AI agents for kubernetes incident remediation: Evaluating the reflexion framework
Yapay zeka ile kubernetes ortamında hata giderme: Reflexion çerçevesinin değerlendirilmesi
- Tez No: 996896
- Danışmanlar: DR. ÖĞR. ÜYESİ EMİN KUĞU, DR. ÖĞR. ÜYESİ HAKAN EMEKCİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Ajanlar, Arıza arama, Bulut bilişim, Dağıtık sistemler, Konteyner teknolojisi, Otomasyon, Yapay zeka, Agents, Fault detection, Cloud computing, Distributed systems, Container technology, Automation, Artificial intelligence
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Ted Üniversitesi
- Enstitü: Lisansüstü Programlar Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kubernetes, dünya çapında birçok altyapıda konteyner yönetimi için kullanılan standart bir teknoloji haline gelmiştir. Bununla birlikte, Kubernetes ortamındaki hataların giderilmesi için uzman bilgisi de gereklidir. Kubernetes içindeki mevcut çözümler sınırlı otonom düzeltme yetenekleri sunmaktadır. Bu tez, Kubernetes ortamındaki sorunları otonom olarak gidermek için sözel pekiştirmeli öğrenme yaklaşımını kullanan Reflexion Çerçevesinin etkinliğini analiz etmektedir. Deneylerde, 5 Claude modeli, 10 sorun giderme senaryosu ve üç farklı deney düzeni (temel, iki denemeli, Reflexion) kullanılarak 1,500 ayrı test yapılmıştır. Sonuçlar, ajanlara ikinci bir deneme şansı verilmesinin başarı oranını %38,6'dan %68,4'e çıkardığını göstermektedir. Reflexion mekanizması dahil edildiğinde, teşhis ve onarım gerektiren çoklu problem olduğu durumlarda +%12'lik önemli bir iyileşme sağlarken, tek problem verilen senaryolarda ihmal edilebilir bir iyileşme göstermektedir. Model kapasitesi de Reflexion etkisini belirleyen önemli bir faktördür ve orta kapasiteli modellerle kullanıldığında en büyük faydayı sağlarken, zayıf modeller ise Reflexion içeriğini verimli bir şekilde kullanamadıkları gözlemlenmiştir. Yapılan deneylerde birçok durumda, güçlü modeller, Reflexion gerektirmeden yüksek başarı oranlarına ulaşarak en iyi sonuçları elde etmiştir, çünkü yüksek kapasiteli modeller Reflexion olmadan da ikinci denemede başarılı olmaktadır. Hız, başarı ve maliyet göz önüne alındığında ise, orta kapasiteli modeller optimal çözüm olarak gözlemlendi. Bu sonuçlar, Reflexion çerçevesinin her zaman faydalı olmadığını, ancak uygun model seçimiyle karmaşık problemlerde kullanıldığında önemli bir değer sağladığını göstermektedir.
Özet (Çeviri)
Kubernetes has become a standard technology used in many infrastructures worldwide for container orchestration. However, troubleshooting errors in a Kubernetes environment requires expert knowledge. Existing solutions within Kubernetes, such as Horizontal Pod Autoscaler and Vertical Pod Autoscaler, offer limited autonomous correction capabilities. This thesis analyzes the effectiveness of the Reflexion Framework, which uses a verbal reinforcement learning approach to autonomously troubleshoot problems in a Kubernetes environment. During the experiment, 1,500 structured tests were completed with five Claude models, ten troubleshooting scenarios, and three experimental configurations (baseline, two-attempt, and full Reflexion). The results show that allowing the agents a second attempt increases the success rate from 38.6% to 68.4%. The addition of the Reflexion component results in a large increase of 12 percentage points for troubleshooting situations involving several failures that need to be treated together but shows little improvement for situations involving a single failure. The capacity of the models was also an important determinant of the Reflexion results, with the strongest results for the medium-capacity models; the low-capacity models were unable to make effective use of the Reflexion content. Strong models show ceiling effects that achieve high success rates without requiring reflection because high-capability models already succeeded on the second attempt without explicit reflection. Considering speed, success, and cost, medium capacity models were observed as the optimal solution. These results show that Reflexion is not always beneficial, but it provides significant value when used in complex problems with appropriate model selection.
Benzer Tezler
- Meta-requirements for enhancing user experience in conversational agents: A design science research approach
Konuşma temelli sistemlerde kullanıcı deneyimini geliştirmeye yönelik meta-gereksinimler: Bir tasarım bilimi araştırma yaklaşımı
NEŞE BAZ AKTAŞ
Doktora
İngilizce
2026
Yönetim Bilişim SistemleriSakarya ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. ADEM AKBIYIK
- Peyzaj tasariminda bir keşif araci: üretken yapay zeka temelli tasarim karar destek modeli
Ai-enabled generative decision support model as a predictive decoding tool for landscape design
SAFİYE ELİF SERDAR YAKUT
Doktora
Türkçe
2026
Peyzaj Mimarlığıİstanbul Teknik ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
PROF. DR. MELTEM ERDEM KAYA
- Kullanıcı hareketlerine dayalı beliren kent davranışı için bir model
An integrated model for emergent city behavior based on user movements
EMİRHAN COŞKUN
Yüksek Lisans
Türkçe
2011
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. GÜLEN ÇAĞDAŞ
- Deki: A multimodal image-to-code transformation and vision-based gui agents
Dekı: Çok modlu görüntüden koda dönüşüm ve görme tabanlı guı ajanları
RASUL OSMANBAYLİ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELÇUK ŞENER
- Informed Monte Carlo tree search for board games
Tahta oyunları için bilgilendirilmiş Monte Carlo ağaç araması
EMRE YILMAZ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATİH NAR