તમે સર્વર પર અપેક્ષા રાખતા હોવ. Apple Silicon એ આખી ગણતરી બદલી નાખી છે. M-સીરીઝ ચિપ્સ લેપટોપની બેટરી લાઈફને 10 થી 20 કલાકની રેન્જમાં રાખીને ડેસ્કટોપ-ક્લાસ પર્ફોર્મન્સ આપે છે. તમે ફેન ચાલુ થયા વગર પ્રોજેક્ટ કમ્પાઇલ કરી શકો છો, લોકલ સ્ટેક ચલાવી શકો છો અને વિડિયો કોલ લઈ શકો છો.

મોબાઇલ ડેવલપર્સ માટે, macOS અનિવાર્ય છે. Xcode અને iOS સિમ્યુલેટર ફક્ત Apple હાર્ડવેર પર જ ચાલે છે. આ ઇકોસિસ્ટમ ક્રિએટિવ અને ફૂલ-સ્ટેક વર્કફ્લો તરફ પણ ઝુકાવ ધરાવે છે. ટ્રેકપેડ્સ અને ડિસ્પ્લે ઉત્તમ છે, અને સ્લીપ/વેક વિશ્વસનીયતાનો અર્થ એ છે કે તમે ઢાંકણું ખોલો અને તરત જ કામ ફરી શરૂ કરી શકો છો.

તેની નકારાત્મક બાબતો કિંમત અને લવચીકતા છે. મેમરી અને સ્ટોરેજ અપગ્રેડ માટે તમારે વધુ કિંમત ચૂકવવી પડે છે, જે કસ્ટમ PC અથવા ThinkPad પર ખૂબ જ સરળ હોત. હાર્ડવેરની શ્રેણી મર્યાદિત છે. જો તમારે લોકલ મોડલ ટ્રેનિંગ માટે ચોક્કસ GPU અથવા લેબ સાધનો માટે અસામાન્ય પોર્ટ્સની જરૂર હોય, તો એક્સટર્નલ એન્ક્લોઝર્સ અને ડોંગલ્સ વગર Mac કદાચ તમારી જરૂરિયાતો પૂરી ન કરી શકે.

ફૂલ-સ્ટેક ડેવલપર્સ, iOS એન્જિનિયર્સ અને પોર્ટેબિલિટીને મહત્વ આપતા સ્ટાર્ટઅપ ફાઉન્ડર્સ અવારનવાર આ તરફ આકર્ષાય છે. તે એક મોંઘો વિકલ્પ છે, પરંતુ તે દૈનિક અવરોધોને ઘટાડે છે.

શું AI માટે OS મહત્વનું છે?

મોડલ પોતે આ બાબતે તટસ્થ છે. Ollama, LM Studio, અથવા vLLM દ્વારા ચાલતું લાર્જ લેંગ્વેજ મોડલ સમાન ટોકન્સ જ ઉત્પન્ન કરે છે, પછી ભલે તમારું કર્નલ Microsoft, Linus Torvalds, અથવા Apple દ્વારા કમ્પાઈલ કરવામાં આવ્યું હોય. તમારા ઓપરેટિંગ સિસ્ટમ કરતા તમારા સાધનો વધુ મહત્વના છે. જ્યારે તમે AI એજન્ટ્સ બનાવી રહ્યા હોવ, ત્યારે Python dependency management, Node.js runtimes, પુનઃઉત્પાદિત (reproducible) એન્વાયરમેન્ટ્સ માટે Docker, API integrations, અને context windows માટે મેમરી મેનેજમેન્ટમાં નિપુણતા મેળવવા પર ધ્યાન કેન્દ્રિત કરો.

તેમ છતાં, પ્રોડક્શન AI સિસ્ટમ્સ મોટાભાગે Linux પર ચાલે છે. NVIDIA ના ડેટાસેન્ટર GPU ડ્રાઇવર્સ અને CUDA toolkit સૌ પ્રથમ Linux માટે જ વિકસાવવામાં અને ઓપ્ટિમાઇઝ કરવામાં આવ્યા છે. ગ્રાફિકલ ડેસ્કટોપનો વધારાનો બોજ (overhead) દૂર કરવામાં આવે છે, જેનાથી ટ્રેનિંગ અને ઇન્ફરન્સ માટે વધુ VRAM અને CPU સાયકલ મળે છે. જો તમે ક્લાઉડ કમ્પ્યુટ ભાડે લઈ રહ્યા હોવ, તો તમે લગભગ નિશ્ચિતપણે Linux instance માં SSH કરી રહ્યા છો. લોકલ પ્રયોગો માટે, Apple Silicon ધરાવતું MacBook શાંત અને પાવર-એફિશિયન્ટ છે, પરંતુ જ્યારે ટ્રેનિંગ કરવાનો સમય આવે ત્યારે