Proje İçeriği

SkyOps, Bankanın yazılım teslimatı ve teknoloji operasyonlarını tek bir merkezi platformda birleştirmek amacıyla Golang ve ReactJS teknolojileri kullanılarak tamamen iç kaynaklarla geliştirilen kurum içi bir mühendislik platformudur.

Proje öncesinde deployment, CI/CD pipeline yönetimi, Git işlemleri, Jira süreçleri, güvenlik kontrolleri, kod kalitesi ve gözlemlenebilirlik faaliyetleri farklı araçlar üzerinden yürütülmekteydi. Bu da operasyonların uçtan uca izlenmesini, standartlaştırılmasını ve merkezi biçimde yönetilmesini güçleştirmekteydi. SkyOps ile söz konusu dağınık yapı; ortak bir kullanıcı deneyimi, merkezi yetkilendirme, denetlenebilirlik ve self-service operasyon modeli altında bir araya getirilmiştir.

Platform, yaklaşık 85 mikroservisin PROD, PREPROD, TEST, UATBUG ve CR gibi farklı yaşam döngüsü ortamlarındaki operasyonlarını desteklemektedir. SkyOps’un sunduğu başlıca yetkinlikler şunlardır:

• PROD ve PREPROD deployment taleplerinin merkezi ve kontrollü biçimde yönetilmesi; işlemlerin anlık, öğle arasında, mesai sonunda veya belirlenen özel bir zamanda gerçekleştirilecek şekilde planlanabilmesi,
• Tekton CI/CD PipelineRun süreçlerinin tek ekrandan görüntülenmesi, adım loglarının canlı olarak izlenmesi ve yetkiler dahilinde yeniden çalıştırma, iptal veya silme işlemlerinin yapılabilmesi,
• Argo CD ve Kubernetes tabanlı GitOps süreçleriyle uyumlu deployment ve konfigürasyon yönetimi,
• GitLab merge request ve commit analitiği, versiyonlar arası commit kontrolü ve release öncesinde değişikliklerin görünür hale getirilmesi,
• Jira süreçlerinin deployment ve yazılım yaşam döngüsü verileriyle ilişkilendirilmesi; UAT bekleyen talepler ve kilometre taşı bildirimleri gibi süreçlerin otomatikleştirilmesi,
• SonarQube kod kalitesi verileri ile Trivy güvenlik ve zafiyet taraması sonuçlarının merkezi olarak izlenmesi,
• SigNoz aracılığıyla log, metrik ve distributed trace verilerinin gözlemlenebilirlik katmanına dahil edilmesi,
• Kurum içinde geliştirilen SkyGazer yapay zeka asistanı sayesinde operasyonel verilerin doğal dil kullanılarak sorgulanması ve analiz edilmesi.

SkyOps, farklı teknoloji ürünlerine ait ekranları tek noktada toplayan bir portal olmanın ötesinde, yazılım teslimat süreçlerini yöneten bütünleşik bir operasyon platformudur. Kritik işlemlerin kim tarafından, hangi servis ve versiyon için, hangi ortamda ve ne zaman gerçekleştirildiğini kayıt altına almakta; tanımlanan iş kurallarını uygulamakta, gerektiğinde onay mekanizmalarını devreye almakta ve operasyonları güvenli API ve araç çağrıları üzerinden gerçekleştirmektedir.

Bu yapısıyla SkyOps; yazılım teslimat süreçlerinin standartlaştırılmasını, manuel operasyonların azaltılmasını, güvenlik ve denetlenebilirliğin güçlendirilmesini ve teknoloji ekiplerinin operasyonlarını daha hızlı, kontrollü ve self-service bir modelle yürütebilmesini sağlamaktadır.

Projenin Amacı

Proje, öncelikle kurum içindeki yazılım teslimatı ve teknoloji operasyon süreçlerini iyileştirmek amacıyla başlatılmış; zaman içinde bu süreçleri tek noktadan sunan yeni bir kurum içi self-service hizmete dönüşmüştür.

Daha önce DevOps ve operasyon ekipleri tarafından manuel olarak yürütülen birçok işlem, SkyOps ile standart ve otomatik iş akışlarına dönüştürülmüştür. Böylece geliştirici ve uygulama ekiplerinin, tanımlanan yetkiler ve güvenlik kontrolleri çerçevesinde ihtiyaç duydukları operasyonları doğrudan gerçekleştirebilmeleri sağlanmıştır.

Bu kapsamda proje, süreç iyileştirme ile yeni hizmet oluşturmayı birlikte gerçekleştirmiştir. Bir yandan mevcut deployment, CI/CD pipeline, release, Git, güvenlik ve gözlemlenebilirlik süreçleri sadeştirilmiş, standartlaştırılmış ve otomatikleştirilmiş; diğer yandan kurum genelinde kullanılabilen ortak bir Teknoloji Operasyonları Self-Servis Platformu oluşturulmuştur.

Proje içindeki en büyük inovasyon nedir? (yeni bir teknoloji veya var olan teknolojinin farklı kullanımı gibi. IOT, M2M, AI vb.)

SkyOps'un en büyük inovasyonu, kurumun gerçek operasyon sistemleriyle çalışan SkyGazer isimli kurum içi AI Operations Agent katmanıdır. SkyGazer yalnızca genel bir dil modeli yanıtı üretmez; kullanıcının doğal dilde sorduğu soruya göre hangi SkyOps araçlarının ve veri kaynaklarının kullanılması gerektiğine karar verir, gerçek operasyon verisini toplar, ilişkilendirir ve yorumlar.

Örneğin bir servis için "sorun var mı?" sorusu geldiğinde SkyGazer; deployment geçmişi, pipeline bilgileri ve SigNoz üzerinden alınan gerçek operasyonel telemetri verilerini birlikte inceler. Böylece kullanıcıya yalnızca metinsel bir yanıt değil, kurumun güncel operasyon verisine dayanan bir değerlendirme sunulur.

SkyGazer değerlendirme sırasında tek bir metriğe veya log kaydına bağlı kalmaz. Servise ait log kayıtları ve hata yoğunlukları, CPU ve bellek gibi kaynak metrikleri, request/error rate değerleri, trace verileri, servis ve endpoint gecikmeleri ile Java/JVM metriklerini aynı operasyonel bağlam altında birlikte değerlendirir.

Klasik bir problem inceleme sürecinde operasyon veya geliştirme ekiplerinin log, metric, trace, deployment geçmişi ve pipeline sonuçları için farklı ekranlara tek tek bakması gerekir. SkyGazer ise ihtiyaç duyduğu verileri birkaç saniye içerisinde toplayarak dikkat çeken anomalileri, servisin mevcut durumunu ve olası kök nedenleri tek bir özet içerisinde kullanıcıya sunar ve yorumlar.

SkyGazer yazılım yaşam döngüsü olaylarını da analize dahil eder. Örneğin hata oranı veya performans problemi belirli bir deployment sonrasında ortaya çıkmışsa, deployment zamanı ile hata ve performans verilerini ilişkilendirerek ilgili versiyon değişikliğinin sorunla bağlantılı olabileceğini tespit etmeye yardımcı olur. Böylece deployment, log, metric ve trace verileri aynı olayın farklı sinyalleri olarak ele alınabilir.

Benzer şekilde CI/CD pipeline veya deployment süreçlerinde oluşan hatalar da SkyGazer tarafından analiz edilebilir. Pipeline logları ve deployment sonuçları incelenerek hatanın olası nedeni ve çözüm için izlenebilecek yol doğal dilde açıklanır. Bu yaklaşım geliştiricilerin rutin sorunlarda doğrudan DevOps ekibine bağımlılığını azaltarak self-service problem çözme kabiliyetini artırır.

Bu yapı, kullanıcıların farklı araçlar ve binlerce veri noktası arasında manuel inceleme yapma ihtiyacını azaltarak Mean Time to Detect (MTTD) ve Mean Time to Resolve (MTTR) sürelerini düşürmeye yönelik yapay zekâ destekli bir karar ve problem çözme katmanı oluşturur. DevOps ekibi ise tekrarlayan operasyonlar yerine daha karmaşık ve katma değerli çalışmalara odaklanabilir.

Yapay zekâ katmanının kurum içi altyapıda çalışması, bankacılık ve operasyon verilerinin kurum sınırları dışına çıkarılmadan analiz edilebilmesini sağlar. Gerçek tool çağrılarına göre gösterilen "SigNoz logları inceleniyor", "metrikler kontrol ediliyor", "trace verileri analiz ediliyor" ve "deployment geçmişi kontrol ediliyor" gibi canlı durum mesajları da analizin şeffaf ve takip edilebilir olmasını destekler.

Bu yaklaşım SkyOps'u klasik bir DevOps portalından ayırarak; doğal dil, gerçek zamanlı operasyon verisi, log-metric-trace korelasyonu, deployment ilişkilendirmesi, pipeline hata analizi, gözlemlenebilirlik ve kontrollü otomasyonu bir araya getiren kurum içi bir AI Operations Agent platformuna dönüştürmektedir.

Proje kurum içindeki hangi bölüme fayda sağlamıştır?(satış, pazarlama, finans, İK, IT, Üretim, Planlama, Satın alma, Lojistik Müşteri İlişkileri gibi)

Proje, başta Bilgi Teknolojileri olmak üzere Yazılım Geliştirme, DevOps/Platform, Sistem ve Altyapı, Uygulama Yönetimi, Bilgi Güvenliği, Kalite/Test, Teknoloji Yönetimi ve İç Kontrol ekiplerine doğrudan fayda sağlamıştır. Geliştirici ve uygulama ekipleri, tanımlanan yetki ve güvenlik kuralları çerçevesinde self-service operasyon gerçekleştirme kabiliyeti kazanmıştır. DevOps/Platform ekipleri merkezi yönetişim, otomasyon ve standardizasyon avantajı elde ederken; teknoloji yöneticilerinin deployment, Git, performans, kod kalitesi ve güvenlik verileri üzerindeki görünürlüğü artırılmıştır. SkyOps üzerinden gerçekleştirilen deployment işlemlerinin kullanıcı, servis, ortam, versiyon ve zaman bilgileriyle birlikte merkezi olarak kayıt altına alınması sayesinde izlenebilirlik ve denetlenebilirlik önemli ölçüde güçlendirilmiştir. Bu kayıtların otomatik olarak düzenli biçimde İç Kontrol ekiplerine iletilmesiyle manuel rapor hazırlama ihtiyacı azaltılmış ve kontrol süreçleri daha sistematik hâle getirilmiştir. Aynı merkezi kayıt altyapısı bağımsız denetim çalışmalarına da önemli kolaylık sağlamaktadır. Geçmiş deployment hareketleri ve ilgili operasyon kayıtları düzenli, tutarlı ve erişilebilir biçimde saklandığından, denetim dönemlerinde talep edilen bilgiler hızlıca hazırlanıp paylaşılabilmektedir. Böylece farklı sistemlerden manuel olarak veri toplama ihtiyacı önemli ölçüde azaltılmıştır.

Projenin hayata geçirilmesi konusunda üst yönetimin desteğini tam olarak alabildiniz mi?

Evet. Projenin kurumun kritik production süreçleriyle entegre edilmesi, farklı teknoloji ekiplerinin kullanımına yaygınlaştırılması ve ortak teknoloji operasyonları platformu olarak konumlandırılması aşamalarında üst yönetimin güçlü desteği alınmıştır. Bu destek, SkyOps’un kurum genelinde benimsenmesi, ekipler arası koordinasyonun sağlanması ve operasyon süreçlerinin ortak standartlar doğrultusunda yeniden yapılandırılmasında önemli rol oynamıştır. Böylece platform, yalnızca teknik bir çözüm olarak kalmamış; kurumun yazılım teslimatı ve teknoloji operasyonları yaklaşımını dönüştüren stratejik bir yapı haline gelmiştir.

Proje sonunda ortaya çıkan sonuçları analiz edebildiniz mi? Rakamsal verilerle ifade eder misiniz?(ROI, maliyetlerde yüzdesel azalma, üretim süresinde azalma, hata payının düşmesi vs.)

Evet. SkyOps’un en önemli özelliklerinden biri, daha önce farklı araçlar üzerinden yürütülen operasyonel faaliyetleri merkezi, izlenebilir ve ölçülebilir veriler hâline getirmesidir. Deployment, kullanıcı, servis, versiyon, ortam, pipeline, Git ve performans bilgilerinin merkezi olarak kayıt altına alınması sayesinde projenin operasyonel etkisi somut göstlifyergeler üzerinden analiz edilebilmektedir.

Bugün yaklaşık 85 mikroservisin operasyonel süreçleri SkyOps üzerinden merkezi olarak yönetilmektedir. Kritik PROD işlemleri standart iş kuralları, zamanlama ve yetkilendirme mekanizmalarıyla gerçekleştirilirken; pipeline, Git, kod kalitesi, güvenlik ve gözlemlenebilirlik verileri aynı operasyonel bağlam içerisinde takip edilebilmektedir.

Proje sonucunda;

• Manuel operasyon ve doğrudan sunucu erişimi ihtiyacı azaltılmış, 
• Deployment süreçleri standartlaştırılmış, 
• Kritik işlemler kayıt altına alınarak denetlenebilir hâle getirilmiş, 
• Ekipler arasındaki bekleme süreleri azaltılmış, 
• Release öncesi değişiklik görünürlüğü artırılmış, 
• Hata ve servis sağlığı analizlerinin tek platform üzerinden yapılması sağlanmıştır. 

Elde edilen sayısal sonuçlar:

• Toplam 765 PROD deployment işlemi gerçekleştirilmiştir. 
• SkyOps üzerinden gerçekleştirilen PROD deployment işlemlerinde %100 self-service oranına ulaşılmıştır. 
• Deployment başına harcanan süre 30 dakikadan 5 dakikaya düşürülerek işlem süresinde %83,3 azalma ve işlem başına 25 dakika tasarruf sağlanmıştır. 
• DevOps operasyon eforunda %50 tasarruf elde edilmiştir. 
• Rutin DevOps destek ihtiyacı %75 azaltılmıştır. 
• Sorun analiz süresi 15 dakikadan 30 saniyeye indirilerek %96,7 oranında kısaltılmıştır. 
• Denetim raporlama süreci %100 otomatikleştirilmiş ve denetim çalışmalarında aylık iki iş günü efor tasarrufu sağlanmıştır. 

Bu sonuçlar, SkyOps’un yalnızca operasyonları merkezi hâle getiren bir platform olmadığını; yazılım teslimat hızını artıran, operasyonel yükü azaltan, denetlenebilirliği güçlendiren ve DevOps süreçlerinin performansını ölçülebilir biçimde iyileştiren stratejik bir mühendislik platformu olduğunu göstermektedir.

Projenizde şirket içinden kaç kişi aktif olarak görev almıştır? Ekip birimleri hakkında kısaca bilgi verir misiniz?

Proje, iki kişiden oluşan DevOps ekibi tarafından tamamen iç kaynaklarla uçtan uca geliştirilmiştir.

Projenizde (varsa)işbirliği kurduğunuz veya destek aldığınız bilişim şirketlerini belirtiniz.

Proje, herhangi bir dış bilişim şirketinden geliştirme veya danışmanlık hizmeti alınmadan, tamamen kurum içi kaynaklarla yürütülmüştür.

Proje sırasında kullandığınız ve spesifik önemi olan markaları (varsa) belirtiniz. (Yazılım veya donanım markaları)

Kubernetes, Tekton, Argo CD, GitLab, Jira, SigNoz, SonarQube, Trivy, PostgreSQL, NGINX, Nexus Repository; uygulama geliştirme tarafında Golang ve ReactJs; yapay zekâ katmanında kurum içi barındırılan Qwen büyük dil modeli ailesi.