Up next in 10
Auzef Sistem Yönetimi ve Bulut Bilişim Ünite 4
https://lolonolo.com/2026/04/10/sistem-yonetimi-ve-bulut-bilisim-unite-4/
https://lolonolo.com
Show More Show Less View Video Transcript
0:00
Herkese merhaba. Bulut bilişim deyince
0:02
aklınıza gelen ilk şey muhtemelen dosya
0:04
saklamak. Ama aslında bu buzdağının
0:07
sadece görünen yüzü. Bulut fikirleri
0:09
hayata geçiren dev bir uygulama
0:11
fabrikası gibi. İşte biz de bugün bu
0:13
fabrikanın kapılarını aralayıp içindeki
0:15
araçları, makineleri yani bulutun gerçek
0:18
gücünü keşfedeceğiz. Hazırsanız
0:20
başlıyoruz. Şöyle bir an için durup
0:22
düşünelim. Bulut kelimesini duyduğunuzda
0:25
gözünüzde ne canlanıyor? Zihninizde
0:27
beliren ilk görüntü ne? Muhtemelen
0:30
çoğumuzun cevabı aynı. Aynen öyle. Dosya
0:33
depolama hani o telefonumuzdaki
0:35
fotoğrafları, önemli iş belgelerini
0:37
attığımız o sanal diskler yanlış değil.
0:40
Kesinlikle bu da bulutun bir parçası.
0:42
Ama bu tüm hikayenin sadece başlangıcı.
0:46
Bulutu sadece bir depo gibi görmek,
0:48
kocaman bir otomobil fabrikasına bakıp
0:50
sadece lastiklerin tutulduğu ambarı
0:52
görmek gibi bir şey. Biz bugün o
0:54
fabrikanın tamamını gezeceğiz. Depodan
0:56
başlayıp üretim hattına gireceğiz.
0:58
Kalite kontrolden geçeceğiz ve bir
1:00
fikrin tıkır tıkır çalışan bir
1:01
uygulamaya nasıl dönüştüğünü hep
1:03
birlikte göreceğiz. Fabrika turumuzun
1:05
ilk durağı her şeyin başladığı yer yani
1:08
hammaddelerin saklandığı o devasa depo.
1:11
E bizim dijital dünyamızdaki hammaddemiz
1:13
ne? Tabii ki veri. Nasıl ki her
1:16
fabrikanın çeliğe, plastiğe ihtiyacı
1:18
varsa her uygulamanın da veriye ihtiyacı
1:21
var. işe Google Drive ya da Microsoft'un
1:24
OneDrive'ı gibi servisler bu verilerin
1:26
güvenle saklandığı, organize edildiği ve
1:29
işlenmeye hazır bekletildiği o temel
1:31
depolama alanları. Kullandığınız her bir
1:34
uygulama verilerini tam da böyle bir
1:36
depoda tutuyor aslında. Tamamdır.
1:38
Hammaddemizi depomuza yerleştirdik.
1:40
Şimdi sırada ne var? O hammaddeyi
1:43
işleyecek olan üretim bandı yani
1:45
uygulamamızın kalbi. Kodun çalışacağı
1:48
motor bölümü. Peki verimiz hazır. Bu
1:50
veriyi alıp işleyecek olan o kod
1:52
parçacıklarını nerede nasıl
1:54
çalıştıracağız? İşte Modern Bulut
1:56
dünyasında bunun için iki tane çok
1:58
akıllıca yöntem var. Gelin bu iki
2:00
yaklaşıma bir bakalım. Bir yanda AWS
2:02
Lambda gibi sunucusuz yani serverless
2:05
çözümler var. Bakın buradaki olay şu.
2:07
Siz sunucu kurmakla, yönetmekle falan
2:09
hiç uğraşmıyorsunuz. Sadece kodunuzu
2:11
yüklüyorsunuz. bir olay olduğunda mesela
2:13
bir kullanıcı resim yüklediğinde kodunuz
2:16
anında çalışıp görevini yapıyor ve
2:17
kapanıyor. En güzel yanı ne biliyor
2:19
musunuz? Sadece kodun çalıştığı o birkaç
2:21
milisaniye için para ödüyorsunuz. Diğer
2:23
yanda ise Docker gibi konteynerlar var.
2:26
Bu da sanki uygulamanızı tüm
2:27
ayarlarıyla, kütüphaneleriyle birlikte
2:29
alıp bir kargo kutusuna koymak gibi.
2:31
Böylece o meşhur ama benim
2:33
bilgisayarımda çalışıyordu sorunu
2:35
sonsuza dek tarihe karışıyor. O kutu
2:37
nerede açılırsa açılsın uygulamanız hep
2:39
aynı şekilde çalışıyor. Harika. Üretim
2:42
bandımız çalışıyor. Motorumuz kodumuzu
2:44
işliyor. Ama modern bir fabrika tek
2:46
başına değildir. Değil mi?
2:47
Tedarikçilerle, dağıtımcılarla sürekli
2:50
iletişim halindedir. İşte uygulamalar da
2:52
tam olarak böyle. Bu farklı uygulamalar
2:55
arasındaki iletişimi sağlayan sihirli
2:57
bir anahtar var. API yani uygulama
3:00
programlama arayüzu. Şöyle düşünün. Bir
3:03
uçak bileti arama sitesi size saniyeler
3:05
içinde onlarca farklı hava yolunun
3:07
fiyatını nasıl gösterebiliyor? İşte her
3:09
bir hava yolunun sistemine bir API
3:12
aracılığıyla bağlanıp anlık olarak veri
3:14
çekiyor. Kısacası APİ'lar farklı
3:16
yazılımları birbirinin dilinden
3:18
anlamasını sağlayan evrensel bir
3:20
tercüman gibi çalışıyor. Peki bu kadar
3:22
farklı yerden, bu kadar farklı API'dan
3:25
gelen dağınık verileri nasıl anlamlı bir
3:27
bütün haline getireceğiz? İşte bu
3:28
noktada talent gibi veri entegrasyon
3:30
araçları devreye giriyor. Talent'ı
3:33
fabrikanın lojistik merkezi olarak
3:34
düşünebilirsiniz. Farklı yerlerden gelen
3:36
tüm verileri temizler. düzenler
3:39
ve kullanımı hazır hale getirir. Süper.
3:42
Ürünümüz üretildi, paketlendi, dağıtıma
3:44
neredeyse hazır. Ama durun, fabrikadan
3:47
çıkmadan önce son bir istasyonumuz daha
3:48
var. Kalite kontrol. Uygulamamızın hem
3:51
hızlı hem de kaya gibi sağlam olduğundan
3:53
emin olmamız lazım. Kalite kontrolde
3:55
baktığımız ilk şeylerden biri gecikme
3:58
süresi yani latency. Bu ne demek? Sizin
4:01
bir butona bastığınız an ile ekranda bir
4:04
şeylerin değiştiğini gördüğünüz anasında
4:06
geçen o kısacık süre. milisaniyelerle
4:08
ölçülüyor ve ne kadar düşükse uygulama o
4:11
kadar akıcı, kullanıcı da o kadar mutlu
4:13
demek. Peki diyelim ki uygulamanız bir
4:16
gecede patladı, viral oldu. Binlerce, on
4:19
binlerce hatta yüz binlerce kişi aynı
4:22
anda uygulamanızı kullanmaya çalışırsa
4:24
ne olur? Sisteminiz bu ani yoğunluğu
4:26
kaldırabilir mi yoksa çöker mi? İşte bu
4:30
sorunun cevabını önceden alabilmek için
4:32
Apache JMER gibi yük testi araçları
4:35
kullanılıyor. JMER ne yapıyor biliyor
4:36
musunuz? Uygulamanıza aynı anda binlerce
4:39
sahte kullanıcı göndererek onu bir nevi
4:41
stres testine sokuyor. Böylece sistemin
4:43
nerede teklediğini, kırılma noktasının
4:45
neresi olduğunu daha gerçek kullanıcılar
4:48
gelmeden görüp önleminizi
4:49
alabiliyorsunuz. Her şeyi test ettik.
4:51
Uygulamamız artık yayında. Ama bu
4:53
karmaşık sistemlerde her zaman
4:55
beklenmedik bir yavaşlama, bir sorun
4:58
çıkabilir. Peki o anda samanlıkta iğne
5:00
arar gibi sorunun kaynağını nasıl
5:02
bulacaksınız? İşte bu noktada da sahneye
5:05
Dut Race gibi yapay zeka destekli
5:08
performans izleme platformları çıkıyor.
5:10
DNA Trace'i fabrikanın her köşesini 724
5:13
izleyen akıllı bir güvenlik sistemi gibi
5:15
düşünün. En ufak bir anormallik, bir
5:18
yavaşlama tespit ettiği anda yapay
5:20
zekası sayesinde sorunun kök nedenini
5:22
anında buluyor ve ilgili ekipleri
5:24
uyarıyor. Yani sorunlar daha
5:27
kullanıcıları rahatsız etmeden çözülmüş
5:29
oluyor. Şöyle bir özetlersek bu fabrika
5:32
turumuzda birçok farklı istasyona
5:34
uğradık. OneDrive'la verilerimizi
5:36
depoladık. Lambda veya Docker ile
5:38
kodumuzu çalıştıran motoru kurduk.
5:41
Talent ile farklı parçaları
5:42
birleştirdik. JMATER ile sağlamlığını
5:45
test ettik. Ve son olarak DNA Trac ile
5:47
de her şeyin yolunda gittiğinden emin
5:49
olduk. İşte her biri bu büyük üretim
5:52
hattının vazgeçilmez bir parçası.
5:54
Gördüğünüz gibi bulut sadece
5:56
dosyalarımızı sakladığımız bir yer
5:57
değil. Fikirleri gerçeğe dönüştüren
6:00
inanılmaz güçlü bir üretim tesisi. Asıl
6:02
soru şu: Elimizdeki bütün bu güçlü
6:04
araçlarla bir sonraki büyük fikri kim
6:07
nasıl hayata geçirecek? Belki de o kişi
6:09
sizsinizdir.
Business & Productivity Software
Jobs & Education