Bir yaz\u0131l\u0131m geli\u015ftirici veya operasyon ekibinin en b\u00fcy\u00fck kabuslar\u0131ndan biri, kritik bir sistem kesintisi ya\u015fand\u0131\u011f\u0131nda, olay y\u00f6netim (incident management) arac\u0131n\u0131n bu olay\u0131 kaydetmemesi veya ge\u00e7mi\u015fteki benzer olaylardan ders \u00e7\u0131karmamas\u0131d\u0131r. Peki, t\u00fcm kesintileri unutmu\u015f gibi g\u00f6r\u00fcnen bir arac\u0131 nas\u0131l tekrar i\u015fler hale getirebiliriz? Bu makalede, bu can s\u0131k\u0131c\u0131 durumun temel nedenlerini inceleyecek, \u00e7\u00f6z\u00fcm \u00f6nerileri sunacak ve ger\u00e7ek d\u00fcnya senaryolar\u0131yla bu sorunlar\u0131n \u00fcstesinden nas\u0131l gelinebilece\u011fini ad\u0131m ad\u0131m a\u00e7\u0131klayaca\u011f\u0131z. Haz\u0131rsan\u0131z, olay y\u00f6netiminin haf\u0131za kayb\u0131n\u0131 tedavi etme yolculu\u011funa \u00e7\u0131kal\u0131m.<\/p>\n
Modern teknoloji d\u00fcnyas\u0131nda, sistemlerimizin ne kadar karma\u015f\u0131k ve birbirine ba\u011fl\u0131 oldu\u011funu biliyoruz. Bu karma\u015f\u0131kl\u0131k, ka\u00e7\u0131n\u0131lmaz olarak ar\u0131zalara ve kesintilere yol a\u00e7ar. Bu noktada devreye giren olay y\u00f6netim ara\u00e7lar\u0131, bu kesintileri tespit etmek, kaydetmek, analiz etmek ve gelecekteki benzer olaylar\u0131n \u00f6nlenmesine yard\u0131mc\u0131 olmak i\u00e7in kritik bir rol oynar. Ancak bazen, bu ara\u00e7lar sanki bir haf\u0131za kayb\u0131 ya\u015fam\u0131\u015f gibi davranabilir; ge\u00e7mi\u015fte ya\u015fanan \u00f6nemli kesintileri unutur, \u00f6nemli verileri kaydeder veya yetersiz alarm mekanizmalar\u0131 nedeniyle sorunlar\u0131 zaman\u0131nda alg\u0131layamaz. Bu durum, hem operasyonel verimlili\u011fi d\u00fc\u015f\u00fcr\u00fcr hem de tekrar eden hatalara yol a\u00e7arak maliyetleri art\u0131rabilir. Peki, bu “unutkanl\u0131k” neden kaynaklan\u0131r ve bu sorunu nas\u0131l k\u00f6kten \u00e7\u00f6zebiliriz? Bu makale, tam da bu sorulara cevap vermek i\u00e7in yaz\u0131ld\u0131.<\/p>\n
Olay y\u00f6netimi, bir IT sisteminde veya hizmetinde meydana gelen ve hizmetin normal i\u015fleyi\u015fini olumsuz etkileyen veya etkileme potansiyeli olan herhangi bir olay\u0131n (kesinti, performans d\u00fc\u015f\u00fc\u015f\u00fc, g\u00fcvenlik ihlali vb.) tespit edilmesi, kaydedilmesi, s\u0131n\u0131fland\u0131r\u0131lmas\u0131, \u00f6nceliklendirilmesi, te\u015fhis edilmesi, \u00e7\u00f6z\u00fclmesi ve kapat\u0131lmas\u0131 s\u00fcre\u00e7lerini kapsayan bir dizi uygulamad\u0131r. Temel amac\u0131, i\u015f s\u00fcreklili\u011fini sa\u011flamak, hizmet kalitesini korumak ve m\u00fc\u015fteri memnuniyetini en \u00fcst d\u00fczeyde tutmakt\u0131r.<\/p>\n
Etkili bir olay y\u00f6netimi s\u00fcreci, a\u015fa\u011f\u0131daki temel ad\u0131mlar\u0131 i\u00e7erir:<\/p>\n
Bu s\u00fcre\u00e7lerin etkinli\u011fi, kullan\u0131lan olay y\u00f6netim arac\u0131n\u0131n yeteneklerine ve bu arac\u0131n do\u011fru \u015fekilde yap\u0131land\u0131r\u0131l\u0131p kullan\u0131lmad\u0131\u011f\u0131na ba\u011fl\u0131d\u0131r. Bir olay y\u00f6netim arac\u0131, sadece bir hata kayd\u0131 tutucu olman\u0131n \u00f6tesinde, ge\u00e7mi\u015f olaylardan ders \u00e7\u0131kararak gelecekteki sorunlar\u0131 \u00f6ng\u00f6rmeye ve \u00f6nlemeye yard\u0131mc\u0131 olan stratejik bir ara\u00e7t\u0131r. E\u011fer bu ara\u00e7 “unutkan” davran\u0131rsa, ge\u00e7mi\u015f hatalardan ders \u00e7\u0131karma f\u0131rsat\u0131n\u0131 ka\u00e7\u0131r\u0131r\u0131z, bu da ayn\u0131 sorunlar\u0131n tekrar tekrar ya\u015fanmas\u0131na neden olabilir. Bu da hem zaman hem de para kayb\u0131na yol a\u00e7ar.<\/p>\n
Bir olay y\u00f6netim arac\u0131n\u0131n ge\u00e7mi\u015f kesintileri unutmas\u0131 veya bu bilgileri etkin bir \u015fekilde kullanamamas\u0131, genellikle birka\u00e7 temel nedenden kaynaklan\u0131r. Bu nedenleri anlamak, sorunun k\u00f6kenine inmek ve do\u011fru \u00e7\u00f6z\u00fcmleri uygulamak i\u00e7in ilk ad\u0131md\u0131r. Bu “unutkanl\u0131k” genellikle arac\u0131n kendisinden ziyade, onunla etkile\u015fim kuran s\u00fcre\u00e7lerin ve yap\u0131land\u0131rmalar\u0131n yetersizli\u011finden do\u011far.<\/p>\n
\u0130lk olarak, yetersiz veya yanl\u0131\u015f yap\u0131land\u0131r\u0131lm\u0131\u015f izleme ve uyar\u0131 mekanizmalar\u0131<\/strong> en s\u0131k kar\u015f\u0131la\u015f\u0131lan sorunlardan biridir. E\u011fer sistem izleme ara\u00e7lar\u0131, kritik metrikleri (CPU kullan\u0131m\u0131, bellek kullan\u0131m\u0131, a\u011f gecikmesi, uygulama yan\u0131t s\u00fcreleri vb.) do\u011fru bir \u015fekilde takip etmiyorsa veya e\u015fikler (thresholds) \u00e7ok y\u00fcksek ayarlanm\u0131\u015fsa, k\u00fc\u00e7\u00fck veya orta \u00f6l\u00e7ekli sorunlar tespit edilemeyebilir. Bu durumda, olay y\u00f6netim arac\u0131 bu olaylar\u0131 “g\u00f6rmez”, dolay\u0131s\u0131yla kaydetmez. Bir web sunucusunun yava\u015flamas\u0131, ancak %90 CPU kullan\u0131m\u0131na ula\u015ft\u0131\u011f\u0131nda uyar\u0131 veriyorsa, %70-80 seviyesindeki yava\u015flamalar g\u00f6zden ka\u00e7abilir. Bu t\u00fcr “g\u00f6zden ka\u00e7an” sorunlar zamanla birikerek daha b\u00fcy\u00fck kesintilere yol a\u00e7abilir.<\/p>\n \u0130kinci olarak, otomatik olay kayd\u0131 ve zenginle\u015ftirme eksikli\u011fi<\/strong> b\u00fcy\u00fck bir problem yarat\u0131r. Bir\u00e7ok olay y\u00f6netim arac\u0131, manuel olarak girilen bilgilere dayan\u0131r. Ancak manuel giri\u015fler, insan hatas\u0131na a\u00e7\u0131kt\u0131r ve zaman al\u0131c\u0131d\u0131r. E\u011fer arac\u0131n\u0131z, alarmlar\u0131 otomatik olarak al\u0131p, ilgili log dosyalar\u0131n\u0131, sistem bilgilerini ve hatta \u00f6nceki benzer olaylar\u0131n bilgilerini otomatik olarak ili\u015fkilendiremiyorsa, olay kayd\u0131 eksik veya yetersiz kalacakt\u0131r. \u00d6rne\u011fin, bir veritaban\u0131 ba\u011flant\u0131 hatas\u0131 olu\u015ftu\u011funda, arac\u0131n sadece “Veritaban\u0131 Hatas\u0131” demek yerine, hangi sorgunun hata verdi\u011fini, hangi kullan\u0131c\u0131n\u0131n etkilendi\u011fini ve bu hatan\u0131n ne kadar s\u00fcredir devam etti\u011fini otomatik olarak kaydetmesi gerekir.<\/p>\n \u00dc\u00e7\u00fcnc\u00fc olarak, veri saklama ve eri\u015fim politikalar\u0131n\u0131n yetersizli\u011fi<\/strong> de arac\u0131n “unutkan” g\u00f6r\u00fcnmesine neden olabilir. Baz\u0131 olay y\u00f6netim sistemleri, depolama alan\u0131 maliyetlerini d\u00fc\u015f\u00fcrmek veya performans\u0131 art\u0131rmak amac\u0131yla eski olay verilerini otomatik olarak siler. E\u011fer bu saklama s\u00fcresi \u00e7ok k\u0131saysa, ge\u00e7mi\u015fteki \u00f6nemli olaylar\u0131n analizini yapmak imkans\u0131z hale gelir. Ayr\u0131ca, eski verilere eri\u015fim yetkilerinin k\u0131s\u0131tl\u0131 olmas\u0131 veya verilerin farkl\u0131 sistemlerde da\u011f\u0131n\u0131k halde bulunmas\u0131 da sorunlara yol a\u00e7abilir. Bir olay\u0131n k\u00f6k nedenini anlamak i\u00e7in y\u0131llar \u00f6ncesine ait verilere bakman\u0131z gerekebilir, ancak bu veriler art\u0131k mevcut de\u011filse, arac\u0131n\u0131z “unutmu\u015f” gibi g\u00f6r\u00fcnecektir.<\/p>\n Son olarak, ekip i\u00e7i ileti\u015fim ve s\u00fcre\u00e7 eksiklikleri<\/strong> de dolayl\u0131 olarak bu soruna katk\u0131da bulunur. E\u011fer olay y\u00f6netimi s\u00fcreci iyi tan\u0131mlanmam\u0131\u015fsa, hangi olaylar\u0131n kaydedilece\u011fi, nas\u0131l s\u0131n\u0131fland\u0131r\u0131laca\u011f\u0131 ve hangi bilgilerin mutlaka girilece\u011fi konusunda bir standart yoksa, ekipler aras\u0131nda tutars\u0131zl\u0131klar ya\u015fanabilir. Bir ekip \u00fcyesi bir olay\u0131 \u00f6nemli g\u00f6r\u00fcp kaydederken, di\u011feri ayn\u0131 olay\u0131 \u00f6nemsiz bulup kaydetmeyebilir. Bu da arac\u0131n “unutkan” bir profil \u00e7izmesine neden olur.<\/p>\n “Hindsight”, \u0130ngilizce’de “sonradan anlama” veya “olay sonras\u0131 kavray\u0131\u015f” anlam\u0131na gelir. Olay y\u00f6netimi ba\u011flam\u0131nda, bu terim ge\u00e7mi\u015f olaylardan ders \u00e7\u0131kararak gelecekteki sorunlar\u0131 daha iyi anlama ve \u00f6nleme yetene\u011fini ifade eder. Bir olay y\u00f6netim arac\u0131na “hindsight” kazand\u0131rmak, onu sadece bir kay\u0131t tutma arac\u0131ndan \u00e7\u0131kar\u0131p, proaktif bir sorun \u00e7\u00f6zme ve \u00f6nleme platformuna d\u00f6n\u00fc\u015ft\u00fcrmek demektir.<\/p>\n Bu, birka\u00e7 temel prensip ve uygulama ile ger\u00e7ekle\u015ftirilebilir:<\/p>\n Olay y\u00f6netim arac\u0131n\u0131z\u0131n “g\u00f6rmedi\u011fi” hi\u00e7bir olay\u0131 kaydedemez. Bu nedenle, sisteminizin her katman\u0131n\u0131 kapsayan kapsaml\u0131 bir izleme altyap\u0131s\u0131 kurmak esast\u0131r. Bu, yaln\u0131zca sunucu metriklerini de\u011fil, ayn\u0131 zamanda a\u011f trafi\u011fini, uygulama performans\u0131n\u0131 (APM – Application Performance Monitoring), veritaban\u0131 sorgu s\u00fcrelerini, kullan\u0131c\u0131 deneyimi metriklerini (Real User Monitoring – RUM) ve hatta g\u00fcvenlik loglar\u0131n\u0131 da i\u00e7ermelidir. Modern izleme ara\u00e7lar\u0131, bu verileri merkezi bir platformda toplar ve analiz eder.<\/p>\n \u00d6rnek:<\/strong> Bir e-ticaret sitesinde, m\u00fc\u015fteri sepetine \u00fcr\u00fcn ekleme h\u0131z\u0131n\u0131n yava\u015flamas\u0131, do\u011frudan bir sunucu \u00e7\u00f6kmesi kadar kritik olmasa da, uzun vadede sat\u0131\u015flar\u0131 olumsuz etkileyebilir. APM ara\u00e7lar\u0131, bu t\u00fcr yava\u015flamalar\u0131 tespit edebilir ve olay y\u00f6netim arac\u0131na otomatik olarak bir uyar\u0131 g\u00f6nderebilir. Bu uyar\u0131, “Sunucu Yava\u015flad\u0131” gibi genel bir mesaj yerine, “Sepete Ekleme \u0130\u015flemi Yan\u0131t S\u00fcresi: 5 saniye (Normal < 1 saniye)\" gibi daha spesifik bir bilgi i\u00e7ermelidir.<\/p>\n T\u00fcm izleme verilerini toplamak yeterli de\u011fildir; bu verilerin anlaml\u0131 alarm ve olaylara d\u00f6n\u00fc\u015ft\u00fcr\u00fclmesi gerekir. Burada “ak\u0131ll\u0131 alarm” devreye girer. Ak\u0131ll\u0131 alarmlar, sadece basit e\u015fik de\u011ferlerine dayanmaz; ayn\u0131 zamanda anormallik tespiti (anomaly detection), makine \u00f6\u011frenimi (machine learning) algoritmalar\u0131 ve ba\u011flamsal bilgiler kullanarak daha do\u011fru uyar\u0131lar \u00fcretir. Bir alarm tetiklendi\u011finde, olay y\u00f6netim arac\u0131n\u0131n bu alarm\u0131 otomatik olarak almas\u0131 ve ilgili t\u00fcm ba\u011flamsal bilgileri (hangi sistem, hangi metrik, e\u015fik de\u011feri, zaman damgas\u0131 vb.) i\u00e7eren bir olay kayd\u0131 olu\u015fturmas\u0131 gerekir.<\/p>\n \u00d6rnek Kod Blo\u011fu (Mant\u0131ksal Ak\u0131\u015f):<\/strong><\/p>\n Yukar\u0131daki kod \u00f6rne\u011fi, bir izleme sisteminin alarm\u0131 nas\u0131l i\u015fleyip olay y\u00f6netim arac\u0131na g\u00f6nderebilece\u011finin temel bir mant\u0131\u011f\u0131n\u0131 g\u00f6stermektedir. Ger\u00e7ek uygulamada bu, API entegrasyonlar\u0131 ile ger\u00e7ekle\u015fir.<\/p>\n Bir olay\u0131n k\u00f6k nedenini anlamak i\u00e7in sadece hatan\u0131n kendisini bilmek yeterli de\u011fildir. Olay y\u00f6netim arac\u0131n\u0131n, olay\u0131 daha zengin hale getirecek ek bilgilerle donat\u0131lmas\u0131 gerekir. Bu, otomatik olarak \u015funlar\u0131 i\u00e7erebilir:<\/p>\n Bu zenginle\u015ftirme, genellikle olay y\u00f6netim arac\u0131 ile CMDB (Configuration Management Database – Yap\u0131land\u0131rma Y\u00f6netimi Veritaban\u0131), CI\/CD (Continuous Integration\/Continuous Deployment – S\u00fcrekli Entegrasyon\/S\u00fcrekli Da\u011f\u0131t\u0131m) ara\u00e7lar\u0131 ve di\u011fer operasyonel sistemler aras\u0131ndaki entegrasyonlar sayesinde otomatik olarak yap\u0131l\u0131r.<\/p>\n Ge\u00e7mi\u015f olaylardan ders \u00e7\u0131karmak i\u00e7in, bu olaylar\u0131n verilerinin makul bir s\u00fcre boyunca saklanmas\u0131 gerekir. Olay y\u00f6netim ara\u00e7lar\u0131n\u0131n veri saklama politikalar\u0131, organizasyonun ihtiya\u00e7lar\u0131na ve yasal gerekliliklere g\u00f6re yap\u0131land\u0131r\u0131lmal\u0131d\u0131r. Kritik sistemler i\u00e7in daha uzun saklama s\u00fcreleri belirlenirken, daha az kritik sistemler i\u00e7in daha k\u0131sa s\u00fcreler yeterli olabilir. Veri saklama s\u00fcresi belirlenirken, depolama maliyetleri ve performans dengesi g\u00f6z \u00f6n\u00fcnde bulundurulmal\u0131d\u0131r. Ancak unutulmamal\u0131d\u0131r ki, k\u0131sa saklama s\u00fcreleri, “hindsight” yetene\u011fini ciddi \u015fekilde s\u0131n\u0131rlar.<\/p>\n Bir olay \u00e7\u00f6z\u00fcld\u00fckten sonra, olay\u0131n nedenlerini, etkisini, al\u0131nan \u00f6nlemleri ve gelecekte benzer olaylar\u0131n nas\u0131l \u00f6nlenebilece\u011fini detayland\u0131ran bir “post-mortem” (olay sonras\u0131 inceleme) raporu olu\u015fturulmas\u0131, olay y\u00f6netiminin ayr\u0131lmaz bir par\u00e7as\u0131d\u0131r. Geli\u015fmi\u015f olay y\u00f6netim ara\u00e7lar\u0131, bu raporlar\u0131n olu\u015fturulmas\u0131n\u0131 kolayla\u015ft\u0131rabilir veya hatta otomatik hale getirebilir. Bu raporlar, arac\u0131n veritaban\u0131nda saklanarak gelecekteki analizler i\u00e7in de\u011ferli bir kaynak olu\u015fturur.<\/p>\n Bir e-ticaret firmas\u0131 olan “Al\u0131\u015fveri\u015fSepeti.com”un ya\u015fad\u0131\u011f\u0131 bir olay\u0131 ele alal\u0131m. Firma, birka\u00e7 hafta boyunca belirli saatlerde (genellikle \u00f6\u011fleden sonra 14:00-16:00 aras\u0131) web sitelerinin yava\u015flad\u0131\u011f\u0131n\u0131 ve bazen de \u00f6deme i\u015flemlerinde hatalar ya\u015fand\u0131\u011f\u0131n\u0131 fark etti. Ancak bu sorunlar genellikle k\u0131sa s\u00fcreliydi ve k\u0131sa bir s\u00fcre sonra kendili\u011finden d\u00fczeliyordu. Ekip, bu durumu nadir ya\u015fanan “anl\u0131k aksakl\u0131klar” olarak de\u011ferlendirip, olay y\u00f6netim sistemine kaydetmedi.<\/p>\n Bu durum yakla\u015f\u0131k bir ay boyunca devam etti. Bir g\u00fcn, \u00f6\u011fleden sonra ya\u015fanan yo\u011funluk s\u0131ras\u0131nda, web sitesi tamamen eri\u015filemez hale geldi. Milyonlarca liral\u0131k sat\u0131\u015f kayb\u0131 ya\u015fand\u0131 ve marka itibar\u0131 ciddi zarar g\u00f6rd\u00fc. Acil m\u00fcdahale ekibi, sorunun kayna\u011f\u0131n\u0131 bulmak i\u00e7in \u00e7al\u0131\u015f\u0131rken, mevcut olay y\u00f6netim sistemlerinde bu soruna dair herhangi bir kay\u0131t bulamad\u0131. Sistemde, sadece son ya\u015fanan b\u00fcy\u00fck \u00e7\u00f6kme kayd\u0131 vard\u0131; \u00f6nceki haftalarda ya\u015fanan yava\u015flamalar ve hatalar ise “kay\u0131t d\u0131\u015f\u0131” kalm\u0131\u015ft\u0131.<\/p>\n Sorunun Kayna\u011f\u0131:<\/strong> Detayl\u0131 incelemeler sonucunda, sorunun kayna\u011f\u0131n\u0131n, \u00f6\u011fleden sonra saatlerinde artan trafikle birlikte veritaban\u0131 sunucusundaki bir sorgunun a\u015f\u0131r\u0131 kaynak t\u00fcketmesi oldu\u011fu anla\u015f\u0131ld\u0131. Bu sorgu, normal \u015fartlarda sorun yaratm\u0131yordu ancak belirli bir zaman diliminde yo\u011funla\u015fan kullan\u0131c\u0131 aktivitesiyle birle\u015fince veritaban\u0131n\u0131 kilitleyerek di\u011fer i\u015flemleri yava\u015flat\u0131yordu. Bu durum, zamanla veritaban\u0131 performans\u0131n\u0131 d\u00fc\u015f\u00fcr\u00fcyor ve nihayetinde t\u00fcm siteyi \u00e7\u00f6kertiyordu.<\/p>\n Neden Olay Y\u00f6netim Arac\u0131 “Unuttu”?<\/strong><\/p>\n \u00c7\u00f6z\u00fcm:<\/strong> Al\u0131\u015fveri\u015fSepeti.com, bu olaydan sonra olay y\u00f6netimi s\u00fcre\u00e7lerini k\u00f6kten de\u011fi\u015ftirdi. Yeni bir izleme altyap\u0131s\u0131 kurdular ve veritaban\u0131 sorgu performans\u0131n\u0131, uygulama yan\u0131t s\u00fcrelerini ve kullan\u0131c\u0131 deneyimini detayl\u0131 olarak izlemeye ba\u015flad\u0131lar. Olay y\u00f6netim ara\u00e7lar\u0131n\u0131, bu izleme sistemleriyle entegre ederek otomatik olay kayd\u0131 ve zenginle\u015ftirme s\u00fcre\u00e7lerini ba\u015flatt\u0131lar. Ayr\u0131ca, t\u00fcm ekip \u00fcyeleri i\u00e7in olay kayd\u0131 konusunda daha s\u0131k\u0131 kurallar getirildi; art\u0131k her t\u00fcrl\u00fc aksakl\u0131k, ne kadar k\u00fc\u00e7\u00fck olursa olsun kaydediliyordu. Bu de\u011fi\u015fiklikler sayesinde, firma gelecekte benzer sorunlar\u0131 \u00e7ok daha erken tespit edebildi ve b\u00fcy\u00fck kesintileri \u00f6nleyebildi.<\/p>\n Olay y\u00f6netim arac\u0131n\u0131za “hindsight” kazand\u0131rmak, bir gecede olacak bir i\u015f de\u011fildir. Sab\u0131rl\u0131 bir yakla\u015f\u0131m, do\u011fru ara\u00e7lar ve iyi tan\u0131mlanm\u0131\u015f s\u00fcre\u00e7ler gerektirir. \u0130\u015fte ad\u0131m ad\u0131m izleyebilece\u011finiz bir rehber:<\/p>\n \u00d6ncelikle, mevcut olay y\u00f6netimi s\u00fcre\u00e7lerinizi ve kulland\u0131\u011f\u0131n\u0131z ara\u00e7lar\u0131 detayl\u0131 bir \u015fekilde analiz edin. Hangi sorunlar\u0131 ya\u015f\u0131yorsunuz? Hangi olaylar g\u00f6zden ka\u00e7\u0131yor? Hangi bilgiler eksik kal\u0131yor? Bu analizin sonucunda, arac\u0131n\u0131z\u0131n hangi alanlarda geli\u015ftirilmesi gerekti\u011fini belirleyin. \u0130htiya\u00e7lar\u0131n\u0131z aras\u0131nda \u015funlar olabilir:<\/p>\n E\u011fer izleme altyap\u0131n\u0131z yetersizse, bu ilk ve en \u00f6nemli ad\u0131md\u0131r. Modern izleme \u00e7\u00f6z\u00fcmlerini (\u00f6rne\u011fin, Prometheus, Grafana, Datadog, Dynatrace gibi) de\u011ferlendirin. Bu ara\u00e7lar, sunucu metriklerinden uygulama performans\u0131na kadar geni\u015f bir yelpazede izleme imkan\u0131 sunar. Kritik sistemleriniz i\u00e7in en \u00f6nemli metrikleri belirleyin ve bu metrikler i\u00e7in uygun e\u015fikleri (thresholds) ve anormallik tespit kurallar\u0131n\u0131 yap\u0131land\u0131r\u0131n.<\/p>\n \u00d6rnek Yap\u0131land\u0131rma (Prometheus i\u00e7in metrik):<\/strong><\/p>\n Bu kural, veritaban\u0131 sunucusunda 5 dakika boyunca 10’dan fazla ba\u011flant\u0131 hatas\u0131 oldu\u011funda bir uyar\u0131 tetikler. Bu uyar\u0131 daha sonra olay y\u00f6netim arac\u0131na g\u00f6nderilebilir.<\/p>\n Olay y\u00f6netim arac\u0131n\u0131z\u0131n, izleme ara\u00e7lar\u0131, CMDB, CI\/CD pipeline’lar\u0131, ileti\u015fim ara\u00e7lar\u0131 (Slack, Microsoft Teams vb.) ve di\u011fer operasyonel sistemlerle entegre oldu\u011fundan emin olun. Bu entegrasyonlar, alarmlar\u0131n otomatik olarak olaylara d\u00f6n\u00fc\u015ft\u00fcr\u00fclmesini, olaylar\u0131n ilgili yap\u0131land\u0131rma \u00f6\u011feleriyle (CI – Configuration Item) ili\u015fkilendirilmesini ve olay \u00e7\u00f6z\u00fcm\u00fc s\u0131ras\u0131nda gerekli bilgilerin h\u0131zl\u0131ca eri\u015filebilir olmas\u0131n\u0131 sa\u011flar.<\/p>\n \u00d6rnek Entegrasyon Senaryosu:<\/strong><\/p>\n Herkesin ayn\u0131 dili konu\u015ftu\u011fundan emin olmak i\u00e7in olay y\u00f6netimi s\u00fcre\u00e7lerini net bir \u015fekilde tan\u0131mlay\u0131n. Hangi olaylar\u0131n kaydedilece\u011fi, nas\u0131l s\u0131n\u0131fland\u0131r\u0131laca\u011f\u0131 (\u00f6rn. kritik, y\u00fcksek, orta, d\u00fc\u015f\u00fck), \u00f6nceliklendirme kriterleri, \u00e7\u00f6z\u00fcm s\u00fcreleri (SLA – Service Level Agreement) ve ileti\u015fim prosed\u00fcrleri gibi konular\u0131 belgeleyin. Ekiplerinize bu s\u00fcre\u00e7ler hakk\u0131nda d\u00fczenli e\u011fitimler verin.<\/p>\n Olay y\u00f6netim arac\u0131n\u0131z\u0131n veri saklama politikalar\u0131n\u0131 g\u00f6zden ge\u00e7irin. Ge\u00e7mi\u015f olaylar\u0131n ne kadar s\u00fcreyle saklanmas\u0131 gerekti\u011fini belirleyin. Genellikle, kritik sistemler i\u00e7in en az 1-2 y\u0131ll\u0131k ge\u00e7mi\u015f veriyi saklamak faydal\u0131d\u0131r. Ayr\u0131ca, arac\u0131n sundu\u011fu raporlama ve analiz \u00f6zelliklerini kullanarak d\u00fczenli olarak olay trendlerini, k\u00f6k neden analizlerini ve \u00e7\u00f6z\u00fcm s\u00fcrelerini inceleyin. Bu analizler, gelecekteki sorunlar\u0131 \u00f6ng\u00f6rmenize ve iyile\u015ftirme alanlar\u0131n\u0131 belirlemenize yard\u0131mc\u0131 olacakt\u0131r.<\/p>\n Geleneksel olay y\u00f6netimi ara\u00e7lar\u0131, tan\u0131mlanm\u0131\u015f kurallara ve e\u015fik de\u011ferlerine dayan\u0131r. Ancak modern olay y\u00f6netimi, makine \u00f6\u011frenimi (ML) ve yapay zeka (AI) sayesinde \u00e7ok daha ak\u0131ll\u0131 ve proaktif hale gelmektedir. Bu teknolojiler, olay y\u00f6netim arac\u0131n\u0131za “ger\u00e7ek” bir hindsight kazand\u0131rmada kilit rol oynayabilir.<\/p>\n ML algoritmalar\u0131, sistem metriklerindeki normal davran\u0131\u015f kal\u0131plar\u0131n\u0131 \u00f6\u011frenir. Ard\u0131ndan, bu kal\u0131plardan sapan herhangi bir anormalli\u011fi tespit edebilirler. Bu, geleneksel e\u015fik de\u011ferlerine dayanmayan, daha dinamik ve hassas bir izleme sa\u011flar. \u00d6rne\u011fin, bir veritaban\u0131 sorgusunun yan\u0131t s\u00fcresi normalde 50 milisaniye ise, ML modeli bu de\u011feri “normal” olarak kabul eder. Ancak aniden yan\u0131t s\u00fcresi 100 milisaniyeye \u00e7\u0131karsa (bu hala tan\u0131mlanm\u0131\u015f bir e\u015fi\u011fin alt\u0131nda olsa bile), ML bunu bir anormallik olarak i\u015faretleyebilir ve bir olay tetikleyebilir. Bu, sorunlar hen\u00fcz kullan\u0131c\u0131lar\u0131 etkilemeden \u00f6nce m\u00fcdahale etme \u015fans\u0131 verir.<\/p>\n AI tabanl\u0131 sistemler, birden fazla kaynaktan gelen verileri (loglar, metrikler, olay ge\u00e7mi\u015fleri, de\u011fi\u015fiklik kay\u0131tlar\u0131) analiz ederek bir olay\u0131n olas\u0131 k\u00f6k nedenlerini otomatik olarak belirleyebilir. Bu, manuel k\u00f6k neden analizinin (RCA – Root Cause Analysis) zaman alan ve karma\u015f\u0131k s\u00fcrecini b\u00fcy\u00fck \u00f6l\u00e7\u00fcde h\u0131zland\u0131r\u0131r. \u00d6rne\u011fin, bir uygulama \u00e7\u00f6kmesi ya\u015fand\u0131\u011f\u0131nda, AI sistemi otomatik olarak son kod da\u011f\u0131t\u0131m\u0131n\u0131, ilgili sunucunun kaynak kullan\u0131m\u0131n\u0131 ve ge\u00e7mi\u015fteki benzer \u00e7\u00f6kme olaylar\u0131n\u0131 inceleyerek en olas\u0131 nedenleri s\u0131ralayabilir.<\/p>\n B\u00fcy\u00fck sistemlerde, birincil bir sorun genellikle bir\u00e7ok ikincil uyar\u0131ya neden olur. AI, bu uyar\u0131lar\u0131 ili\u015fkilendirerek ve gruplayarak “g\u00fcr\u00fclt\u00fcy\u00fc” azaltabilir. Tek bir temel sorundan kaynaklanan y\u00fczlerce uyar\u0131 yerine, AI bu uyar\u0131lar\u0131 tek bir mant\u0131ksal olaya indirgeyebilir. Bu, operasyon ekiplerinin dikkatini da\u011f\u0131tan gereksiz alarmlar\u0131 azalt\u0131r ve ger\u00e7ek sorunlara odaklanmalar\u0131n\u0131 sa\u011flar.<\/p>\n ML modelleri, sistem performans\u0131ndaki e\u011filimleri analiz ederek gelecekte ya\u015fanabilecek potansiyel sorunlar\u0131 tahmin edebilir. \u00d6rne\u011fin, bir sunucunun disk alan\u0131n\u0131n dolma e\u011filimini veya bir uygulaman\u0131n bellek s\u0131z\u0131nt\u0131s\u0131 ya\u015fama olas\u0131l\u0131\u011f\u0131n\u0131 \u00f6nceden tahmin edebilir. Bu sayede, proaktif olarak bak\u0131m \u00e7al\u0131\u015fmalar\u0131 yap\u0131labilir ve b\u00fcy\u00fck kesintiler \u00f6nlenmi\u015f olur.<\/p>\n Bu ileri d\u00fczey teknolojileri olay y\u00f6netimi arac\u0131n\u0131za entegre etmek, “hindsight” yetene\u011fini bir sonraki seviyeye ta\u015f\u0131r. Arac\u0131n\u0131z sadece ge\u00e7mi\u015fi hat\u0131rlamakla kalmaz, ayn\u0131 zamanda gelece\u011fi de “g\u00f6rmeye” ba\u015flar.<\/p>\n Bir olay y\u00f6netim arac\u0131n\u0131n ge\u00e7mi\u015f kesintileri unutmas\u0131, modern operasyonlar\u0131n en can s\u0131k\u0131c\u0131 problemlerinden biridir. Ancak bu durum, “hindsight” yani sonradan anlama ve kavray\u0131\u015f yetene\u011fini arac\u0131m\u0131za kazand\u0131rarak \u00e7\u00f6z\u00fclebilir. Kapsaml\u0131 izleme, ak\u0131ll\u0131 alarm sistemleri, otomatik olay zenginle\u015ftirme, do\u011fru veri saklama politikalar\u0131 ve s\u00fcrekli s\u00fcre\u00e7 iyile\u015ftirmeleri ile arac\u0131m\u0131z\u0131 daha ak\u0131ll\u0131 ve daha haf\u0131zal\u0131 hale getirebiliriz.<\/p>\n Unutmamak gerekir ki, teknoloji ara\u00e7lar\u0131 ne kadar geli\u015fmi\u015f olursa olsun, onlar\u0131 besleyen s\u00fcre\u00e7ler ve onlar\u0131 kullanan insanlar kadar etkilidir. Bu nedenle, teknolojik \u00e7\u00f6z\u00fcmlerin yan\u0131 s\u0131ra, ekip i\u00e7i ileti\u015fimi g\u00fc\u00e7lendirmek, standart prosed\u00fcrler olu\u015fturmak ve s\u00fcrekli \u00f6\u011frenme k\u00fclt\u00fcr\u00fcn\u00fc benimsemek de olay y\u00f6netimi ba\u015far\u0131s\u0131n\u0131n temel ta\u015flar\u0131d\u0131r. Arac\u0131n\u0131z\u0131n haf\u0131zas\u0131n\u0131 canland\u0131rarak, sadece ge\u00e7mi\u015f hatalardan ders \u00e7\u0131karmakla kalmaz, ayn\u0131 zamanda gelecekteki kesintileri \u00f6nleme g\u00fcc\u00fcn\u00fc de kazan\u0131rs\u0131n\u0131z.<\/p>\n Bu durum genellikle yetersiz izleme, yanl\u0131\u015f yap\u0131land\u0131r\u0131lm\u0131\u015f alarm kurallar\u0131, otomatik olay kayd\u0131 eksikli\u011fi veya k\u0131sa veri saklama politikalar\u0131ndan kaynaklan\u0131r. Bu alanlar\u0131 g\u00f6zden ge\u00e7irmeniz ve iyile\u015ftirmeniz gerekir.<\/p>\n<\/li>\n Hindsight, ge\u00e7mi\u015f olaylardan ders \u00e7\u0131kararak gelecekteki sorunlar\u0131 daha iyi anlama ve \u00f6nleme yetene\u011fidir. Olay y\u00f6netiminde, bu, ge\u00e7mi\u015f olaylar\u0131n detayl\u0131 kay\u0131tlar\u0131n\u0131 tutmak ve analiz etmekle sa\u011flan\u0131r.<\/p>\n<\/li>\n En az\u0131ndan izleme ara\u00e7lar\u0131 (monitoring tools), yap\u0131land\u0131rma y\u00f6netimi veritaban\u0131 (CMDB), CI\/CD pipeline’lar\u0131 ve ileti\u015fim ara\u00e7lar\u0131 (Slack, Teams) ile entegre olmal\u0131d\u0131r. Bu, otomatik olay kayd\u0131 ve zenginle\u015ftirme i\u00e7in kritiktir.<\/p>\n<\/li>\n Makine \u00f6\u011frenimi, anormallik tespiti, k\u00f6k neden analizi otomasyonu, olay gruplama ve tahmine dayal\u0131 bak\u0131m gibi \u00f6zelliklerle olay y\u00f6netimini daha proaktif ve verimli hale getirir.<\/p>\n<\/li>\n K\u0131sa s\u00fcreli ve \u00f6nemsiz g\u00f6r\u00fcnen olaylar\u0131 bile kaydetmek, uzun vadede \u00f6nemlidir. Bu k\u00fc\u00e7\u00fck olaylar, birikerek daha b\u00fcy\u00fck sorunlara yol a\u00e7abilir. Kay\u0131tlar\u0131n\u0131z\u0131 ak\u0131ll\u0131ca s\u0131n\u0131fland\u0131rarak ve otomatikle\u015ftirerek zaman kayb\u0131n\u0131 \u00f6nleyebilirsiniz.<\/p>\n<\/li>\n<\/ul>\n #OlayY\u00f6netimi #Teknoloji #SistemY\u00f6netimi #ITOperasyonlar\u0131 #Yaz\u0131l\u0131mGeli\u015ftirme<\/p>\nHindsight: Olay Y\u00f6netimi Arac\u0131n\u0131za Haf\u0131za Kazand\u0131rmak<\/h2>\n
1. Kapsaml\u0131 ve Otomatik \u0130zleme Kurulumu<\/h3>\n
2. Ak\u0131ll\u0131 Alarm ve Otomatik Olay Olu\u015fturma<\/h3>\n
\n\/\/ \u0130zleme arac\u0131ndan gelen alarm verisi\nconst alarmData = {\n metricName: \"database_connection_errors\",\n value: 15,\n threshold: 5,\n service: \"user_auth_service\",\n timestamp: \"2023-10-27T10:30:00Z\"\n};\n\n\/\/ Olay y\u00f6netim arac\u0131na g\u00f6nderilecek veri yap\u0131s\u0131\nconst incidentPayload = {\n title: Y\u00fcksek Veritaban\u0131 Ba\u011flant\u0131 Hatalar\u0131: ${alarmData.service}<\/code>,\n description: "${alarmData.service}" servisi i\u00e7in veritaban\u0131 ba\u011flant\u0131 hatalar\u0131 e\u015fik de\u011ferini a\u015ft\u0131. Mevcut de\u011fer: ${alarmData.value}, E\u015fik: ${alarmData.threshold}.<\/code>,\n severity: \"critical\", \/\/ Veya \"warning\"\n serviceAffected: alarmData.service,\n occurredAt: alarmData.timestamp,\n source: \"monitoring_system\"\n};\n\n\/\/ Olay y\u00f6netim arac\u0131na API \u00e7a\u011fr\u0131s\u0131 ile g\u00f6nderilir\n\/\/ createIncident(incidentPayload);\n <\/code><\/pre>\n3. Olay Zenginle\u015ftirme ve Ba\u011flam Olu\u015fturma<\/h3>\n
\n
4. Yap\u0131land\u0131r\u0131labilir Veri Saklama Politikalar\u0131<\/h3>\n
5. Otomatik “Post-Mortem” Raporlama<\/h3>\n
Vaka Analizi: E-Ticaret Sitesinde “Unutulan” Kesinti<\/h2>\n
\n
Uygulamal\u0131 Ad\u0131mlar: Arac\u0131n\u0131za Hindsight Kazand\u0131rma Rehberi<\/h2>\n
Ad\u0131m 1: Mevcut Durum Analizi ve \u0130htiya\u00e7lar\u0131n Belirlenmesi<\/h3>\n
\n
Ad\u0131m 2: \u0130zleme Altyap\u0131s\u0131n\u0131n G\u00fc\u00e7lendirilmesi<\/h3>\n
\n# Veritaban\u0131 ba\u011flant\u0131 hatalar\u0131n\u0131 izleyen bir Prometheus kural\u0131\n- alert: HighDatabaseConnectionErrors\n expr: node_db_connections_failed{job=\"database\"} > 10\n for: 5m\n labels:\n severity: warning\n annotations:\n summary: \"Y\u00fcksek veritaban\u0131 ba\u011flant\u0131 hatalar\u0131 tespit edildi.\"\n description: \"{{ $labels.instance }} \u00fczerinde veritaban\u0131 ba\u011flant\u0131 hatalar\u0131 son 5 dakikada 10'u a\u015ft\u0131.\"\n <\/code><\/pre>\nAd\u0131m 3: Olay Y\u00f6netim Arac\u0131 Entegrasyonlar\u0131<\/h3>\n
\n
auth-service<\/code>) belirler.<\/li>\nauth-service<\/code> ile ilgili t\u00fcm bilgileri (hangi sunucularda \u00e7al\u0131\u015f\u0131yor, hangi kod s\u00fcr\u00fcm\u00fc kullan\u0131l\u0131yor vb.) \u00e7eker ve olaya ekler.<\/li>\nAd\u0131m 4: S\u00fcre\u00e7 Tan\u0131mlama ve Standartla\u015ft\u0131rma<\/h3>\n
Ad\u0131m 5: Veri Saklama ve Raporlama Politikalar\u0131n\u0131n Ayarlanmas\u0131<\/h3>\n
\u0130leri D\u00fczey: Makine \u00d6\u011frenimi ve Yapay Zeka ile Olay Y\u00f6netimi<\/h2>\n
Anormallik Tespiti (Anomaly Detection)<\/h3>\n
K\u00f6k Neden Analizi Otomasyonu<\/h3>\n
Olay Gruplama ve Korelasyon<\/h3>\n
Tahmine Dayal\u0131 Bak\u0131m (Predictive Maintenance)<\/h3>\n
Sonu\u00e7: Olay Y\u00f6netiminde Haf\u0131zay\u0131 Canland\u0131rmak<\/h2>\n
S\u0131k\u00e7a Sorulan Sorular (SSS)<\/h3>\n
\n