İçeriğe geç

Işlemci büyüyen ihtiyaçlara nasıl uyarlanır?

Bir işlemci, kurulduğu günkü iş yükünü taşıdığı sürece sessizce çalışır. Ne var ki kullanıcı sayısı arttığında, veri hacmi büyüdüğünde ya da yazılım yeni özellikler kazandığında aynı donanım kısa sürede yetersiz görünmeye başlar. Bu noktada herkesin aklına aynı soru gelir: İşlemci büyüyen ihtiyaçlara nasıl uyarlanır ve kapasite sınırları nasıl anlaşılır? Kısa cevap şudur: Uyarlama tek bir ayarla olmaz; yazılım verimliliği, donanım kapasitesi ve mimari ölçekleme aynı anda ele alınmalıdır.

Bu yazıda işlemci kapasitesini belirleyen unsurları, sınırların nasıl okunacağını ve ölçekleme sırasında değişen dinamikleri somut örneklerle açıklıyoruz. Örneğin bir e-ticaret sitesinin kampanya gününde yaşadığı yavaşlama, çoğu zaman “işlemci bozuk” değildir; yanlış yerde aranan bir darboğazdır.

📌 İçindekiler

İşlemci Kapasitesini Belirleyen Temel Unsurlar

Çoğu kullanıcı işlemci gücünü yalnızca çekirdek sayısıyla ölçer. Oysa kapasiteyi belirleyen en az beş değişken vardır ve bunlar birbirini doğrudan etkiler. Dolayısıyla “kaç çekirdek var?” sorusu tek başına hiçbir şey anlatmaz.

Çekirdek, iş parçacığı ve saat hızı

Fiziksel çekirdek sayısı, aynı anda gerçekten paralel çalışabilen iş yükü miktarını belirler. Eşzamanlı çok iş parçacığı (SMT ya da Hyper-Threading), her çekirdekte ikinci bir sanal iş parçacığı çalıştırır. Ancak bu sanal iş parçacığı bağımsız bir çekirdek değildir; iki iş parçacığı aynı yürütme birimlerini paylaşır.

Saat hızı da tek başına yeterli bir gösterge değildir. Bununla birlikte tek iş parçacıklı iş yüklerinde frekans, gecikmeyi doğrudan etkiler. Bir web sunucusu isteği işlerken çoğu zaman tek bir çekirdekte seri işlem yapar; bu yüzden yüksek frekans burada işe yarar.

Mikro mimari ve IPC değeri

IPC (Instructions Per Cycle), işlemcinin her saat darbesinde kaç talimat tamamladığını gösterir. Yeni nesil bir mimari, aynı frekansta eski nesle göre belirgin biçimde daha fazla iş bitirir. Bu nedenle 3,0 GHz eski bir işlemci ile 3,0 GHz yeni bir işlemci aynı performansı vermez.

Veritabanı, derleme (build) ve sıkıştırma gibi iş yükleri IPC’ye karşı son derece hassastır. Bu nedenle nesil atlamak, bazen çekirdek sayısını artırmaktan daha büyük kazanç sağlar.

Önbellek hiyerarşisi ve bellek bant genişliği

L1, L2 ve L3 önbellekler, işlemcinin belleğe gitmeden veri bulmasını sağlar. Önbellek ıskalama oranı yükseldiğinde çekirdekler boş boş bekler ve kapasite fiilen düşer. Ayrıca bellek bant genişliği yetmezse, çekirdek eklemek ölçeklenmeyi iyileştirmez.

Bellek gecikmesi de kritik bir değişkendir. Rastgele erişimli iş yüklerinde gecikme, bant genişliğinden daha belirleyici olur. Bu yüzden bazı senaryolarda daha hızlı RAM, daha çok çekirdekten daha faydalıdır.

Güç, termal ve frekans limitleri

İşlemci, belirtilen TDP değerinin üzerine kısa süreliğine çıkabilir; buna turbo ya da boost davranışı denir. Fakat soğutma yetersizse işlemci birkaç saniye içinde frekansı kısar ve performans düşer. Dolayısıyla sürekli yük altında çalışan bir sunucuda soğutma tasarımı, kapasitenin görünmeyen sınırıdır.

Kapasite Sınırları Nasıl Anlaşılır?

Kapasite sınırını anlamanın yolu tahminden değil ölçümden geçer. Bunun için işlemci kullanım oranına, kuyruk uzunluğuna ve gecikme dağılımına birlikte bakmak gerekir. Bu üçünü ayrı ayrı okumak yanıltıcı sonuçlar üretir.

Kritik metrikler ve ne anlattıkları

Metrik Ne Gösterir? Sınır Sinyali
CPU kullanımı (%) Çekirdeklerin meşgul olduğu süre Sürekli %85 üzeri, tepelerde %100
Çalıştırma kuyruğu uzunluğu İşlemci bekleyen hazır görev sayısı Çekirdek sayısının üzerinde sürekli değer
Bağlam değiştirme sayısı Görevler arası geçiş sıklığı Aşırı yüksek ve artan trend
Önbellek ıskalama oranı Bellekten veri bekleme sıklığı Artış gösteren L3 ıskalamaları
p95 / p99 gecikme Kullanıcıların hissettiği yavaşlık Ortalamanın çok üzerinde kuyruk
CPU ready / hazır olma süresi Sanal makinenin çekirdek beklediği süre Yüzde 5’in üzerine çıkan oran

Tablodaki değerler birlikte okunmadığında yanlış sonuç çıkar. Örneğin CPU kullanımı düşük görünürken gecikme yüksekse, sorun büyük olasılıkla disk ya da ağ tarafındadır. Oysa kuyruk uzunluğu ve gecikme aynı anda artıyorsa, işlemci gerçekten doygun demektir.

📌 İlginizi Çekebilir: Android erişilebilirlik ayarları nasıl kurulur?

Tek çekirdek doygunluğu ile genel doygunluk farkı

Bazı uygulamalar tek çekirdeğe yapışır ve diğer çekirdekler boş kalır. Bu durumda ortalama CPU kullanımı düşük görünür ama kullanıcı yine de yavaşlık hisseder. Dolayısıyla çekirdek bazlı kullanım grafiğine bakmak şarttır.

Bunun tipik örneği, tek iş parçacıklı bir raporlama modülüdür. Uygulama 16 çekirdekli bir sunucuda çalışsa da raporu tek çekirdekte üretir ve kuyruk yalnızca orada birikir. Bu noktada çekirdek eklemek çözüm olmaz; kodu paralelleştirmek gerekir.

Amdahl yasasının pratik anlamı

Amdahl yasası, bir işin paralelleştirilemeyen kısmının toplam kazancı sınırladığını söyler. İşin yüzde 20’si seri kalıyorsa, çekirdek sayısını sınırsız artırsanız bile hızlanma belli bir noktada durur. Bu nedenle “daha fazla çekirdek her zaman daha hızlı” varsayımı yanlıştır.

Ölçekleme Sırasında Neler Değişir?

Ölçekleme, yalnızca kaynak eklemek değildir; sistemin davranışı da değişir. Bu değişimi önceden bilmek, beklenmeyen kesintilerin önüne geçer.

Kilit çakışması ve eşzamanlılık maliyeti

Çekirdek sayısı arttıkça, aynı veriye erişen iş parçacıkları birbirini beklemeye başlar. Kilit çakışması (lock contention) arttığında performans düşer, çünkü çekirdekler iş yapmak yerine sıra bekler. Bu nedenle yatay ölçekleme bazen dikey ölçeklemeden daha iyi sonuç verir.

Ayrıca önbellek tutarlılığı trafiği artar. Bir çekirdek bir veriyi güncellediğinde, diğer çekirdeklerin önbelleğindeki kopya geçersiz olur. Bu trafik, çekirdek sayısı büyüdükçe doğrusal olmayan biçimde yükselir.

NUMA etkisi

Çok soketli sunucularda her işlemci kendi belleğine daha hızlı erişir. Uygulama yanlış NUMA düğümüne bağlanırsa, bellek erişimi uzak düğüme gider ve gecikme artar. Dolayısıyla ölçekleme sonrası iş parçacığı yerleşimini (affinity) gözden geçirmek gerekir.

Gecikme ile verim arasındaki denge

Sistem doygunluğa yaklaştıkça ortalama gecikme üstel biçimde büyür. Çünkü kuyruk teorisinin temel kuralı geçerlidir: Kullanım yüzde 70’i geçtikten sonra küçük yük artışları büyük gecikme sıçramaları yaratır. Sonuç olarak kapasiteyi yüzde 100’de çalıştırmak, kullanıcı deneyimi açısından kötü bir tercihtir.

Sağlıklı bir hedef, tepe yüklerde yüzde 70-80 bandını aşmamaktır. Bu aralık, ani trafik artışlarını emmek için tampon bırakır.

Sanal ortamlarda paylaşılan kaynak gerçeği

Sanal makineler ve bulut örnekleri fiziksel çekirdekleri paylaşır. Bu nedenle abartılı kaynak ataması (overcommit) yapıldığında performans dalgalanır. Kullanıcı tarafında “işlemci yavaşladı” gibi görünen sorun, aslında komşu sanal makinenin yükünden kaynaklanır.

CPU ready süresi bu tabloyu net biçimde gösterir. Bu değer yükseldiğinde, örneği büyütmek ya da farklı bir fiziksel sunucuya taşımak gerekir. İlgili performans ayarlarının bir kısmına Android erişilebilirlik ayarları nasıl çalışır? başlıklı yazımızdan da göz atabilirsiniz; mobil taraftaki kaynak yönetimi mantığı masaüstü ve sunucu tarafıyla şaşırtıcı derecede benzerdir.

📌 İlginizi Çekebilir: Android erişilebilirlik ayarları nedir ve ne işe yarar?

Dikey ve Yatay Ölçekleme Karşılaştırması

Ölçekleme Türü Ne Değişir? Güçlü Yanı Riski
Dikey (scale-up) Daha çok çekirdek, daha yüksek frekans, daha büyük önbellek Kod değişikliği gerekmez, gecikme düşük kalır Donanım tavanı ve hızla artan maliyet
Yatay (scale-out) İş yükü birden fazla sunucuya dağılır Teorik olarak sınırsız büyüme, hata toleransı Dağıtık durum yönetimi ve ağ gecikmesi
Kod optimizasyonu Algoritma, paralelleştirme, önbellek kullanımı Ek donanım maliyeti olmadan kazanç Geliştirme süresi ve test yükü

Pratikte en sağlıklı yaklaşım, üçünü sırayla denemektir. Önce kodu ve sorguları iyileştirin, sonra mevcut sunucuyu büyütün, en son yatay ölçeklemeye geçin. Böylece gereksiz donanım harcaması yapmazsınız.

Ölçekleme Kararı Vermeden Önce Kontrol Listesi

  • Çekirdek bazında kullanım dağılımını ölçtünüz mü?
  • Kuyruk uzunluğu ve p99 gecikmeyi birlikte izliyor musunuz?
  • Disk, ağ ve veritabanı tarafında gizli darboğaz var mı?
  • Uygulama paralel çalışmaya uygun mu, yoksa tek çekirdeğe mi bağlı?
  • Soğutma ve güç altyapısı yeni işlemciyi kaldırır mı?
  • Sanal ortamdaysanız CPU ready değeri kabul edilebilir aralıkta mı?

Bu listeyi yanıtlamadan yapılan yükseltmeler çoğu zaman parayı boşa harcar. Bununla birlikte ölçüm altyapısı kurmak, tek seferlik bir donanım alımından daha kalıcı bir yatırımdır.

Mobil tarafta benzer bir kısıtla karşılaşırsanız, uygulamaların arka planda nasıl davrandığını anlamak için Android çoklu pencere nasıl kurulur? rehberi de yol gösterici olur. Birden fazla uygulama aynı anda çalıştığında çekirdek zamanlaması ve bellek baskısı anında değişir.

Sık Yapılan Hatalar

İlk hata, ortalama CPU kullanımına bakıp karar vermektir. Ortalama, tek çekirdekte biriken kuyruğu gizler. Bu nedenle dağılım grafiklerini değil, yüzdelik dilimleri izleyin.

İkinci hata, yalnızca frekansa odaklanmaktır. Yüksek frekans, önbellek ve bellek bant genişliği yetersizse beklenen kazancı vermez. Oysa mimari nesli atlamak çoğu zaman daha tutarlı sonuç üretir.

Üçüncü hata, kapasiteyi sürekli sınırda çalıştırmaktır. Sistem yüzde 100’de koşarken tek bir trafik dalgası tüm hizmeti kesintiye uğratır. Dolayısıyla tampon kapasite, lüks değil zorunluluktur. Son olarak, yapılan her değişikliği ölçümle doğrulamadan ilerlemeyin; aksi halde hangi adımın işe yaradığını asla bilemezsiniz.

Sonuç

İşlemci büyüyen ihtiyaçlara kendiliğinden uyum sağlamaz; siz onu doğru şekilde uyarlarsınız. Bunun için önce iş yükünün karakterini tanımlayın, sonra gerçek darboğazı ölçümle bulun. Ardından verimlilik, kapasite ve mimari adımlarını sırayla uygulayın.

Kapasite sınırı ise sabit bir sayı değildir; yazılım sürümü, veri hacmi ve eşzamanlı kullanıcı sayısıyla birlikte hareket eder. Bu nedenle düzenli ölçüm yapan ekipler, sorunu kullanıcı şikâyeti gelmeden önce görür. Ölçüm disiplinini kurduğunuzda, ölçekleme kararları tahminden çıkar ve mühendislik kararına dönüşür.

Sıkça Sorulan Sorular

İşlemci çekirdek sayısı arttıkça performans her zaman artar mı?

Hayır. İş yükünün paralelleştirilebilen kısmı sınırlıysa, eklenen çekirdekler beklenen kazancı vermez. Kilit çakışması ve önbellek tutarlılığı trafiği arttığında performans düşebilir bile.

Kapasite sınırına geldiğimi en hızlı nasıl anlarım?

Çalıştırma kuyruğu uzunluğuna ve p99 gecikmeye bakın. Bu iki değer aynı anda yükseliyorsa işlemci doygun demektir. Yalnızca CPU yüzdesine bakmak sizi yanıltır.

Dikey mi yoksa yatay ölçekleme mi daha mantıklı?

Kısa vadede ve gecikmeye hassas iş yüklerinde dikey ölçekleme pratiktir. Uzun vadede, yüksek erişilebilirlik gerektiren ve durum paylaşımı yönetilebilen sistemlerde yatay ölçekleme daha sürdürülebilir olur. Kararı, uygulamanızın dağıtık çalışmaya ne kadar hazır olduğu belirler.

Yazı konuları