Performance Engineering Optimizing Eğitimi

Eğitim Hakkında

Uygulama performansını optimize etme

Eğitim, ölçülmüş performans sorunlarının giderilmesini kapsar: hot path analizi ve algoritmik karmaşıklık, veri yapısı seçimi, nesne tahsisini azaltma, GC ayarları, cache-friendly kod, thread havuzu ve asenkron I/O, kilitsiz yapılar, önbellekleme stratejileri (cache-aside, TTL, invalidation), Redis, veritabanı indeks ve sorgu yeniden yazımı, toplu işlem (batching), HTTP optimizasyonu ve CI içinde performans regresyon testi.

Süre ve Format

2 Gün. Her gün dört modül; Kod, Bellek ve Eşzamanlılık Optimizasyonu ve Veri, Önbellek ve Ağ Optimizasyonu ekseninde ilerleyen uygulamalı program.

Seviye

İleri Seviye — Uygulama performans optimizasyonu: algoritma, bellek, eşzamanlılık, önbellekleme, veritabanı ve ağ iyileştirmeleri

Öğrenme Metodu

Her optimizasyon önce ölçülür, değişiklik yapılır, tekrar ölçülür; önce/sonra karşılaştırması benchmark araçlarıyla raporlanır.

Neden Bu Eğitim?

⚡Kanıtlı hızlanma

Her iyileştirmeyi önce/sonra ölçümüyle doğrularsınız.

🧠Bellek ve CPU

Tahsis, GC ve cache davranışını bilinçli yönetirsiniz.

🗄️Önbellek stratejisi

Doğru yerde önbellek kullanıp tutarlılık sorunlarından kaçınırsınız.

Anahtar Konular

performans optimizasyonuuygulama hızlandırmaredis önbelleklemegc ayarıveritabanı indeks optimizasyonueşzamanlılıkbenchmarkn+1 sorgucache stratejisibackend performans

“Önce ölçün, sonra değiştirin, sonra tekrar ölçün.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Profiling bilgisi

Flame graph ve profiler kullanımı temel düzeyde bilinmelidir.

2

Backend deneyimi

Web uygulaması ve veritabanı geliştirme deneyimi gerekir.

3

Algoritma

Big-O karmaşıklığı bilinmelidir.

4

Ortam

Docker ve Redis çalıştırılabilen laboratuvar gerekir.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı sıcak kod yollarını, bellek tahsisini ve eşzamanlılık yapısını iyileştirir.

Modül 1

Algoritma ve Veri Yapısı

Hot path karmaşıklık analizi
Hash map, set, heap seçimi
Gereksiz kopyalama ve dönüşüm
Lazy evaluation ve akış (stream) işleme
Regex ve string birleştirme maliyeti
Mikro-benchmark (JMH, pytest-benchmark)

Modül 2

Bellek ve GC

Nesne tahsisini azaltma
Object pooling ve yeniden kullanım
GC ayarları: G1, ZGC, heap boyutu
Bellek sızıntısı kalıpları
Cache locality ve veri düzeni
Bellek profil karşılaştırması

Modül 3

Eşzamanlılık

Thread havuzu boyutlandırma
Asenkron I/O ve event loop
Kilit çekişmesi azaltma
Concurrent koleksiyonlar
Backpressure ve kuyruk sınırları
False sharing ve atomik işlemler

Modül 4

Derleme ve Çalışma Zamanı

JIT ısınma ve AOT
Derleyici optimizasyon bayrakları
Bağımlılık ve başlangıç süresi
Native uzantılar ve FFI
Container CPU limit etkisi
Sürüm yükseltmenin performans etkisi

Günün hedefiKatılımcı veritabanı, önbellek ve ağ katmanlarını iyileştirir ve performans regresyonlarını CI'da yakalar.

Modül 1

Veritabanı Optimizasyonu

Bileşik ve kapsayıcı indeks tasarımı
Sorgu yeniden yazımı
Toplu insert/update
N+1 çözümü: JOIN, batch yükleme
Bağlantı havuzu (HikariCP, PgBouncer)
Okuma replikası kullanımı

Modül 2

Önbellekleme

Cache-aside, write-through, write-behind
TTL ve invalidation stratejileri
Redis veri yapıları
Cache stampede önleme
Önbellek isabet oranı ölçümü
CDN ve tarayıcı önbelleği

Modül 3

Ağ ve API Optimizasyonu

HTTP keep-alive ve HTTP/2
Sıkıştırma: gzip, brotli
Sayfalama ve alan seçimi
GraphQL/REST toplu çağrı
Dış servis çağrısı paralelleştirme
Timeout, retry ve circuit breaker

Modül 4

Doğrulama ve Sürdürme

Önce/sonra benchmark raporu
CI içinde performans testi eşikleri
Canary ile üretim doğrulama
Performans bütçesi izleme
Optimizasyon öncelik matrisi
Teknik borç ve okunabilirlik dengesi

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Hot path

Sıcak kod yollarını algoritmik olarak iyileştirebilirsiniz.

🧩

Bellek optimizasyonu

Tahsisleri ve GC baskısını azaltabilirsiniz.

⚙️

Eşzamanlılık

Thread havuzu ve asenkron I/O'yu doğru boyutlandırabilirsiniz.

🔍

İndeks tasarımı

Sorgu desenine uygun indeks tasarlayabilirsiniz.

🛠️

Önbellek stratejisi

Cache-aside ve invalidation ile tutarlı önbellek kurabilirsiniz.

📈

Ağ iyileştirme

HTTP/2, sıkıştırma ve toplu çağrılarla gecikmeyi azaltabilirsiniz.

🔐

Benchmark

Mikro-benchmark ile iyileştirmeleri kanıtlayabilirsiniz.

🚀

Regresyon koruması

CI'da performans eşikleri tanımlayabilirsiniz.

Kimler İçin Uygundur?

Uygulama performansını iyileştirmekten sorumlu kıdemli geliştiriciler
backend mühendisleri
SRE ekipleri için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Uygulama performansını iyileştirmekten sorumlu kıdemli geliştiriciler, backend mühendisleri ve SRE ekipleri için uygundur. Flame graph ve profiler kullanımı temel düzeyde bilinmelidir.

Assessing eğitimi önkoşul mu?

Zorunlu değil; profiling temelleri bilinmelidir, eksik olanlar için Assessing eğitimi önerilir.

Hangi dil kullanılır?

Örnekler Java ve Python ile verilir; prensipler dilden bağımsızdır.

Mikro-optimizasyon mu öğretilir?

Hayır; önce mimari ve veri erişimi, sonra yalnızca ölçümle doğrulanan mikro iyileştirmeler işlenir.

Redis uygulanır mı?

Evet, cache-aside ve stampede önleme Redis üzerinde uygulanır.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

PERFORMANCE ENGINEERING: OPTIMIZING PERFORMANCE IN AN APPLICATION EĞİTİMİ