<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Bilal Demir on Medium]]></title>
        <description><![CDATA[Stories by Bilal Demir on Medium]]></description>
        <link>https://medium.com/@bilaldem?source=rss-86ad28d15f2------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*SgU1Hgox58QeGPpE5LrOxQ.jpeg</url>
            <title>Stories by Bilal Demir on Medium</title>
            <link>https://medium.com/@bilaldem?source=rss-86ad28d15f2------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 23:44:56 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@bilaldem/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Thread Locking System]]></title>
            <link>https://bilaldem.medium.com/thread-locking-system-83aed29ac683?source=rss-86ad28d15f2------2</link>
            <guid isPermaLink="false">https://medium.com/p/83aed29ac683</guid>
            <category><![CDATA[multithreading-in-java]]></category>
            <category><![CDATA[locks]]></category>
            <category><![CDATA[thread-safe]]></category>
            <dc:creator><![CDATA[Bilal Demir]]></dc:creator>
            <pubDate>Wed, 22 Nov 2023 21:32:40 GMT</pubDate>
            <atom:updated>2023-11-22T21:32:40.720Z</atom:updated>
            <content:encoded><![CDATA[<p>Sample thread locking</p><pre>public class LockTest {<br><br>    static Map&lt;String, Lock&gt; barcodeLocks = new ConcurrentHashMap&lt;&gt;();<br><br>    public static Lock getLock(String barcode) {<br>        return barcodeLocks.computeIfAbsent(barcode, k -&gt; new ReentrantLock());<br>    }<br><br>    public static void main(String[] args) {<br><br>        Date startDate = new Date();<br>        int lockIdIncrement = 100;<br>        int taskCount = 1000;<br>        long taskDuration = 200;<br>        AtomicLong totalLockTime = new AtomicLong();<br>        AtomicInteger processCount = new AtomicInteger();<br>        for (int i = 0; i &lt; taskCount; i += lockIdIncrement) {<br>            getLock(Integer.toString(i)).lock();<br>        }<br>        List&lt;String&gt; barcodeList = new ArrayList&lt;&gt;();<br>        for (int i = 0; i &lt; taskCount; i++) {<br>            barcodeList.add(Integer.toString(i));<br>        }<br>        ExecutorService threadPool = Executors.newFixedThreadPool(50);<br>        List&lt;CompletableFuture&lt;Void&gt;&gt; futures = barcodeList.parallelStream()<br>                .map(entry -&gt; CompletableFuture.runAsync(() -&gt; {<br>                    Lock lock = getLock(entry);<br>                    try {<br>                        Date startDate1 = new Date();<br>                        lock.lock();<br>                        long time = new Date().getTime() - startDate1.getTime();<br>                        totalLockTime.addAndGet(time);<br>                        if (time &gt; 0)<br>                            System.out.println(&quot;First pool Lock time: &quot; + time + &quot; barcode: &quot; + entry);<br>                        Thread.sleep(taskDuration);<br>                    } catch (InterruptedException e) {<br>                        e.printStackTrace();<br>                    } finally {<br>                        lock.unlock();<br>                        processCount.incrementAndGet();<br>                    }<br>                }, threadPool))<br>                .toList();<br>        CompletableFuture&lt;Void&gt; allFutures = CompletableFuture.allOf(futures.toArray(new CompletableFuture[0]));<br><br>        //socond thread pool<br>        ExecutorService threadPool2 = Executors.newFixedThreadPool(50);<br>        List&lt;CompletableFuture&lt;Void&gt;&gt; futures2 = barcodeList.parallelStream()<br>                .map(entry -&gt; CompletableFuture.runAsync(() -&gt; {<br>                    Lock lock = getLock(entry);<br>                    try {<br>                        Date startDate1 = new Date();<br>                        lock.lock();<br>                        long time = new Date().getTime() - startDate1.getTime();<br>                        totalLockTime.addAndGet(time);<br>                        if (time &gt; 0)<br>                            System.out.println(&quot;Second pool Lock time: &quot; + time + &quot; barcode: &quot; + entry);<br>                        Thread.sleep(taskDuration);<br>                    } catch (InterruptedException e) {<br>                        e.printStackTrace();<br>                    } finally {<br>                        lock.unlock();<br>                        processCount.incrementAndGet();<br>                    }<br>                }, threadPool2))<br>                .toList();<br>        CompletableFuture&lt;Void&gt; allFutures2 = CompletableFuture.allOf(futures2.toArray(new CompletableFuture[0]));<br>        System.out.println(&quot;Remove locks&quot;);<br>        for (int i = 0; i &lt; taskCount; i += lockIdIncrement) {<br>            try {<br>                Thread.sleep(100);<br>            } catch (InterruptedException e) {<br>                e.printStackTrace();<br>            }<br>            getLock(Integer.toString(i)).unlock();<br>        }<br>        allFutures2.join();<br>        threadPool2.shutdown();<br>        System.out.println(&quot;Sum of lock time :&quot; + totalLockTime.get() + &quot; Actual Process Time: &quot; + (new Date().getTime() - startDate.getTime()) + &quot; lock count: &quot; + taskCount / lockIdIncrement + &quot; process count: &quot; + processCount.get());<br>    }<br>}</pre><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=83aed29ac683" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Kafka Mesajlarının İletildiğini Nasıl Kontrol Ederiz?]]></title>
            <link>https://medium.com/testinium-tech/kafka-mesajlar%C4%B1n%C4%B1n-i%CC%87letildi%C4%9Fini-nas%C4%B1l-kontrol-ederiz-d54a69b5a7b9?source=rss-86ad28d15f2------2</link>
            <guid isPermaLink="false">https://medium.com/p/d54a69b5a7b9</guid>
            <category><![CDATA[linkedin]]></category>
            <category><![CDATA[message-broker]]></category>
            <category><![CDATA[big-data]]></category>
            <category><![CDATA[verify]]></category>
            <category><![CDATA[kafka]]></category>
            <dc:creator><![CDATA[Bilal Demir]]></dc:creator>
            <pubDate>Sat, 11 Dec 2021 15:52:42 GMT</pubDate>
            <atom:updated>2021-12-11T15:53:21.967Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/375/1*6WHZPa_zrD_HjYlvrSUyiA.jpeg" /></figure><p>Kafka Big Data işlemede message broker olarak kullanılan en bilindik araçlardandır. Kafkanın çalışma yapısını basitçe özetlemek istersek, bir kaynaktan üretilen mesajların belirli başlıklara ayrılarak gönderilmesini ve mesaj toplayan servisler tarafında okunmasını sağlayan araçtır. Mesaj iletim stratejisi fire and forget şeklindedir. Mesajları gönderen taraf, alıcıların kim olacağını bilmez ve mesajların iletim bilgisine sahip olamaz. Aynı başlığa birden çok kaynak bağlanabilir ve bu sayede aynı mesajı birçok istemci teslim alabilir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*EAHHncLDuYjStwC0ZTAiag.png" /></figure><p>Kafka çalışma yapısı gereği dataların iletildi bilgisini detaylı olarak tutmaz. Kafka ile gönderilen mesajların iletilmesi sırasında data kaybı olup olmadığını, zaman aralığını ve hangi kaynaktan kayıp yaşandığını belirlemek için bir yapı tasarlanabilir.</p><p>LinkedIn platformunda bilinen rakamlara göre 630 milyon kayıtlı kullanıcı bulunmaktadır. Kullanıcılardan toplanan metric dataları, hareket bilgileri ve platformun performans metricleri gibi daları detaylı şekilde işlenmektedir. Premium hesaplar için sağlanan ek hizmetlerin düzgün çalıştığının tespit edilmesi de metric datalarının düzgün toplanmasına bağlıdır. Platformda üretilen datalar saniyede 2.75 GB, günde 175 TB boyutlarına ulaşmaktadır. Bu büyüklükte bir datayı uçtan uca taşımak için 1100’den fazla Kafka broker kullanılmaktadır.</p><p>Bahsedilen mimaride data kaybının takibi mimari bir çözüm gerektirmektedir. LinkedIn tarafından kullanılan mimari çözümü hep birlikte inceleyelim.</p><p>Kafka’da Producer (mesaj gönderici) tarafında mesajlar Topic’lere (başlıklara) gönderildikten sonra mesajların kontrolü Producer tarafından çıkmaktadır. Mesajları, Topic’lere subscribe (abone) olan alıcılar toplamaktadır. Consumer’lar (mesaj alıcıları) mesajları Kafka’dan alırken kaç adet gönderildiğini bilmezler. Topic’teki bütün mesajıları eksiksiz almaya çalışırlar. Data kaybının oluşabileceği 3 nokta vardır. Mesaj gönderen taraf (Producer), mesaj alıcıları (Consumer) ve Kafka Broker. Kafka Broker’ların ayakta olduğunu monitoring toollar ile basit bir şekilde tespit edebiliriz. Fakat gönderici veya alıcı tarafındaki kayıpların ne miktarda olduğunu göremeyiz.</p><p>Bu durumda Audit (kontrol) servisleri geliştirmek gerekmektedir. Producer belirliği zaman aralığında gönderdikleri data miktarını kayıt altına alıp periyodik olarak Audit servislere kontrol mesajları iletmelidir. Aynı şekilde Consumer’lar da belirli zaman aralığında topladıkları data miktarını kayıt altına alarak periyodik olarak Audit servislerine göndermelidir. Kontol mesajları Kafka’da mesajlar için ayrılmış bir Topic’te Audit servislere iletilebilir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/730/1*zX-eOxKH8VLQ3YbpH6Kw_A.png" /></figure><p>Her bir topic için çalışan Audit servisleri periyodik olarak gelen kontrol mesajlarını Consumer ve Producer’ların aynı periyodlarına göre eşleştirerek iletilen mesaj miktarını kontrol edebilir. Kayıp bir mesaj olması durumunda bu kontrol mesajları sayesinde kaybın consumer ya da producer kaynaklı olduğu anlaşılabilir. Bu sayede data kaybının konumu kesin bir zaman aralığında, konumu ve hangi bir mesaj tipinde olduğu saptanır.</p><p>Bu mimaride zafiyet oluşturabilecek bir nokta bulunmaktadır. Kontrol mesajlarını alan Kafka Broker’lar çökebilir. Bu durumda kontrol mesajları kaybolacak ve Audit yapısı sekteye uğrayacaktır. Bu durum göz önüne alındığında mesajların Kafka dışında faklı bir kaynağa kaydedilmesi tercih edilebilir. LinkedIn, bu tarz durumlar için kontrol mesajlarının Hadoop tarafında saklamayı tercih etmektedir. Audit servisleri belirli periyodlarda kontrol dataların geleceğini bilmektedir. Kontrol datalarının Kafka’dan alınamaması durumunda Audit servisleri eksik olan periyoda ait dataları Hadoop tarafından çekilebilir. Kontrol datalarında gönderilen ve alınan mesaj sayıları karşılaştırılarak kesintinin Producer yada Consumer kaynaklı olduğu tespit edilebilir. Bu sayede sistem tamamıyla güvenli hale gelmektedir.</p><p>Data kaybının kaynağının bu mimari ile belirlenmesi oldukça kolaylaşır. Bu sayede hızlıca müdahale edilerek ilgili kaynağın tekrar çalışabilir hale gelmesi sağlanır.</p><p>Bu yazıda Kafka ile Big Data taşıma işlemlerinde oluşabilecek kayıpların tespit edilmesi konusunu işledik. Makaledeki rakamsal değerleri ve mimari yapıyı aşağıdaki linkten temin ederek sizlere açıklamaya çalıştım.</p><p><a href="https://engineering.linkedin.com/kafka/running-kafka-scale">https://engineering.linkedin.com/kafka/running-kafka-scale</a></p><p>Not: Yazının içeriğinde yanlış bilgi içeren bir nokta olması durumunda lütfen iletişime geçiniz.</p><p>Bilgi paylaştıkça çoğalır :)</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d54a69b5a7b9" width="1" height="1" alt=""><hr><p><a href="https://medium.com/testinium-tech/kafka-mesajlar%C4%B1n%C4%B1n-i%CC%87letildi%C4%9Fini-nas%C4%B1l-kontrol-ederiz-d54a69b5a7b9">Kafka Mesajlarının İletildiğini Nasıl Kontrol Ederiz?</a> was originally published in <a href="https://medium.com/testinium-tech">Testinium Tech</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Firewall Arkasında Performans Testi: On-Premise Load Testing]]></title>
            <link>https://medium.com/testinium/firewall-arkas%C4%B1nda-performans-testi-on-premise-load-testing-d7989ccfe86e?source=rss-86ad28d15f2------2</link>
            <guid isPermaLink="false">https://medium.com/p/d7989ccfe86e</guid>
            <category><![CDATA[load-testing]]></category>
            <category><![CDATA[on-prem]]></category>
            <category><![CDATA[architecture]]></category>
            <category><![CDATA[loadium]]></category>
            <category><![CDATA[jmeter]]></category>
            <dc:creator><![CDATA[Bilal Demir]]></dc:creator>
            <pubDate>Mon, 31 May 2021 11:44:54 GMT</pubDate>
            <atom:updated>2021-06-02T13:28:01.835Z</atom:updated>
            <content:encoded><![CDATA[<p><strong>Firewall Arkasında Performans Testi: On-Premise Load Testing</strong></p><p>Yük testi ve Performans testi, sisteminize ait dar boğazları keşfetmek ve karşılayabileceği yük kapasitesini belirlemek için önemlidir. Çoğu zaman veri gizliliği ve güvenliği için şirketlerin güvenlik duvarı arkasında bu testlerin yürütülmesi gerekir.</p><p>Loadium, güvenlik duvarı arkasında performans testi çalıştırmak için On-Premise Load Generator çözümünü sağlar.</p><p><strong>On-Premise Load Generator Nedir?</strong></p><p>Loadium ile yapılan testlerde sunuculara yükü oluşturan servisimiz Load Generator olarak isimlendirilmektedir. Standart testlerde Load Generator, Loadium sunucularında bulunur. Testleri bulunduğu ortamda çalıştırıp şirketlerin sunucularına istek atarak yük oluşturmaktadır.</p><p>Bazı şirketler sunucularını DDOS vb. ataklardan korumak için firewall arkasında çalıştırmaktadır. Bu durumda Load Generator tarafından oluşturulan yük genellikle güvenlik duvarı tarafından engellenir.</p><p>Güvenlik duvarını aşmak için Loadiumda kullanabileceğiniz “On-Premise Load Generator” ve “Dedicated IP” hizmetleri sağlanmaktadır.</p><p>On-Premise Load Generator kullanımında standart testlerden farklı olarak Load Generator servisi testi çalıştıran şirketin kendi sunucusunda çalışmaktadır. Bu sayede firewall arkasında yük testlerini güvenli bir şekilde gerçekleştirebilir.</p><p><strong>On-Premise Load Generator Nasıl Çalışır?</strong></p><p>On-Premise Load Generator, şirketin sunucuları içerisinde başlatılan Docker Container ile çalıştırılır. On-Premise Load Generator, Loadium sunucusuna periyodik istekler göndererek çalıştırılmak istenen test bilgilerini alır ve testleri şirket sunucusu içerisinde çalıştırır. Test sırasında hiçbir data sunucudan dışarı çıkmadan yük testi gerçekleştirilir. Test çalışırken Load Generatorın topladığı istatistiksel datalar, Loadium sunucularına yükleyerek raporun oluşturulması sağlanır.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/798/1*bWRszMQ23GhX7asAhUI1qQ.png" /></figure><p>Load Generator bir testi tamamladığında yeni test için Loadium sunucularına istek atmaya devam eder. Loadium sunucusu Load Generator servisine dışarıdan erişmeye çalışmaz. On-Premise Load Generator kapatıldığı anda bütün iletişim kesilir.</p><p><strong>Loadium Arayüzünde Load Generator Kullanımı</strong></p><p>Kurulumu sektördeki <strong>en hızlı ve en kolay</strong> şekilde yapılmaktadır. Kurulum için çalışma ortamına sadece Docker yüklemek yeterlidir. Loadium arayüzünde üretilen Docker komutu ile kurulumu <strong>tek adımda</strong> tamamlayabilirsiniz.</p><p>Öncesinde Loadium arayüzünden On-Premise Load Generator’larınızı gruplamak için Private Location oluşturun. Ardından Private Location içerisine Load Generator ekleyerek üretilen docker komutunu kopyalayın ve docker kurulu bir ortamda komutu çalıştırın. Bu şekilde Load Generator <strong>1 dakika</strong> içerisinde (internet hızına göre) çalışır hale gelecektir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*SLuTrc89Wag9CzAI8l4W9Q.jpeg" /></figure><p>Private Location içerisinde kayıtlı olan On-Premise Load Generator’ların güncel durumları hakkında Loadium arayüzünden bilgi alabilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*8qLWJif4TOa8_t8YZFZgsA.png" /></figure><p>On-Premise Load Generator’ları kullandığı kaynak, erişim yetkileri ve tahsis edildiği test tipleri gibi farklı parametreler ile gruplandırmak gerekmektedir (örn: “Dev Agentları”, “Prod Agentları”). Bu şekilde benzer özelliklere sahip agentları gruplamak için <strong>Private Location</strong> oluşturulur ve Load Generator’lar içerisine eklenir. Ardından test oluşturma ve güncelleme ekranlarında testin koşacağı konum olarak oluşturulan Private Location’lar seçilmelidir.</p><p>Detaylı kurulum adımları için bu Wiki’yi inceleyebilirsiniz: <a href="https://wiki.loadium.com/getting-started/on-premise">https://wiki.loadium.com/getting-started/on-premise</a></p><p><strong>Firewall Arkasında Performans Testi Koşmak</strong></p><p>Günden güne artan siber saldırılar nedeniyle şirketler yazılımlarını ve verilerini güvende tutmak için birçok güvenlik önlemi almaktadır. Yazılım yaşam döngüsü içerisinde her adım için farklı önlemler alınması gerekir. Test adımında alabileceğiniz önlemler için Loadium’un sağladığı On-Premise Load Generator çözümü bulunmaktadır.</p><p>Güvenlik açısından yüksek risk barındıran veriler genelde şirketlerin kendi sunucularında ya da dışarıdan erişime kapalı cloud ortamlarında saklanmaktadır. Bu gibi durumlarda şirketlerin performans testi yapmak için güvenlik duvarı arkasında çalışabilecek yöntemler tercih etmeleri gerekir.</p><p>Firewall arkasında olan sunucularda yük testi çalıştırmak için Loadium ürününde 2 kolay yöntem ile güvenlik ihtiyaçlarınızı karşılayabilirsiniz.</p><p>- <strong>On-Premise Load Generator Kullanımı</strong></p><p>Kritik verilerin bulunduğu ortamlarda en güvenilir yöntem olarak On-Premise Load Generator kullanılmaktadır. On-Premise Load Generator’lar test sırasında istekler oluşturup şirket sunucularına gönderen servislerdir ve Agent olarak isimlendirilebilir. Yapılacak testin büyüklüğüne göre ihtiyaç duyulan sayıda Agent şirketler tarafından kendi sunucuları içerisine kurulur. Agent testleri sunucu içerisinde çalıştırır ve hiçbir şekilde test sırasında gönderilen ve alınan datalar sunucu dışarısına çıkmaz. Şirket sunucusuna dışarıdan hiçbir şekilde erişim isteği olmadan testler gerçekleştirilir. Agent’lar test esnasında topladıkları istatistiksel metrik datasını Loadium sunucularına <strong>HTTPS</strong> protokolü ile güvenli şekilde yükleyerek rapor oluşturulmasını sağlar.</p><p>Agent’lar şirket sunucusunda, cloud platformda veya kişisel bilgisayarda Docker Container olarak çalıştırılır ve tamamen müşteri gözetiminde kalmaktadır. Güvenlik amacıyla Agent’ların kurulu olduğu makinadan erişebilecekleri ortamları kısıtlayabilir, tüm trafiğini izleyerek test esnasında oluşan dataların güvenli şekilde saklandığından emin olabilirsiniz.</p><p>- <strong>Dedicated IP’lerin Kullanımı</strong></p><p>Bazı platformlarda belirli IP havuzundan seçilen IP’leri erişime açarak yük testleri yapmaları istenmektedir. Tabi ki bu yöntem birçok güvenlik açığına neden olmaktadır. Daha güvenilir bir yöntem ise kişiye özel olan Dedicated IP kullanmaktır. Başka müşterilerin kullanamayacağı ve bilgisini öğrenemeyeceği dedicated IP’ler satın alarak testlerde kullanabilirsiniz.</p><p>Test esnasında oluşacak bütün trafik satın aldığınız IP’ler üzerinden oluşturulacaktır. Şirketinizin sunucuları bu IP adreslerinden gelen trafiğe izin vermeleri gerekmektedir. Kullanıma başlamak için şirketinizin Firewall’ında Whitelist’e Dedicated IP’leri tanımlamak yeterli olacaktır. Ardından istediğiniz testlerde Dedicated IP kullan seçeneği ile testlerinizi yapabilirsiniz.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d7989ccfe86e" width="1" height="1" alt=""><hr><p><a href="https://medium.com/testinium/firewall-arkas%C4%B1nda-performans-testi-on-premise-load-testing-d7989ccfe86e">Firewall Arkasında Performans Testi: On-Premise Load Testing</a> was originally published in <a href="https://medium.com/testinium">Testinium</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Distributed Load Test With JMeter]]></title>
            <link>https://medium.com/testinium/distributed-load-test-with-jmeter-3f8f6e534b79?source=rss-86ad28d15f2------2</link>
            <guid isPermaLink="false">https://medium.com/p/3f8f6e534b79</guid>
            <dc:creator><![CDATA[Bilal Demir]]></dc:creator>
            <pubDate>Sat, 09 May 2020 11:58:17 GMT</pubDate>
            <atom:updated>2021-03-23T14:14:26.598Z</atom:updated>
            <content:encoded><![CDATA[<h3>Distributed Load Testing With JMeter</h3><p>Küresel pandemi dolayısıyla #EvdeKal dığımız bu zamanlarda firmalar Webinar’lara tekrar ağırlık verdi. Testinium firmasının #Loadium ürününde Java Yazılım Geliştirme Uzmanı olarak görev aldığım için #JMeter hakkında edindiğim tecrübeleri ve #Test oluşturmak için gerekli bilgileri paylaşmayı amaçladığım bir webinar gerçekleştirdik.</p><p>Konu Başlıkları:<br>- #Jmeter nedir?<br>- Jmeter yetenekleri nelerdir?<br>- Jmeter ile hangi tiplerde testler yapılabilir?<br>- Jmeter senaryolarında sık kullanılan #plugin ler nelerdir?<br>- Jmeter Test #Demo<br>- Jmeter testlerinin dağıtık çalıştırılması<br>- #Distributed #LoadTest Demo</p><p>konularından bahsederek webinarı tamamladık. Umarım herkes için faydalı bir içerik olmuştur.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FbOF0rWUFL-k%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DbOF0rWUFL-k&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FbOF0rWUFL-k%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/51b9ee3d4092a9972db7afa43d066023/href">https://medium.com/media/51b9ee3d4092a9972db7afa43d066023/href</a></iframe><p>Senaryolar ve Slayt Dosyası: <a href="https://drive.google.com/open?id=1hqs3tE054fQ2cP2VxScsU3GWU05lgk0T">https://drive.google.com/open?id=1hqs3tE054fQ2cP2VxScsU3GWU05lgk0T</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3f8f6e534b79" width="1" height="1" alt=""><hr><p><a href="https://medium.com/testinium/distributed-load-test-with-jmeter-3f8f6e534b79">Distributed Load Test With JMeter</a> was originally published in <a href="https://medium.com/testinium">Testinium</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>