Bilimsel Genel Bakış ve Metodoloji
ComputeCore v2.0 — Heterojen Bilgi İşlem Mimarisinin Akademik Analiz Dokümantasyonu
1. Projenin Amacı ve Kapsamı
ComputeCore v2.0 PRO, modern heterojen bilgi işlem mimarilerinde (CPU ve GPU birlikteliği) gerçek zamanlı iş yükü dağıtımını, kaynak tüketimini ve donanım performansını ölçmek için tasarlanmış bir analiz platformudur. Platform, hem tek makine hem de ağa bağlı birden fazla fiziksel makine üzerinde (dağıtık mod) eş zamanlı görev çalıştırabilmektedir.
Sistemin temel amacı; farklı programlama dillerinin, hesaplama paradigmalarının ve donanım birimlerinin gerçek iş yükleri altındaki davranışlarını donanım düzeyinde ölçmek ve bu verileri saniyelik çözünürlükte görselleştirmektir. Bu sayede akademik, mühendislik veya sistem optimizasyon çalışmaları için doğrulanabilir, tekrarlanabilir ve karşılaştırmalı benchmark verileri üretilmektedir.
Platform; Python tabanlı bir ajan uygulaması (main_worker.py), PHP/MySQL tabanlı bir REST API (api.php) ve tarayıcı tabanlı bir kontrol panelinden (index.html) oluşmaktadır. Bu üç katmanlı mimari, gerçek zamanlı veri akışını ve merkezi analizi mümkün kılmaktadır.
2. Hedef Donanım Mimarisi — Intel i7-13700H + RTX 4050
İşlemci: Intel Core i7-13700H
13. Nesil Raptor Lake mimarisi üzerine kurulu bu işlemci, 6 performans çekirdeği (P-Core, Hyper-Threading ile 12 mantıksal iş parçacığı) ve 8 verimlilik çekirdeği (E-Core, 8 mantıksal iş parçacığı) olmak üzere toplamda 20 mantıksal iş parçacığına sahiptir. P-Core'ların maksimum boost frekansı 5.0 GHz'e ulaşırken, E-Core'lar 3.7 GHz'de çalışır. 24 MB L3 önbellek kapasitesi, büyük veri kümelerinde önbellek isabet oranını artırarak bellek erişim gecikmesini (latency) minimize eder.
Bu mimaride çoklu dil testleri çalıştırıldığında, P-Core'lar hesaplama ağırlıklı iş parçacıklarını (compute-bound threads) alırken E-Core'lar arka plan süreçlerini yönetir. Bu asimetrik yük dağılımı, psutil kütüphanesi aracılığıyla izlenmektedir.
GPU: NVIDIA GeForce RTX 4050 Laptop
Ada Lovelace mimarisi üzerine kurulu RTX 4050, 2560 CUDA çekirdeği, 6 GB GDDR6 bellek ve 96-bit bellek arayüzüne sahiptir. Maksimum boost saati 2370 MHz'e ulaşmakta, TDP değeri laptop formunda 35–115W arasında dinamik olarak ayarlanmaktadır. Tensor Core'lar ve RT Core'lar, makine öğrenmesi ve ışın izleme (ray tracing) iş yükleri için donanım ivmelendirmesi sağlar.
GPU kullanım değerleri (utilization) nvidia-smi aracı üzerinden doğrudan sorgulanmaktadır. PyTorch / CUDA görevlerinde CUDA çekirdeklerinin gerçek zamanlı aktivasyonu izlenir. Intel Iris Xe entegre GPU'su ise paylaşımlı sistem belleğini kullanır ve CUDA_VISIBLE_DEVICES=-1 çevre değişkeni ile harici GPU izole edilebilmektedir.
3. Gerçek Zamanlı Telemetri Sistemi
Sistemin kalp atışı, Python ajanındaki telemetry_ping() fonksiyonu ile sağlanmaktadır. Bu fonksiyon, bağımsız bir daemon thread üzerinde saniyede bir kez aşağıdaki veri noktalarını toplar ve API'ye HTTP POST ile gönderir:
Röntgen Analizi Mekanizması: Bir görev çalıştığı süre boyunca (IS_WORKING = True) her saniyenin CPU ve GPU değeri CURRENT_TASK_METRICS listesinde bellekte biriktirilir. Görev tamamlandığında bu dizi, metrics_json formatında ({"time":[...], "cpu":[...], "gpu":[...]}) veritabanına kaydedilir. Dashboard bu veriyi alarak her saniyenin donanım yükünü grafiksel olarak gösterir.
4. Test Araçları ve Metodoloji
Araç 1 — Çoklu Dil Performans Karşılaştırması
Python, C++, Node.js, Rust, Go, Java, PHP ve Ruby dillerinde aynı hesaplama görevi (ağır matematiksel döngü + SHA-256 hash) çalıştırılır. Her dil bağımsız bir alt süreçte (subprocess) çalıştırılır; nanosaniye hassasiyetiyle süre ölçülür. Derlenen diller (C++, Rust) gerçek zamanlı derleme + çalıştırma döngüsüyle test edilir. Sonuçlar en hızlıdan en yavaşa sıralanır; bar grafik ve sıralama tablosuyla Dashboard'da gösterilir.
Araç 2 — Dağıtık Ağ Stres Testi
Ağa bağlı tüm veya seçili ajanlara aynı anda görev gönderilir. Yoğunluk: Hafif (asal sayı), Orta (SHA-256 + matris), Ağır (çok çekirdekli paralel), Ekstrem (CPU + RAM + Disk). Özel Python kodu da gönderilebilir. Tek cihazda bile çalışır. Her ajan görevi bağımsız işler; merkezi log ve röntgen analizi ile sonuçlar takip edilir.
Araç 3 — Gerçek Oyun Yükü Analizi
20.000 nesneli fizik simülasyonu: her nesne için sinüs/kosinüs tabanlı konum hesaplama, vektör normalleştirme ve çarpışma tespiti yapılır. Saf Python döngüsüyle çalışır — GIL baskısı ve bellek allokasyon desenleri kasıtlı olarak test edilir (~500MB–1GB RAM kullanımı). Özel Python/ZIP oyun motoru da yüklenip ağa dağıtılabilir.
Araç 4 — Kripto-Mining Benchmark
7 sıfırla başlayan SHA-256 hash bulunana kadar nonce artırılır (maks. 50 milyon iterasyon). Gerçek kriptografik hash fonksiyonu, tek çekirdek integer performansını, L1/L2 önbellek erişim hızını ve CPU'nun kriptografik işlem kapasitesini ölçer. Hash/saniye değeri ve bulunan nonce değeri raporlanır.
Araç 5 — Intel Iris Xe vs NVIDIA RTX 4050
PyTorch üzerinden 8000×8000 boyutunda matris çarpımı (GEMM — General Matrix Multiply), seçilen hedefe göre Intel Iris Xe veya NVIDIA RTX 4050 CUDA çekirdeklerinde çalıştırılır. GPU kullanım yüzdesi nvidia-smi ile anlık izlenir. GFLOPS hesaplanır, hesaplama süresi ve GPU aktivasyonu karşılaştırılır.
Canlı Dashboard ve Röntgen Sistemi
Tüm araçlardan dönen veriler tek Dashboard üzerinde toplanır. Canlı telemetri 30 saniyelik kayan pencerede CPU/GPU'yu gösterir. Röntgen Analizi, son görevin saniyelik yük haritasını grafikle ve tabloyla sunar. Dil karşılaştırmasında ek olarak bar grafik sıralama tablosu görüntülenir.
5. Dağıtık Mimari, Veri Akışı ve Güvenlik
Sistem istemci-sunucu modelinde çalışır. Her ajan başlatıldığında sunucuya kaydolur (ping_device), periyodik heartbeat gönderir ve görev kuyruğunu (cc_tasks) her 2 saniyede sorgular (get_task). Görev tamamlandığında sonuç ve metrik verisi API üzerinden veritabanına yazılır (submit_result).
Veri akışı: Kontrol Paneli → API (send_task) → cc_tasks tablosu → Python Ajan (get_task → çalıştır → röntgen topla) → API (submit_result, metrics_json) → cc_results tablosu → Kontrol Paneli (get_dashboard_data → röntgen görselleştir).
6. Veritabanı Şeması — cc_devices / cc_tasks / cc_results
cc_devices
Bağlı makinelerin kayıt tablosu. id, machine_name, cpu_model, gpu_model, current_cpu, current_gpu, status (idle/working/offline), last_ping timestamp alanlarını içerir. 15 saniye ping yokluğunda cpu/gpu değerleri sıfırlanır ve status offline yapılır.
cc_tasks
Görev kuyruğu tablosu. id, tool_id (1–5), payload (JSON veya string komut), target_device (ALL veya machine_name), status (pending/completed) alanlarını içerir. Ajan her 2 saniyede pending görevleri sorgular.
cc_results
Tamamlanan görev sonuçları. id, task_id, device_id, output (metin çıktı), exec_time, avg_cpu, avg_gpu, metrics_json (saniyelik röntgen — time[], cpu[], gpu[] dizileri) alanlarını içerir.
Programlama Dili Performans Karşılaştırması
Dilleri seçin, kodları düzenleyin, başlatın. Dashboard'da sıralama tablosu + röntgen analizi otomatik güncellenir.
Dağıtık Ağ Stres Testi
Ağa bağlı tüm veya seçili ajanlara aynı anda görev dağıtın. Tek cihazda da çalışır.
Görev Parametreleri
Yoğunluk Seviyeleri
Sistemler Arası Karşılaştırma
Birden fazla cihaz bağlıysa her biri aynı görevi paralel işler. Sonuçlar Dashboard'da karşılaştırılabilir.
Gerçek Zamanlı Oyun Yükü Analizi
Ağır fizik motoruyla RAM ve CPU sınırlarını test edin. Kendi motorunuzu da yükleyebilirsiniz.
Varsayılan — HeavyPhysX Motoru v2
20.000 nesneli ağır fizik simülasyonu. Her nesne için sinüs/kosinüs tabanlı konum hesaplama, vektör normalleştirme ve çarpışma tespiti yapılır. Saf Python döngüsüyle çalışır — GIL baskısı ve bellek allokasyon desenleri kasıtlı olarak test edilir.
Özel Oyun Motoru Yükle
Kendi Python oyun motorunuzu veya ZIP paketinizi ağa dağıtın. ZIP içinde main.py bulunmalıdır.
Kripto-Mining Güç Analizi
SHA-256 Proof-of-Work ile CPU'nun saf integer hesaplama gücünü ölçün. Gerçek blockchain algoritması.
SHA-256 Proof-of-Work Benchmark
7 sıfırla başlayan SHA-256 hash bulunana kadar nonce artırılır. Her iterasyonda gerçek kriptografik hash hesaplanır. Tek çekirdek integer performansı, L1/L2 önbellek hızı ve kriptografik işlem kapasitesi ölçülür.
Özel Mining / Hash Scripti
Kendi hash algoritmanızı veya Scrypt, Blake2 gibi alternatif iş yüklerinizi ajana gönderin.
İntel Iris Xe vs NVIDIA RTX 4050 Düellosu
Matris hesaplamalarında dahili GPU ile RTX 4050 CUDA çekirdeklerini karşılaştırın. GPU kullanımı nvidia-smi ile anlık izlenir.
Düello Ayarları
pip install torch --index-url https://download.pytorch.org/whl/cu121
Özel Düello Kodu (PyTorch / CUDA)
Boş bırakılırsa 8000×8000 matris çarpımı çalışır.
Canlı Sistem Dashboard
Gerçek zamanlı telemetri, görev logları, dil sıralama tablosu ve saniyelik röntgen analizi.
Canlı Ağ Telemetrisi
LIVESistem Logları
Son Görevin Saniyelik Röntgen Analizi
Görev BekleniyorHenüz tamamlanmış görev yok.
Bir araç çalıştırın, röntgen verisi burada görüntülenecek.