<?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 Kadir Turan on Medium]]></title>
        <description><![CDATA[Stories by Kadir Turan on Medium]]></description>
        <link>https://medium.com/@kadirrturan?source=rss-c1b61c1e6f0------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*wtjLSSOkEUDk2SJhjYQarQ.jpeg</url>
            <title>Stories by Kadir Turan on Medium</title>
            <link>https://medium.com/@kadirrturan?source=rss-c1b61c1e6f0------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Wed, 18 Nov 2026 21:13:47 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@kadirrturan/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[Full-Text Search Artık Yeterli Olmadığında: Vektörler, LLM’ler ve Hybrid Search]]></title>
            <link>https://medium.com/@kadirrturan/full-text-search-art%C4%B1k-yeterli-olmad%C4%B1%C4%9F%C4%B1nda-vekt%C3%B6rler-llmler-ve-hybrid-search-f68d73bce363?source=rss-c1b61c1e6f0------2</link>
            <guid isPermaLink="false">https://medium.com/p/f68d73bce363</guid>
            <category><![CDATA[embedding]]></category>
            <category><![CDATA[semantic-search]]></category>
            <category><![CDATA[llm]]></category>
            <category><![CDATA[hybrid-search]]></category>
            <dc:creator><![CDATA[Kadir Turan]]></dc:creator>
            <pubDate>Sun, 19 Jul 2026 08:13:01 GMT</pubDate>
            <atom:updated>2026-07-19T08:13:01.938Z</atom:updated>
            <content:encoded><![CDATA[<p>Bir geliştirici olarak kariyerimizin bir noktasında hepimizin önüne “Sitedeki arama sonuçları daha akıllı çalışsın” şeklinde bir task mutlaka gelmiştir. Eskiden bu işi veritabanında ufak bir sorguyla halledip üzerini çizerdik. Ancak veriler gigabaytları aşıp, kullanıcılar da Google standartlarında bir arama deneyimi beklemeye başlayınca işin rengi tamamen değişti.</p><p>Bugün “Kullanıcı ne yazdıysa onu bulalım” noktasından, “Kullanıcı aslında ne demek istedi?” noktasına geldik. Gelin bu evrime, en ilkel yöntemden en modern mimarilere doğru, bir yazılımcı gözüyle adım adım bakalım.</p><h3>1. Karanlık Çağlar: LIKE &#39;%...%&#39; ile Arama</h3><p>Her şeyin başladığı yer. Çoğumuzun ilk arama implementasyonu muhtemelen şöyle bir SQL sorgusuydu:</p><p>SQL</p><pre>SELECT * FROM Products WHERE ProductName LIKE &#39;%kazak%&#39;</pre><p>Başlangıçta her şey harikadır. Tabloda 1000 kayıt varken sorgu yağ gibi akar. Ancak sistem canlıya çıkar, tablo milyonlarca satıra ulaşır ve o acı gerçekle yüzleşiriz: <strong>Table Scan (veya Index Scan)</strong>.</p><p>Metnin başına % koyduğunuz anda veritabanı indeksleri çaresiz kalır. Veritabanı motoru, o kelimeyi bulmak için bütün tabloyu baştan aşağı taramak zorunda kalır. Performans sorunlarının yanında kullanıcı deneyimi de felakettir. Müşteri &quot;kızıl kazak&quot; yerine yanlışlıkla &quot;kzıl kazak&quot; yazarsa sonuç koca bir hiçtir. Kelimenin eşanlamlısı veya kökü sistemin umurunda değildir.</p><h3>2. İlk Uyanış: Full-Text Search (FTS)</h3><p>LIKE ile duvara tosladıktan sonra, ilişkisel veritabanlarının bize sunduğu Full-Text Search yeteneklerini keşfederiz. Bu, metin tabanlı aramalarda ciddi bir sıçramadır.</p><p>FTS, temelde <strong>Inverted Index (Ters Dizin)</strong> mantığıyla çalışır. Metinlerdeki kelimeler parçalanır, gereksiz bağlaçlar (stop words) çöpe atılır ve kelimelerin köklerine (stemming) inilir.</p><p>Artık kullanıcı “koşuyor” yazdığında sistem arka planda bunu “koş” köküne indirger ve “koşmak”, “koşan” gibi kelimeleri barındıran kayıtları da getirebilir. Performans olarak epey öndedir. Ancak günün sonunda hala <strong>Leksikal (Sözcüksel)</strong> bir aramadır; yani kelimenin karakter yapısına bağımlıdır. “Bordo” aratıldığında “kırmızı” olanları getirmesi için araya manuel dictionary (sözlük) tanımları girmeniz gerekir ki bu da bakımı inanılmaz maliyetli bir iştir.</p><h3>3. Modern Klasik: Elasticsearch</h3><p>İlişkisel veritabanlarının arama sınırlarına dayandığımızda, sahneye Lucene tabanlı arama motorları çıkar. Elasticsearch (veya Solr), yıllarca arama mimarilerinin endüstri standardı oldu ve hala pek çok senaryoda öyle.</p><p>Elasticsearch, FTS’nin yaptığı işi alır ve dağıtık bir mimaride devasa boyutlara taşır. İşin içine <strong>TF-IDF</strong> ve <strong>BM25</strong> gibi algoritmalar girer. Bu algoritmalar temel olarak şunu söyler: <em>“Bir kelime bu dökümanda çok sık geçiyorsa ama genel veri setinde nadirse, o dökümana yüksek puan ver (Scoring).”</em></p><p>Harika bir performans, muazzam bir esneklik. Ama mimari hala aynı engele takılır: <strong>Bağlam ve Anlam Eksikliği.</strong> Kullanıcı arama kutusuna “kışlık kalın giysi” yazdığında, eğer ürün açıklamasında bu kelimelerden biri geçmiyorsa, Elasticsearch o ürünü bulmakta zorlanır. Halbuki satmaya çalıştığımız “yünlü triko” tam olarak kullanıcının aradığı şeydir.</p><h3>4. Oyun Değiştirici: Semantic Search (Anlamsal Arama)</h3><p>LLM’lerin hayatımıza girmesiyle birlikte metinleri işleme şeklimiz tamamen değişti. Semantic search, kelimelerin karakterlerine değil, taşıdıkları <strong>anlama</strong> odaklanır.</p><p>Sistem şu şekilde çalışır:</p><ul><li><strong>Embedding (Vektörleştirme):</strong> Elimizdeki tüm ürün açıklamaları, başlıklar ve metinler özel yapay zeka modelleri kullanılarak yüzlerce boyutlu sayısal dizilere (vektörlere) dönüştürülür.</li><li><strong>Vektör Veritabanı:</strong> Bu sayısal diziler Vector Database’lerde (Milvus, Qdrant veya pgvector gibi) saklanır.</li><li><strong>Anlamsal Eşleşme:</strong> Kullanıcı “kışlık kalın giysi” diye arattığında, bu arama metni de anlık olarak vektöre dönüştürülür ve veritabanında bu vektöre matematiksel olarak en yakın diğer vektörler aranır.</li></ul><p>Sonuç? Metinlerin içinde o kelimeler hiç geçmese de, model “yünlü triko”nun kullanıcının aradığı kavrama çok yakın olduğunu bilir ve onu getirir.</p><h3>5. Nirvana: Hybrid Search (Semantic + Full-Text)</h3><p>Semantic search kulağa sihir gibi gelse de bir zayıf noktası vardır: <strong>Kesin (Exact) eşleşmeler.</strong></p><p>Kullanıcı arama kutusuna “iPhone 15 Pro 256GB Mavi” veya spesifik bir hata kodu (“ERR_CONNECTION_RESET”) yazdığında, anlamsal bir yakınlık değil, tam olarak o metni arıyordur. Semantic search burada aşırı genelleme yaparak “iPhone 14 Pro”yu veya bambaşka bir telefon modelini de “anlam olarak yakın” diye getirebilir.</p><p>İşte endüstri standardının şu anki zirvesi <strong>Hybrid Search</strong>’tür.</p><p>Hibrit mimaride sistem hem geleneksel Full-Text Search (BM25) hem de Semantic Search (Vektör) sorgularını eşzamanlı çalıştırır. Ardından, iki taraftan gelen sonuçları <strong>RRF (Reciprocal Rank Fusion)</strong> gibi algoritmalarla harmanlayıp tek bir sonuç listesi oluşturur. Böylece kullanıcının hem spesifik parça kodu aramalarına hem de “kışın giyilecek sıcak tutan şeyler” gibi soyut aramalarına aynı mükemmellikte cevap verebilirsiniz.</p><h3>Sahadan Notlar: Best Practice’ler ve Hayat Kurtaran “Trick”ler</h3><p>Bu yapıları canlıya alırken mimari kararlarınız sistemin kaderini belirler. Birkaç kritik mühendislik tavsiyesi:</p><ul><li><strong>Embedding’leri Asenkron İşleyin:</strong> Yeni bir ürün eklendiğinde veya güncellendiğinde, save işlemi sırasında senkron olarak Embedding API’sine (örn. OpenAI) gitmek sisteminize bir kurşun sıkmaktır. API’nin yanıt süresine (latency) veya rate-limit’lerine bağımlı kalırsınız. <strong>Best Practice</strong>, veritabanına kaydı attıktan sonra bir event fırlatıp; işi Hangfire, RabbitMQ veya Kafka gibi bir kuyruk yapısına devretmektir. Vektörleştirme işlemi arka planda, asenkron ve retry mekanizmalarıyla (hata durumunda tekrar denenecek şekilde) çalışmalıdır.</li><li><strong>Vendor Lock-in ve Model Bağımlılığı (Bunu unutmayın!):</strong> Vektör uzayları, onları üreten modellere özeldir. Yani OpenAI’nin text-embedding-3-small modeliyle oluşturduğunuz vektörler ile Gemini&#39;nin embedding modelinin ürettiği vektörler aynı dilde konuşmaz. Eğer bir gün &quot;OpenAI&#39;den vazgeçip Gemini&#39;ye geçiyoruz&quot; derseniz, veritabanınızdaki <strong>tüm</strong> verilerin embedding&#39;lerini yeni modelle sıfırdan hesaplatmanız (re-indexing) gerekir. Bu maliyetli ve zaman alıcı işlemi mimarinizi kurarken mutlaka göz önünde bulundurun.</li></ul><h3>Özetle</h3><p>Her projede direkt Hybrid Search’e koşmak doğru mu? Tabii ki hayır. Basit bir log tablosunda ID arıyorsanız LIKE işinizi görür. Ancak günümüz e-ticaret sitelerinde, bilgi bankalarında veya kullanıcı niyetinin çok çeşitli olduğu modern uygulamalarda kelimeleri eşleştirmeyi bırakıp, anlamları eşleştirmeye başladığınızda sisteminizin ne kadar &quot;akıllandığını&quot; görmek, bir geliştirici olarak gerçekten tatmin edici bir deneyim.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f68d73bce363" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[.NET Aspire: Mikroservis Geliştirirken Neden Hala Eziyet Çekiyoruz?]]></title>
            <link>https://medium.com/@kadirrturan/net-aspire-mikroservis-geli%C5%9Ftirirken-neden-hala-eziyet-%C3%A7ekiyoruz-788a6e89d61a?source=rss-c1b61c1e6f0------2</link>
            <guid isPermaLink="false">https://medium.com/p/788a6e89d61a</guid>
            <category><![CDATA[aspire]]></category>
            <category><![CDATA[mcp-server]]></category>
            <category><![CDATA[microservices]]></category>
            <category><![CDATA[dotnet]]></category>
            <dc:creator><![CDATA[Kadir Turan]]></dc:creator>
            <pubDate>Sat, 18 Jul 2026 17:13:53 GMT</pubDate>
            <atom:updated>2026-07-18T17:13:53.551Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/788/1*MkVFONPuRNCRpVdUtkJtzg.png" /></figure><p>Dağıtık sistemler, mikroservisler, cloud-native yaklaşımlar… Bunlar masada konuşurken çok havalı duruyor. Ama iş o projeyi pazartesi sabahı lokal bilgisayarına çekip ayağa kaldırmaya geldiğinde gerçeklerle yüzleşiyoruz.</p><p>Frontend ayrı bir portta, backend API’leri ayrı portlarda koşuyor. Redis’i Docker’dan ayağa kaldırman lazım, SQL Server connection string’lerini ortam değişkenlerine (environment variables) doğru set ettiğinden emin olmalısın. Bir de arada RabbitMQ falan varsa, sırf F5&#39;e basıp kodun çalıştığını görmek için yarım saat mesai harcıyoruz. Biri çalışsa diğeri patlıyor, meşhur &quot;abi bende çalışıyordu&quot; sendromu başlıyor.</p><p>İşte Microsoft, .NET 8 ile duyurduğu <strong>.NET Aspire</strong> ile tam olarak bu operasyonel hamallığa son vermeyi hedefliyor.</p><h3>Nedir bu .NET Aspire?</h3><p>Aspire aslında “opinionated” (kendi doğruları olan) bir bulut tabanlı uygulama yığını. Temel amacı, projenin bağımlılıklarını (Redis, SQL, RabbitMQ vb.) ve senin kendi yazdığın servisleri (API, Worker, UI) tek bir merkezden, bildiğimiz <strong>C# koduyla</strong> orkestre etmek.</p><p>Docker Compose veya bitmek bilmeyen powershell scriptleri ile boğuşmak yerine, her şeyi strongly-typed bir şekilde AppHost adını verdiğimiz bir projeden yönetiyoruz.</p><h3>Kod Üzerinden Konuşalım</h3><p>Diyelim ki bir Frontend uygulamamız, bir Backend API’miz, bir SQL Server’ımız ve caching için Redis’imiz var. Klasik yapıda bunların birbirini bulması tam bir kaos. Aspire ile AppHost projemizin Program.cs dosyasına şu birkaç satırı yazıyoruz:</p><p>C#</p><pre>var builder = DistributedApplication.CreateBuilder(args);</pre><pre>// Önce altyapıyı tanımla (Docker vs Aspire&#39;ın derdi, biz karışmıyoruz)<br>var cache = builder.AddRedis(&quot;cache&quot;);<br>var sqldb = builder.AddSqlServer(&quot;sql&quot;).AddDatabase(&quot;sqldata&quot;);</pre><pre>// Backend API&#39;yi ekle ve SQL&#39;i bağla<br>var apiService = builder.AddProject&lt;Projects.MyBackend_Api&gt;(&quot;apiservice&quot;)<br>                        .WithReference(sqldb); </pre><pre>// Frontend&#39;i ekle, API ve Redis ile konuştur<br>builder.AddProject&lt;Projects.MyFrontend_Web&gt;(&quot;webapp&quot;)<br>       .WithReference(apiService) <br>       .WithReference(cache);     </pre><pre>builder.Build().Run();</pre><p>İşte bu kadar. Aspire, F5&#39;e bastığın anda gereken Docker konteynerlarını çeker, servisleri ayağa kaldırır ve port/connection string karmaşasını arka planda kendi çözer.</p><p>Frontend içinden API’ye istek mi atacaksın? Port numarası ezberlemene gerek yok, AppHost’ta verdiğin ismi kullanman yeterli:</p><p>C#</p><pre>builder.Services.AddHttpClient&lt;WeatherApiClient&gt;(client =&gt; <br>{<br>    client.BaseAddress = new Uri(&quot;http://apiservice&quot;); <br>});</pre><h3>Sadece Lokalde mi Kullanıyoruz?</h3><p>Genelde akla gelen ilk soru bu oluyor: <em>“İyi de bu sadece lokal geliştirme ortamı için bir oyuncak mı?”</em></p><p>Hayır. Aspire uygulamanı deploy etme zamanı geldiğinde dotnet run --publisher manifest diyerek bir topoloji manifestosu (JSON) üretebiliyorsun. <strong>Azd (Azure Developer CLI)</strong> veya Kubernetes için <strong>Aspirate</strong> gibi araçlar bu manifesti okuyup, senin lokalde kurduğun yapıyı alıp doğrudan Azure Container Apps&#39;e veya K8s cluster&#39;ına deploy edebiliyor. Yani lokal ortamın ile production ortamın arasındaki uçurumu kapatıyor.</p><h3>İşin Gözetleme (Observability) Tarafı: Aspire Dashboard</h3><p>Aspire’ı çalıştırdığında karşına çıkan bir Dashboard var ki, sırf bunun için bile projeye eklenir. OpenTelemetry standartlarında yapılandırıldığı için sıfır ayarla şunlara kavuşuyorsun:</p><ul><li>Tüm servislerin anlık konsol logları (Structured Logging).</li><li>Metrikler (CPU, RAM, Http request sayıları).</li><li><strong>Distributed Tracing (Dağıtık İzleme):</strong> Frontend’den çıkan bir isteğin API’de ne kadar süre harcadığını, oradan SQL’e giden sorgunun kaç milisaniye sürdüğünü tek bir ekranda, timeline üzerinde görebiliyorsun.</li></ul><h3>Gelecek Geldi: MCP ve AI Ajanları ile Debugging</h3><p>Hazır Dashboard ve OpenTelemetry verilerinden bahsetmişken, Aspire’ın asıl oyun değiştirici özelliklerinden birine, <strong>MCP (Model Context Protocol)</strong> entegrasyonuna değinmeden geçemeyeceğim.</p><p>Bildiğiniz gibi LLM tabanlı AI ajanlarını (örneğin terminalde çalışan <strong>Claude Code</strong>) lokal projelerimizde kullanmaya başladık. Ancak bu ajanların en büyük eksiği, runtime (çalışma zamanı) verilerini görememeleriydi. Sadece statik koda bakabiliyorlardı.</p><p>Aspire’ın MCP desteği sayesinde, AI ajanınızı doğrudan Aspire ortamınıza bağlayabiliyorsunuz. Bu ne demek? Lokalde çalışırken ekranda bir 500 internal server hatası gördünüz. Terminale dönüp Claude Code’a şunu diyebiliyorsunuz:</p><p><em>“Şu an çalışan sistemde son 5 dakikadaki error trace’leri incele, veritabanı bağlantısında nerede patladığımızı bul ve kodu düzelt.”</em></p><p>Claude Code, MCP üzerinden Aspire’a bağlanıyor, logları ve trace’leri süzüyor, patlayan Redis connection’ını veya SQL deadlock’unu tespit edip size doğrudan çözüm veya PR sunuyor. Kodunuzu derleyen, çalıştıran, oluşan logu okuyup hatayı çözen tam otonom bir geliştirme döngüsü. İnanılmaz değil mi?</p><h3>Özetle</h3><p>Eğer .NET ortamında mikroservisler veya birden fazla projeden oluşan yapılar geliştiriyorsanız, altyapı konfigürasyonlarıyla boğuşmayı bırakmanın vakti geldi. .NET Aspire, bizi yeniden asıl işimiz olan “business logic” (iş mantığı) yazmaya odaklıyor.</p><p>İlk fırsatta mevcut bir yapınızı veya yeni bir PoC’nizi Aspire ile ayağa kaldırmayı deneyin. O developer deneyimi (DX) rahatlığını hissettikten sonra muhtemelen eski yöntemlere dönmek istemeyeceksiniz.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=788a6e89d61a" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Go Dilinde Race Condition]]></title>
            <link>https://medium.com/@kadirrturan/go-dilinde-race-condition-92cea96729f0?source=rss-c1b61c1e6f0------2</link>
            <guid isPermaLink="false">https://medium.com/p/92cea96729f0</guid>
            <category><![CDATA[go]]></category>
            <category><![CDATA[race-condition]]></category>
            <category><![CDATA[mutex]]></category>
            <category><![CDATA[concurrency]]></category>
            <dc:creator><![CDATA[Kadir Turan]]></dc:creator>
            <pubDate>Mon, 14 Mar 2022 20:06:14 GMT</pubDate>
            <atom:updated>2022-03-14T20:06:14.644Z</atom:updated>
            <content:encoded><![CDATA[<blockquote><em>Bu gönderide, </em><em>race condition’ın ne olduğunu, neden ve nasıl olduğunu göreceğiz ve ardından </em><em>Mutex yardımıyla bu race condition’ı düzeltmeyi öğreneceğiz.</em></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/940/1*uLDGbIOMOI8_eRKYJI7ryA.png" /></figure><h3>Race Condition Nedir? Ve Nasıl Oluşur?</h3><p>Go’da bir race condition, en basit hali ile iki veya daha fazla goroutine’in aynı veriyi paylaştığında ve aynı anda onunla etkileşime girdiği zaman oluşur.</p><p>Bir tamsayıyı 1 artıran iki fonksiyonun iki ayrı goroutine’de başlatıldığını ve aynı değişken üzerinde hareket ettiğini varsayalım. Şimdi sıralı olarak yürütülselerdi, ilk tamsayı 2 artacaktı. Ama şimdi bir race condition oldukları için bu garanti edilemez.</p><p>Fonksiyonun temel olarak 3 ana aşaması vardır:</p><ul><li>Sayıyı okumak.</li><li>Sayıyı bir artırmak.</li><li>Sayıyı geri yazmak.</li></ul><p>Diyelim ki fonksiyon 1 değişkeni okuyor. Ancak artırıp onu geri yazmadan önce, fonksiyon 2 de değişkeni okur. Her ikisi de şimdi değişkeni artırır ve geri yazar. Ancak her iki fonksiyon da başlangıçta aynı değeri okuduğu için değişkenin değeri sadece 1 artacaktı.</p><pre>package main</pre><pre>import (<br>    &quot;fmt&quot;<br>    &quot;runtime&quot;<br>    &quot;sync&quot;<br>)</pre><pre>func main() {</pre><pre>    counter := 0</pre><pre>    const num = 100<br>    var wg sync.WaitGroup<br>    wg.Add(num)</pre><pre>    for i := 0; i &lt; num; i++ {<br>        go func() {<br>            temp := counter<br>            runtime.Gosched()<br>            temp++<br>            counter = temp<br>            wg.Done()<br>        }()<br>    }<br>    wg.Wait()<br>    fmt.Println(&quot;count:&quot;, counter)<br>}</pre><p>Yukarıdaki örnekte, tüm goroutinelerimizin aynı anda değiştirmeye çalışacağı bir counter sayaç tanımlıyoruz. Ardından, ayrı goroutinelerinde 100 kere kendi kendine işlem yürüten anonim fonksiyonlar başlatıyoruz. Bu fonksiyonların her biri counter’dan değeri okur, artırır ve sonra geri yazar.</p><blockquote><em>runtime.Gosched()’in ne olduğunu kısaca anlatmak gerekirse, temelde devam edin ve isterseniz başka bir goroutine’i çalıştırın diyor. Temel olarak rasgeleliği sıralar, böylece goroutinelerin birbirine karışması ve farklı sırada okuma-yazma olasılığı artar. Koda eklenmesinin sebebi budur. Kodumuz bu olmadan da çalışır tabii, fakat farkı daha iyi görebilmek için num sabitini biraz daha artırmanız gerekecektir.</em></blockquote><p>Kodun örnek çıktısı aşağıdaki gibidir. Göründüğü gibi her seferinde farklı bir count değerine sahibiz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/868/1*-mXZYCQj-ubgCnv96_GE0A.png" /></figure><blockquote><em>Ayrıca; bu tür hataları teşhis etmeye yardımcı olmak için Go, yerleşik bir veri yarışı dedektörü içerir. Kullanmak için -</em><em>race flag’ını terminalde go komutuna ekleyebilirsiniz.</em></blockquote><pre>$ go run -race mysrc.go  // to run the source file</pre><h3>Race Condition Sorunumuzu Nasıl Çözeriz?</h3><p>Şimdi bir race condition oluşturduğumuza göre, bunu nasıl düzeltebiliriz? Race condition önlemek için bir Mutex kullanacağız. Mutex, sync paketi tarafından sağlanan bir veri yapılarıdır. Değiştirmek istediğimiz verilere, eş zamanlı (concurrency) erişimi önlememize yardımcı olabilirler.</p><p>Race condition’ın paylaşılan bir değişkene erişen birden fazla goroutine nedeniyle gerçekleştiğini biliyoruz. Bu durumdan kurtulmak için, goroutine’lerden biri okuduğunda counter değişkenimize erişimi kitleyerek ve artan değeri yazması bittiğinde tekrar kilidi açarak önleyebiliriz. Mutex ile de tam olarak bunu yapıyor olacağız.</p><p>Buna göre kodumuz artık aşağıdaki gibi güncelleyebiliriz:</p><pre>package main</pre><pre>import (<br>    &quot;fmt&quot;<br>    &quot;runtime&quot;<br>    &quot;sync&quot;<br>)</pre><pre>func main() {</pre><pre>    counter := 0</pre><pre>	const num = 100<br>	var wg sync.WaitGroup<br>	wg.Add(num)</pre><pre>	var mu sync.Mutex</pre><pre>	for i := 0; i &lt; num; i++ {<br>		go func() {<br>			mu.Lock()<br>			temp := counter<br>			runtime.Gosched()<br>			temp++<br>			counter = temp<br>			mu.Unlock()<br>			wg.Done()<br>		}()<br>	}<br>	wg.Wait()<br>	fmt.Println(&quot;count:&quot;, counter)<br>}</pre><p>Yukarıdaki kodda göründüğü üzere, .Lock() ile diğer goroutine’lere erişimi kitledik ve işlemimiz bittikten sonra da .Unlock() ile erişim kilidini kaldırdık. Artık çıktımızda her zaman 100 counter değerini göreceğiz ve hiç race condition durumunun rapor edilmediğini görebileceğiz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/880/1*egP0-IIDTN4qWDfnRaaz4Q.png" /></figure><blockquote><em>⚠️ </em><strong>Not</strong><em> : Mutex’ler harika bir çözüm gibi görünse de, bazı yaygın tuzaklara düşmek de kolay maalesef. </em><em>.Lock() her çağırıldığında, işlemlerin sonunda </em><em>.Unlock()’un da kesinlikle çağırıldığından emin olmalısınız. Eğer unutulursa, aynı kilide erişmek isteyen herhangi bir goroutine sonsuza kadar engellenir. </em><em>.Unlock() işlemini bir </em><em>defer yardımı ile yapmakta yarar var.</em></blockquote><pre>var mu sync.Mutex<br>go func() {<br>	mu.Lock()<br>	defer mu.Unlock()<br>	//..operations<br>}</pre><p>Go dilinde race condition olayını ve Mutex’i inceledik. Umarım yararlı olmuştur. Okuduğunuz için teşekkürler :)</p><p>💡 Usefull Link</p><ul><li><a href="https://pkg.go.dev/runtime#Gosched">https://pkg.go.dev/runtime#Gosched</a></li><li><a href="https://go.dev/doc/articles/race_detector">https://go.dev/doc/articles/race_detector</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=92cea96729f0" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>