DataDog’da m\u00fclakat s\u00fcrecine haz\u0131rlan\u0131rken kar\u015f\u0131la\u015f\u0131lan zorluklar\u0131 ve ba\u015far\u0131 s\u0131rlar\u0131n\u0131 ke\u015ffedin. Kodlama sorular\u0131ndan sistem tasar\u0131m\u0131na, davran\u0131\u015fsal m\u00fclakatlara kadar her ad\u0131m\u0131 detayl\u0131ca inceleyelim ve sizi bu zorlu maratona en iyi \u015fekilde haz\u0131rlayal\u0131m.<\/p>\n
G\u00fcn\u00fcm\u00fcz\u00fcn rekabet\u00e7i teknoloji d\u00fcnyas\u0131nda, \u00f6nde gelen bir \u015firket olan DataDog’da m\u00fchendislik pozisyonu elde etmek, bir\u00e7ok yetenekli profesyonelin kariyer hedeflerinin ba\u015f\u0131nda gelmektedir. Peki, DataDog’\u0131n m\u00fclakat s\u00fcreci onu di\u011ferlerinden ay\u0131ran ne gibi \u00f6zelliklere sahip? Basit\u00e7e ifade etmek gerekirse, DataDog, yaln\u0131zca teknik bilgiyi de\u011fil, ayn\u0131 zamanda problem \u00e7\u00f6zme becerisini, sistem d\u00fc\u015f\u00fcncesini ve k\u00fclt\u00fcrel uyumu da derinlemesine de\u011ferlendiren kapsaml\u0131 bir yakla\u015f\u0131m benimser. Bu, adaylar\u0131n sadece teorik bilgilerini de\u011fil, ger\u00e7ek d\u00fcnya senaryolar\u0131nda bu bilgileri nas\u0131l uygulayabildiklerini de g\u00f6stermeleri gerekti\u011fi anlam\u0131na gelir. Dolay\u0131s\u0131yla, bu s\u00fcre\u00e7, adaylar i\u00e7in hem bir meydan okuma hem de kendilerini kan\u0131tlama f\u0131rsat\u0131 sunar.<\/p>\n
Ba\u015far\u0131l\u0131 bir m\u00fclakat deneyimi, sadece do\u011fru cevaplar\u0131 vermekten ibaret de\u011fildir. Ayn\u0131 zamanda, karma\u015f\u0131k sorunlar\u0131 net bir \u015fekilde ifade edebilme, farkl\u0131 \u00e7\u00f6z\u00fcm yakla\u015f\u0131mlar\u0131n\u0131 tart\u0131\u015fabilme ve hatta kendi hatalar\u0131n\u0131zdan ders \u00e7\u0131karabilme yetene\u011fini de i\u00e7erir. DataDog gibi bir \u015firkette \u00e7al\u0131\u015fmak, s\u00fcrekli \u00f6\u011frenmeyi, yenilik\u00e7i d\u00fc\u015f\u00fcnmeyi ve tak\u0131m \u00e7al\u0131\u015fmas\u0131n\u0131 gerektiren dinamik bir ortamda bulunmak demektir. Bu nedenle, m\u00fclakat s\u00fcreci de bu de\u011ferleri yans\u0131tan sorular ve senaryolarla doludur. Adaylar, metrik toplama, log analizi, da\u011f\u0131t\u0131k sistemler ve g\u00f6zlemlenebilirlik (observability) gibi DataDog’\u0131n temel faaliyet alanlar\u0131na ili\u015fkin bilgi birikimlerini sergilemelidirler. Bu makale boyunca, DataDog m\u00fclakat\u0131n\u0131n her a\u015famas\u0131n\u0131 detayland\u0131racak, sizi bekleyen zorluklara kar\u015f\u0131 nas\u0131l haz\u0131rlanabilece\u011finizi ve bu s\u00fcre\u00e7ten ba\u015far\u0131yla ge\u00e7mek i\u00e7in hangi stratejileri uygulayabilece\u011finizi ad\u0131m ad\u0131m ele alaca\u011f\u0131z. Hi\u00e7 \u015f\u00fcphesiz ki, iyi bir haz\u0131rl\u0131k, ba\u015far\u0131n\u0131n anahtar\u0131d\u0131r ve bu rehber size bu anahtar\u0131 sunmay\u0131 hedefliyor.<\/p>\n
M\u00fclakat s\u00fcrecinin ilk ad\u0131m\u0131 genellikle bir insan kaynaklar\u0131 (HR) \u00f6n elemesi ve ard\u0131ndan teknik bir \u00f6n eleme (technical screen) ile ba\u015flar. HR a\u015famas\u0131nda, \u015firket k\u00fclt\u00fcr\u00fcyle uyumunuz, kariyer hedefleriniz ve ileti\u015fim becerileriniz de\u011ferlendirilirken, teknik \u00f6n elemede temel algoritmalar ve veri yap\u0131lar\u0131 bilginiz h\u0131zl\u0131ca test edilir. Ancak, as\u0131l derinlemesine inceleme, daha sonraki kodlama ve sistem tasar\u0131m\u0131 m\u00fclakatlar\u0131nda ger\u00e7ekle\u015fir. Bu a\u015famalarda, sadece do\u011fru cevab\u0131 bulmak de\u011fil, ayn\u0131 zamanda problemi nas\u0131l analiz etti\u011finiz, farkl\u0131 k\u0131s\u0131tlamalar\u0131 nas\u0131l g\u00f6z \u00f6n\u00fcnde bulundurdu\u011funuz ve nihai \u00e7\u00f6z\u00fcm\u00fcn\u00fcz\u00fc nas\u0131l optimize etti\u011finiz de kritik \u00f6neme sahiptir. \u00d6zellikle sistem tasar\u0131m\u0131 m\u00fclakatlar\u0131, b\u00fcy\u00fck \u00f6l\u00e7ekli ve da\u011f\u0131t\u0131k sistemlerin mimarisi hakk\u0131nda geni\u015f bir bilgi birikimi ve deneyim gerektirir. Bu nedenle, m\u00fclakatlara haz\u0131rlan\u0131rken sadece ezberlemek yerine, alt\u0131nda yatan prensipleri ve nedenleri anlamak hayati \u00f6nem ta\u015f\u0131r. Bu yakla\u015f\u0131mla, sadece DataDog de\u011fil, benzer teknoloji \u015firketlerindeki m\u00fclakatlarda da ba\u015far\u0131l\u0131 olma \u015fans\u0131n\u0131z\u0131 art\u0131rabilirsiniz.<\/p>\n
DataDog’\u0131n m\u00fclakat s\u00fcreci, adaylar\u0131n hem teknik yetkinliklerini hem de \u015firket k\u00fclt\u00fcr\u00fcyle uyumlar\u0131n\u0131 \u00e7ok y\u00f6nl\u00fc bir \u015fekilde de\u011ferlendirmek \u00fczere tasarlanm\u0131\u015f titiz bir maratondur. Genellikle birka\u00e7 a\u015famadan olu\u015fur ve her bir a\u015faman\u0131n kendine \u00f6zg\u00fc hedefleri bulunur. Bu temel ta\u015flar\u0131 ve s\u00fcrecin i\u015fleyi\u015fini anlamak, etkili bir haz\u0131rl\u0131k stratejisi olu\u015fturman\u0131n ilk ad\u0131m\u0131d\u0131r. S\u00fcre\u00e7, genellikle \u00f6zge\u00e7mi\u015f incelemesi ve HR \u00f6n elemesiyle ba\u015flar, ard\u0131ndan teknik \u00f6n eleme, birka\u00e7 tur kodlama m\u00fclakat\u0131, sistem tasar\u0131m\u0131 m\u00fclakat\u0131 ve son olarak davran\u0131\u015fsal m\u00fclakatlarla devam eder. Her bir a\u015fama, aday\u0131n farkl\u0131 bir y\u00f6n\u00fcn\u00fc ortaya \u00e7\u0131karmay\u0131 ama\u00e7lar ve bir sonraki ad\u0131ma ge\u00e7ebilmek i\u00e7in her birinde belirli bir seviyenin \u00fczerinde performans sergilemek gerekir.<\/p>\n
\u0130lk olarak, \u0130nsan Kaynaklar\u0131 (HR) \u00d6n Elemesi<\/strong> a\u015famas\u0131 gelir. Bu, genellikle bir telefon g\u00f6r\u00fc\u015fmesi \u015feklinde olup, aday\u0131n ge\u00e7mi\u015f deneyimleri, kariyer hedefleri, DataDog’a olan ilgisi ve \u015firket k\u00fclt\u00fcr\u00fcyle potansiyel uyumu hakk\u0131nda genel bir fikir edinmeyi ama\u00e7lar. Bu a\u015famada, kendinizi net ve etkileyici bir \u015fekilde ifade edebilmek, DataDog’\u0131n misyonu ve \u00fcr\u00fcnleri hakk\u0131ndaki bilginizi g\u00f6stermek \u00f6nemlidir. Akabinde, Teknik \u00d6n Eleme (Technical Screen)<\/strong> s\u00fcreci ba\u015flar. Bu g\u00f6r\u00fc\u015fme, genellikle 30-45 dakika s\u00fcrer ve temel algoritma ve veri yap\u0131lar\u0131 bilginizi h\u0131zl\u0131ca test etmeyi hedefler. Bir kodlama platformu \u00fczerinden canl\u0131 kodlama yapman\u0131z istenebilir ve genellikle basit ile orta zorlukta bir problemle kar\u015f\u0131la\u015f\u0131rs\u0131n\u0131z. Bu a\u015famada temiz kod yazabilmek, zaman ve alan karma\u015f\u0131kl\u0131\u011f\u0131 analizini yapabilmek kritik \u00f6neme sahiptir. Ard\u0131ndan gelen Kodlama M\u00fclakatlar\u0131<\/strong>, s\u00fcrecin en zorlu teknik k\u0131s\u0131mlar\u0131ndan biridir. Genellikle iki tur halinde yap\u0131l\u0131r ve her biri 45-60 dakika s\u00fcrer. Adaylardan, orta ile ileri seviye algoritmik problemleri canl\u0131 olarak \u00e7\u00f6zmeleri beklenir. Bu m\u00fclakatlarda sadece do\u011fru \u00e7\u00f6z\u00fcm\u00fc bulmak de\u011fil, ayn\u0131 zamanda problem \u00e7\u00f6zme yakla\u015f\u0131m\u0131n\u0131z\u0131, k\u00f6\u015feli durumlar\u0131 (edge cases) ele al\u0131\u015f bi\u00e7iminizi ve kodunuzun okunabilirli\u011fini ve verimlili\u011fini de a\u00e7\u0131klaman\u0131z istenir. Bir problem \u00fczerinde tak\u0131l\u0131 kald\u0131\u011f\u0131n\u0131zda, m\u00fclakat\u00e7\u0131yla etkile\u015fim kurarak ipu\u00e7lar\u0131 almak ve d\u00fc\u015f\u00fcnce s\u00fcrecinizi payla\u015fmak da \u00f6nemlidir.<\/p>\n S\u00fcrecin bir di\u011fer \u00f6nemli dire\u011fi Sistem Tasar\u0131m\u0131 M\u00fclakatlar\u0131<\/strong>d\u0131r. Bu m\u00fclakatlar, \u00f6zellikle deneyimli m\u00fchendisler i\u00e7in kritik \u00f6neme sahiptir ve genellikle bir veya iki tur olarak yap\u0131l\u0131r. Burada, aday\u0131n b\u00fcy\u00fck \u00f6l\u00e7ekli, da\u011f\u0131t\u0131k ve y\u00fcksek performansl\u0131 sistemleri tasarlama, \u00f6l\u00e7eklendirme ve sorun giderme yetenekleri de\u011ferlendirilir. Bir sistem tasar\u0131m\u0131 m\u00fclakat\u0131nda, m\u00fclakat\u00e7\u0131 size y\u00fcksek seviyede bir problem verir (\u00f6rne\u011fin, “bir URL k\u0131saltma servisi tasarlay\u0131n” veya “DataDog’\u0131n metrik toplama pipeline’\u0131n\u0131 tasarlay\u0131n”) ve sizden bu sistemin mimarisini, bile\u015fenlerini, veri modellerini, API’lerini ve olas\u0131 darbo\u011fazlar\u0131n\u0131 detayland\u0131rman\u0131z beklenir. Diyagramlar \u00e7izmek, trade-off’lar\u0131 tart\u0131\u015fmak ve farkl\u0131 yakla\u015f\u0131mlar\u0131n avantajlar\u0131n\u0131\/dezavantajlar\u0131n\u0131 a\u00e7\u0131klamak bu a\u015famada \u00e7ok de\u011ferlidir. Son olarak, Davran\u0131\u015fsal M\u00fclakatlar<\/strong> s\u00fcreci tamamlar. Bu m\u00fclakatlarda, aday\u0131n problem \u00e7\u00f6zme becerileri, tak\u0131m \u00e7al\u0131\u015fmas\u0131, liderlik potansiyeli ve DataDog’\u0131n de\u011ferleriyle ne kadar uyumlu oldu\u011fu de\u011ferlendirilir. STAR (Situation, Task, Action, Result) metodunu kullanarak ge\u00e7mi\u015f deneyimlerinizi yap\u0131land\u0131r\u0131lm\u0131\u015f bir \u015fekilde anlatmak, bu m\u00fclakatlarda ba\u015far\u0131l\u0131 olman\u0131n anahtar\u0131d\u0131r. Bu m\u00fclakat a\u015famalar\u0131 bir b\u00fct\u00fcn olarak ele al\u0131nd\u0131\u011f\u0131nda, DataDog’\u0131n sadece “ne bildi\u011finizi” de\u011fil, “nas\u0131l d\u00fc\u015f\u00fcnd\u00fc\u011f\u00fcn\u00fcz\u00fc” ve “nas\u0131l \u00e7al\u0131\u015ft\u0131\u011f\u0131n\u0131z\u0131” anlamaya \u00e7al\u0131\u015ft\u0131\u011f\u0131 a\u00e7\u0131k\u00e7a g\u00f6r\u00fcl\u00fcr.<\/p>\n DataDog m\u00fclakat ser\u00fcvenine ba\u015flarken kar\u015f\u0131la\u015faca\u011f\u0131n\u0131z ilk teknik engel, genellikle “Teknik \u00d6n Eleme” (Technical Screen) olarak adland\u0131r\u0131lan k\u0131sa ama etkili bir m\u00fclakat turudur. Bu a\u015fama, aday\u0131n temel teknik yetkinliklerini h\u0131zl\u0131ca de\u011ferlendirmek ve daha kapsaml\u0131 m\u00fclakatlara ge\u00e7i\u015f i\u00e7in yeterli bilgi birikimine sahip olup olmad\u0131\u011f\u0131n\u0131 anlamak \u00fczere tasarlanm\u0131\u015ft\u0131r. Genellikle 30 ila 45 dakika s\u00fcrer ve m\u00fclakat\u00e7\u0131yla do\u011frudan bir g\u00f6r\u00fc\u015fme \u015feklinde ilerler. G\u00f6r\u00fc\u015fme esnas\u0131nda, bir \u00e7evrimi\u00e7i kodlama platformu (\u00f6rne\u011fin, CoderPad veya HackerRank Live) kullan\u0131larak size basit veya orta zorlukta bir algoritma problemi verilir ve bu problemi canl\u0131 olarak \u00e7\u00f6zmeniz beklenir.<\/p>\n Bu m\u00fclakat\u0131n temel amac\u0131, aday\u0131n temel veri yap\u0131lar\u0131 (diziler, ba\u011fl\u0131 listeler, hash tablolar\u0131, a\u011fa\u00e7lar vb.) ve algoritmalar (s\u0131ralama, arama, dinamik programlama basit uygulamalar\u0131 vb.) hakk\u0131ndaki bilgisini test etmektir. Ayn\u0131 zamanda, temiz, okunabilir ve optimize edilmi\u015f kod yazma beceriniz de de\u011ferlendirilir. Problem genellikle tek bir fonksiyon veya k\u00fc\u00e7\u00fck bir s\u0131n\u0131f yazman\u0131z\u0131 gerektirir. Sadece kodun \u00e7al\u0131\u015fmas\u0131 yeterli de\u011fildir; \u00e7\u00f6z\u00fcm\u00fcn\u00fcz\u00fcn zaman (time complexity) ve alan (space complexity) karma\u015f\u0131kl\u0131\u011f\u0131n\u0131 da analiz edebilmeniz ve a\u00e7\u0131klayabilmeniz beklenir. \u00d6rne\u011fin, bir liste \u00fczerindeki elemanlar\u0131 benzersiz hale getirme, bir dizide belirli bir say\u0131n\u0131n ka\u00e7 kez tekrarland\u0131\u011f\u0131n\u0131 bulma veya bir string’i tersine \u00e7evirme gibi problemlerle kar\u015f\u0131la\u015fabilirsiniz. \u00d6nemli olan, problemi anlama, farkl\u0131 \u00e7\u00f6z\u00fcm yakla\u015f\u0131mlar\u0131n\u0131 d\u00fc\u015f\u00fcnme, en uygun olan\u0131 se\u00e7me ve ard\u0131ndan kodu yazarken d\u00fc\u015f\u00fcncelerinizi m\u00fclakat\u00e7\u0131 ile payla\u015fma yetene\u011finizdir.<\/p>\n Bu a\u015famaya haz\u0131rlan\u0131rken, temel algoritma ve veri yap\u0131lar\u0131 sorular\u0131n\u0131 pratik etmek b\u00fcy\u00fck fayda sa\u011flayacakt\u0131r. LeetCode’da “Easy” ve “Medium” seviyedeki sorulara yo\u011funla\u015fmak iyi bir ba\u015flang\u0131\u00e7 noktas\u0131d\u0131r. Ayr\u0131ca, yazd\u0131\u011f\u0131n\u0131z kodun yan\u0131 s\u0131ra, kodlama stili ve hata ay\u0131klama (debugging) beceriniz de g\u00f6z \u00f6n\u00fcnde bulundurulur. \u00d6rne\u011fin, k\u00f6\u015feli durumlar (edge cases) i\u00e7in test senaryolar\u0131 d\u00fc\u015f\u00fcnmek ve kodunuzu bu senaryolara g\u00f6re test etmek, \u00e7\u00f6z\u00fcme olan g\u00fcveninizi art\u0131r\u0131r ve m\u00fclakat\u00e7\u0131ya daha profesyonel bir yakla\u015f\u0131m sergiledi\u011finizi g\u00f6sterir. A\u015fa\u011f\u0131daki gibi basit bir problemi ele alal\u0131m:<\/p>\n <\/code><\/p>\n Bu \u00f6rnekte, bir DataDog'un m\u00fclakat s\u00fcrecinin belkemi\u011fini olu\u015fturan kodlama m\u00fclakatlar\u0131, adaylar\u0131n problem \u00e7\u00f6zme, algoritma bilgisi, veri yap\u0131lar\u0131 hakimiyeti ve temiz, optimize edilmi\u015f kod yazma yeteneklerini derinlemesine \u00f6l\u00e7er. Bu a\u015fama genellikle birka\u00e7 turdan olu\u015fur ve her bir turda orta ila ileri seviye zorlukta problemlerle kar\u015f\u0131la\u015f\u0131rs\u0131n\u0131z. Ba\u015far\u0131l\u0131 olmak i\u00e7in sadece do\u011fru cevab\u0131 bulmak de\u011fil, ayn\u0131 zamanda d\u00fc\u015f\u00fcnce s\u00fcrecinizi net bir \u015fekilde ifade etmek, farkl\u0131 yakla\u015f\u0131mlar\u0131 tart\u0131\u015fmak ve kodunuzun zaman\/alan karma\u015f\u0131kl\u0131\u011f\u0131n\u0131 analiz etmek de hayati \u00f6nem ta\u015f\u0131r. Bu b\u00f6l\u00fcmde, kodlama m\u00fclakatlar\u0131na nas\u0131l haz\u0131rlanman\u0131z gerekti\u011fini ad\u0131m ad\u0131m inceleyecek ve ger\u00e7ek d\u00fcnya senaryolar\u0131n\u0131 yans\u0131tan bir vaka analiziyle konuyu peki\u015ftirece\u011fiz.<\/p>\n Kodlama m\u00fclakatlar\u0131na haz\u0131rlan\u0131rken en etkili y\u00f6ntemlerden biri, geni\u015f bir problem yelpazesinde pratik yapmakt\u0131r. LeetCode, HackerRank gibi platformlar bu konuda vazge\u00e7ilmez kaynaklard\u0131r. Ancak sadece problem \u00e7\u00f6zmek yeterli de\u011fildir; her \u00e7\u00f6z\u00fcm\u00fcn alt\u0131nda yatan algoritmik prensipleri anlamak ve farkl\u0131 yakla\u015f\u0131mlar\u0131 kar\u015f\u0131la\u015ft\u0131rabilmek de \u00f6nemlidir. \u00d6rne\u011fin, dinamik programlama, geri izleme (backtracking), iki i\u015faret\u00e7i (two pointers), kayan pencere (sliding window) ve graf algoritmalar\u0131 gibi s\u0131k\u00e7a kar\u015f\u0131la\u015f\u0131lan kal\u0131plara hakim olmal\u0131s\u0131n\u0131z. Her problemi \u00e7\u00f6zd\u00fckten sonra, \u00e7\u00f6z\u00fcm\u00fcn\u00fcz\u00fcn optimal olup olmad\u0131\u011f\u0131n\u0131, daha iyi bir yakla\u015f\u0131mla \u00e7\u00f6z\u00fcl\u00fcp \u00e7\u00f6z\u00fclemeyece\u011fini sorgulamal\u0131s\u0131n\u0131z. Ayr\u0131ca, m\u00fclakat s\u0131ras\u0131nda paniklememek ve d\u00fc\u015f\u00fcncelerinizi yap\u0131land\u0131rmak i\u00e7in belirli bir \u00e7er\u00e7eve izlemek faydal\u0131d\u0131r:<\/p>\n DataDog, milyonlarca sunucudan ve uygulamadan metrik toplar. Bir senaryoda, sisteminizdeki bir mikroservis, belirli aral\u0131klarla metrik toplama i\u015fleminde yava\u015flamalar ya\u015f\u0131yor. Bu yava\u015flamalar, y\u00fcksek CPU kullan\u0131m\u0131 ve uzun kuyruk s\u00fcreleri \u015feklinde kendini g\u00f6steriyor. Geli\u015ftiriciler, bu durumun mikroservisin metrikleri i\u015fleme bi\u00e7iminden kaynakland\u0131\u011f\u0131n\u0131 d\u00fc\u015f\u00fcn\u00fcyor. Size verilen g\u00f6rev, mikroservisin toplad\u0131\u011f\u0131 metriklerin s\u00fcrekli bir ak\u0131\u015ftan geldi\u011fini ve bu ak\u0131\u015ftaki baz\u0131 metriklerin yinelenen (duplicate) veya anlams\u0131z (anomalous) olabilece\u011fini varsayarak, bu metrikleri verimli bir \u015fekilde filtreleyebilen ve i\u015fleyebilen bir kod par\u00e7as\u0131 tasarlamakt\u0131r.<\/p>\n Spesifik olarak, size s\u00fcrekli bir tamsay\u0131 ak\u0131\u015f\u0131 geldi\u011fini d\u00fc\u015f\u00fcn\u00fcn. Her tamsay\u0131 bir metrik de\u011ferini temsil ediyor. Sizin g\u00f6reviniz, bu ak\u0131\u015ftan son K metrik de\u011feri i\u00e7indeki en y\u00fcksek frekansa sahip metrikleri (yani en s\u0131k tekrar edenleri) bulmak ve bu metrikleri ak\u0131\u015ftan \u00e7\u0131karmakt\u0131r. Ama\u00e7, sistemin a\u015f\u0131r\u0131 y\u00fcklenmesini engellemek ve yaln\u0131zca anlaml\u0131 metrikleri i\u015flemeye devam etmesini sa\u011flamakt\u0131r. E\u011fer birden fazla metrik ayn\u0131 en y\u00fcksek frekansa sahipse, bunlardan en k\u00fc\u00e7\u00fck de\u011fere sahip olan\u0131 \u00e7\u0131karmal\u0131s\u0131n\u0131z.<\/p>\n Bu problemi \u00e7\u00f6zmek i\u00e7in \"kayan pencere\" (sliding window) ve \"hash map\" veri yap\u0131lar\u0131n\u0131 bir arada kullanabiliriz. Kayan pencere, son K metrik de\u011ferini takip etmemizi sa\u011flar. Bir hash map ise her metrik de\u011ferinin pencere i\u00e7indeki frekans\u0131n\u0131 tutar. Yeni bir metrik geldi\u011finde, pencerenin ba\u015f\u0131ndan bir metrik \u00e7\u0131kar\u0131l\u0131r ve sonuna yeni metrik eklenir. Her ad\u0131mda, hash map g\u00fcncellenir ve pencere i\u00e7indeki en s\u0131k tekrar eden metrik belirlenir. Bu i\u015flemi verimli bir \u015fekilde y\u00f6netmek i\u00e7in, frekanslar\u0131 ve metrik de\u011ferlerini tutan bir <\/code><\/p>\n Bu \u00e7\u00f6z\u00fcm, her metrik i\u015fleme ad\u0131m\u0131 i\u00e7in ortalama O(K) zaman karma\u015f\u0131kl\u0131\u011f\u0131na sahiptir \u00e7\u00fcnk\u00fc Deneyimli m\u00fchendisler i\u00e7in DataDog m\u00fclakat s\u00fcrecinin en zorlu ve en \u00f6nemli a\u015famalar\u0131ndan biri sistem tasar\u0131m\u0131 m\u00fclakatlar\u0131d\u0131r. Bu m\u00fclakatlar, aday\u0131n b\u00fcy\u00fck \u00f6l\u00e7ekli, da\u011f\u0131t\u0131k, y\u00fcksek performansl\u0131 ve hataya dayan\u0131kl\u0131 sistemleri tasarlama, mimarisini olu\u015fturma ve \u00f6l\u00e7eklendirme yeteneklerini de\u011ferlendirir. Burada art\u0131k algoritma detaylar\u0131ndan \u00e7ok, sistemin b\u00fct\u00fcn\u00fcne dair bir bak\u0131\u015f a\u00e7\u0131s\u0131, farkl\u0131 teknolojileri bir araya getirme becerisi ve teknik trade-off'lar\u0131 anlama yetene\u011fi \u00f6n plana \u00e7\u0131kar. Bir sistem tasar\u0131m\u0131 m\u00fclakat\u0131nda, m\u00fclakat\u00e7\u0131 size genellikle DataDog'\u0131n kendi \u00fcr\u00fcnlerine veya benzer b\u00fcy\u00fck \u00f6l\u00e7ekli uygulamalara at\u0131fta bulunan geni\u015f kapsaml\u0131 bir problem verir.<\/p>\n \u00d6rne\u011fin, \"DataDog benzeri bir izleme sistemi tasarlay\u0131n,\" \"milyonlarca sens\u00f6rden gelen zaman serisi verilerini depolayan bir sistem in\u015fa edin\" veya \"bir bildirim servisi tasarlay\u0131n\" gibi sorularla kar\u015f\u0131la\u015fabilirsiniz. Bu problemler, genellikle kas\u0131tl\u0131 olarak belirsiz b\u0131rak\u0131l\u0131r ve adaydan, problemin kapsam\u0131n\u0131 netle\u015ftirmek i\u00e7in do\u011fru sorular\u0131 sormas\u0131 beklenir. Ama\u00e7, sadece bir \u00e7\u00f6z\u00fcm sunmak de\u011fil, ayn\u0131 zamanda tasar\u0131m s\u00fcrecini y\u00f6netebilme, k\u0131s\u0131tlamalar\u0131 belirleme, \u00f6l\u00e7eklenebilirlik, g\u00fcvenilirlik, tutarl\u0131l\u0131k ve maliyet gibi fakt\u00f6rleri g\u00f6z \u00f6n\u00fcnde bulundurarak bilin\u00e7li kararlar verebilme yetene\u011finizi g\u00f6stermektir. M\u00fclakat boyunca beyaz tahta veya online bir \u00e7izim arac\u0131 kullanarak mimarinizi g\u00f6rselle\u015ftirmek ve fikirlerinizi net bir \u015fekilde ifade etmek \u00e7ok \u00f6nemlidir.<\/p>\n Sistem tasar\u0131m\u0131 m\u00fclakatlar\u0131nda ba\u015far\u0131l\u0131 olmak i\u00e7in a\u015fa\u011f\u0131daki temel kavramlara hakim olmal\u0131s\u0131n\u0131z:<\/p>\n DataDog'\u0131n temel i\u015flevlerinden biri, binlerce hatta milyonlarca kaynaktan metrik toplamak, depolamak ve g\u00f6rselle\u015ftirmektir. Diyelim ki size \"Milyonlarca sunucudan gelen metrikleri ger\u00e7ek zamanl\u0131 olarak toplay\u0131p depolayabilen ve sorgulanabilir hale getiren bir sistem tasarlay\u0131n\" g\u00f6revi verildi. Bu, tipik bir sistem tasar\u0131m\u0131 m\u00fclakat\u0131 sorusudur. \u0130lk olarak, kapsam\u0131 netle\u015ftirmelisiniz:<\/p>\n Bu sorular\u0131n ard\u0131ndan, sistemin ana bile\u015fenlerini belirleyebilirsiniz:<\/p>\n Bu sistemdeki olas\u0131 darbo\u011fazlar ve trade-off'lar \u015funlar olabilir:<\/p>\n Bu vaka analizinde oldu\u011fu gibi, sistem tasar\u0131m\u0131 m\u00fclakatlar\u0131, sadece teknik bilgi de\u011fil, ayn\u0131 zamanda pratik m\u00fchendislik kararlar\u0131 alma, olas\u0131 sorunlar\u0131 \u00f6ng\u00f6rme ve \u00e7\u00f6z\u00fcm yollar\u0131 sunma becerisini de test eder. M\u00fclakat\u00e7\u0131yla aktif diyalog kurarak, varsay\u0131mlar\u0131n\u0131z\u0131 netle\u015ftirerek ve kararlar\u0131n\u0131z\u0131n arkas\u0131ndaki mant\u0131\u011f\u0131 a\u00e7\u0131klayarak g\u00fc\u00e7l\u00fc bir izlenim b\u0131rakabilirsiniz.<\/p>\n DataDog gibi \u00f6nde gelen teknoloji \u015firketlerinde, teknik yeteneklerinizin yan\u0131 s\u0131ra, \u015firket k\u00fclt\u00fcr\u00fcne uyumunuz ve profesyonel davran\u0131\u015flar\u0131n\u0131z da m\u00fclakat s\u00fcrecinin kritik bir par\u00e7as\u0131d\u0131r. Davran\u0131\u015fsal m\u00fclakatlar, aday\u0131n ge\u00e7mi\u015f deneyimlerini, problem \u00e7\u00f6zme yakla\u015f\u0131mlar\u0131n\u0131, tak\u0131m \u00e7al\u0131\u015fmas\u0131 becerilerini, liderlik potansiyelini ve zorlu durumlarla nas\u0131l ba\u015fa \u00e7\u0131kt\u0131\u011f\u0131n\u0131 anlamak i\u00e7in tasarlanm\u0131\u015ft\u0131r. Bu m\u00fclakatlar, genellikle en \u00fcst d\u00fczey y\u00f6neticiler veya insan kaynaklar\u0131 departman\u0131 taraf\u0131ndan yap\u0131l\u0131r ve teknik m\u00fclakatlardan farkl\u0131 bir haz\u0131rl\u0131k gerektirir. Ama\u00e7, sizin sadece teknik bir problem \u00e7\u00f6z\u00fcc\u00fc de\u011fil, ayn\u0131 zamanda DataDog'\u0131n h\u0131zl\u0131 tempolu, i\u015fbirlik\u00e7i ve yenilik\u00e7i ortam\u0131na de\u011fer katabilecek bir birey oldu\u011funuzu g\u00f6stermektir.<\/p>\n Davran\u0131\u015fsal m\u00fclakatlarda en s\u0131k kullan\u0131lan y\u00f6ntemlerden biri STAR (Situation, Task, Action, Result) metodudur. Bu y\u00f6ntem, ge\u00e7mi\u015f deneyimlerinizi yap\u0131land\u0131r\u0131lm\u0131\u015f ve ikna edici bir \u015fekilde anlatman\u0131z\u0131 sa\u011flar. Her bir soruya cevap verirken, belirli bir durumu (Situation) tan\u0131mlay\u0131n, size verilen g\u00f6revi (Task) a\u00e7\u0131klay\u0131n, bu g\u00f6revi yerine getirmek i\u00e7in hangi eylemleri (Action) ger\u00e7ekle\u015ftirdi\u011finizi detayland\u0131r\u0131n ve son olarak bu eylemlerin sonu\u00e7lar\u0131n\u0131 (Result) belirtin. \u00d6rne\u011fin, \"Zor bir tak\u0131m \u00fcyesiyle nas\u0131l ba\u015fa \u00e7\u0131kt\u0131n\u0131z?\" veya \"Bir projede ba\u015far\u0131s\u0131z oldu\u011funuzda ne \u00f6\u011frendiniz?\" gibi sorularla kar\u015f\u0131la\u015fabilirsiniz. Bu sorulara verilecek cevaplar, sizin kendinizi nas\u0131l g\u00f6rd\u00fc\u011f\u00fcn\u00fcz\u00fc, ba\u015fkalar\u0131yla nas\u0131l etkile\u015fim kurdu\u011funuzu ve deneyimlerinizden nas\u0131l ders \u00e7\u0131kard\u0131\u011f\u0131n\u0131z\u0131 ortaya koyar.<\/p>\n DataDog, \"Shift Left\" felsefesini benimseyen, yani sorunlar\u0131 geli\u015ftirme s\u00fcrecinin erken a\u015famalar\u0131nda tespit etmeye ve \u00e7\u00f6zmeye odaklanan bir k\u00fclt\u00fcrd\u00fcr. Ayr\u0131ca, m\u00fchendislerin \u00fcr\u00fcn geli\u015ftirme s\u00fcre\u00e7lerine aktif olarak kat\u0131l\u0131m\u0131n\u0131 te\u015fvik eder ve s\u00fcrekli iyile\u015ftirmeyi \u00f6n planda tutar. Bu nedenle, m\u00fclakatlarda bu k\u00fclt\u00fcre uygun \u00f6zelliklerinizi vurgulaman\u0131z faydal\u0131 olacakt\u0131r. \u00d6rne\u011fin, proaktif bir yakla\u015f\u0131m sergilemek, tak\u0131m i\u00e7inde inisiyatif almak, geri bildirim vermekten ve almaktan \u00e7ekinmemek gibi \u00f6zellikler de\u011ferlidir. M\u00fclakat\u00e7\u0131lara, DataDog'\u0131n \u00fcr\u00fcnlerine olan ilginizi ve \u015firketin misyonu hakk\u0131ndaki bilginizi g\u00f6stermek, k\u00fclt\u00fcrel uyumunuzu peki\u015ftirecektir. Ayr\u0131ca, \"Neden DataDog?\" sorusuna sadece \u00fcr\u00fcnlerini be\u011fendi\u011finizi s\u00f6ylemek yerine, \u015firketin teknolojilerine, k\u00fclt\u00fcr\u00fcne veya de\u011ferlerine \u00f6zel bir ilgi duydu\u011funuzu g\u00f6steren ki\u015fisel ve samimi bir cevap vermek \u00f6nemlidir.<\/p>\n A\u015fa\u011f\u0131daki gibi bir tablo, davran\u0131\u015fsal m\u00fclakatlara haz\u0131rlan\u0131rken size yol g\u00f6sterebilir:<\/p>\n Davran\u0131\u015fsal m\u00fclakatlara haz\u0131rlan\u0131rken, \u00f6zge\u00e7mi\u015finizde yer alan her bir proje veya deneyim i\u00e7in potansiyel STAR hikayeleri haz\u0131rlamak, m\u00fclakat s\u0131ras\u0131nda kendinize olan g\u00fcveninizi art\u0131racakt\u0131r. Unutmay\u0131n, bu m\u00fclakatlar sadece ne yapt\u0131\u011f\u0131n\u0131z\u0131 de\u011fil, ayn\u0131 zamanda nas\u0131l yapt\u0131\u011f\u0131n\u0131z\u0131 ve bu deneyimlerden ne \u00f6\u011frendi\u011finizi de g\u00f6sterir. Samimi, d\u00fcr\u00fcst ve \u00f6zg\u00fcvenli bir duru\u015f sergileyerek DataDog'\u0131n k\u00fclt\u00fcr\u00fcyle m\u00fckemmel bir uyum i\u00e7inde oldu\u011funuzu kan\u0131tlayabilirsiniz.<\/p>\n DataDog'daki m\u00fclakat s\u00fcreci, \u015f\u00fcphesiz ki teknik derinlik, problem \u00e7\u00f6zme yetene\u011fi ve k\u00fclt\u00fcrel uyumun birle\u015fti\u011fi zorlu ama \u00f6d\u00fcllendirici bir maratondur. Bu rehber boyunca, teknik \u00f6n elemelerden kodlama m\u00fclakatlar\u0131na, sistem tasar\u0131m\u0131ndan davran\u0131\u015fsal g\u00f6r\u00fc\u015fmelere kadar her a\u015famay\u0131 detayl\u0131ca inceledik ve size ba\u015far\u0131l\u0131 olman\u0131z i\u00e7in gerekli ara\u00e7lar\u0131 sunmaya \u00e7al\u0131\u015ft\u0131k. \u00d6zetle, DataDog, sadece algoritma bilgisi veya belirli bir teknolojideki uzmanl\u0131k de\u011fil, ayn\u0131 zamanda karma\u015f\u0131k sorunlara kar\u015f\u0131 b\u00fct\u00fcnsel bir bak\u0131\u015f a\u00e7\u0131s\u0131, etkili ileti\u015fim becerileri ve s\u00fcrekli \u00f6\u011frenme arzusunu da arayan bir \u015firkettir.<\/p>\n Ba\u015far\u0131l\u0131 bir m\u00fclakat deneyimi i\u00e7in anahtar kelime \"haz\u0131rl\u0131k\"t\u0131r. Bu, sadece LeetCode problemlerini \u00e7\u00f6zmekten veya sistem tasar\u0131m\u0131 kal\u0131plar\u0131n\u0131 ezberlemekten ibaret de\u011fildir. Ayn\u0131 zamanda, DataDog'\u0131n \u00fcr\u00fcnlerini ve teknolojilerini anlamak, kendi deneyimlerinizi STAR metoduna g\u00f6re yap\u0131land\u0131rmak ve m\u00fclakat s\u0131ras\u0131nda aktif bir diyalog kurmaktan ge\u00e7er. Her soruyu bir \u00f6\u011frenme f\u0131rsat\u0131 olarak g\u00f6rmek, tak\u0131ld\u0131\u011f\u0131n\u0131zda yard\u0131m istemekten \u00e7ekinmemek ve \u00e7\u00f6z\u00fcm\u00fcn\u00fcz\u00fc her ad\u0131mda m\u00fclakat\u00e7\u0131yla payla\u015fmak, size yaln\u0131zca puan kazand\u0131rmakla kalmayacak, ayn\u0131 zamanda kendinize olan g\u00fcveninizi de art\u0131racakt\u0131r. Unutmay\u0131n, m\u00fclakat\u00e7\u0131lar sizin bilgi birikiminizi test etmekle birlikte, potansiyelinizi ve DataDog'\u0131n tak\u0131m\u0131na ne kadar iyi uyum sa\u011flayaca\u011f\u0131n\u0131z\u0131 da de\u011ferlendirmektedirler.<\/p>\n Son olarak, m\u00fclakat s\u00fcreci boyunca kendinize kar\u015f\u0131 d\u00fcr\u00fcst olun ve ger\u00e7ekten DataDog'da \u00e7al\u0131\u015fmak isteyip istemedi\u011finizi sorgulay\u0131n. \u015eirket k\u00fclt\u00fcr\u00fc, size sunulan zorluklar ve b\u00fcy\u00fcme f\u0131rsatlar\u0131, kariyer yolculu\u011funuzda \u00f6nemli bir rol oynayacakt\u0131r. Her \u015feyden \u00f6nce, sakin kal\u0131n, kendinize g\u00fcvenin ve \u00f6\u011frendiklerinizi en iyi \u015fekilde sergileyin. Bu kapsaml\u0131 haz\u0131rl\u0131k rehberi ile DataDog m\u00fclakat maratonunda ba\u015far\u0131l\u0131 bir performans sergileyece\u011finizden eminiz. \u0130yi \u015fanslar!<\/p>\n DataDog m\u00fclakatlar\u0131 hakk\u0131nda merak edilen baz\u0131 sorular\u0131 ve cevaplar\u0131n\u0131 a\u015fa\u011f\u0131da bulabilirsiniz:<\/p>\n S\u00fcre\u00e7 genellikle 2-4 hafta aras\u0131nda de\u011fi\u015febilir. \u0130lk HR ve teknik \u00f6n eleme g\u00f6r\u00fc\u015fmeleri k\u0131sa olup, sonraki a\u015famalar (kodlama, sistem tasar\u0131m\u0131, davran\u0131\u015fsal) her biri 45-60 dakikal\u0131k birka\u00e7 turdan olu\u015fabilir. Toplamda 5-7 m\u00fclakat turu beklemeniz gerekebilir.<\/p>\n<\/li>\n DataDog, genellikle Python, Go, Java ve C++ gibi dilleri kullanan bir \u015firkettir. M\u00fclakatlarda genellikle adaylar\u0131n tercih etti\u011fi bir dilde kod yazmalar\u0131na izin verilir. \u00d6nemli olan, se\u00e7ti\u011finiz dilde ak\u0131c\u0131 olmak ve temel veri yap\u0131lar\u0131\/algoritmalar\u0131 iyi bir \u015fekilde uygulayabilmektir.<\/p>\n<\/li>\n B\u00fcy\u00fck \u00f6l\u00e7ekli sistemlerin temel bile\u015fenlerini (y\u00fck dengeleyiciler, veritabanlar\u0131, mesaj kuyruklar\u0131, \u00f6nbellekler), \u00f6l\u00e7eklendirme stratejilerini ve da\u011f\u0131t\u0131k sistem prensiplerini (CAP Teoremi, tutarl\u0131l\u0131k modelleri) anlaman\u0131z kritik \u00f6neme sahiptir. \u00c7e\u015fitli sistem tasar\u0131m\u0131 vaka analizlerini incelemek ve kendiniz tasar\u0131mlar yapmaya \u00e7al\u0131\u015fmak en iyi haz\u0131rl\u0131k y\u00f6ntemidir.<\/p>\n<\/li>\n Genellikle tak\u0131m \u00e7al\u0131\u015fmas\u0131, liderlik, problem \u00e7\u00f6zme, ba\u015far\u0131s\u0131zl\u0131klarla ba\u015fa \u00e7\u0131kma, geri bildirim verme\/alma ve \u015firkete olan ilgi gibi konulara odaklan\u0131l\u0131r. STAR (Situation, Task, Action, Result) metodunu kullanarak ge\u00e7mi\u015f deneyimlerinizi yap\u0131land\u0131r\u0131lm\u0131\u015f bir \u015fekilde anlatmaya haz\u0131r olun.<\/p>\n<\/li>\n M\u00fclakatlar\u0131n tamamlanmas\u0131n\u0131n ard\u0131ndan insan kaynaklar\u0131 veya i\u015fe al\u0131m y\u00f6neticisi sizinle ileti\u015fime ge\u00e7erek geri bildirim s\u00fcreci hakk\u0131nda bilgi verir. Bu s\u00fcre\u00e7, bazen birka\u00e7 g\u00fcn s\u00fcrebilir. Genellikle olumlu veya olumsuz bir sonu\u00e7la birlikte genel bir geri bildirim sunulur.<\/p>\n<\/li>\n<\/ol>\n <\/body><\/p>\n","protected":false},"excerpt":{"rendered":"DataDog’da m\u00fclakat s\u00fcrecine haz\u0131rlan\u0131rken kar\u015f\u0131la\u015f\u0131lan zorluklar\u0131 ve ba\u015far\u0131 s\u0131rlar\u0131n\u0131 ke\u015ffedin. Kodlama sorular\u0131ndan sistem tasar\u0131m\u0131na, davran\u0131\u015fsal m\u00fclakatlara kadar her…","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"csco_page_header_type":"","csco_page_load_nextpost":"","csco_page_subscribe_form":"","csco_page_contact_form":"","footnotes":""},"categories":[1],"tags":[],"class_list":{"0":"post-33906","1":"post","2":"type-post","3":"status-publish","4":"format-standard","6":"category-genel","7":"cs-entry","8":"cs-video-wrap"},"yoast_head":"\nTeknik \u00d6n Eleme ve \u0130lk Ad\u0131mlar: Neler Beklenmeli?<\/h3>\n
\n\/\/ Verilen bir tam say\u0131 dizisinde (arr), t\u00fcm benzersiz elemanlar\u0131 i\u00e7eren yeni bir dizi d\u00f6nd\u00fcr\u00fcn.\n\/\/ \u00d6rnek: arr = [1, 2, 2, 3, 1] ise, [1, 2, 3] d\u00f6nd\u00fcrmeli.\n\nfunction getUniqueElements(arr) {\n if (!arr || arr.length === 0) {\n return [];\n }\n\n \/\/ Bir Set kullanarak benzersiz elemanlar\u0131 kolayca toplayabiliriz.\n const uniqueSet = new Set(arr);\n\n \/\/ Set'i bir diziye d\u00f6n\u00fc\u015ft\u00fcr\u00fcp d\u00f6nd\u00fcr\u00fcyoruz.\n return Array.from(uniqueSet);\n}\n\n\/\/ Test senaryolar\u0131:\nconsole.log(getUniqueElements([1, 2, 2, 3, 1])); \/\/ Beklenen: [1, 2, 3]\nconsole.log(getUniqueElements([])); \/\/ Beklenen: []\nconsole.log(getUniqueElements([5, 5, 5])); \/\/ Beklenen: [5]\nconsole.log(getUniqueElements([4, 1, 3, 2])); \/\/ Beklenen: [4, 1, 3, 2]\n<\/pre>\nSet<\/code> veri yap\u0131s\u0131n\u0131n nas\u0131l kullan\u0131labilece\u011fi g\u00f6sterilmi\u015ftir. Set<\/code>'ler, elemanlar\u0131 otomatik olarak benzersiz tuttu\u011fu i\u00e7in bu t\u00fcr problemler i\u00e7in olduk\u00e7a verimli bir \u00e7\u00f6z\u00fcmd\u00fcr. Alternatif olarak, bir Map<\/code> veya hatta bir d\u00f6ng\u00fc ve indexOf<\/code> veya includes<\/code> kullanarak da \u00e7\u00f6z\u00fcme ula\u015f\u0131labilir, ancak Set<\/code> \u00e7\u00f6z\u00fcm\u00fc genellikle daha temiz ve verimlidir. M\u00fclakat s\u0131ras\u0131nda, se\u00e7ti\u011finiz yakla\u015f\u0131m\u0131n avantajlar\u0131n\u0131 ve dezavantajlar\u0131n\u0131 tart\u0131\u015fabilmek, zaman ve alan karma\u015f\u0131kl\u0131\u011f\u0131 a\u00e7\u0131s\u0131ndan neden bu \u00e7\u00f6z\u00fcm\u00fc tercih etti\u011finizi a\u00e7\u0131klayabilmek \u00f6nemlidir. \u00d6rne\u011fin, yukar\u0131daki Set<\/code> \u00e7\u00f6z\u00fcm\u00fc, ortalama durumda O(N) zaman karma\u015f\u0131kl\u0131\u011f\u0131na sahipken, indexOf<\/code> kullanan bir \u00e7\u00f6z\u00fcm O(N^2) olabilir. Bu t\u00fcr analizler, teknik \u00f6n elemede fark yaratman\u0131z\u0131 sa\u011flar ve m\u00fclakat\u00e7\u0131ya derinlemesine d\u00fc\u015f\u00fcnebildi\u011finizi g\u00f6sterir.<\/p>\nKodlama M\u00fclakatlar\u0131na Ad\u0131m Ad\u0131m Haz\u0131rl\u0131k ve Vaka Analizleri<\/h2>\n
\n
Vaka Analizi 1: DataDog Kodlama Sorusu Senaryosu - Metrik Toplama Ar\u0131zas\u0131<\/h3>\n
Map<\/code> ve pencereyi temsil eden bir Queue<\/code> (kuyruk) kullanabiliriz.<\/p>\n\n\/**\n * Verilen metrik ak\u0131\u015f\u0131ndan son K pencere i\u00e7indeki en s\u0131k tekrar eden metri\u011fi bulur\n * ve ak\u0131\u015ftan \u00e7\u0131kar\u0131lmas\u0131 gereken metri\u011fi d\u00f6nd\u00fcr\u00fcr.\n * Birden fazla metrik ayn\u0131 en y\u00fcksek frekansa sahipse, en k\u00fc\u00e7\u00fck de\u011fere sahip olan\u0131 d\u00f6nd\u00fcr\u00fcr.\n *\/\nclass MetricFilter {\n constructor(k) {\n this.k = k; \/\/ Pencere boyutu\n this.window = []; \/\/ Kayan pencere (bir kuyruk gibi d\u00fc\u015f\u00fcn\u00fclebilir)\n this.frequencies = new Map(); \/\/ Metriklerin frekanslar\u0131\n }\n\n processMetric(newMetric) {\n \/\/ Yeni metri\u011fi pencereye ekle\n this.window.push(newMetric);\n this.frequencies.set(newMetric, (this.frequencies.get(newMetric) || 0) + 1);\n\n \/\/ Pencere boyutunu koru\n if (this.window.length > this.k) {\n const oldMetric = this.window.shift(); \/\/ Pencerenin ba\u015f\u0131ndan metri\u011fi \u00e7\u0131kar\n this.frequencies.set(oldMetric, this.frequencies.get(oldMetric) - 1);\n if (this.frequencies.get(oldMetric) === 0) {\n this.frequencies.delete(oldMetric); \/\/ Frekans 0 ise Map'ten sil\n }\n }\n\n \/\/ Pencere i\u00e7inde en s\u0131k tekrar eden metri\u011fi bul\n let maxFrequency = 0;\n let metricToRemove = -1;\n\n for (const [metric, freq] of this.frequencies.entries()) {\n if (freq > maxFrequency) {\n maxFrequency = freq;\n metricToRemove = metric;\n } else if (freq === maxFrequency) {\n \/\/ E\u011fer frekanslar e\u015fitse, daha k\u00fc\u00e7\u00fck de\u011fere sahip metri\u011fi se\u00e7\n if (metricToRemove === -1 || metric < metricToRemove) {\n metricToRemove = metric;\n }\n }\n }\n return metricToRemove;\n }\n}\n\n\/\/ Kullan\u0131m \u00f6rne\u011fi:\nconst filter = new MetricFilter(3); \/\/ Son 3 metri\u011fi i\u00e7eren pencere\nconsole.log(Ak\u0131\u015ftan \u00e7\u0131kar\u0131lmas\u0131 gereken metrik: ${filter.processMetric(1)}<\/code>); \/\/ Pencere: [1], Freq: {1:1} -> 1\nconsole.log(Ak\u0131\u015ftan \u00e7\u0131kar\u0131lmas\u0131 gereken metrik: ${filter.processMetric(2)}<\/code>); \/\/ Pencere: [1,2], Freq: {1:1, 2:1} -> 1\nconsole.log(Ak\u0131\u015ftan \u00e7\u0131kar\u0131lmas\u0131 gereken metrik: ${filter.processMetric(2)}<\/code>); \/\/ Pencere: [1,2,2], Freq: {1:1, 2:2} -> 2\nconsole.log(Ak\u0131\u015ftan \u00e7\u0131kar\u0131lmas\u0131 gereken metrik: ${filter.processMetric(1)}<\/code>); \/\/ Pencere: [2,2,1], Freq: {2:2, 1:1} -> 2 (1 \u00e7\u0131kar\u0131ld\u0131, 1 eklendi)\nconsole.log(Ak\u0131\u015ftan \u00e7\u0131kar\u0131lmas\u0131 gereken metrik: ${filter.processMetric(3)}<\/code>); \/\/ Pencere: [2,1,3], Freq: {2:1, 1:1, 3:1} -> 1 (2 \u00e7\u0131kar\u0131ld\u0131, 3 eklendi, frekanslar e\u015fit, en k\u00fc\u00e7\u00fck de\u011fer 1)\n\n\/*\nMobil uyumlu HTML \u00e7\u0131kt\u0131s\u0131 i\u00e7in CSS \u00f6rne\u011fi:\n@media (max-width: 768px) {\n .code-block-container pre {\n overflow-x: auto;\n white-space: pre-wrap; \/* Sat\u0131rlar\u0131 otomatik sarar *\/\n word-wrap: break-word; \/* Uzun kelimeleri k\u0131rar *\/\n }\n}\n*\/\n<\/pre>\nfrequencies<\/code> map'ini taramak en k\u00f6t\u00fc durumda K eleman i\u00e7erebilir. Ancak, e\u011fer frequencies<\/code> map'inin eleman say\u0131s\u0131 K'dan \u00e7ok daha az ise (\u00e7ok az farkl\u0131 metrik de\u011feri varsa), karma\u015f\u0131kl\u0131k daha d\u00fc\u015f\u00fck olabilir. Pencere ve frekans haritas\u0131, toplamda O(K) alan kullan\u0131r. Bu vaka analizinde oldu\u011fu gibi, DataDog m\u00fclakatlar\u0131nda hem algoritma bilginizi hem de sistemin kaynaklar\u0131n\u0131 verimli kullanma yetene\u011finizi g\u00f6stermeniz beklenir. Problemi par\u00e7alara ay\u0131rmak, her bir par\u00e7ay\u0131 optimize etmek ve nihai \u00e7\u00f6z\u00fcm\u00fc net bir \u015fekilde a\u00e7\u0131klamak ba\u015far\u0131n\u0131n anahtar\u0131d\u0131r.<\/p>\nSistem Tasar\u0131m\u0131 M\u00fclakatlar\u0131: B\u00fcy\u00fck \u00d6l\u00e7ekli Sistemler Nas\u0131l Tasarlan\u0131r?<\/h2>\n
\n
Vaka Analizi 2: DataDog Benzeri Bir Metrik Toplama Altyap\u0131s\u0131n\u0131n Tasar\u0131m\u0131<\/h3>\n
\n
\n
\n
\n\n\n
\n \nVeritaban\u0131 T\u00fcr\u00fc<\/th>\n Avantajlar\u0131<\/th>\n Dezavantajlar\u0131<\/th>\n<\/tr>\n<\/thead>\n \n Apache Cassandra<\/td>\n Y\u00fcksek \u00f6l\u00e7eklenebilirlik, y\u00fcksek yazma performans\u0131<\/td>\n Sorgu esnekli\u011fi s\u0131n\u0131rl\u0131, karma\u015f\u0131k kurulum<\/td>\n<\/tr>\n \n ClickHouse<\/td>\n \u00c7ok h\u0131zl\u0131 analitik sorgular, y\u00fcksek s\u0131k\u0131\u015ft\u0131rma<\/td>\n Relasyonel i\u015flemler zay\u0131f, operasyonel y\u00fck<\/td>\n<\/tr>\n \n Prometheus TSDB<\/td>\n Basit kurulum, g\u00fc\u00e7l\u00fc sorgu dili (PromQL)<\/td>\n Da\u011f\u0131t\u0131k mimaride s\u0131n\u0131rlamalar (tek sunucu a\u011f\u0131rl\u0131kl\u0131)<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/li>\n Davran\u0131\u015fsal M\u00fclakatlar ve K\u00fclt\u00fcrel Uyum: DataDog'da Ba\u015far\u0131l\u0131 Olmak \u0130\u00e7in \u0130pu\u00e7lar\u0131<\/h2>\n
\n\n
\n \nSorulan Alan<\/th>\n Beklenen \u00d6zellikler<\/th>\n STAR Metodu Uygulama \u00d6rne\u011fi<\/th>\n<\/tr>\n<\/thead>\n \n Tak\u0131m \u00c7al\u0131\u015fmas\u0131<\/td>\n \u0130\u015fbirli\u011fi, ileti\u015fim, \u00e7at\u0131\u015fma y\u00f6netimi<\/td>\n S:<\/strong> \u0130ki tak\u0131m \u00fcyesi aras\u0131nda teknik bir anla\u015fmazl\u0131k vard\u0131. T:<\/strong> Uzla\u015fma sa\u011flamak. A:<\/strong> Her iki taraf\u0131n arg\u00fcmanlar\u0131n\u0131 dinledim, ortak noktalar\u0131 belirledim ve test tabanl\u0131 bir yakla\u015f\u0131m \u00f6nerdim. R:<\/strong> Anla\u015fmazl\u0131k \u00e7\u00f6z\u00fcld\u00fc, proje zaman\u0131nda tamamland\u0131 ve tak\u0131m motivasyonu artt\u0131.<\/td>\n<\/tr>\n \n Problem \u00c7\u00f6zme<\/td>\n Analitik d\u00fc\u015f\u00fcnme, proaktiflik, yarat\u0131c\u0131l\u0131k<\/td>\n S:<\/strong> Bir \u00fcretim sistemi beklenmedik hatalar vermeye ba\u015flad\u0131. T:<\/strong> Hatan\u0131n kayna\u011f\u0131n\u0131 bulmak ve d\u00fczeltmek. A:<\/strong> Loglar\u0131 inceledim, metrikleri kontrol ettim, olas\u0131 nedenleri s\u0131ralad\u0131m ve ad\u0131m ad\u0131m test ettim. R:<\/strong> Hatan\u0131n \u00fc\u00e7\u00fcnc\u00fc taraf bir API entegrasyonundan kaynakland\u0131\u011f\u0131n\u0131 tespit ettim ve ge\u00e7ici bir \u00e7\u00f6z\u00fcm uygulayarak sistemi stabilize ettim.<\/td>\n<\/tr>\n \n Ba\u015far\u0131s\u0131zl\u0131k ve \u00d6\u011frenme<\/td>\n \u00d6\u011frenme \u00e7evikli\u011fi, sorumluluk alma<\/td>\n S:<\/strong> Bir projenin ba\u015flang\u0131c\u0131nda yanl\u0131\u015f bir teknoloji se\u00e7imi yapt\u0131m. T:<\/strong> Projeyi do\u011fru yola sokmak ve hatamdan ders \u00e7\u0131karmak. A:<\/strong> Problemi tak\u0131m arkada\u015flar\u0131mla payla\u015ft\u0131m, alternatif teknolojileri ara\u015ft\u0131rd\u0131m, bir pilot \u00e7al\u0131\u015fma yapt\u0131m ve yeni teknolojinin avantajlar\u0131n\u0131 sundum. R:<\/strong> Teknoloji de\u011fi\u015fikli\u011fi ba\u015far\u0131l\u0131 oldu, projenin performans\u0131 artt\u0131 ve ben de erken a\u015famada hata tespiti ve ileti\u015fim \u00f6nemini \u00f6\u011frendim.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n Sonu\u00e7: DataDog M\u00fclakat Maratonunu Ba\u015far\u0131yla Tamamlamak \u0130\u00e7in Son \u0130pu\u00e7lar\u0131<\/h2>\n
S\u0131k\u00e7a Sorulan Sorular (SSS)<\/h3>\n
\n