Kazanimlar:
- Büyük log dökümlerini maskeleyip filtreleyerek AI'ya özetletip zaman çizgisi çıkartabilme
- AI'nın kurduğu zaman ilişkilerini nedensellik değil hipotez olarak değerlendirebilme
- Kök neden hipotezini metrik ve kodla doğrulayıp bir postmortem taslağı hazırlayabilme
Bir yazılım üretimde (canlı ortamda) çalışırken, ne yaptığını size yalnızca izler (traces), metrikler ve log'lar (uygulamanın çalışırken ürettiği zaman damgalı kayıt satırları) anlatır. Bir kesinti anında binlerce, bazen milyonlarca log satırının içinden anlamlı sinyali çekip çıkarmak, bir olay müdahalesinin (incident response) en stresli ve en zaman-kritik anıdır. Yapay zeka burada devasa metni özetleyen, örüntü çıkaran ve hipotez üreten bir yardımcı olabilir — yeter ki gizlilik ve doğrulama sınırlarını gözetin.
Bu ünitede gözlemlenebilirlik (observability — bir sistemin dış çıktılarına bakarak iç durumunu anlayabilme yeteneği) bağlamında AI'yı kullanmayı öğreniyoruz: log gürültüsünden anlam çıkarmak, bir hatanın zaman çizgisini kurmak, tekrar eden örüntüleri bulmak ve bir olay sonrası analiz (postmortem) taslağı hazırlamak. Kritik uyarı baştan gelsin: ham üretim log'ları çoğu zaman kişisel veri ve sır içerir; bunları gelişigüzel bir AI aracına yapıştırmak ciddi bir ihlaldir.
Log'lar Neden Zor, AI Neden Yardımcı?
Log'lar üç nedenle zordur: hacim (çok fazladır), gürültü (çoğu satır ilgisizdir) ve dağınıklık (bir olay farklı servislerin log'larına dağılmıştır). İnsan gözü bu yığında yorulur ve önemli satırı kaçırır.
AI, büyük metin bloklarını özetlemede, tekrar eden desenleri saymada ve "bu hata patlamasından hemen önce ne değişti?" gibi zaman ilişkilerini kurmada güçlüdür. Ancak iki sınırı vardır. Birincisi bağlam penceresi: bir modele sığdırabileceğiniz log miktarı sınırlıdır, bu yüzden önce filtreleyip örneklemeniz gerekir. İkincisi doğrulama: AI'nın "kök neden şu" demesi bir hipotezdir; onu metrikler ve kodla teyit etmeden karar vermeyin.
Dikkat: Ham üretim log'ları IP adresi, e-posta, jeton (token), oturum kimliği ve bazen açık sır içerebilir. AI'ya vermeden önce bunları maskeleyin veya yalnızca kurumsal olarak onaylanmış, veri güvencesi olan araçlar kullanın. Bu konuyu 10. ünitede derinleştiriyoruz.
Adım Adım: Log'dan Kök Nedene
- Zaman penceresini daraltın. Olayın başladığı dakikaları belirleyin; tüm günü değil, o pencereyi inceleyin.
- Gürültüyü filtreleyin. Bilinen tekrarlı, zararsız satırları ayıklayın; hata (ERROR), uyarı (WARN) ve ilk sapma anına odaklanın.
- Hassas veriyi maskeleyin. AI'ya vermeden önce kişisel veri ve sırları temizleyin.
- Özet ve zaman çizgisi çıkartın. AI'dan olayı bir kronoloji hâlinde ("önce şu, sonra bu") özetlemesini isteyin.
- Hipotezi metrik ve kodla doğrulayın. AI'nın işaret ettiği nedeni; gösterge panosu (dashboard), ilgili kod ve varsa dağıtım (deploy) zaman çizelgesiyle teyit edin.
- Öğrenileni yazıya dökün. Bir postmortem taslağı çıkarıp önleyici aksiyonları listeleyin.
Üç Mini Vaka
Vaka 1 — 40.000 satır 5 dakikada özetlendi. Bir ödeme servisi 12 dakika boyunca aralıklı hata verdi. Ekip, maskelenmiş log'ların ilgili 20 dakikalık penceresini (yaklaşık 40.000 satır, örneklenerek) AI'ya verip zaman çizgisi çıkarttı. Model, hata patlamasının bir bağımlılık servisinin yanıt süresi 200 ms'den 8 saniyeye çıktığı anla örtüştüğünü gösterdi. Ekip bunu gösterge panosunda doğruladı ve nedeni 10 dakikada daralttı.
Vaka 2 — Yanıltıcı korelasyon. Başka bir olayda AI, hataların bir cron (zamanlanmış görev) çalışmasıyla "aynı anda" olduğunu söyleyip onu suçladı. Ekip metrikleri kontrol edince cron'un aslında olaydan önce bittiğini gördü; korelasyon tesadüftü. Gerçek neden bir bellek sızıntısıydı. Ders: AI'nın kurduğu zaman ilişkisi bir ipucudur, kanıt değil.
Vaka 3 — Postmortem hızlandı. Bir kesinti sonrası ekip, olay kanalındaki (maskelenmiş) mesaj dökümünü ve zaman çizgisini AI'ya verip bir postmortem taslağı ürettirdi: özet, etki, zaman çizelgesi, kök neden, aksiyonlar. İnsan editörü gerçekleri düzeltip aksiyon sahiplerini atadı. Genelde 2 saat süren belge yaklaşık 40 dakikada, daha tutarlı bir yapıyla tamamlandı.
Dört Kopyalanabilir Şablon
Log özeti ve zaman çizgisi (maskelenmiş log ile):
Aşağıda maskelenmiş üretim log'unun bir olay penceresi var.1) Olayı kronolojik bir zaman çizgisine dök (ilk sapma anını işaretle).2) En sık tekrar eden hata/uyarı türlerini say ve grupla.3) "Hemen önce ne değişti?" sorusuna aday olayları listele.Bunlar hipotezdir; "doğrulanmalı" diye işaretle. {{loglar}}
Hata örüntüsü çıkarma:
Bu log satırlarında tekrar eden hata desenlerini bul. Her desen için: örneksatır (maskelenmiş), tahmini kaynağı ve olası anlamı. Nadir ama kritikgörünen tekil hataları ayrı bir "dikkat" listesinde topla.{{loglar}}
Yapılandırılmış sorgu / filtre üretimi:
{{log aracı: grep/jq/Kibana KQL/CloudWatch Insights}} için, şu koşulu yakalayanbir sorgu yaz: {{ör. son 15 dk içindeki 5xx hataları, kullanıcı X hariç}}.Sorguyu açıkla; alan adlarını uydurmadığından emin ol, emin değilsen sor.
Postmortem taslağı:
Aşağıdaki (maskelenmiş) olay zaman çizgisinden bir postmortem taslağı yaz:Özet / Etki (süre, etkilenen kullanıcı) / Zaman çizelgesi / Kök neden /Ne iyi gitti / Aksiyonlar (her biri için sahip alanı boş bırak).Suçlayıcı dil KULLANMA; olgusal ve önleyici ol.{{zaman_çizgisi}}
Zayıf prompt / Güçlü prompt
Zayıf: "Bu log'lara bak, sorun ne?" (Tüm günün ham log'u, kişisel veriyle, hedefsiz.)
Güçlü: "Aşağıda 14:02–14:20 arası maskelenmiş üretim log'u var (5xx'lere filtrelenmiş). Bu pencerede hata patlamasının başladığı anı bul, en sık hata türünü say ve patlamadan hemen önceki 60 saniyede beliren sapmaları listele; hepsini 'doğrulanmalı hipotez' olarak işaretle."
Güçlü sürüm; zaman penceresini daraltır, log'u filtreler ve maskeler, net bir soru sorar ve çıktının hipotez olduğunu baştan kabul ettirir.
Görev
AI güçlü
Sınır / doğrulama
Büyük log özeti
Evet, hızlı
Örnekleme kaybı olabilir
Zaman ilişkisi kurma
İpucu üretir
Korelasyon ≠ nedensellik
Sorgu/filtre üretme
İyi taslak
Alan adları gerçek mi?
Postmortem taslağı
Yapı ve dil
Olgular insan onaylı
Korelasyon Nedensellik Değildir
Log analizinde en yaygın tuzak, "aynı anda oldu, demek ki neden bu" yanılgısıdır. AI bu tuzağa insanlar kadar, hatta daha kolay düşer; çünkü metindeki eşzamanlılığı güçlü bir sinyal sanır. Bir olayın gerçekten diğerine yol açtığını söyleyebilmek için; zamanlama, mekanizma ve mümkünse tekrarlanabilirlik gerekir. AI'nın kurduğu her nedensellik iddiasını "bunu doğrulayan başka hangi kanıt var?" sorusuyla sınayın.
İpucu: AI'ya log verirken metin dökümü yerine mümkünse önce bir sorgu/filtre yazdırıp aracınızda çalıştırın; böylece hem hassas veriyi azaltır hem de modelin bağlam penceresini gerçekten önemli satırlara ayırırsınız.
Sık yapılan hatalar
- Ham, maskelenmemiş log yapıştırmak. Kişisel veri ve sır ifşası; ciddi bir gizlilik ihlali.
- Tüm günü tek seferde vermek. Bağlam penceresini aşar, gürültüde sinyal boğulur.
- Korelasyonu nedensellik sanmak. AI'nın kurduğu zaman ilişkisi kanıt değil, ipucudur.
- Uydurma alan adlı sorguya güvenmek. Model var olmayan bir log alanı adı önerebilir; şemayla doğrulayın.
- Postmortem'i doğrulamadan yayımlamak. Olgular ve etki rakamları insan tarafından teyit edilmelidir.
Özetle
AI, log analizinde hacim ve gürültüyü yenmenin güçlü bir aracıdır: büyük dökümleri özetler, zaman çizgisi kurar, örüntü çıkarır ve postmortem taslağı hazırlar. Ama üç sınırı unutmayın: hassas veriyi maskelemeden vermeyin, bağlam penceresine sığması için filtreleyip örnekleyin, ve her nedensellik iddiasını metrik ve kodla doğrulayın. Korelasyon nedensellik değildir; AI ipucu verir, kararı kanıtla siz verirsiniz.
Uygulama görevi
Elinizdeki bir olay veya test ortamı log'undan 15–20 dakikalık bir pencere seçin. Önce kişisel veri ve sırları maskeleyin (veya sentetik bir log üretin). Sonra "log özeti ve zaman çizgisi" şablonuyla AI'dan bir kronoloji ve en sık hata türlerini çıkartın. AI'nın öne sürdüğü kök neden hipotezini, elinizdeki bir metrik veya kod parçasıyla doğrulamaya çalışın: hipotez tuttu mu, yoksa yanıltıcı bir korelasyon mıydı? Bulgunuzu bir cümlede not edin.
Kontrol listesi
- [ ] Log'u AI'ya vermeden önce kişisel veri ve sırları maskeliyorum.
- [ ] Analizi dar bir zaman penceresine ve filtreye indirgiyorum.
- [ ] AI'nın kurduğu zaman ilişkilerini nedensellik değil, hipotez olarak görüyorum.
- [ ] Kök neden iddiasını metrik ve kodla doğruluyorum.
- [ ] Ürettiğim sorgu/filtrelerin alan adlarının gerçek olduğunu teyit ediyorum.
- [ ] Postmortem taslağındaki olguları ve rakamları insan olarak onaylıyorum.