Üretken yapay zeka destekli yazılım performans testlerinin hazırlanması ve analizlerinin yapılması
Preparation and analysis of generative artificial intelligence-supported software performance tests
- Tez No: 958836
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT ŞİMŞEK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: OSTİM TEKNİK ÜNİVERSİTESİ
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: 103
Özet
Bu tez çalışması, yazılım performans testi süreçlerinin otomasyonu ve verimliliğinin artırılması amacıyla üretken yapay zekâ (Generative AI) teknolojilerinin uygulanabilirliğini araştırmaktadır. Geleneksel performans testleri, test senaryosu oluşturma, test verisi üretimi, yük testi koşumu ve sonuç analizi gibi aşamalarda ciddi insan müdahalesi, teknik uzmanlık ve zaman gerektirmektedir. Bu bağlamda tezde; API'lerin otomatik keşfi, test senaryolarının JMeter gibi araçlara uygun biçimde üretimi, test profillerinin belirlenmesi ve yapay zeka destekli analiz süreçlerinin bir bütün olarak optimize edilmesi hedeflenmiştir. Araştırma kapsamında, hem açık kaynak yerel Büyük Dil Modelleri çözümleri (ör. LLaMA.cpp, Ollama) hem de bulut tabanlı sistemler (ör. OpenAI GPT-4) kullanılarak; Postman collection'larından otomatik olarak JMeter test planı olan .jmx senaryoları oluşturulmuş, yük testleri koşulmuş, test sonuçları sistem kaynak metrikleriyle entegre edilerek analiz edilmiştir. Deneysel süreçlerde, AI tabanlı model çıktıları hem test doğruluğunu hem de senaryo çeşitliliğini artırmış, aynı zamanda zamandan ve insan kaynağından önemli ölçüde tasarruf sağlandığı görülmüştür. Sonuçlar, üretken yapay zekâ destekli çözümlerin performans testi alanında yalnızca yardımcı bir unsur değil, sürecin merkezi bir otomasyon katmanı olarak konumlanabileceğini ortaya koymaktadır. Bu tez, özellikle yapay zekâ temelli performans testi otomasyonu alanında gerek akademik gerekse endüstriyel uygulamalara yönelik özgün bir katkı sunmaktadır.
Özet (Çeviri)
This thesis investigates the applicability of generative AI technologies to automate and improve the efficiency of software performance testing processes. Traditional performance testing requires significant human intervention, technical expertise and time for test case generation, test data generation, load test execution and result analysis. In this context, the thesis aims to optimize the automatic discovery of APIs, generation of test cases in accordance with tools such as JMeter, determination of test profiles and AI-supported analysis processes as a whole. Within the scope of the research, using both open source native Large Language Model solutions (e.g. LLaMA.cpp, Ollama) and cloud-based systems (e.g. OpenAI GPT-4), .jmx scenarios with JMeter test plans were automatically generated from Postman collections, load tests were run, and test results were analyzed by integrating with system resource metrics. In the experimental processes, AI-based model outputs increased both test accuracy and scenario diversity, while at the same time, significant savings in time and human resources were achieved. The results show that generative AI-powered solutions can be positioned as a central automation layer of the process, not just an auxiliary element in the field of performance testing. This thesis makes an original contribution to both academic and industrial applications, especially in the field of AI-based performance testing automation.
Benzer Tezler
- Taxonomy and visualization of digital architecture knowledge: Proposal for a scientific online encyclopedia
Dijital mimarlık bilgisinin taksonomisi ve görselleştirilmesi: Bilimsel bir çevrim içi ansiklopedi önerisi
ESRANUR KARACİF
- La proposition D'Un modéle de direction et de l'organisation pour le secteur de sous industrie de l'automobile Turque
Türk otomotiv yan sanayi için yönetim ve organizasyon modeli önerisi
SERKAN ANDI
Yüksek Lisans
Fransızca
2004
Endüstri ve Endüstri MühendisliğiGalatasaray ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF.DR. ETHEM TOLGA
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Üretken yapay zekâ ile otomatik kod üretimi ve geliştirme süreçlerinin iyileştirilmesi
Automatic code generation with generative artificial intelligence and the improvement of development processes
NIHAT HASHIMLI
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL NİŞANTAŞI ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NEGAR SADAT SOLEIMANI ZAKERI
- Üretken tasarım metodu ile yük kancası tasarımının optimizasyonu
Design optimization of crane hook by using generative design approach
CİHAT SOFRACI
Yüksek Lisans
Türkçe
2025
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT ERDEM İMRAK