Modern yapay zeka (YZ) sistemleri, art\u0131k sadece tek seferlik g\u00f6revleri yerine getiren izole algoritmalar olmaktan \u00e7\u0131kt\u0131. G\u00fcn\u00fcm\u00fczde, uzun soluklu ve karma\u015f\u0131k hedeflere ula\u015fmak i\u00e7in s\u00fcrekli \u00e7al\u0131\u015fan, \u00e7evreleriyle etkile\u015fim kuran ve karar veren “YZ ajanlar\u0131” giderek yayg\u0131nla\u015f\u0131yor. Ancak bu ajanlar\u0131n kar\u015f\u0131la\u015ft\u0131\u011f\u0131 en b\u00fcy\u00fck zorluklardan biri, operasyonlar\u0131 s\u0131ras\u0131nda ka\u00e7\u0131n\u0131lmaz olarak meydana gelen kesintilerdir. Elektrik kesintileri, a\u011f ba\u011flant\u0131s\u0131 sorunlar\u0131, yaz\u0131l\u0131m hatalar\u0131 veya planl\u0131 bak\u0131m \u00e7al\u0131\u015fmalar\u0131 gibi nedenlerle her birka\u00e7 dakikada bir kesintiye u\u011frayan bir YZ ajan\u0131n\u0131n, g\u00f6revini ba\u015far\u0131yla tamamlamas\u0131 i\u00e7in bu kesintilere kar\u015f\u0131 dayan\u0131kl\u0131 olmas\u0131 ve kald\u0131\u011f\u0131 yerden devam edebilmesi hayati \u00f6nem ta\u015f\u0131r. Bu makalede, uzun soluklu YZ ajanlar\u0131n\u0131n kesintilere ra\u011fmen nas\u0131l hayatta kald\u0131\u011f\u0131n\u0131, g\u00f6revlerini nas\u0131l s\u00fcrd\u00fcrd\u00fc\u011f\u00fcn\u00fc ve bu s\u00fcre\u00e7te kullan\u0131lan temel teknikleri derinlemesine inceleyece\u011fiz.<\/p>\n
Uzun soluklu yapay zeka ajanlar\u0131, belirli bir ortamda otonom olarak hareket eden, alg\u0131layan, d\u00fc\u015f\u00fcnen ve eyleme ge\u00e7en yaz\u0131l\u0131m veya donan\u0131m sistemleridir. Bu ajanlar, karma\u015f\u0131k g\u00f6revleri tamamlamak i\u00e7in saatler, g\u00fcnler, hatta haftalar boyunca aral\u0131ks\u0131z \u00e7al\u0131\u015fabilirler. \u00d6rne\u011fin, bir fabrika otomasyonunda \u00fcr\u00fcnleri monte eden bir robotik kol, ak\u0131ll\u0131 bir \u015fehirde trafik ak\u0131\u015f\u0131n\u0131 optimize eden bir algoritma veya bir m\u00fc\u015fteri hizmetleri platformunda kullan\u0131c\u0131 taleplerini yan\u0131tlayan bir sohbet botu, uzun soluklu YZ ajanlar\u0131na \u00f6rnek te\u015fkil eder. Bu t\u00fcr ajanlar\u0131n operasyonlar\u0131 s\u0131ras\u0131nda kar\u015f\u0131la\u015fabilece\u011fi kesintiler ise \u00e7e\u015fitlilik g\u00f6sterir. Donan\u0131msal ar\u0131zalar (bellek hatas\u0131, i\u015flemci a\u015f\u0131r\u0131 \u0131s\u0131nmas\u0131), yaz\u0131l\u0131msal hatalar (\u00e7\u00f6kme, bellek s\u0131z\u0131nt\u0131s\u0131), a\u011f kesintileri (internet ba\u011flant\u0131s\u0131n\u0131n kopmas\u0131), g\u00fc\u00e7 kesintileri veya planl\u0131 sistem g\u00fcncellemeleri gibi d\u0131\u015fsal fakt\u00f6rler, ajan\u0131n \u00e7al\u0131\u015fmas\u0131n\u0131 durdurabilir. Bu kesintiler, sadece ajan\u0131n o anki i\u015flemini durdurmakla kalmaz, ayn\u0131 zamanda ajan\u0131n o ana kadar toplad\u0131\u011f\u0131 verileri, \u00f6\u011frendi\u011fi bilgileri ve ula\u015ft\u0131\u011f\u0131 ilerlemeyi kaybetmesine neden olabilir. Bu kay\u0131p, hem zaman hem de kaynak a\u00e7\u0131s\u0131ndan ciddi maliyetler do\u011furabilir ve ajan\u0131n genel verimlili\u011fini, g\u00fcvenilirli\u011fini ve dolay\u0131s\u0131yla faydas\u0131n\u0131 \u00f6nemli \u00f6l\u00e7\u00fcde azaltabilir. Bu nedenle, bir YZ ajan\u0131n\u0131n kesintilere kar\u015f\u0131 dayan\u0131kl\u0131 (resilient) olmas\u0131 ve bu kesintilerden sonra sorunsuz bir \u015fekilde kurtarma (recovery) yapabilmesi, modern YZ sistemlerinin olmazsa olmaz bir \u00f6zelli\u011fidir.<\/p>\n
Kesintilere dayan\u0131kl\u0131l\u0131k, sadece hatan\u0131n olu\u015fmas\u0131n\u0131 engellemekle ilgili de\u011fildir; ayn\u0131 zamanda hata olu\u015ftu\u011funda sistemin ne kadar h\u0131zl\u0131 ve etkili bir \u015fekilde normal \u00e7al\u0131\u015fma d\u00fczenine d\u00f6nebildi\u011fi ile de ilgilidir. Bir YZ ajan\u0131 i\u00e7in bu, kesinti an\u0131nda hangi durumda oldu\u011funu hat\u0131rlamas\u0131, kald\u0131\u011f\u0131 yerden devam edebilmesi ve g\u00f6revini tamamlamas\u0131 anlam\u0131na gelir. Bu yetenek, \u00f6zellikle kritik g\u00f6revlerde \u00e7al\u0131\u015fan ajanlar i\u00e7in hayati \u00f6neme sahiptir. \u00d6rne\u011fin, bir ameliyat robotunun kesintiye u\u011framas\u0131 durumunda, hastan\u0131n hayat\u0131 tehlikeye girebilir. Benzer \u015fekilde, finansal piyasalarda i\u015flem yapan bir algoritmik ticaret ajan\u0131, kesinti nedeniyle kritik bir f\u0131rsat\u0131 ka\u00e7\u0131rabilir veya hatal\u0131 i\u015flem yapabilir. Bu ba\u011flamda, YZ ajanlar\u0131n\u0131n kesintilere kar\u015f\u0131 g\u00fc\u00e7lendirilmesi, sadece teknik bir gereklilik olmaktan \u00f6te, etik ve ekonomik bir zorunluluk haline gelmi\u015ftir. Bu durum, “hata tolerans\u0131” (fault tolerance) ve “kal\u0131c\u0131l\u0131k” (persistence) gibi temel kavramlar\u0131n YZ ajan\u0131 tasar\u0131m\u0131nda merkezi bir rol oynamas\u0131n\u0131 gerektirmektedir. Kesintilere dayan\u0131kl\u0131 bir ajan, sadece daha g\u00fcvenilir olmakla kalmaz, ayn\u0131 zamanda daha esnek ve adaptif bir yap\u0131ya sahip olur, bu da onu dinamik ve \u00f6ng\u00f6r\u00fclemeyen ortamlarda daha ba\u015far\u0131l\u0131 k\u0131lar.<\/p>\n
Bir YZ ajan\u0131n\u0131n kesintiye u\u011frad\u0131\u011f\u0131nda kald\u0131\u011f\u0131 yerden devam edebilmesinin temelinde, ajan\u0131n o anki “durumunu” (state) kaydetme ve geri y\u00fckleme yetene\u011fi yatar. Ajan\u0131n durumu, onun o anki i\u00e7sel bilgilerini, \u00e7evresel alg\u0131lar\u0131n\u0131, ald\u0131\u011f\u0131 kararlar\u0131, ger\u00e7ekle\u015ftirdi\u011fi eylemleri ve hedeflerine ula\u015fma yolundaki ilerlemesini kapsayan t\u00fcm veriler b\u00fct\u00fcn\u00fcd\u00fcr. Bu durum, bir robotun mevcut konumu, hangi g\u00f6revi yapt\u0131\u011f\u0131, hangi nesneleri alg\u0131lad\u0131\u011f\u0131 veya bir sohbet botunun kullan\u0131c\u0131yla olan diyalog ge\u00e7mi\u015fi gibi bilgileri i\u00e7erebilir. Kesinti an\u0131nda bu bilgilerin kaybolmas\u0131, ajan\u0131n g\u00f6reve ba\u015ftan ba\u015flamas\u0131 veya tutars\u0131z davran\u0131\u015flar sergilemesi anlam\u0131na gelir ki bu da kabul edilemez bir durumdur. Bu nedenle, durum y\u00f6netimi ve kal\u0131c\u0131l\u0131k (persistence), kesintilere dayan\u0131kl\u0131 YZ ajan\u0131 tasar\u0131m\u0131n\u0131n en kritik bile\u015fenlerindendir.<\/p>\n
Durum kal\u0131c\u0131l\u0131\u011f\u0131n\u0131 sa\u011flaman\u0131n birka\u00e7 temel yolu vard\u0131r. En yayg\u0131n yakla\u015f\u0131mlardan biri, ajan\u0131n durumunu d\u00fczenli aral\u0131klarla veya belirli olaylar tetiklendi\u011finde harici bir depolama birimine (veritaban\u0131, dosya sistemi, bulut depolama) kaydetmektir. Bu i\u015fleme “kontrol noktas\u0131 olu\u015fturma” (checkpointing) ad\u0131 verilir. Kontrol noktalar\u0131, ajan\u0131n belirli bir zaman dilimindeki veya belirli bir i\u015flem ad\u0131m\u0131 sonundaki anl\u0131k g\u00f6r\u00fcnt\u00fcs\u00fcn\u00fc (snapshot) temsil eder. Bir kesinti meydana geldi\u011finde, ajan en son kaydedilen kontrol noktas\u0131ndan durumunu geri y\u00fckleyerek kald\u0131\u011f\u0131 yerden devam edebilir. Bu y\u00f6ntem, \u00f6zellikle uzun s\u00fcren ve karma\u015f\u0131k g\u00f6revlerde ilerlemenin korunmas\u0131 i\u00e7in \u00e7ok etkilidir. \u00d6rne\u011fin, bir derin \u00f6\u011frenme modeli e\u011fitimi s\u0131ras\u0131nda, her birka\u00e7 epoch (d\u00f6nem) sonunda modelin a\u011f\u0131rl\u0131klar\u0131 ve e\u011fitim durumu bir dosyaya kaydedilebilir. E\u011fer e\u011fitim kesintiye u\u011frarsa, en son kaydedilen kontrol noktas\u0131ndan e\u011fitim devam ettirilebilir.<\/p>\n
Kal\u0131c\u0131l\u0131k i\u00e7in kullan\u0131lan depolama mekanizmalar\u0131 da \u00f6nemlidir. \u0130li\u015fkisel veritabanlar\u0131 (PostgreSQL, MySQL), NoSQL veritabanlar\u0131 (MongoDB, Redis), da\u011f\u0131t\u0131k dosya sistemleri (HDFS) veya basit JSON\/YAML dosyalar\u0131, ajan\u0131n durumunu depolamak i\u00e7in kullan\u0131labilir. Se\u00e7im, verinin yap\u0131s\u0131na, eri\u015fim h\u0131z\u0131na ve \u00f6l\u00e7eklenebilirlik gereksinimlerine ba\u011fl\u0131d\u0131r. \u00d6rne\u011fin, h\u0131zl\u0131 okuma\/yazma gerektiren ve s\u0131k g\u00fcncellenen durumlar i\u00e7in Redis gibi in-memory veritabanlar\u0131 tercih edilebilirken, daha yap\u0131sal ve uzun s\u00fcreli depolama i\u00e7in PostgreSQL gibi ili\u015fkisel veritabanlar\u0131 daha uygun olabilir. Durumun serile\u015ftirilmesi (serialization) de \u00f6nemli bir ad\u0131md\u0131r; yani ajan\u0131n karma\u015f\u0131k i\u00e7sel durumunun depolama i\u00e7in uygun bir formata (\u00f6rne\u011fin JSON, Protocol Buffers, Python pickle) d\u00f6n\u00fc\u015ft\u00fcr\u00fclmesi gerekir. A\u015fa\u011f\u0131daki \u00f6rnek, Python’da basit bir YZ ajan\u0131n\u0131n durumunu nas\u0131l kaydedip y\u00fckleyebilece\u011fini g\u00f6stermektedir:<\/p>\n
\nimport json\n\nclass YZAjanDurumu:\n def __init__(self, gorev_adi, adim_sayisi, son_islem, veriler):\n self.gorev_adi = gorev_adi\n self.adim_sayisi = adim_sayisi\n self.son_islem = son_islem\n self.veriler = veriler\n\n def durum_kaydet(self, dosya_adi=\"ajan_durumu.json\"):\n durum_dict = {\n \"gorev_adi\": self.gorev_adi,\n \"adim_sayisi\": self.adim_sayisi,\n \"son_islem\": self.son_islem,\n \"veriler\": self.veriler\n }\n with open(dosya_adi, 'w', encoding='utf-8') as f:\n json.dump(durum_dict, f, ensure_ascii=False, indent=4)\n print(f\"Ajan durumu {dosya_adi} dosyas\u0131na kaydedildi.\")\n\n @classmethod\n def durum_yukle(cls, dosya_adi=\"ajan_durumu.json\"):\n try:\n with open(dosya_adi, 'r', encoding='utf-8') as f:\n durum_dict = json.load(f)\n print(f\"Ajan durumu {dosya_adi} dosyas\u0131ndan y\u00fcklendi.\")\n return cls(\n durum_dict[\"gorev_adi\"],\n durum_dict[\"adim_sayisi\"],\n durum_dict[\"son_islem\"],\n durum_dict[\"veriler\"]\n )\n except FileNotFoundError:\n print(f\"Durum dosyas\u0131 bulunamad\u0131: {dosya_adi}\")\n return None\n\n# Ajan\u0131n mevcut durumu\najan = YZAjanDurumu(\n gorev_adi=\"Veri Analizi\",\n adim_sayisi=15,\n son_islem=\"Veri temizleme tamamland\u0131\",\n veriler={\"toplam_kayit\": 1000, \"islenmis_kayit\": 500}\n)\n\n# Durumu kaydet\najan.durum_kaydet()\n\n# Bir kesinti oldu\u011funu varsayal\u0131m ve ajan\u0131n yeniden ba\u015flat\u0131ld\u0131\u011f\u0131n\u0131\n# Yeni bir ajan nesnesi olu\u015fturup durumu y\u00fckleyelim\nyeni_ajan = YZAjanDurumu.durum_yukle()\n\nif yeni_ajan:\n print(f\"Y\u00fcklenen Ajan Durumu: G\u00f6rev: {yeni_ajan.gorev_adi}, Ad\u0131m: {yeni_ajan.adim_sayisi}, Son \u0130\u015flem: {yeni_ajan.son_islem}\")\n # Kald\u0131\u011f\u0131 yerden devam et...\n<\/code><\/pre>\n<\/div>\nBu \u00f6rnekte, ajan\u0131n durumu bir Python s\u0131n\u0131f\u0131 arac\u0131l\u0131\u011f\u0131yla temsil ediliyor ve json<\/code> mod\u00fcl\u00fc kullan\u0131larak bir dosyaya kaydedilip oradan y\u00fckleniyor. Bu basit mekanizma, ajan\u0131n i\u00e7sel durumunu kal\u0131c\u0131 hale getirerek kesintiler sonras\u0131 kurtar\u0131labilmesini sa\u011flar. Ancak, ger\u00e7ek d\u00fcnya senaryolar\u0131nda durum daha karma\u015f\u0131k olabilir. Da\u011f\u0131t\u0131k sistemlerde \u00e7al\u0131\u015fan ajanlar i\u00e7in, e\u015fzamanl\u0131l\u0131k (concurrency) ve veri tutarl\u0131l\u0131\u011f\u0131 (data consistency) gibi ek zorluklar ortaya \u00e7\u0131kar. Bu durumlarda, da\u011f\u0131t\u0131k veritabanlar\u0131, mesaj kuyruklar\u0131 (message queues) ve atomik i\u015flemler (atomic operations) gibi daha geli\u015fmi\u015f teknikler kullanmak gerekebilir. Ayr\u0131ca, kontrol noktas\u0131 olu\u015fturma s\u0131kl\u0131\u011f\u0131 da \u00f6nemli bir tasar\u0131m karar\u0131d\u0131r. \u00c7ok s\u0131k kontrol noktas\u0131 olu\u015fturmak performans maliyetine yol a\u00e7arken, \u00e7ok seyrek olu\u015fturmak kesinti sonras\u0131 daha fazla ilerlemenin kaybedilmesine neden olabilir. Bu denge, ajan\u0131n g\u00f6revinin kritikli\u011fi ve sistem kaynaklar\u0131 g\u00f6z \u00f6n\u00fcnde bulundurularak dikkatlice ayarlanmal\u0131d\u0131r.<\/p>\nHata Tolerans\u0131 ve Kurtarma Mekanizmalar\u0131: Kesintiden Sonra Nas\u0131l Ay\u011fa Kalk\u0131l\u0131r?<\/h3>\n
Bir YZ ajan\u0131n\u0131n kesintilere dayan\u0131kl\u0131 olmas\u0131n\u0131n ikinci temel s\u00fctunu, hata tolerans\u0131 (fault tolerance) ve etkili kurtarma mekanizmalar\u0131d\u0131r. Kal\u0131c\u0131l\u0131k, ajan\u0131n haf\u0131zas\u0131n\u0131 korurken, hata tolerans\u0131 ajan\u0131n hatalar\u0131 \u00f6ng\u00f6rebilme, bunlara tepki verebilme ve g\u00f6revini s\u00fcrd\u00fcrebilme yetene\u011fini ifade eder. Kurtarma mekanizmalar\u0131 ise, bir kesinti veya hata durumunda ajan\u0131n en k\u0131sa s\u00fcrede ve en az veri kayb\u0131yla normal \u00e7al\u0131\u015fmas\u0131na d\u00f6nmesini sa\u011flayan prosed\u00fcrlerdir. Bu s\u00fcre\u00e7, sadece kaydedilmi\u015f bir durumu geri y\u00fcklemekten \u00e7ok daha fazlas\u0131n\u0131 i\u00e7erir; ayn\u0131 zamanda sistemin genel sa\u011fl\u0131\u011f\u0131n\u0131 kontrol etmeyi, hatalar\u0131n k\u00f6k nedenini belirlemeye \u00e7al\u0131\u015fmay\u0131 ve gelecekte benzer hatalar\u0131 \u00f6nlemeyi de kapsar.<\/p>\n
Kurtarma stratejilerinin ba\u015f\u0131nda “otomatik yeniden ba\u015flatma” (automatic restart) gelir. \u00c7o\u011fu i\u015fletim sistemi veya konteyner y\u00f6netim platformu (Kubernetes, Docker Swarm), \u00e7\u00f6ken bir uygulaman\u0131n otomatik olarak yeniden ba\u015flat\u0131lmas\u0131n\u0131 sa\u011flayacak mekanizmalara sahiptir. Bir YZ ajan\u0131 bu \u015fekilde yeniden ba\u015flat\u0131ld\u0131\u011f\u0131nda, ilk i\u015f olarak en son kaydedilmi\u015f durumunu y\u00fcklemeye \u00e7al\u0131\u015fmal\u0131 ve buradan devam etmelidir. Ancak sadece yeniden ba\u015flatma yeterli de\u011fildir. Ajan\u0131n, kesintiye neden olan \u00e7evresel fakt\u00f6rlerin hala devam edip etmedi\u011fini anlamas\u0131 ve buna g\u00f6re hareket etmesi gerekir. \u00d6rne\u011fin, bir a\u011f kesintisi nedeniyle duran bir ajan, yeniden ba\u015flat\u0131ld\u0131\u011f\u0131nda hala a\u011f ba\u011flant\u0131s\u0131 yoksa, tekrar ayn\u0131 hataya d\u00fc\u015febilir. Bu durumu \u00f6nlemek i\u00e7in, “tekrar deneme mekanizmalar\u0131” (retry mechanisms) devreye girer. Bu mekanizmalar, ge\u00e7ici hatalar (\u00f6rne\u011fin k\u0131sa s\u00fcreli a\u011f dalgalanmalar\u0131, veritaban\u0131 ba\u011flant\u0131 sorunlar\u0131) durumunda belirli bir gecikmeyle i\u015flemi tekrar denemeyi i\u00e7erir. \u00dcstel geri \u00e7ekilme (exponential backoff) gibi stratejiler, tekrar denemeler aras\u0131ndaki s\u00fcreyi kademeli olarak art\u0131rarak sistemin a\u015f\u0131r\u0131 y\u00fcklenmesini \u00f6nler ve hatan\u0131n d\u00fczelmesi i\u00e7in zaman tan\u0131r.<\/p>\n
Kurtarma s\u00fcrecinde “idempotans” (idempotence) kavram\u0131 da kritik \u00f6neme sahiptir. \u0130dempotent bir i\u015flem, birden fazla kez \u00e7al\u0131\u015ft\u0131r\u0131ld\u0131\u011f\u0131nda ayn\u0131 sonucu veren i\u015flemdir. \u00d6rne\u011fin, bir veritaban\u0131na bir kay\u0131t eklemek idempotent de\u011fildir (her \u00e7al\u0131\u015ft\u0131rmada yeni bir kay\u0131t ekler), ancak belirli bir ID’ye sahip kayd\u0131 g\u00fcncellemek idempotent olabilir (her \u00e7al\u0131\u015ft\u0131rmada ayn\u0131 kayd\u0131 g\u00fcnceller). YZ ajanlar\u0131n\u0131n, kesintiye u\u011frad\u0131klar\u0131nda ayn\u0131 i\u015flemi tekrar yapma ihtimaline kar\u015f\u0131 i\u015flemlerini idempotent olarak tasarlamalar\u0131, veri tutars\u0131zl\u0131klar\u0131n\u0131 ve istenmeyen yan etkileri \u00f6nler. \u00d6rne\u011fin, bir robotun bir nesneyi kald\u0131rma komutu, e\u011fer zaten nesne kald\u0131r\u0131lm\u0131\u015fsa hi\u00e7bir \u015fey yapmayacak \u015fekilde tasarlanabilir. Bu, ajan\u0131n kesintiden sonra “kald\u0131r” komutunu tekrar g\u00f6nderse bile, istenmeyen bir durumun olu\u015fmas\u0131n\u0131 engeller.<\/p>\n
Daha geli\u015fmi\u015f hata tolerans\u0131 stratejileri aras\u0131nda “i\u015flem g\u00fcnl\u00fckleri” (transaction logs) veya “olay kaynaklama” (event sourcing) yer al\u0131r. Bu yakla\u015f\u0131mlarda, ajan\u0131n durumu do\u011frudan kaydedilmek yerine, ajan\u0131n ger\u00e7ekle\u015ftirdi\u011fi t\u00fcm eylemler ve kararlar bir dizi olay olarak kaydedilir. Bir kesinti sonras\u0131, ajan bu olay g\u00fcnl\u00fc\u011f\u00fcn\u00fc ba\u015ftan sona tekrar oynatarak (replay) durumunu yeniden olu\u015fturabilir. Bu y\u00f6ntem, \u00f6zellikle ajan\u0131n durumunun karma\u015f\u0131k ve dinamik oldu\u011fu durumlarda \u00e7ok g\u00fc\u00e7l\u00fcd\u00fcr, \u00e7\u00fcnk\u00fc ajan\u0131n durumunun her an\u0131n\u0131 de\u011fil, sadece durumunu de\u011fi\u015ftiren olaylar\u0131 kaydeder. \u00d6rne\u011fin, bir otonom arac\u0131n rotas\u0131n\u0131 de\u011fi\u015ftirmesi, bir sens\u00f6rden yeni veri almas\u0131 veya bir engele tepki vermesi birer olay olarak kaydedilebilir. Kesinti sonras\u0131, ara\u00e7 bu olaylar\u0131 s\u0131ras\u0131yla i\u015fleyerek en son durumuna geri d\u00f6nebilir.<\/p>\n
\n\nimport time\nimport random\n\nclass YZAjanKurtarma:\n def __init__(self, gorev_adi, max_deneme=3):\n self.gorev_adi = gorev_adi\n self.max_deneme = max_deneme\n self.current_adim = 0\n self.islem_tamamlandi = False\n\n def _yap_islem(self, adim):\n print(f\"[{self.gorev_adi}] Ad\u0131m {adim}: \u0130\u015flem ba\u015flat\u0131l\u0131yor...\")\n # Ge\u00e7ici bir hata sim\u00fclasyonu\n if random.random() < 0.3: # %30 hata oran\u0131\n raise ConnectionError(f\"A\u011f ba\u011flant\u0131s\u0131 hatas\u0131 ad\u0131m {adim} s\u0131ras\u0131nda!\")\n \n time.sleep(1) # \u0130\u015flem s\u00fcresi\n print(f\"[{self.gorev_adi}] Ad\u0131m {adim}: \u0130\u015flem tamamland\u0131.\")\n return True\n\n def gorev_calistir(self, baslangic_adim=0):\n self.current_adim = baslangic_adim\n while not self.islem_tamamlandi and self.current_adim < 10: # 10 ad\u0131ml\u0131k bir g\u00f6rev\n deneme_sayisi = 0\n basarili = False\n while deneme_sayisi < self.max_deneme and not basarili:\n try:\n basarili = self._yap_islem(self.current_adim)\n except ConnectionError as e:\n deneme_sayisi += 1\n print(f\"[{self.gorev_adi}] Hata: {e}. {deneme_sayisi}\/{self.max_deneme} deneme yap\u0131l\u0131yor...\")\n if deneme_sayisi < self.max_deneme:\n time.sleep(2 ** deneme_sayisi) # \u00dcstel geri \u00e7ekilme\n except Exception as e:\n print(f\"[{self.gorev_adi}] Beklenmedik hata: {e}. G\u00f6rev durduruluyor.\")\n return False\n \n if not basarili:\n print(f\"[{self.gorev_adi}] Ad\u0131m {self.current_adim} i\u00e7in t\u00fcm denemeler ba\u015far\u0131s\u0131z oldu. G\u00f6rev durduruluyor.\")\n return False\n \n self.current_adim += 1\n if self.current_adim >= 10:\n self.islem_tamamlandi = True\n print(f\"[{self.gorev_adi}] G\u00f6rev ba\u015far\u0131yla tamamland\u0131!\")\n return True\n return True\n\n# Ajan\u0131 \u00e7al\u0131\u015ft\u0131ral\u0131m\najan_kurtarma = YZAjanKurtarma(gorev_adi=\"Kritik Veri Aktar\u0131m\u0131\")\najan_kurtarma.gorev_calistir()\n<\/code><\/pre>\n<\/div>\nYukar\u0131daki Python kodu, basit bir tekrar deneme mekanizmas\u0131n\u0131 ve \u00fcstel geri \u00e7ekilmeyi (exponential backoff) g\u00f6sterir. Ajan, bir i\u015flem s\u0131ras\u0131nda hata ald\u0131\u011f\u0131nda, belirli bir say\u0131da tekrar dener ve her deneme aras\u0131nda bekleme s\u00fcresini art\u0131r\u0131r. Bu, ge\u00e7ici hatalar\u0131n \u00fcstesinden gelmek i\u00e7in temel ama etkili bir y\u00f6ntemdir. \u00d6zetle, hata tolerans\u0131 ve kurtarma mekanizmalar\u0131, YZ ajanlar\u0131n\u0131n sadece kesintilerden sonra durumlar\u0131n\u0131 korumas\u0131n\u0131 de\u011fil, ayn\u0131 zamanda bu kesintileri aktif olarak y\u00f6neterek g\u00f6revlerini kesintisiz bir \u015fekilde s\u00fcrd\u00fcrmelerini sa\u011flar. Bu, modern YZ sistemlerinin g\u00fcvenilirli\u011fi ve s\u00fcreklili\u011fi i\u00e7in hayati bir bile\u015fendir.<\/p>\n
Asenkron \u0130\u015flemler ve Ba\u011flam De\u011fi\u015fimi: Ak\u0131\u015f\u0131 Kesintiye Ra\u011fmen Nas\u0131l S\u00fcrd\u00fcr\u00fcr\u00fcz?<\/h3>\n
Uzun soluklu YZ ajanlar\u0131 genellikle karma\u015f\u0131k ve zaman al\u0131c\u0131 i\u015flemlerle u\u011fra\u015f\u0131r. Bu i\u015flemlerin senkron (e\u015fzamanl\u0131) bir \u015fekilde y\u00fcr\u00fct\u00fclmesi, bir kesinti durumunda t\u00fcm sistemin durmas\u0131na neden olabilir. \u0130\u015fte bu noktada asenkron (e\u015fzamans\u0131z) i\u015flemler ve ba\u011flam de\u011fi\u015fimi (context switching) kavramlar\u0131 devreye girer. Asenkron programlama, bir g\u00f6revin tamamlanmas\u0131n\u0131 beklemeden di\u011fer g\u00f6revlere ge\u00e7ebilmeyi ve tamamlanan g\u00f6revlerin sonu\u00e7lar\u0131n\u0131 daha sonra i\u015flemeyi m\u00fcmk\u00fcn k\u0131lar. Bu, YZ ajanlar\u0131n\u0131n kesintilere kar\u015f\u0131 daha esnek ve duyarl\u0131 olmas\u0131n\u0131 sa\u011flar.<\/p>\n
Bir YZ ajan\u0131, birden fazla g\u00f6revi ayn\u0131 anda veya s\u0131rayla, ancak bloklamadan (blocking) y\u00fcr\u00fctmesi gerekti\u011finde asenkron yakla\u015f\u0131mlar\u0131 kullan\u0131r. \u00d6rne\u011fin, bir robotun hem hareket etmesi hem de sens\u00f6r verilerini i\u015flemesi gerekiyorsa, bu iki g\u00f6revi e\u015fzamanl\u0131 olarak y\u00fcr\u00fctmek daha verimli olacakt\u0131r. Bir g\u00f6revin tamamlanmas\u0131 i\u00e7in uzun s\u00fcre beklemek yerine (\u00f6rne\u011fin bir a\u011f iste\u011finin yan\u0131t\u0131n\u0131 beklemek), ajan ba\u015fka bir g\u00f6reve ge\u00e7ebilir ve ilk g\u00f6revin sonucu geldi\u011finde ona geri d\u00f6nebilir. Bu, \u00f6zellikle d\u0131\u015f sistemlerle (veritabanlar\u0131, API’ler, di\u011fer ajanlar) ileti\u015fim kuran ajanlar i\u00e7in kritik \u00f6neme sahiptir. Bu t\u00fcr d\u0131\u015f ba\u011f\u0131ml\u0131l\u0131klar genellikle \u00f6ng\u00f6r\u00fclemeyen gecikmelere veya kesintilere neden olabilir.<\/p>\n
Asenkron programlama, olay tabanl\u0131 mimariler (event-driven architectures) arac\u0131l\u0131\u011f\u0131yla uygulanabilir. Bu mimarilerde, ajanlar belirli olaylara (\u00f6rne\u011fin “sens\u00f6r verisi geldi”, “g\u00f6rev tamamland\u0131”, “hata olu\u015ftu”) tepki verir. Bir olay kuyru\u011fu (event queue) veya mesaj kuyru\u011fu (message queue) kullanarak, olaylar s\u0131raya al\u0131n\u0131r ve ajan bu olaylar\u0131 uygun bir zamanda i\u015fler. Kesinti durumunda, i\u015flenmemi\u015f olaylar kuyrukta kal\u0131r ve ajan yeniden ba\u015flat\u0131ld\u0131\u011f\u0131nda bu olaylar\u0131 i\u015flemeye devam edebilir. Bu, ajan\u0131n ilerlemesini kaybetmeden kesintiye ra\u011fmen ak\u0131\u015f\u0131 s\u00fcrd\u00fcrmesine yard\u0131mc\u0131 olur. \u00d6rne\u011fin, Apache Kafka veya RabbitMQ gibi mesaj kuyruklar\u0131, da\u011f\u0131t\u0131k YZ ajanlar\u0131n\u0131n asenkron olarak ileti\u015fim kurmas\u0131n\u0131 ve g\u00f6revlerini s\u00fcrd\u00fcrmesini sa\u011flayabilir.<\/p>\n
Ba\u011flam de\u011fi\u015fimi ise, bir i\u015flemcinin bir g\u00f6revi durdurup ba\u015fka bir g\u00f6reve ge\u00e7mesi ve daha sonra ilk g\u00f6reve kald\u0131\u011f\u0131 yerden devam etmesi s\u00fcrecidir. YZ ajanlar\u0131 i\u00e7in bu, mikro d\u00fczeyde bir kesinti y\u00f6netimi olarak g\u00f6r\u00fclebilir. Ajan, belirli bir g\u00f6revi yaparken bir kesintiye veya daha y\u00fcksek \u00f6ncelikli bir olaya rastlad\u0131\u011f\u0131nda, mevcut g\u00f6revinin ba\u011flam\u0131n\u0131 (o anki durumunu, de\u011fi\u015fkenlerini, program sayac\u0131n\u0131) kaydeder ve yeni g\u00f6reve ge\u00e7er. Yeni g\u00f6rev tamamland\u0131\u011f\u0131nda veya daha fazla i\u015flem yap\u0131lamad\u0131\u011f\u0131nda, ajan \u00f6nceki g\u00f6revin ba\u011flam\u0131n\u0131 geri y\u00fckleyerek kald\u0131\u011f\u0131 yerden devam eder. Bu, ajan\u0131n birden fazla g\u00f6revi verimli bir \u015fekilde y\u00f6netmesini ve acil durumlara h\u0131zl\u0131 bir \u015fekilde tepki vermesini sa\u011flar.<\/p>\n
Python’da asyncio<\/code> mod\u00fcl\u00fc, asenkron programlama i\u00e7in g\u00fc\u00e7l\u00fc bir \u00e7er\u00e7eve sunar. A\u015fa\u011f\u0131daki \u00f6rnek, basit bir asenkron YZ ajan\u0131 g\u00f6revinin nas\u0131l tan\u0131mlanabilece\u011fini ve bir kesinti durumunda nas\u0131l y\u00f6netilebilece\u011fini g\u00f6stermektedir:<\/p>\n\n\nimport asyncio\nimport random\nimport time\n\nclass AsenkronYZAjan:\n def __init__(self, ajan_id):\n self.ajan_id = ajan_id\n self.gorev_ilerlemesi = 0\n self.calisiyor = True\n\n async def _uzun_suren_islem(self, adim_no):\n bekleme_suresi = random.uniform(0.5, 2.0)\n # print(f\"[{self.ajan_id}] Ad\u0131m {adim_no}: {bekleme_suresi:.2f} saniye beklenecek...\")\n await asyncio.sleep(bekleme_suresi) # I\/O beklerken di\u011fer g\u00f6revlere ge\u00e7ebilir\n # print(f\"[{self.ajan_id}] Ad\u0131m {adim_no}: Tamamland\u0131.\")\n return f\"Ad\u0131m {adim_no} ba\u015far\u0131yla tamamland\u0131.\"\n\n async def gorev_yurut(self):\n print(f\"[{self.ajan_id}] G\u00f6rev ba\u015flat\u0131ld\u0131.\")\n while self.calisiyor and self.gorev_ilerlemesi < 10:\n try:\n sonuc = await self._uzun_suren_islem(self.gorev_ilerlemesi)\n print(f\"[{self.ajan_id}] {sonuc}\")\n self.gorev_ilerlemesi += 1\n await asyncio.sleep(0.1) # K\u0131sa bir bekleme\n except asyncio.CancelledError:\n print(f\"[{self.ajan_id}] G\u00f6rev iptal edildi. \u0130lerleme: {self.gorev_ilerlemesi}\")\n self.calisiyor = False\n except Exception as e:\n print(f\"[{self.ajan_id}] Hata olu\u015ftu: {e}\")\n self.calisiyor = False\n \n if self.gorev_ilerlemesi >= 10:\n print(f\"[{self.ajan_id}] G\u00f6rev ba\u015far\u0131yla tamamland\u0131!\")\n else:\n print(f\"[{self.ajan_id}] G\u00f6rev durduruldu. \u0130lerleme: {self.gorev_ilerlemesi}\")\n\nasync def main():\n ajan1 = AsenkronYZAjan(\"Ajan-1\")\n ajan2 = AsenkronYZAjan(\"Ajan-2\")\n\n gorev1 = asyncio.create_task(ajan1.gorev_yurut())\n gorev2 = asyncio.create_task(ajan2.gorev_yurut())\n\n # Bir s\u00fcre sonra Ajan-1'i \"kesintiye u\u011fratal\u0131m\"\n await asyncio.sleep(5)\n print(\"\\nSim\u00fclasyon: Ajan-1'i iptal etmeye \u00e7al\u0131\u015f\u0131yoruz...\")\n gorev1.cancel()\n\n await asyncio.gather(gorev1, gorev2, return_exceptions=True)\n\nif __name__ == \"__main__\":\n asyncio.run(main())\n<\/code><\/pre>\n<\/div>\nBu kodda, iki farkl\u0131 ajan (Ajan-1<\/code> ve Ajan-2<\/code>) asenkron olarak paralel g\u00f6revler y\u00fcr\u00fct\u00fcyor. _uzun_suren_islem<\/code> fonksiyonu, bir I\/O operasyonu veya yo\u011fun i\u015flem sim\u00fcle ediyor. asyncio.sleep()<\/code> \u00e7a\u011fr\u0131s\u0131 s\u0131ras\u0131nda, Python \u00e7al\u0131\u015fma zaman\u0131 (runtime) di\u011fer g\u00f6revlere ge\u00e7ebilir, b\u00f6ylece kaynaklar daha verimli kullan\u0131l\u0131r. gorev1.cancel()<\/code> \u00e7a\u011fr\u0131s\u0131, Ajan-1<\/code>‘in g\u00f6revini iptal etmeye \u00e7al\u0131\u015f\u0131r ve ajan, asyncio.CancelledError<\/code> istisnas\u0131n\u0131 yakalayarak kesintiye zarif bir \u015fekilde tepki verebilir. Bu, ajan\u0131n kesintiye ra\u011fmen ilerlemesini koruyarak ve di\u011fer g\u00f6revlerin etkilenmeden devam etmesini sa\u011flayarak daha dayan\u0131kl\u0131 bir sistem olu\u015fturur. Asenkron programlama, YZ ajanlar\u0131n\u0131n daha duyarl\u0131, verimli ve kesintilere kar\u015f\u0131 daha dayan\u0131kl\u0131 olmalar\u0131n\u0131 sa\u011flayan modern bir yakla\u015f\u0131md\u0131r. \u00d6zellikle da\u011f\u0131t\u0131k sistemlerde ve y\u00fcksek performans gerektiren uygulamalarda bu t\u00fcr yakla\u015f\u0131mlar vazge\u00e7ilmezdir.<\/p>\nGer\u00e7ek D\u00fcnya Senaryolar\u0131 ve Vaka Analizleri: Ba\u015far\u0131l\u0131 Uygulamalardan \u00d6\u011frenmek<\/h3>\n
Uzun soluklu YZ ajanlar\u0131n\u0131n kesintilere kar\u015f\u0131 dayan\u0131kl\u0131l\u0131\u011f\u0131, teorik bir kavram olman\u0131n \u00f6tesinde, bir\u00e7ok ger\u00e7ek d\u00fcnya uygulamas\u0131nda kritik bir gerekliliktir. \u0130\u015fte bu t\u00fcr senaryolara ve ba\u015far\u0131l\u0131 uygulamalara dair baz\u0131 \u00f6rnekler:<\/p>\n
Otonom Ara\u00e7lar ve Robotik Sistemler<\/h4>\n
Otonom ara\u00e7lar ve end\u00fcstriyel robotlar, kesintisiz \u00e7al\u0131\u015fmas\u0131 gereken en belirgin YZ ajanlar\u0131d\u0131r. Bir otonom ara\u00e7, seyahati s\u0131ras\u0131nda a\u011f ba\u011flant\u0131s\u0131 kesilebilir, sens\u00f6r ar\u0131zas\u0131 ya\u015fayabilir veya sistemin ge\u00e7ici olarak yeniden ba\u015flat\u0131lmas\u0131 gerekebilir. Bu durumlarda, arac\u0131n an\u0131nda durmas\u0131 ve g\u00f6reve ba\u015ftan ba\u015flamas\u0131 kabul edilemez. Bu sistemler, durumlar\u0131n\u0131 s\u00fcrekli olarak kaydeden (kontrol noktas\u0131 olu\u015fturma) ve bu durumu arac\u0131n i\u00e7indeki veya buluttaki kal\u0131c\u0131 depolama birimlerine yazan mekanizmalar kullan\u0131r. \u00d6rne\u011fin, arac\u0131n mevcut konumu, h\u0131z\u0131, rotas\u0131, etraf\u0131ndaki engellerin haritas\u0131 ve o anki karar a\u011fac\u0131n\u0131n durumu d\u00fczenli olarak kaydedilir. Bir kesinti sonras\u0131, ara\u00e7 en son kaydedilen durumdan ba\u015flayarak g\u00fcvenli bir \u015fekilde operasyona devam edebilir. Ayr\u0131ca, “fail-safe” (hataya kar\u015f\u0131 g\u00fcvenli) modlar, kritik bir hata durumunda arac\u0131n g\u00fcvenli bir \u015fekilde durmas\u0131n\u0131 veya en yak\u0131n g\u00fcvenli noktaya \u00e7ekilmesini sa\u011flar. End\u00fcstriyel robotlar da benzer \u015fekilde, \u00fcretim hatt\u0131nda bir ar\u0131za ya\u015fand\u0131\u011f\u0131nda, i\u015f par\u00e7ac\u0131\u011f\u0131n\u0131 kaybetmeden veya \u00fcretim ak\u0131\u015f\u0131n\u0131 bozmadan kald\u0131\u011f\u0131 yerden devam edebilecek \u015fekilde tasarlan\u0131r. Bu, genellikle robotun hareket plan\u0131n\u0131n ve i\u015fleme ad\u0131mlar\u0131n\u0131n ad\u0131m ad\u0131m kaydedildi\u011fi ve her ad\u0131m\u0131n idempotent olarak y\u00fcr\u00fct\u00fcld\u00fc\u011f\u00fc sistemlerle sa\u011flan\u0131r.<\/p>\n
Ak\u0131ll\u0131 \u015eehir Y\u00f6netimi ve IoT Cihazlar\u0131<\/h4>\n
Ak\u0131ll\u0131 \u015fehirlerde trafik ak\u0131\u015f\u0131n\u0131 optimize eden YZ ajanlar\u0131, enerji \u015febekelerini y\u00f6neten sistemler veya \u00e7evresel izleme yapan IoT (Nesnelerin \u0130nterneti) cihazlar\u0131, s\u00fcrekli veri ak\u0131\u015f\u0131 ve karar verme s\u00fcre\u00e7leriyle \u00e7al\u0131\u015f\u0131r. Bu sistemler, genellikle binlerce hatta milyonlarca sens\u00f6rden gelen verileri i\u015fler. Bir a\u011f kesintisi veya sunucu ar\u0131zas\u0131, bu ajanlar\u0131n kritik kararlar vermesini engelleyebilir veya veri kayb\u0131na yol a\u00e7abilir. Bu t\u00fcr sistemler, genellikle da\u011f\u0131t\u0131k mimariler (distributed architectures) \u00fczerine kuruludur ve olay kaynaklama (event sourcing) veya mesaj kuyruklar\u0131 (Kafka, RabbitMQ) gibi teknolojileri kullanarak kesintilere dayan\u0131kl\u0131l\u0131k sa\u011flarlar. Sens\u00f6r verileri bir mesaj kuyru\u011funa g\u00f6nderilir ve YZ ajanlar\u0131 bu kuyruktan verileri asenkron olarak t\u00fcketir. E\u011fer bir ajan \u00e7\u00f6kerse, kuyruktaki veriler kaybolmaz ve ajan yeniden ba\u015flat\u0131ld\u0131\u011f\u0131nda kald\u0131\u011f\u0131 yerden i\u015flemeye devam edebilir. Ayr\u0131ca, “edge computing” (u\u00e7 bili\u015fim) yakla\u015f\u0131mlar\u0131, verilerin sens\u00f6rlere daha yak\u0131n cihazlarda i\u015flenmesini sa\u011flayarak merkezi sistemdeki kesintilerin etkisini azalt\u0131r ve daha h\u0131zl\u0131 tepki s\u00fcreleri sunar.<\/p>\n
M\u00fc\u015fteri Hizmetleri ve Sohbet Botlar\u0131<\/h4>\n
M\u00fc\u015fteri hizmetleri sohbet botlar\u0131, kullan\u0131c\u0131larla uzun s\u00fcreli diyaloglar y\u00fcr\u00fctebilen YZ ajanlar\u0131d\u0131r. Bir kullan\u0131c\u0131n\u0131n bir \u00fcr\u00fcn hakk\u0131nda bilgi al\u0131rken veya bir sorununu \u00e7\u00f6zerken botun \u00e7\u00f6kmesi, m\u00fc\u015fteri deneyimini ciddi \u015fekilde olumsuz etkiler. Bu botlar, kullan\u0131c\u0131yla olan diyalog ge\u00e7mi\u015fini, kullan\u0131c\u0131n\u0131n o anki amac\u0131n\u0131 (intent) ve botun o ana kadar sa\u011flad\u0131\u011f\u0131 bilgileri s\u00fcrekli olarak bir veritaban\u0131na veya \u00f6nbelle\u011fe (Redis gibi) kaydederler. Bir kesinti durumunda, bot yeniden ba\u015flat\u0131ld\u0131\u011f\u0131nda, kullan\u0131c\u0131n\u0131n ID’si ile en son diyalog durumunu geri y\u00fckleyebilir ve sohbeti kald\u0131\u011f\u0131 yerden devam ettirebilir. Bu, “oturum y\u00f6netimi” (session management) olarak da bilinir. Ayr\u0131ca, botlar genellikle “niyet tan\u0131ma” (intent recognition) ve “varl\u0131k \u00e7\u0131karma” (entity extraction) gibi mod\u00fcllerini asenkron olarak \u00e7al\u0131\u015ft\u0131r\u0131r ve bu mod\u00fcllerin sonu\u00e7lar\u0131n\u0131 olaylar arac\u0131l\u0131\u011f\u0131yla ana bota iletir. Bu sayede, bir mod\u00fcl\u00fcn \u00e7\u00f6kmesi t\u00fcm botun \u00e7\u00f6kmesine neden olmaz, sadece ilgili mod\u00fcl\u00fcn yeniden ba\u015flat\u0131lmas\u0131 yeterli olur.<\/p>\n
Bu vaka analizleri, YZ ajanlar\u0131n\u0131n kesintilere kar\u015f\u0131 dayan\u0131kl\u0131 olmas\u0131n\u0131n sadece teknik bir zorunluluk de\u011fil, ayn\u0131 zamanda i\u015f s\u00fcreklili\u011fi, g\u00fcvenlik ve kullan\u0131c\u0131 memnuniyeti a\u00e7\u0131s\u0131ndan da kritik bir fakt\u00f6r oldu\u011funu g\u00f6stermektedir. Her senaryo, farkl\u0131 kal\u0131c\u0131l\u0131k, hata tolerans\u0131 ve asenkron i\u015flem stratejileri gerektirse de, temel prensipler (durum y\u00f6netimi, kontrol noktas\u0131 olu\u015fturma, tekrar deneme, idempotans) t\u00fcm uygulamalar i\u00e7in ge\u00e7erlidir.<\/p>\n
Optimizasyon ve \u0130leri D\u00fczey Stratejiler: Performans\u0131 ve Dayan\u0131kl\u0131l\u0131\u011f\u0131 Art\u0131rmak<\/h3>\n
Temel durum y\u00f6netimi ve kurtarma mekanizmalar\u0131n\u0131n \u00f6tesinde, uzun soluklu YZ ajanlar\u0131n\u0131n kesintilere kar\u015f\u0131 dayan\u0131kl\u0131l\u0131\u011f\u0131n\u0131 ve performans\u0131n\u0131 art\u0131rmak i\u00e7in \u00e7e\u015fitli ileri d\u00fczey optimizasyon stratejileri mevcuttur. Bu stratejiler, \u00f6zellikle b\u00fcy\u00fck \u00f6l\u00e7ekli ve kritik uygulamalarda ajan\u0131n daha verimli, g\u00fcvenilir ve esnek olmas\u0131n\u0131 sa\u011flar.<\/p>\n
Da\u011f\u0131t\u0131k Kontrol Noktalar\u0131 ve Durum Senkronizasyonu<\/h4>\n
Tek bir ajan\u0131n durumunu kaydetmek nispeten kolayken, da\u011f\u0131t\u0131k bir sistemde \u00e7al\u0131\u015fan ve birden fazla bile\u015fenden olu\u015fan bir YZ ajan\u0131n\u0131n durumunu y\u00f6netmek daha karma\u015f\u0131kt\u0131r. Bu t\u00fcr sistemlerde “da\u011f\u0131t\u0131k kontrol noktalar\u0131” (distributed checkpoints) kullan\u0131l\u0131r. Bu yakla\u015f\u0131m, sistemdeki t\u00fcm ilgili bile\u015fenlerin durumlar\u0131n\u0131n e\u015fzamanl\u0131 olarak veya koordineli bir \u015fekilde kaydedilmesini i\u00e7erir. \u00d6rne\u011fin, bir mikroservis mimarisinde, her bir servis kendi durumunu kaydeder ve bu durumlar ortak bir i\u015flem ID’si (transaction ID) ile ili\u015fkilendirilir. Bir kesinti sonras\u0131, sistem bu i\u015flem ID’sini kullanarak t\u00fcm bile\u015fenlerin tutarl\u0131 bir durumunu geri y\u00fckleyebilir. Bu, “iki fazl\u0131 commit” (two-phase commit) veya “saga” desenleri gibi da\u011f\u0131t\u0131k i\u015flem y\u00f6netim teknikleriyle sa\u011flanabilir. Ayr\u0131ca, durum senkronizasyonu i\u00e7in “raft” veya “paxos” gibi konsens\u00fcs algoritmalar\u0131, da\u011f\u0131t\u0131k sistemlerde veri tutarl\u0131l\u0131\u011f\u0131n\u0131 sa\u011flamak i\u00e7in kullan\u0131labilir.<\/p>\n
Durum Versiyonlama ve Geri Alma Yetenekleri<\/h4>\n
Bazen bir kesinti sonras\u0131 geri y\u00fcklenen durumun kendisi hatal\u0131 veya istenmeyen olabilir. Bu t\u00fcr senaryolara kar\u015f\u0131 koymak i\u00e7in “durum versiyonlama” (state versioning) ve “geri alma” (rollback) yetenekleri devreye girer. Ajan\u0131n durumu her kaydedildi\u011finde, bu duruma bir versiyon numaras\u0131 veya zaman damgas\u0131 atan\u0131r. Bu sayede, kesinti sonras\u0131 sadece en son duruma de\u011fil, ayn\u0131 zamanda \u00f6nceki herhangi bir ge\u00e7erli duruma da geri d\u00f6nme imkan\u0131 sa\u011flan\u0131r. Bu, \u00f6zellikle hata ay\u0131klama (debugging) ve sistemin beklenmeyen davran\u0131\u015flar\u0131n\u0131 d\u00fczeltme s\u00fcre\u00e7lerinde \u00e7ok faydal\u0131d\u0131r. Git gibi versiyon kontrol sistemleri, bu prensibin yaz\u0131l\u0131m kodunda nas\u0131l uyguland\u0131\u011f\u0131na iyi bir \u00f6rnektir; YZ ajanlar\u0131 da kendi durumlar\u0131 i\u00e7in benzer bir yakla\u015f\u0131m benimseyebilirler.<\/p>\n
Tahminsel Kesinti Y\u00f6netimi<\/h4>\n
Baz\u0131 durumlarda, kesintiler \u00f6nceden tahmin edilebilir veya belirli bir olas\u0131l\u0131kla beklenebilir. \u00d6rne\u011fin, bir bulut sa\u011flay\u0131c\u0131s\u0131n\u0131n planl\u0131 bak\u0131m duyurular\u0131 veya bir donan\u0131m par\u00e7as\u0131n\u0131n \u00f6mr\u00fcn\u00fcn sonuna yakla\u015ft\u0131\u011f\u0131na dair uyar\u0131lar. “Tahminsel kesinti y\u00f6netimi” (predictive interruption management), bu bilgileri kullanarak ajan\u0131n kesintiye proaktif olarak haz\u0131rlanmas\u0131n\u0131 sa\u011flar. Ajan, potansiyel bir kesinti uyar\u0131s\u0131 ald\u0131\u011f\u0131nda, mevcut g\u00f6revini h\u0131zla tamamlamaya \u00e7al\u0131\u015fabilir, daha s\u0131k kontrol noktas\u0131 olu\u015fturabilir veya g\u00f6revini ba\u015fka bir “sa\u011fl\u0131kl\u0131” ajana devredebilir (failover). Bu, kesintinin etkisini en aza indirmek i\u00e7in ajan\u0131n \u00f6nceden \u00f6nlemler almas\u0131na olanak tan\u0131r. Makine \u00f6\u011frenimi modelleri, sistem g\u00fcnl\u00fcklerini ve ge\u00e7mi\u015f kesinti verilerini analiz ederek gelecekteki kesintileri tahmin etmek i\u00e7in kullan\u0131labilir.<\/p>\n
Kaynak \u0130zolasyonu ve Kaps\u00fclleme<\/h4>\n
YZ ajanlar\u0131 genellikle birden fazla mod\u00fcl veya bile\u015fenden olu\u015fur. Bir bile\u015fendeki hata veya kesinti, t\u00fcm ajan\u0131n \u00e7\u00f6kmesine neden olabilir. “Kaynak izolasyonu” (resource isolation) ve “kaps\u00fclleme” (encapsulation) prensipleri, bu riski azalt\u0131r. Her bir bile\u015fen kendi kaynaklar\u0131na (bellek, CPU) sahip olur ve di\u011fer bile\u015fenlerden izole bir \u015fekilde \u00e7al\u0131\u015f\u0131r. Konteyner teknolojileri (Docker, Podman) veya sanal makineler (VM), bu t\u00fcr izolasyonu sa\u011flamak i\u00e7in yayg\u0131n olarak kullan\u0131l\u0131r. Bir bile\u015fen \u00e7\u00f6kt\u00fc\u011f\u00fcnde, sadece o bile\u015fen yeniden ba\u015flat\u0131l\u0131r ve di\u011fer bile\u015fenler etkilenmez. Bu, ajan\u0131n genel dayan\u0131kl\u0131l\u0131\u011f\u0131n\u0131 ve kullan\u0131labilirli\u011fini \u00f6nemli \u00f6l\u00e7\u00fcde art\u0131r\u0131r. Ayr\u0131ca, “devre kesici” (circuit breaker) desenleri, bir bile\u015fenin s\u00fcrekli ba\u015far\u0131s\u0131z olmas\u0131 durumunda di\u011fer bile\u015fenlerin o bile\u015fene istek g\u00f6ndermesini ge\u00e7ici olarak engeller, b\u00f6ylece sistemin genel sa\u011fl\u0131\u011f\u0131n\u0131 korur ve ba\u015far\u0131s\u0131z bile\u015fene toparlanma s\u00fcresi tan\u0131r.<\/p>\n
Bu ileri d\u00fczey stratejiler, YZ ajanlar\u0131n\u0131n kesintilere kar\u015f\u0131 sadece tepkisel de\u011fil, ayn\u0131 zamanda proaktif ve daha sofistike bir \u015fekilde ba\u015fa \u00e7\u0131kmas\u0131n\u0131 sa\u011flar. \u00d6zellikle b\u00fcy\u00fck \u00f6l\u00e7ekli, kritik ve da\u011f\u0131t\u0131k YZ sistemlerinin tasar\u0131m\u0131 ve y\u00f6netimi i\u00e7in bu optimizasyonlar vazge\u00e7ilmezdir. Bu tekniklerin do\u011fru kombinasyonu, ajan\u0131n performans\u0131 ile dayan\u0131kl\u0131l\u0131\u011f\u0131 aras\u0131nda optimal bir denge kurulmas\u0131na yard\u0131mc\u0131 olur.<\/p>\n
Sonu\u00e7 ve Gelecek Perspektifleri: Kesintiye Diren\u00e7li Ajanlar \u0130\u00e7in Yol Haritas\u0131<\/h3>\n
Uzun soluklu yapay zeka ajanlar\u0131n\u0131n her birka\u00e7 dakikada bir kesintiye u\u011framas\u0131na ra\u011fmen g\u00f6revlerini ba\u015far\u0131yla s\u00fcrd\u00fcrebilmesi, modern YZ sistemlerinin g\u00fcvenilirli\u011fi ve pratik uygulanabilirli\u011fi i\u00e7in temel bir gerekliliktir. Bu makalede ele ald\u0131\u011f\u0131m\u0131z gibi, ajan\u0131n “durumunu” y\u00f6netmek ve kal\u0131c\u0131 hale getirmek, kesintiler sonras\u0131 “hata tolerans\u0131” ve “kurtarma mekanizmalar\u0131” olu\u015fturmak, “asenkron i\u015flemler” ve “ba\u011flam de\u011fi\u015fimi” ile ak\u0131\u015f\u0131 s\u00fcrd\u00fcrmek, bu dayan\u0131kl\u0131l\u0131\u011f\u0131n temel ta\u015flar\u0131n\u0131 olu\u015fturur. Ger\u00e7ek d\u00fcnya senaryolar\u0131ndan edindi\u011fimiz bilgiler ve ileri d\u00fczey optimizasyon stratejileri, bu prensiplerin nas\u0131l etkin bir \u015fekilde uygulanabilece\u011fine dair kapsaml\u0131 bir bak\u0131\u015f a\u00e7\u0131s\u0131 sunmaktad\u0131r.<\/p>\n
Gelecekte, YZ ajanlar\u0131n\u0131n karma\u015f\u0131kl\u0131\u011f\u0131 ve otonomisi artt\u0131k\u00e7a, kesintiye diren\u00e7li tasar\u0131m\u0131n \u00f6nemi daha da artacakt\u0131r. \u00d6zellikle “otonom sistemler” (autonomous systems), “u\u00e7 bili\u015fim” (edge computing) ve “da\u011f\u0131t\u0131k defter teknolojileri” (distributed ledger technologies) gibi alanlardaki geli\u015fmeler, yeni zorluklar ve f\u0131rsatlar sunacakt\u0131r. Kendi kendini iyile\u015ftiren (self-healing) sistemler, kesintileri \u00f6nceden tahmin edebilen ve proaktif \u00f6nlemler alabilen “meta-ajanlar” ve hatta kesintilere ra\u011fmen \u00f6\u011frenmeye devam edebilen “s\u00fcrekli \u00f6\u011frenen” (continual learning) ajanlar, gelecekteki ara\u015ft\u0131rmalar\u0131n ve geli\u015ftirmelerin odak noktas\u0131 olacakt\u0131r. Bu yolculukta, m\u00fchendislerin ve ara\u015ft\u0131rmac\u0131lar\u0131n sadece algoritmik yeniliklere de\u011fil, ayn\u0131 zamanda sistem d\u00fczeyindeki dayan\u0131kl\u0131l\u0131k ve g\u00fcvenilirlik mimarilerine de odaklanmalar\u0131 gerekmektedir. Kesintiye diren\u00e7li YZ ajanlar\u0131, gelece\u011fin ak\u0131ll\u0131 ve otonom d\u00fcnyas\u0131n\u0131n temelini olu\u015fturacakt\u0131r.<\/p>\n
S\u0131k\u00e7a Sorulan Sorular<\/h3>\n\n- \n YZ ajan\u0131 kesintiye u\u011frad\u0131\u011f\u0131nda veri kayb\u0131n\u0131 nas\u0131l \u00f6nleyebilirim?<\/strong><\/p>\n
Veri kayb\u0131n\u0131 \u00f6nlemenin en temel yolu, ajan\u0131n o anki “durumunu” (state) d\u00fczenli aral\u0131klarla harici ve kal\u0131c\u0131 bir depolama birimine (veritaban\u0131, dosya sistemi) kaydetmektir. Bu i\u015fleme “kontrol noktas\u0131 olu\u015fturma” (checkpointing) denir. Ayr\u0131ca, kritik i\u015flemlerin “idempotent” (birden fazla kez \u00e7al\u0131\u015ft\u0131r\u0131ld\u0131\u011f\u0131nda ayn\u0131 sonucu veren) olmas\u0131n\u0131 sa\u011flamak da veri tutars\u0131zl\u0131klar\u0131n\u0131 engeller.<\/p>\n<\/li>\n
- \n Bir YZ ajan\u0131 kesintiden sonra ne kadar h\u0131zl\u0131 kurtar\u0131labilir?<\/strong><\/p>\n
Kurtarma h\u0131z\u0131, ajan\u0131n tasar\u0131m\u0131na ve kesintinin t\u00fcr\u00fcne ba\u011fl\u0131d\u0131r. \u0130yi tasarlanm\u0131\u015f bir sistemde, en son kaydedilen kontrol noktas\u0131n\u0131n h\u0131zl\u0131ca y\u00fcklenmesi ve ajan\u0131n kald\u0131\u011f\u0131 yerden devam etmesi saniyeler i\u00e7inde ger\u00e7ekle\u015febilir. Ancak, sistemin genel karma\u015f\u0131kl\u0131\u011f\u0131, depolama biriminin performans\u0131 ve kurtarma s\u0131ras\u0131nda yap\u0131lmas\u0131 gereken ek do\u011frulama ad\u0131mlar\u0131 bu s\u00fcreyi etkileyebilir.<\/p>\n<\/li>\n
- \n Asenkron i\u015flemler kesintiye dayan\u0131kl\u0131l\u0131\u011f\u0131 nas\u0131l art\u0131r\u0131r?<\/strong><\/p>\n
Asenkron i\u015flemler, ajan\u0131n bir g\u00f6revin tamamlanmas\u0131n\u0131 beklemeden di\u011fer g\u00f6revlere ge\u00e7ebilmesini sa\u011flar. Bu, \u00f6zellikle d\u0131\u015f sistemlerle (API’ler, veritabanlar\u0131) etkile\u015fimde gecikmeler veya kesintiler ya\u015fand\u0131\u011f\u0131nda \u00f6nemlidir. Bir i\u015flem bloke oldu\u011funda, ajan ba\u015fka bir g\u00f6reve ge\u00e7ebilir ve kesinti d\u00fczeldi\u011finde \u00f6nceki g\u00f6reve geri d\u00f6nebilir. Bu, sistemin genel ak\u0131\u015f\u0131n\u0131n kesintiye u\u011framamas\u0131n\u0131 ve kaynaklar\u0131n daha verimli kullan\u0131lmas\u0131n\u0131 sa\u011flar.<\/p>\n<\/li>\n
- \n Da\u011f\u0131t\u0131k bir YZ ajan\u0131 i\u00e7in kesintiye dayan\u0131kl\u0131l\u0131k stratejileri nelerdir?<\/strong><\/p>\n
Da\u011f\u0131t\u0131k YZ ajanlar\u0131 i\u00e7in, “da\u011f\u0131t\u0131k kontrol noktalar\u0131” (t\u00fcm bile\u015fenlerin durumunu e\u015fzamanl\u0131 kaydetme), “mesaj kuyruklar\u0131” (Apache Kafka gibi), “olay kaynaklama” (event sourcing) ve “kaynak izolasyonu” (Docker konteynerleri gibi) gibi stratejiler kullan\u0131l\u0131r. Bu yakla\u015f\u0131mlar, bir bile\u015fenin \u00e7\u00f6kmesinin t\u00fcm sistemi etkilemesini \u00f6nler ve ajan\u0131n genel sistem i\u00e7inde tutarl\u0131 bir \u015fekilde kurtar\u0131labilmesini sa\u011flar.<\/p>\n<\/li>\n
- \n Kesintileri tamamen \u00f6nlemek m\u00fcmk\u00fcn m\u00fcd\u00fcr?<\/strong><\/p>\n
Ne yaz\u0131k ki, kesintileri tamamen \u00f6nlemek m\u00fcmk\u00fcn de\u011fildir. Donan\u0131msal ar\u0131zalar, yaz\u0131l\u0131msal hatalar, a\u011f sorunlar\u0131 veya do\u011fal afetler gibi \u00f6ng\u00f6r\u00fclemeyen fakt\u00f6rler her zaman mevcuttur. Bu nedenle, YZ ajan\u0131 tasar\u0131m\u0131nda temel hedef, kesintileri \u00f6nlemekten ziyade, kesintiler meydana geldi\u011finde sistemin dayan\u0131kl\u0131 (resilient) olmas\u0131n\u0131 ve g\u00f6revini minimum aksakl\u0131kla s\u00fcrd\u00fcrebilmesini sa\u011flamakt\u0131r. “Hata tolerans\u0131” bu yakla\u015f\u0131m\u0131n merkezindedir.<\/p>\n<\/li>\n<\/ul>\n
#YapayZeka #AIajanlar\u0131 #KesintiyeDayan\u0131kl\u0131l\u0131k #DurumY\u00f6netimi #HataTolerans\u0131<\/p>\n