Vietnam’da, yerel f\u0131rsatlar\u0131 ve indirimleri ke\u015ffetmeyi kolayla\u015ft\u0131ran bir harita tabanl\u0131 uygulama geli\u015ftirmek, 6 ayl\u0131k yo\u011fun bir \u00e7aban\u0131n \u00fcr\u00fcn\u00fc oldu. Bu s\u00fcre\u00e7te kar\u015f\u0131la\u015f\u0131lan teknik zorluklar, trafik y\u00f6netimi ve beklenmedik sorunlar, bu makalenin ana konusunu olu\u015fturuyor. Geli\u015ftirme s\u00fcreci, teknolojinin yerel pazara uyarlanmas\u0131 ve kullan\u0131c\u0131 deneyiminin optimizasyonu \u00fczerine odakland\u0131.<\/p>\n Vietnam, h\u0131zla b\u00fcy\u00fcyen ekonomisi ve dinamik t\u00fcketici kitlesiyle dikkat \u00e7ekiyor. \u00d6zellikle b\u00fcy\u00fck \u015fehirlerde, yerel i\u015fletmelerin sundu\u011fu g\u00fcnl\u00fck f\u0131rsatlar ve indirimler, t\u00fcketiciler i\u00e7in cazip bir unsur olu\u015fturuyor. Ancak bu f\u0131rsatlar\u0131 merkezi bir yerden takip etmek ve harita \u00fczerinde g\u00f6rselle\u015ftirmek, mevcut durumda b\u00fcy\u00fck bir bo\u015fluktu. Bu bo\u015flu\u011fu doldurmak amac\u0131yla, kullan\u0131c\u0131lar\u0131n kendi ke\u015ffettikleri f\u0131rsatlar\u0131 ekleyebilece\u011fi, di\u011fer kullan\u0131c\u0131lar\u0131n da bu f\u0131rsatlar\u0131 harita \u00fczerinde g\u00f6rebilece\u011fi bir platform hayal ettik. Bu, sadece bir indirim takip uygulamas\u0131 olman\u0131n \u00f6tesinde, topluluk tabanl\u0131 bir ke\u015fif arac\u0131 olma potansiyeli ta\u015f\u0131yordu. Uygulaman\u0131n temel fikri, yerel i\u015fletmelerin duyurmad\u0131\u011f\u0131 veya s\u0131n\u0131rl\u0131 duyurdu\u011fu f\u0131rsatlar\u0131, en do\u011fru ve g\u00fcncel haliyle kullan\u0131c\u0131lara ula\u015ft\u0131rmakt\u0131. \u00d6rne\u011fin, bir mahalledeki k\u00fc\u00e7\u00fck bir kafenin o g\u00fcn ge\u00e7erli olan \u00f6zel kahve indirimi veya bir buti\u011fin ani bir stok fazlas\u0131 indirimi gibi bilgiler, do\u011fru zamanda do\u011fru ki\u015fiye ula\u015ft\u0131\u011f\u0131nda b\u00fcy\u00fck de\u011fer yaratabilirdi. Bu, hem t\u00fcketiciler i\u00e7in tasarruf sa\u011flarken hem de k\u00fc\u00e7\u00fck i\u015fletmelerin g\u00f6r\u00fcn\u00fcrl\u00fc\u011f\u00fcn\u00fc art\u0131r\u0131yordu. Bu t\u00fcr bir kalabal\u0131k kaynakl\u0131 (crowdsourced) yakla\u015f\u0131m, pazardaki dinamizmi yakalamak ve kullan\u0131c\u0131lar\u0131n aktif kat\u0131l\u0131m\u0131yla s\u00fcrekli g\u00fcncel kalmas\u0131n\u0131 sa\u011flamak i\u00e7in idealdi. Uygulaman\u0131n geli\u015ftirme s\u00fcreci, bu temel vizyonu hayata ge\u00e7irme \u00fczerine kuruldu.<\/p>\n<\/section>\n Projemizin temelini olu\u015fturan teknoloji y\u0131\u011f\u0131n\u0131, hem h\u0131zl\u0131 geli\u015ftirme imkan\u0131 sunmas\u0131 hem de \u00f6l\u00e7eklenebilirlik a\u00e7\u0131s\u0131ndan dikkatle se\u00e7ildi. Mobil uygulama taraf\u0131nda, React Native’i tercih ettik. Bunun ba\u015fl\u0131ca nedenleri aras\u0131nda, tek bir kod taban\u0131yla hem iOS hem de Android platformlar\u0131nda native benzeri bir kullan\u0131c\u0131 deneyimi sunabilmesi yer al\u0131yordu. Bu, geli\u015ftirme s\u00fcresini \u00f6nemli \u00f6l\u00e7\u00fcde k\u0131saltmam\u0131z\u0131 sa\u011flad\u0131. Backend (arka u\u00e7) i\u00e7in ise Node.js ve Express.js ikilisini kulland\u0131k. Bu se\u00e7im, JavaScript’in hem frontend hem de backend’de kullan\u0131labilmesi sayesinde geli\u015ftirici ekibinin verimlili\u011fini art\u0131rd\u0131. Node.js’in asenkron yap\u0131s\u0131, yo\u011fun trafik alt\u0131nda bile performansl\u0131 bir sunucu y\u00f6netimi sa\u011fl\u0131yordu. Veritaban\u0131 olarak ise PostgreSQL’i tercih ettik. PostgreSQL’in g\u00fc\u00e7l\u00fc veri b\u00fct\u00fcnl\u00fc\u011f\u00fc, karma\u015f\u0131k sorgular\u0131 desteklemesi ve co\u011frafi veri tipleriyle uyumlulu\u011fu, harita tabanl\u0131 uygulamam\u0131z i\u00e7in kritik \u00f6neme sahipti. \u00d6zellikle mekanlar\u0131n konum bilgilerini saklamak ve bu bilgilere g\u00f6re sorgular yapmak i\u00e7in PostGIS eklentisi b\u00fcy\u00fck fayda sa\u011flad\u0131. Harita entegrasyonu i\u00e7in Mapbox SDK’s\u0131n\u0131 kulland\u0131k. Mapbox, \u00f6zelle\u015ftirilebilir haritalar ve zengin API’leri ile bize istedi\u011fimiz g\u00f6rselle\u015ftirmeyi ve etkile\u015fimi sunma imkan\u0131 tan\u0131d\u0131. Kullan\u0131c\u0131lar\u0131n f\u0131rsatlar\u0131 eklerken konumlar\u0131n\u0131 i\u015faretlemeleri ve harita \u00fczerinde bu f\u0131rsatlar\u0131 g\u00f6rmeleri, Mapbox’\u0131n sundu\u011fu \u00f6zelliklerle kolayla\u015ft\u0131. Ayr\u0131ca, kullan\u0131c\u0131lar\u0131n y\u00fckledi\u011fi g\u00f6rseller ve di\u011fer medya dosyalar\u0131 i\u00e7in bulut depolama \u00e7\u00f6z\u00fcm\u00fc olarak AWS S3’\u00fc kulland\u0131k. Bu, hem \u00f6l\u00e7eklenebilirlik hem de g\u00fcvenilirlik a\u00e7\u0131s\u0131ndan \u00f6nemliydi. G\u00fcvenlik ve kullan\u0131c\u0131 kimlik do\u011frulama i\u00e7in ise JWT (JSON Web Tokens) tabanl\u0131 bir sistem kurduk. Bu, stateless (durumsuz) bir kimlik do\u011frulama mekanizmas\u0131 sa\u011flayarak uygulaman\u0131n performans\u0131n\u0131 ve g\u00fcvenli\u011fini art\u0131rd\u0131. Geli\u015ftirme ortam\u0131m\u0131zda ise Git ve GitHub’\u0131 kullanarak s\u00fcr\u00fcm kontrol\u00fcn\u00fc sa\u011flad\u0131k. CI\/CD (S\u00fcrekli Entegrasyon\/S\u00fcrekli Da\u011f\u0131t\u0131m) s\u00fcre\u00e7lerini otomatikle\u015ftirmek i\u00e7in Jenkins gibi ara\u00e7lar\u0131 kullanmay\u0131 planlad\u0131k ancak ba\u015flang\u0131\u00e7ta manuel deploy (da\u011f\u0131t\u0131m) s\u00fcre\u00e7lerini tercih ettik. Bu teknoloji y\u0131\u011f\u0131n\u0131, 6 ayl\u0131k k\u0131s\u0131tl\u0131 s\u00fcrede hem h\u0131zl\u0131 bir MVP (Minimum Viable Product – Minimum Uygulanabilir \u00dcr\u00fcn) olu\u015fturmam\u0131za hem de gelecekteki b\u00fcy\u00fcmeye haz\u0131rl\u0131kl\u0131 olmam\u0131za olanak tan\u0131d\u0131. \u00d6zellikle React Native’in platformlar aras\u0131 yetene\u011fi, zaman ve maliyet tasarrufu a\u00e7\u0131s\u0131ndan en b\u00fcy\u00fck avantaj\u0131m\u0131z oldu. Node.js’in esnekli\u011fi ve PostgreSQL’in veri y\u00f6netimi kapasitesi ise uygulaman\u0131n temelini sa\u011flamla\u015ft\u0131rd\u0131.<\/p>\n<\/section>\n Uygulamam\u0131z\u0131n kalbinde, kullan\u0131c\u0131lar\u0131n aktif kat\u0131l\u0131m\u0131yla olu\u015fan zengin veri taban\u0131 yat\u0131yordu. Bu kalabal\u0131k kaynakl\u0131 yap\u0131y\u0131 etkili bir \u015fekilde y\u00f6netmek i\u00e7in birka\u00e7 temel mekanizma geli\u015ftirdik. \u0130lk olarak, kullan\u0131c\u0131lar\u0131n yeni bir f\u0131rsat eklemesi olduk\u00e7a basitti. Uygulama i\u00e7inde “F\u0131rsat Ekle” butonu arac\u0131l\u0131\u011f\u0131yla kullan\u0131c\u0131lar, f\u0131rsat\u0131n ad\u0131n\u0131, a\u00e7\u0131klamas\u0131n\u0131, ge\u00e7erlilik s\u00fcresini, indirim oran\u0131n\u0131 veya miktar\u0131n\u0131, mekan\u0131n ad\u0131n\u0131 ve konumunu girebiliyorlard\u0131. Konum bilgisi i\u00e7in, kullan\u0131c\u0131n\u0131n mevcut konumunu otomatik olarak alg\u0131layan veya harita \u00fczerinde manuel olarak i\u015faretleme imkan\u0131 sunan bir \u00f6zellik ekledik. Bu, co\u011frafi veri entegrasyonumuzun temelini olu\u015fturuyordu. Kullan\u0131c\u0131lar ayr\u0131ca, f\u0131rsatla ilgili bir foto\u011fraf y\u00fckleyebiliyorlard\u0131. Bu g\u00f6rseller, f\u0131rsat\u0131n ger\u00e7ekli\u011fini ve \u00e7ekicili\u011fini art\u0131rmakla kalm\u0131yor, ayn\u0131 zamanda di\u011fer kullan\u0131c\u0131lara da g\u00f6rsel bir referans sa\u011fl\u0131yordu. Foto\u011fraflar, AWS S3’e y\u00fcklenerek veritaban\u0131m\u0131zda referanslar\u0131 saklan\u0131yordu. F\u0131rsatlar\u0131n do\u011frulu\u011funu sa\u011flamak amac\u0131yla, bir “Oylama Sistemi” geli\u015ftirdik. Kullan\u0131c\u0131lar, eklenen f\u0131rsatlar\u0131n ge\u00e7erli olup olmad\u0131\u011f\u0131na dair “Onayla” veya “Reddet” \u015feklinde oy kullanabiliyorlard\u0131. Belirli bir say\u0131da onay alan f\u0131rsatlar, haritada daha belirgin hale geliyor ve ana ak\u0131\u015fta daha \u00fcst s\u0131ralarda g\u00f6steriliyordu. Yeterli say\u0131da reddedilme alan f\u0131rsatlar ise otomatik olarak gizleniyor veya incelemeye al\u0131n\u0131yordu. Bu, spam ve yan\u0131lt\u0131c\u0131 bilgilerin \u00f6n\u00fcne ge\u00e7mek i\u00e7in kritikti. Ayr\u0131ca, kullan\u0131c\u0131lar\u0131n “G\u00fcvenilir Kullan\u0131c\u0131” rozetleri kazanabilece\u011fi bir sistem d\u00fc\u015f\u00fcnd\u00fck. Daha fazla onay alan f\u0131rsat ekleyen, toplulu\u011fa aktif olarak katk\u0131da bulunan kullan\u0131c\u0131lar, zamanla daha y\u00fcksek bir g\u00fcvenilirlik skoruna sahip oluyorlard\u0131. Bu g\u00fcvenilirlik skoru, ekledikleri f\u0131rsatlar\u0131n daha h\u0131zl\u0131 onaylanmas\u0131na veya \u00f6nceliklendirilmesine yard\u0131mc\u0131 oluyordu. Uygulaman\u0131n ilk g\u00fcnlerinde, kullan\u0131c\u0131lar\u0131 te\u015fvik etmek i\u00e7in k\u00fc\u00e7\u00fck \u00f6d\u00fcl sistemleri veya puanlar eklemeyi de d\u00fc\u015f\u00fcnd\u00fck. \u00d6rne\u011fin, ilk 10 f\u0131rsat\u0131 ekleyen kullan\u0131c\u0131ya \u00f6zel bir etiket veya gelecekteki olas\u0131 premium \u00f6zelliklere erken eri\u015fim gibi. Bu t\u00fcr te\u015fvikler, kullan\u0131c\u0131 kat\u0131l\u0131m\u0131n\u0131 art\u0131rmak i\u00e7in \u00f6nemliydi. Verilerin g\u00fcncelli\u011fini sa\u011flamak i\u00e7in, f\u0131rsatlar\u0131n son kullanma tarihlerini belirttik ve bu tarihler yakla\u015ft\u0131k\u00e7a kullan\u0131c\u0131lara bildirim g\u00f6nderme \u00f6zelli\u011fi ekledik. Ayr\u0131ca, kullan\u0131c\u0131lar bir f\u0131rsat\u0131n art\u0131k ge\u00e7erli olmad\u0131\u011f\u0131n\u0131 bildirebiliyorlard\u0131, bu da verilerin s\u00fcrekli olarak temizlenmesini sa\u011fl\u0131yordu. Bu mekanizmalar\u0131n birle\u015fimi, uygulaman\u0131n canl\u0131 ve g\u00fcvenilir bir veri kayna\u011f\u0131 olmas\u0131n\u0131 sa\u011flamay\u0131 ama\u00e7l\u0131yordu. Kullan\u0131c\u0131lar\u0131n geri bildirimleri ve deneyimleri do\u011frultusunda bu mekanizmalar\u0131 s\u00fcrekli olarak iyile\u015ftirdik.<\/p>\n<\/section>\n 6 ayl\u0131k geli\u015ftirme s\u00fcreci boyunca, trafik y\u00f6netimi ve \u00f6l\u00e7eklenebilirlik, en b\u00fcy\u00fck teknik m\u00fccadelelerimizden biriydi. Uygulaman\u0131n ilk g\u00fcnlerinde trafik d\u00fc\u015f\u00fck olsa da, viral bir etki veya ba\u015far\u0131l\u0131 bir pazarlama kampanyas\u0131 durumunda kar\u015f\u0131la\u015fabilece\u011fimiz ani trafik art\u0131\u015flar\u0131na haz\u0131rl\u0131kl\u0131 olmam\u0131z gerekiyordu. Backend taraf\u0131nda Node.js ve Express.js kullanmam\u0131z, asenkron i\u015flemleri y\u00f6netme konusunda bize yard\u0131mc\u0131 oldu. Ancak, yo\u011fun istekler alt\u0131nda sunucu kaynaklar\u0131n\u0131n (CPU, bellek) yetersiz kalabilece\u011fi durumlar\u0131 \u00f6ng\u00f6rd\u00fck. Bu nedenle, \u00f6ncelikle stateless (durumsuz) bir mimari tasarlamaya \u00f6zen g\u00f6sterdik. Bu, her iste\u011fin ba\u011f\u0131ms\u0131z olarak i\u015flenebilmesini ve sunucular\u0131n birbirine ba\u011fl\u0131 olmamas\u0131n\u0131 sa\u011fl\u0131yordu. Bu yakla\u015f\u0131m, y\u00fck dengeleyiciler (load balancers) arac\u0131l\u0131\u011f\u0131yla sunucu say\u0131s\u0131n\u0131 kolayca art\u0131rmam\u0131za olanak tan\u0131yordu. Veritaban\u0131 sorgular\u0131n\u0131n performans\u0131 da kritikti. \u00d6zellikle harita \u00fczerinde belirli bir b\u00f6lgedeki f\u0131rsatlar\u0131 listelemek gibi co\u011frafi sorgular, optimize edilmedi\u011finde yava\u015flayabilirdi. PostgreSQL ve PostGIS’in g\u00fcc\u00fcnden yararlanarak, co\u011frafi indeksler (spatial indexes) olu\u015fturduk. Bu indeksler, mekansal sorgular\u0131n \u00e7ok daha h\u0131zl\u0131 \u00e7al\u0131\u015fmas\u0131n\u0131 sa\u011flad\u0131. \u00d6rne\u011fin, bir kullan\u0131c\u0131n\u0131n mevcut konumuna yak\u0131n f\u0131rsatlar\u0131 sorgularken, veritaban\u0131 t\u00fcm kay\u0131tlar\u0131 taramak yerine sadece ilgili co\u011frafi alanlardaki verileri kontrol ediyordu. Ayr\u0131ca, s\u0131k eri\u015filen verileri \u00f6nbelle\u011fe almak (caching) i\u00e7in Redis gibi bir in-memory (bellek i\u00e7i) veri deposu kullanmay\u0131 d\u00fc\u015f\u00fcnd\u00fck. Kullan\u0131c\u0131lar\u0131n ana ak\u0131\u015fta g\u00f6rd\u00fc\u011f\u00fc pop\u00fcler veya yak\u0131n zamana ait f\u0131rsatlar\u0131 Redis’te tutmak, veritaban\u0131na olan y\u00fck\u00fc azaltacakt\u0131. Mobil uygulama taraf\u0131nda ise, React Native’in performans\u0131n\u0131 optimize etmek i\u00e7in baz\u0131 ad\u0131mlar att\u0131k. B\u00fcy\u00fck listelerin i\u015flenmesi s\u0131ras\u0131nda sanal liste (virtualized lists) tekniklerini kulland\u0131k. Bu, sadece ekranda g\u00f6r\u00fcnen \u00f6\u011felerin render edilmesini sa\u011flayarak bellek kullan\u0131m\u0131n\u0131 ve i\u015flemci y\u00fck\u00fcn\u00fc azaltt\u0131. Ayr\u0131ca, a\u011f isteklerini minimize etmek ve gereksiz veri indirmelerini \u00f6nlemek i\u00e7in stratejiler geli\u015ftirdik. \u00d6rne\u011fin, harita y\u00fcklendi\u011finde sadece o an g\u00f6r\u00fcnen b\u00f6lgedeki f\u0131rsatlar\u0131n verilerini \u00e7ekmek gibi. Resim optimizasyonu da \u00f6nemli bir konuydu. Kullan\u0131c\u0131lar taraf\u0131ndan y\u00fcklenen y\u00fcksek \u00e7\u00f6z\u00fcn\u00fcrl\u00fckl\u00fc foto\u011fraflar, hem depolama alan\u0131n\u0131 h\u0131zla doldurabilir hem de mobil cihazlarda indirme s\u00fcrelerini uzatabilirdi. Bu nedenle, resimleri sunucu taraf\u0131nda farkl\u0131 boyutlarda yeniden boyutland\u0131rd\u0131k ve s\u0131k\u0131\u015ft\u0131rd\u0131k. Kullan\u0131c\u0131lar\u0131n cihazlar\u0131n\u0131n internet h\u0131z\u0131na g\u00f6re uygun boyutta resimler sunarak veri kullan\u0131m\u0131n\u0131 optimize ettik. CI\/CD (Continuous Integration\/Continuous Deployment – S\u00fcrekli Entegrasyon\/S\u00fcrekli Da\u011f\u0131t\u0131m) s\u00fcre\u00e7lerini otomatikle\u015ftirmek, hem geli\u015ftirme h\u0131z\u0131n\u0131 art\u0131rmak hem de hatalar\u0131 erken tespit etmek i\u00e7in kritikti. Ancak 6 ayl\u0131k s\u00fcrede bu sistemleri kurmak yerine, daha \u00e7ok manuel deploy (da\u011f\u0131t\u0131m) s\u00fcre\u00e7lerini tercih ettik. Bu, ba\u015flang\u0131\u00e7ta bir avantaj olsa da, ilerleyen zamanlarda daha fazla otomasyona ihtiya\u00e7 duyaca\u011f\u0131m\u0131z\u0131 g\u00f6sterdi. \u00d6l\u00e7eklenebilirlik a\u00e7\u0131s\u0131ndan, bulut hizmetlerinden yararlanmak \u00f6nemliydi. AWS’in sundu\u011fu EC2 (sanal sunucular), RDS (y\u00f6netilen veritabanlar\u0131) ve S3 (nesne depolama) gibi hizmetler, altyap\u0131m\u0131z\u0131 kolayca \u00f6l\u00e7eklendirmemize olanak tan\u0131d\u0131. Ani trafik art\u0131\u015flar\u0131nda sunucu say\u0131s\u0131n\u0131 otomatik olarak art\u0131rabilen Auto Scaling gruplar\u0131 kurmay\u0131 planlad\u0131k.<\/p>\n<\/section>\n Her teknoloji projesinde oldu\u011fu gibi, bizim de 6 ayl\u0131k geli\u015ftirme s\u00fcrecimizde beklenmedik sorunlarla kar\u015f\u0131la\u015ft\u0131k. Bu sorunlar, hem teknik hem de kullan\u0131c\u0131 deneyimiyle ilgiliydi. Bunlardan biri, konum servislerinin do\u011frulu\u011fuyla ilgiliydi. \u00d6zellikle kapal\u0131 alanlarda veya yo\u011fun binalar\u0131n oldu\u011fu b\u00f6lgelerde, GPS sinyalleri zay\u0131flayabiliyor ve uygulaman\u0131n kullan\u0131c\u0131n\u0131n tam konumunu do\u011fru bir \u015fekilde belirlemesi zorla\u015f\u0131yordu. Bu sorunu \u00e7\u00f6zmek i\u00e7in, sadece GPS’e ba\u011fl\u0131 kalmak yerine, Wi-Fi ve h\u00fccresel a\u011f konumland\u0131rma verilerini de kullanarak daha sa\u011flam bir konum belirleme algoritmas\u0131 geli\u015ftirdik. Ayr\u0131ca, kullan\u0131c\u0131lara konum do\u011frulu\u011fu konusunda bilgilendirme mesajlar\u0131 g\u00f6stererek beklentilerini y\u00f6netmeye \u00e7al\u0131\u015ft\u0131k. Bir di\u011fer \u00f6nemli sorun, kullan\u0131c\u0131lar\u0131n ekledi\u011fi f\u0131rsatlar\u0131n kalitesini ve do\u011frulu\u011funu s\u00fcrekli olarak sa\u011flamakt\u0131. Ba\u015flang\u0131\u00e7ta, “Onayla\/Reddet” oylama sistemi yeterince etkili olmad\u0131. Baz\u0131 kullan\u0131c\u0131lar k\u00f6t\u00fc niyetli davranarak yanl\u0131\u015f bilgiler ekleyebiliyor veya sistemi manip\u00fcle etmeye \u00e7al\u0131\u015fabiliyordu. Bu durumu a\u015fmak i\u00e7in, oylama sistemini daha sofistike hale getirdik. \u00d6rne\u011fin, bir f\u0131rsat\u0131n onaylanmas\u0131 i\u00e7in gereken onay say\u0131s\u0131n\u0131 art\u0131rd\u0131k ve belirli bir s\u00fcre i\u00e7inde yeterli say\u0131da onay almayan f\u0131rsatlar\u0131 otomatik olarak pasif hale getirdik. Ayr\u0131ca, daha \u00f6nce y\u00fcksek g\u00fcvenilirlik skoruna sahip kullan\u0131c\u0131lar\u0131n oylar\u0131n\u0131n daha fazla a\u011f\u0131rl\u0131k ta\u015f\u0131mas\u0131n\u0131 sa\u011flad\u0131k. Bu, sistemin daha g\u00fcvenilir hale gelmesine yard\u0131mc\u0131 oldu. Mobil uygulama taraf\u0131nda, farkl\u0131 cihazlarda ve i\u015fletim sistemi s\u00fcr\u00fcmlerinde tutarl\u0131 bir kullan\u0131c\u0131 deneyimi sa\u011flamak da zorluydu. \u00d6zellikle Android ekosistemindeki \u00e7e\u015fitlilik, test s\u00fcre\u00e7lerini karma\u015f\u0131k hale getiriyordu. Bu sorunu \u00e7\u00f6zmek i\u00e7in, geni\u015f bir cihaz yelpazesinde kapsaml\u0131 testler y\u00fcr\u00fctt\u00fck ve otomatik test senaryolar\u0131 geli\u015ftirdik. React Native’in g\u00fcncellemeleriyle uyumlulu\u011fu sa\u011flamak da bazen zorlay\u0131c\u0131 olabiliyordu. Yeni s\u00fcr\u00fcmlere ge\u00e7i\u015f yaparken, baz\u0131 mevcut \u00f6zelliklerin beklenmedik \u015fekilde bozulabilece\u011fi durumlarla kar\u015f\u0131la\u015ft\u0131k. Bu t\u00fcr durumlar\u0131 minimize etmek i\u00e7in, her g\u00fcncellemeden sonra dikkatli bir regresyon testi (regression testing) s\u00fcreci uygulad\u0131k. Sunucu taraf\u0131nda ise, beklenmedik \u00e7\u00f6k\u00fc\u015fler veya performans d\u00fc\u015f\u00fc\u015fleri ya\u015fanabiliyordu. Bu genellikle, hen\u00fcz tespit edilmemi\u015f bir bug (hata) veya beklenmedik bir trafik art\u0131\u015f\u0131 nedeniyle oluyordu. Bu sorunlar\u0131 h\u0131zla te\u015fhis etmek i\u00e7in, kapsaml\u0131 loglama (logging) ve izleme (monitoring) ara\u00e7lar\u0131 kulland\u0131k. Elasticsearch, Logstash ve Kibana (ELK stack) gibi ara\u00e7larla sunucu loglar\u0131n\u0131 toplad\u0131k ve analiz ettik. Bu sayede, sorunlar\u0131n kayna\u011f\u0131n\u0131 h\u0131zla belirleyip \u00e7\u00f6zebildik. \u00d6rne\u011fin, bir sorgunun a\u015f\u0131r\u0131 kaynak t\u00fcketmesi veya bir API endpoint’inin (API u\u00e7 noktas\u0131) beklenenden fazla hata d\u00f6nd\u00fcrmesi gibi durumlar\u0131 an\u0131nda tespit edebiliyorduk. Kullan\u0131c\u0131 geri bildirimlerini toplamak ve bu geri bildirimlere g\u00f6re iyile\u015ftirmeler yapmak da s\u00fcrekli bir m\u00fccadeleydi. Kullan\u0131c\u0131lar\u0131n kar\u015f\u0131la\u015ft\u0131\u011f\u0131 sorunlar\u0131 anlamak ve bunlar\u0131 \u00f6nceliklendirmek, \u00fcr\u00fcn\u00fcn ba\u015far\u0131s\u0131 i\u00e7in hayati \u00f6neme sahipti. Bu ama\u00e7la, uygulama i\u00e7inde bir geri bildirim formu ve destek e-posta adresi sa\u011flad\u0131k. Ayr\u0131ca, sosyal medya \u00fczerinden gelen yorumlar\u0131 da takip ettik. Bu sorunlar\u0131n her biri, bizim i\u00e7in bir \u00f6\u011frenme f\u0131rsat\u0131 oldu ve uygulaman\u0131n daha sa\u011flam ve kullan\u0131c\u0131 dostu hale gelmesine katk\u0131 sa\u011flad\u0131.<\/p>\n<\/section>\n Hayal edin ki, Vietnam’\u0131n hareketli bir \u015fehrinde, \u00f6\u011fleden sonra bir kahve molas\u0131 vermek istiyorsunuz. Ancak hangi kafede iyi bir indirim oldu\u011funu bilmiyorsunuz. \u0130\u015fte tam bu noktada, geli\u015ftirdi\u011fimiz “F\u0131rsat Haritas\u0131” uygulamas\u0131 devreye giriyor. Kullan\u0131c\u0131 Ay\u015fe, yerel bir kafenin \u00f6\u011fleden sonra saat 15:00 ile 17:00 aras\u0131nda t\u00fcm kahvelerde %20 indirim yapt\u0131\u011f\u0131n\u0131 ke\u015ffediyor. Ay\u015fe, hemen uygulamay\u0131 a\u00e7\u0131yor, “F\u0131rsat Ekle” butonuna dokunuyor. F\u0131rsat\u0131n ad\u0131n\u0131 “\u00d6\u011fleden Sonra Kahve Keyfi”, a\u00e7\u0131klamas\u0131n\u0131 “T\u00fcm kahvelerde %20 indirim” olarak giriyor. \u0130ndirim oran\u0131n\u0131 %20 olarak se\u00e7iyor, ge\u00e7erlilik s\u00fcresini ise o g\u00fcn saat 17:00 olarak belirliyor. Mekan olarak kafenin ad\u0131n\u0131 yaz\u0131yor ve harita \u00fczerinde do\u011fru konumu i\u015faretliyor. Ard\u0131ndan, kafenin \u00f6n\u00fcnden \u00e7ekti\u011fi g\u00fczel bir foto\u011fraf\u0131 da f\u0131rsata ekliyor. Bu bilgileri g\u00f6nderdi\u011finde, f\u0131rsat ba\u015flang\u0131\u00e7ta incelemeye al\u0131n\u0131yor. K\u0131sa bir s\u00fcre sonra, kafenin yak\u0131n\u0131nda bulunan ve uygulamay\u0131 aktif olarak kullanan ba\u015fka bir kullan\u0131c\u0131 olan Ali, bu f\u0131rsat\u0131 g\u00f6r\u00fcyor. Ali, ger\u00e7ekten de kafede bu indirimin oldu\u011funu do\u011fruluyor ve “Onayla” butonuna bas\u0131yor. Ard\u0131ndan, ba\u015fka bir kullan\u0131c\u0131 olan Minh de f\u0131rsat\u0131 g\u00f6r\u00fcyor ve ayn\u0131 \u015fekilde onayl\u0131yor. K\u0131sa s\u00fcrede 3 onay alan Ay\u015fe’nin ekledi\u011fi f\u0131rsat, art\u0131k haritada daha belirgin bir ikonla g\u00f6sterilmeye ba\u015fl\u0131yor ve “Yak\u0131ndaki F\u0131rsatlar” listesinde \u00fcst s\u0131ralara \u00e7\u0131k\u0131yor. Bu s\u0131rada, Ay\u015fe’nin telefonuna bir bildirim geliyor: “Ekledi\u011finiz f\u0131rsat onayland\u0131 ve di\u011fer kullan\u0131c\u0131lar taraf\u0131ndan ke\u015ffediliyor!”. Ay\u015fe, bu geri bildirimden memnun kal\u0131yor ve uygulamay\u0131 daha s\u0131k kullanmaya ba\u015fl\u0131yor. \u00d6\u011fleden sonra kahve i\u00e7mek isteyen ba\u015fka bir kullan\u0131c\u0131 olan Lan, uygulamay\u0131 a\u00e7t\u0131\u011f\u0131nda, haritada Ay\u015fe’nin ekledi\u011fi indirimli kahve f\u0131rsat\u0131n\u0131 g\u00f6r\u00fcyor. Lan, bu f\u0131rsata t\u0131klayarak detaylar\u0131 inceliyor, kafenin foto\u011fraf\u0131na bak\u0131yor ve yol tarifini alarak kafeye gidiyor. B\u00f6ylece, Ay\u015fe’nin ke\u015ffi ve toplulu\u011fun deste\u011fiyle, Lan hem uygun fiyata kahve i\u00e7mi\u015f oluyor hem de yeni bir mekan\u0131 ke\u015ffetmi\u015f oluyor. Bu senaryo, kalabal\u0131k kaynakl\u0131 bir sistemin nas\u0131l i\u015fledi\u011fini ve yerel ekonomiye nas\u0131l katk\u0131 sa\u011flayabilece\u011fini g\u00f6steriyor. Kullan\u0131c\u0131lar aras\u0131ndaki etkile\u015fim ve g\u00fcven, uygulaman\u0131n de\u011ferini art\u0131r\u0131yor.<\/p>\n<\/section>\n 6 ayl\u0131k k\u0131sa bir s\u00fcre i\u00e7inde bir mobil uygulama geli\u015ftirmek, ciddi bir planlama ve strateji gerektirir. Bu s\u00fcreci daha verimli hale getirmek i\u00e7in uygulad\u0131\u011f\u0131m\u0131z ve tavsiye edebilece\u011fimiz baz\u0131 ipu\u00e7lar\u0131 \u015funlard\u0131r:<\/p>\n Bu ipu\u00e7lar\u0131, benzer projelerde zaman ve kaynak k\u0131s\u0131tlamalar\u0131yla ba\u015fa \u00e7\u0131kmak i\u00e7in pratik \u00e7\u00f6z\u00fcmler sunmaktad\u0131r. Ba\u015far\u0131l\u0131 bir \u00fcr\u00fcn geli\u015ftirmek, sadece teknik bilgi de\u011fil, ayn\u0131 zamanda iyi bir planlama ve etkili bir ekip \u00e7al\u0131\u015fmas\u0131 gerektirir.<\/p>\n<\/section>\n 6 ayda Vietnam i\u00e7in kalabal\u0131k kaynakl\u0131 bir f\u0131rsat ve harita uygulamas\u0131 geli\u015ftirmek, hem teknik hem de stratejik a\u00e7\u0131dan yo\u011fun bir yolculuktu. Bu s\u00fcre\u00e7te, teknoloji se\u00e7iminden kullan\u0131c\u0131 kat\u0131l\u0131m\u0131n\u0131 te\u015fvik etmeye, trafik y\u00f6netiminden beklenmedik sorunlarla ba\u015fa \u00e7\u0131kmaya kadar pek \u00e7ok alanda \u00f6nemli deneyimler kazand\u0131k. React Native, Node.js, PostgreSQL ve Mapbox gibi teknolojilerin do\u011fru kullan\u0131m\u0131, projenin zaman\u0131nda tamamlanmas\u0131nda kritik rol oynad\u0131. Kullan\u0131c\u0131lar\u0131n aktif kat\u0131l\u0131m\u0131yla olu\u015fan veri taban\u0131, uygulaman\u0131n en b\u00fcy\u00fck g\u00fcc\u00fc haline geldi. Kar\u015f\u0131la\u015ft\u0131\u011f\u0131m\u0131z teknik zorluklar ve sorunlar, bizi daha sa\u011flam \u00e7\u00f6z\u00fcmler \u00fcretmeye te\u015fvik etti. Gelecek planlar\u0131m\u0131z aras\u0131nda, uygulaman\u0131n daha da \u00f6l\u00e7eklenmesi, yeni \u00f6zelliklerin eklenmesi ve kullan\u0131c\u0131 taban\u0131n\u0131n geni\u015fletilmesi yer al\u0131yor. \u00d6zellikle, yapay zeka destekli \u00f6neri sistemleri geli\u015ftirerek kullan\u0131c\u0131lar\u0131n ilgi alanlar\u0131na g\u00f6re ki\u015fiselle\u015ftirilmi\u015f f\u0131rsatlar\u0131 sunmay\u0131 hedefliyoruz. Ayr\u0131ca, yerel i\u015fletmelerle daha derin entegrasyonlar kurarak, onlar\u0131n pazarlama stratejilerine katk\u0131da bulunacak yeni ara\u00e7lar sunmay\u0131 planl\u0131yoruz. Bu proje, teknoloji ve topluluk g\u00fcc\u00fcn\u00fcn bir araya geldi\u011finde ne kadar etkili olabilece\u011finin bir kan\u0131t\u0131 oldu. Vietnam gibi dinamik bir pazarda, yerel ihtiya\u00e7lara odaklanan ve kullan\u0131c\u0131lar\u0131n aktif kat\u0131l\u0131m\u0131n\u0131 sa\u011flayan \u00e7\u00f6z\u00fcmlerin b\u00fcy\u00fck potansiyeli oldu\u011funa inan\u0131yoruz.<\/p>\n C: Uygulaman\u0131n temel amac\u0131, Vietnam’daki kullan\u0131c\u0131lar\u0131n yerel f\u0131rsatlar\u0131, indirimleri ve \u00f6zel teklifleri ke\u015ffetmelerini kolayla\u015ft\u0131rmakt\u0131r. Kullan\u0131c\u0131lar kendi bulduklar\u0131 f\u0131rsatlar\u0131 ekleyebilir ve harita \u00fczerinde g\u00f6rselle\u015ftirebilir.<\/p>\n<\/li>\n C: Kullan\u0131c\u0131lar, yeni f\u0131rsatlar\u0131 ekleyerek, mevcut f\u0131rsatlar\u0131 oylayarak ve do\u011frulu\u011funu teyit ederek sisteme katk\u0131da bulunurlar. Bu, verilerin g\u00fcncel ve g\u00fcvenilir kalmas\u0131n\u0131 sa\u011flar.<\/p>\n<\/li>\n C: K\u0131sa geli\u015ftirme s\u00fcresi, dikkatli bir planlama, verimli teknoloji se\u00e7imi (React Native gibi platformlar aras\u0131 ara\u00e7lar) ve MVP (Minimum Uygulanabilir \u00dcr\u00fcn) odakl\u0131 bir yakla\u015f\u0131mla m\u00fcmk\u00fcn olmu\u015ftur. Ayr\u0131ca, Agile metodolojilerin kullan\u0131lmas\u0131 da s\u00fcreci h\u0131zland\u0131rm\u0131\u015ft\u0131r.<\/p>\n<\/li>\n C: Mobil uygulama i\u00e7in React Native, backend i\u00e7in Node.js ve Express.js, veritaban\u0131 i\u00e7in PostgreSQL (PostGIS ile), harita entegrasyonu i\u00e7in Mapbox ve dosya depolama i\u00e7in AWS S3 kullan\u0131lm\u0131\u015ft\u0131r.<\/p>\n<\/li>\n C: Kullan\u0131c\u0131lar, eklenen f\u0131rsatlar\u0131 “Onayla” veya “Reddet” \u015feklinde oylayabilirler. Belirli bir onay say\u0131s\u0131na ula\u015fan f\u0131rsatlar daha g\u00f6r\u00fcn\u00fcr hale gelirken, yeterince reddedilenler gizlenir. Ayr\u0131ca, g\u00fcvenilir kullan\u0131c\u0131lar\u0131n oylar\u0131 daha fazla a\u011f\u0131rl\u0131k ta\u015f\u0131r.<\/p>\n<\/li>\n<\/ul>\n<\/section>\n #Teknoloji #MobilUygulama #Giri\u015fimcilik #Vietnam #Kalabal\u0131kKaynakl\u0131 #WebGeli\u015ftirme #HaritaUygulamas\u0131<\/p>\nNeden Vietnam ve Kalabal\u0131k Kaynakl\u0131 F\u0131rsatlar?<\/h2>\n
Teknoloji Y\u0131\u011f\u0131n\u0131: Hangi Ara\u00e7lar ve Neden Se\u00e7ildi?<\/h2>\n
Kullan\u0131c\u0131 Kaynakl\u0131 Veri Toplama Mekanizmas\u0131 Nas\u0131l \u00c7al\u0131\u015ft\u0131?<\/h2>\n
Trafik Y\u00f6netimi ve \u00d6l\u00e7eklenebilirlik Zorluklar\u0131<\/h2>\n
Kar\u015f\u0131la\u015f\u0131lan Ba\u015fl\u0131ca Sorunlar ve \u00c7\u00f6z\u00fcmleri<\/h2>\n
Ger\u00e7ek D\u00fcnya Senaryosu: Bir Kafe \u0130ndiriminin Ke\u015ffi<\/h2>\n
Geli\u015ftirme S\u00fcrecini H\u0131zland\u0131rmak \u0130\u00e7in \u0130pu\u00e7lar\u0131<\/h2>\n
\n
Sonu\u00e7 ve Gelecek Planlar\u0131<\/h2>\n
S\u0131k\u00e7a Sorulan Sorular (SSS)<\/h3>\n
\n