Mayıs 2026 - Devam ediyor
Ankara
LimonCloud
Senior DevOps & Cloud Engineer
Cloud danışmanlığı ve yönetilen hizmetler sağlayıcısı. 20 aktif müşteri hesabı; çoğu AWS, bir kısmı Google Cloud, vCloud Director ve on-prem Kubernetes.
- Bir production EKS cluster'ındaki CPU request değerlerini 7 günlük Prometheus verisiyle karşılaştırdım ve p95 kullanımın yaklaşık 30 katı olduklarını gördüm. Ardından node group 19 node'dan 5 node'a indirildi; liste fiyatıyla yaklaşık %63 düşüş.
- Aynı müşteride 22 on-demand EC2 instance'ı 1 yıllık Reserved Instance ile eşleştirdim. EC2 compute maliyeti liste fiyatıyla yaklaşık %50 düştü.
- Azure AKS'ten EKS'e bir production migration'ında çalıştım: cutover sonrasında 73 deployment ve 73 ingress'i denetledim, eski nodeAffinity kurallarını kaldırarak Pending'de kalan pod'ları düzelttim, subnet ve path önceliği çakışmalarından kaynaklanan ALB ingress 404 ve 500 hatalarını çözdüm, eksik bir servisi deployment, service, ingress ve HPA manifest'leriyle yeniden kurdum, Jaeger'ı Helm release olarak EKS'e taşıdım.
12 maddenin tamamını gösterDaha az göster
- Başka bir müşterinin iki AWS hesabını iki turda temizledim. İlk tur tek başına faturayı %13 düşürdü. Ayrıca sağlanan tasarrufun iki katından büyük bir ek tasarruf önerisi çıkardım.
- 7 node'lu bir EKS cluster'ını tek gecede 1.33'ten 1.36'ya yükselttim. Öncesinde EBS snapshot'larını aldım, EBS CSI driver'ında kaybolan IRSA annotation'ını düzelttim. Terraform ile private endpoint, arm64 node'lar, AWS Load Balancer Controller ve Cluster Autoscaler içeren yeni bir EKS 1.36 cluster'ı kurdum.
- Production'daki bir kube-prometheus-stack'i emptyDir'den persistent volume'a taşıdım ve Grafana'yı ACM sertifikasıyla ALB arkasına aldım. Bu kurulum şirketin Helm standardı oldu.
- Production incident'larında kök nedeni buldum. Birincisi 20 dakikalık bir VPN downtime'ıydı: DNS sunucusunun yeniden başlatılması kalıcı tanım olarak tutulmayan bir route'u düşürmüş, fazla geniş bir Pritunl NAT kuralı da bunu 18 gün gizlemişti; aynı sabah düzeltildi. İkincisi Cloudflare 520 hatalarıydı: 75 saniyelik bir sorgu 60 saniyelik proxy timeout'una takılıyordu, iki HAProxy node'unda da downtime olmadan düzeltildi. Üçüncüsü CloudFront 502 hatalarıydı: origin request policy, host bazlı yönlendirme yapan ALB'nin önünde Host header'ını düşürüyordu.
- Ele geçirilmiş bir web sunucusunun yerine temiz kurulmuş yeni sunucuya cutover yaptım: 19 ALB kuralını taşıdım, production veritabanından yetkisiz 3 admin hesabını sildim. TTFB 9,7 saniyeden 1,5 saniyeye indi.
- Bir müşterinin iş yüklerinin iki AWS hesabına ayrılmasını yönettim (17 EC2 instance, 11 ECS servisi, RDS, 13 CodePipeline). 4 SQL ve uygulama sunucusunun timezone'unu SSM üzerinden, yaklaşık 40 saniyelik downtime ile değiştirdim.
- İç kullanımdaki bir İK uygulamasını (Next.js web, .NET API) Azure DevOps release pipeline'larıyla Kubernetes üzerinde production'a aldım. IdentityServer SSO bağlantısını (access ve role scope'lu OIDC client) ayrı bir ingress host'u üzerinden kurdum, böylece çalışan SSO host'una dokunulmadı. Pipeline variable group'larındaki düz metin secret'ları, secret olarak işaretlenip rotate edilmek üzere bildirdim.
- Terraform ve Terragrunt'ı tenant başına ayrı state ve zorunlu maliyet tag'leriyle kullandım.
- Junior ve mid-level mühendislere günlük işlerinde yol gösteriyorum. Değişiklikleri, migration'ları ve yaşanan downtime'ları runbook ve incident raporu olarak yazıyorum.

