Kubernetes Data & AI
Kubernetes Data & AI Platform: Aynı Platform Modeli, Farklı Altyapılar
Kubernetes uzun süre uygulama çalıştırma katmanı olarak görüldü. Bugün veri ve yapay zekâ iş yüklerinin de üzerinde çalıştığı altyapı katmanı haline geldi.
Son güncelleme: Eylül 2026
Kubernetes Data & AI Platform, veri ve yapay zekâ iş yüklerinin container tabanlı bir orkestrasyon katmanı üzerinde çalıştırıldığı platform yaklaşımıdır. Lakehouse, sorgu motoru, data processing, orkestrasyon, model servis etme ve AI uygulamaları aynı orkestrasyon modeliyle on-premise, private cloud ve public cloud ortamlarında işletilebilir. Bu mimaride Kubernetes yalnızca uygulama çalıştırma katmanı değildir; platformun kurulum, ölçekleme, güncelleme ve izleme sözleşmesidir.
Bir kurumsal Data & AI platformu tek bir servisten oluşmaz. Lakehouse, katalog, sorgu motoru, data processing, orkestrasyon, yönetişim, izleme ve AI servisleri birlikte çalışır. Bu bileşenlerin her birinin kurulması, sürümlenmesi, ölçeklenmesi ve izlenmesi gerekir.
Kubernetes'in veri platformlarının altına girmesinin sebebi budur: aynı kurulum ve işletim modelinin farklı altyapılarda tekrarlanabilmesi.
Kauzas'ın temel mimarisi Kubernetes üzerinde çalışır. Aynı platform modeli AWS, VMware ve fiziksel on-prem altyapılarda uygulanabilir.
Kubernetes Data & AI Platform Nedir?
Kubernetes Data & AI Platform, bir kurumun veri ve yapay zekâ iş yüklerini container tabanlı bir orkestrasyon katmanı üzerinde çalıştırdığı platform modelidir. Lakehouse, katalog, sorgu motoru, data processing, orkestrasyon ve AI servisleri tek tek kurulan sunucu yazılımları olarak değil, aynı kurulum ve işletim sözleşmesine tabi bileşenler olarak çalışır.
Pratikteki karşılığı şudur: aynı platform on-premise, private cloud ve public cloud ortamlarında aynı biçimde kurulur, ölçeklenir, güncellenir ve izlenir. Değişen altyapıdır; platformun çalışma modeli değil.
Uygulama Katmanından Platform Katmanına
Kubernetes ilk yaygınlaştığında çoğunlukla stateless uygulamalar için kullanıldı. Veri iş yükleri ise uzun süre bu modele uygun görülmedi.
Bu durumu değiştiren şey Kubernetes'in kendisinden çok etrafında oluşan operator ekosistemi oldu. Bir operator, bir teknolojinin kurulumunu, yapılandırmasını, ölçeklenmesini ve güncellenmesini Kubernetes'in kendi nesneleriyle tanımlanabilir hale getirir.
Böylece bir veri platformunun bileşenleri tek tek kurulan sunucu yazılımları olmaktan çıkar; platformun tarif edilebilen ve tekrar üretilebilen parçalarına dönüşür.
Veri ve AI İş Yükleri Neyi Farklı İster
Data ve AI iş yükleri, Kubernetes'in ilk hedeflediği web uygulamalarından birkaç açıdan ayrılır. Bir platformun bu iş yüklerini taşıyabilmesi için şunları karşılaması gerekir:
- Kalıcı durum: katalog, metadata ve sıcak katman verisi pod ömrüyle sınırlı olamaz
- Dalgalı kaynak talebi: bir Spark işi dakikalar içinde onlarca düğüm ister, sonra hiç istemez
- Uzun süren işler: batch işleri saatlerce çalışabilir ve yeniden başlatılmayı kaldıramaz
- Veri yerelliği: sorgu motorlarının object storage'a yakınlığı performansı belirler
- Özel donanım: GPU gibi kaynaklar zamanlayıcı tarafından tanınmalıdır
- Çok kiracılılık: farklı ekiplerin iş yükleri birbirinin kaynağını tüketmemelidir
Bunların hiçbiri Kubernetes'in doğal olarak çözdüğü şeyler değildir. Platformun işi, bu gereksinimleri karşılayacak biçimde yapılandırılmış bir Kubernetes sunmaktır.
Operator Modeli
Kauzas'ın ürün kataloğundaki bileşenler bu modele göre devreye alınır. Yönetici bir bileşeni konsoldan kurduğunda arkada o bileşenin operator'ü çalışır; kurulum, bağımlılıklar ve çalışma zamanı ilişkileri platform tarafından yönetilir.
Kauzas bileşenlerinin altındaki teknolojiler bu yaklaşımın örnekleridir:
| Kauzas bileşeni | Altındaki teknoloji | İş yükü tipi |
|---|---|---|
| Kauzas Spark | Spark on Kubernetes | Batch işleme |
| Kauzas Hot Tier | ClickHouse · Altinity Operator | Kalıcı durum |
| Kauzas SQL | Trino | Dağıtık sorgu |
| Kauzas Orchestration | Apache Airflow | Zamanlanmış iş akışı |
| Kauzas Events | Argo Events + NATS | Olay tetikleme |
| Kauzas Monitoring | Prometheus + Grafana | Gözlemlenebilirlik |
Her bileşen bağımsız sürümlenebilir ve gerektiğinde ayrı olarak devre dışı bırakılabilir.
Kubernetes Her Şeyi Taşınabilir Yapmaz
Kubernetes tabanlı bir platformun her altyapıda hiçbir değişiklik olmadan çalıştığını söylemek doğru olmaz. Taşınabilir olan platform modelidir; altyapıya bağlı kalan şeyler vardır.
Aşağıdaki katmanlar ortam değiştiğinde yeniden değerlendirilir:
Storage
Kalıcı disk sağlayan CSI sürücüsü her altyapıda farklıdır. Object storage tarafında S3 API ortak bir arayüz sunar; ancak performans karakteristiği, tutarlılık davranışı ve uç nokta yapılandırması sağlayıcıya göre değişir.
Ağ
CNI seçimi, load balancer sağlama biçimi ve ingress mimarisi altyapıya bağlıdır. Kapalı ağda ayrıca DNS, sertifika ve registry yolu ayrıca tasarlanır.
GPU
Sürücü kurulumu, device plugin ve düğüm tipleri ortam bazında farklıdır. Bulutta GPU'lu düğüm tipleri ve kotalar, kurum içinde ise fiziksel kart envanteri belirleyicidir.
Kimlik ve yetkilendirme
İş yüklerinin storage ve diğer servislere kimlik doğrulama biçimi buluta ve kurum içine göre değişir. Kauzas tarafında kullanıcı kimliği OIDC federasyonu üzerinden taşınır, ancak altyapı servislerine erişim ortamın kendi kimlik modeline oturur.
Yönetilen servisler
Bir bileşenin bulutta yönetilen bir servisle karşılanması operasyonel yükü azaltır ama o ortama bağlılığı artırır. Bu bilinçli bir takas olmalıdır.
Kubernetes bağımlılıkları yok etmez; onları görünür ve yönetilebilir kılar.
Aynı Mimari, Farklı Ölçekleme Modelleri
Platformun çalışma modeli altyapıya göre değişmez; değişen, kapasitenin nasıl sağlandığıdır.
| Altyapı | Ölçekleme | Nasıl çalışır |
|---|---|---|
| AWS | Karpenter | İhtiyaç oldukça düğüm açılır, kullanılmadığında kapasite azaltılır |
| VMware | Cluster API (CAPV) | Sanal makineler Kubernetes düğümü olarak devreye alınır |
| Fiziksel altyapı | Mevcut sunucu havuzu | İş yükleri pod seviyesinde ihtiyaca göre ölçeklenir |
Bu üçü birbirinin alternatifi olduğu kadar tamamlayıcısıdır da. Kurum ihtiyacına göre ortamını seçer; platformun kurulum, yetkilendirme ve işletim modeli aynı kalır.
Kontrol Düzlemi Nerede Çalışır
Kubernetes tabanlı bir platformda yalnızca iş yüklerinin nerede çalıştığı değil, onları yöneten katmanın nerede çalıştığı da bir karardır. Kauzas bu kararı üç modelde ele alır:
| Model | Kontrol düzlemi | Veri düzlemi |
|---|---|---|
| Tamamen kurum içinde | Kurumda | Kurumda |
| Yönetilen kontrol düzlemi | Novadsa / Kauzas | Kurumda |
| Merkezi yönetim, dağıtık sahalar | Merkezi kurum altyapısı | Kurumun sahalarında |
Üç modelde de veri ve iş yükleri kurumun kendi altyapısında kalır. Değişen, yönetim katmanının kim tarafından işletildiğidir.
Kapalı Ağda Kubernetes
İnternet erişimi olmayan ortamlarda Kubernetes tabanlı bir platformun çalışabilmesi ek tasarım gerektirir. Container image'larının kurum içindeki bir registry üzerinden sağlanması, sertifika zincirinin kurum içinde yönetilmesi ve bileşenlerin dış servislere bağımlılık duymaması gerekir.
Kauzas platformu kapalı ağlarda kurulup işletilebilecek biçimde tasarlanmıştır; dış servislere bağımlılık gerektirmez.
Kubernetes ve Data Lakehouse
Lakehouse mimarisinde storage ile compute ayrılır. Kubernetes bu ayrımın compute tarafındaki karşılığıdır: object storage üzerindeki Iceberg tabloları yerinde dururken, o veriyi kullanan Trino ve Spark iş yükleri ihtiyaç doğdukça ayağa kalkar ve iş bitince kaybolur.
Sorgu motorunun ömrü ile verinin ömrünün birbirinden ayrılması, açık mimarinin işletim tarafındaki karşılığıdır.
Kubernetes ve AI İş Yükleri
AI iş yükleri veri iş yüklerinden farklı bir kaynak profili taşır. Model servis etme sürekli ve gecikmeye duyarlıdır; eğitim ve toplu çıkarım ise dalgalıdır ve GPU ister.
Aynı orkestrasyon katmanında çalışmalarının pratik faydası, AI'ın kullandığı verinin yanında durmasıdır: RAG ve Agent iş yükleri, veriyi başka bir platforma taşımadan kurumsal veri katmanına erişebilir.
Çok Kiracılılık ve Kaynak Yönetimi
Bir kurumda aynı platformu farklı ekipler kullanır. Bir ekibin çalıştırdığı büyük bir Spark işinin başka bir ekibin sorgularını yavaşlatmaması gerekir.
Kubernetes'in namespace, kaynak kotası ve zamanlama mekanizmaları bunun altyapısını sağlar. Kauzas tarafında yalnızca iş yükü değil, kullanıcının kimliği ve politika bağlamı da iş yüküne kadar taşınır; politika bazlı yetkilendirme Cedar ile uygulanır.
Kişi bazında izleme ve denetim bu sayede mümkün olur. Kullanıcı ve Agent yetkilerinin nasıl ayrıştığı ayrı bir konudur.
Kauzas'ın Kubernetes Yaklaşımı
Kauzas, Kubernetes'i kurumun çözmesi gereken bir problem olarak değil, platformun altında duran bir sözleşme olarak ele alır. Yönetici bileşenleri konsoldan devreye alır; kurulum, bağımlılıklar, sürümleme ve entegrasyonlar platform tarafından yönetilir.
- Altyapı: AWS · VMware · fiziksel
- Kubernetes
- Kauzas core: konsol, API, yetkilendirme, operator
- Data servisleri: catalog · Trino · Spark · hot tier
- AI servisleri: arama · ajanlar · model uçları
- Kurumsal uygulamalar
Bu sayede kurum Kubernetes uzmanlığını her bileşen için ayrı ayrı kurmak zorunda kalmadan açık teknolojilerin esnekliğini koruyabilir.
Kubernetes Tabanlı Platform Hangi Kurumlar İçin
Bu yaklaşım özellikle şu kurumlar için değerlendirilebilir:
- Birden fazla altyapıda çalışan veya ileride ortam değiştirmeyi düşünen kurumlar
- Veri ve AI iş yüklerini aynı platformda işletmek isteyenler
- Kapalı ağ veya veri yerleşimi gereksinimi bulunanlar
- Birden fazla ekibe aynı platformu açan kurumlar
- Mevcut Kubernetes yatırımını veri platformu için de kullanmak isteyenler
- Tek bir bulut sağlayıcısının yönetilen veri servislerine bağlanmak istemeyenler
Sık Sorulan Sorular
- Kubernetes Data & AI Platform nedir?
- Veri ve yapay zekâ iş yüklerinin container tabanlı bir orkestrasyon katmanı üzerinde çalıştırıldığı platform yaklaşımıdır. Lakehouse, sorgu, işleme, orkestrasyon ve AI servisleri aynı kurulum ve işletim modeliyle farklı altyapılarda çalışabilir.
- Kubernetes veri iş yükleri için uygun mudur?
- Uygun biçimde yapılandırıldığında evet. Kalıcı durum, dalgalı kaynak talebi ve uzun süren işler Kubernetes'in doğal olarak çözdüğü şeyler değildir; bunları operator'ler, kalıcı depolama sürücüleri ve kaynak yönetimi mekanizmaları karşılar.
- Kubernetes kullanmak platformu cloud agnostic yapar mı?
- Tam olarak değil. Platform modeli taşınabilir hale gelir; ancak storage sürücüleri, ağ mimarisi, GPU sağlama biçimi, kimlik modeli ve yönetilen servis bağımlılıkları altyapıya göre değişmeye devam eder. Kubernetes bu bağımlılıkları yok etmez, görünür kılar.
- Kauzas hangi altyapılarda çalışır?
- AWS, VMware ve fiziksel on-prem altyapılarda aynı Kubernetes mimarisiyle çalışır. Ölçekleme AWS'de Karpenter, VMware'de Cluster API, fiziksel altyapıda ise mevcut sunucu havuzu üzerinden sağlanır.
- Kapalı ağda Kubernetes tabanlı platform çalışabilir mi?
- Çalışabilir. Container image'larının kurum içi bir registry üzerinden sağlanması ve bileşenlerin dış servislere bağımlılık duymaması gerekir. Kauzas bu şekilde kurulup işletilebilir.
- Mevcut Kubernetes altyapımızı kullanabilir miyiz?
- Kurumun Kubernetes yatırımı bulunuyorsa platform bu yatırımın üzerine konumlanabilir. Storage, ağ ve kimlik katmanlarının platformun gereksinimlerini karşılayıp karşılamadığı kurulum öncesinde değerlendirilir.
- GPU gerektiren AI iş yükleri nasıl çalışır?
- GPU kaynakları Kubernetes zamanlayıcısı tarafından tanınır ve iş yüklerine tahsis edilir. Sürücü kurulumu ve düğüm tipleri altyapıya göre farklılık gösterir.
Platformunuzu Altyapıdan Bağımsız Kurun
Veri ve yapay zekâ altyapınızın hangi ortamda çalışacağı bugün verilmiş bir karar olmak zorunda değil. Kauzas Data Platform ve Kauzas AI Platform, aynı Kubernetes mimarisiyle kurum içinde, private cloud'da ve uygun public cloud ortamlarında çalışır. Kendi altyapınız üzerinde Kauzas'ı ücretsiz PoC ile birlikte test edelim.