Kodlama ajanı için VPS RAM ihtiyacı ne kadar?
Sürekli çalışan bir kodlama ajanı 4 GB RAM ile başlar ancak dil sunucuları ve Docker build işlemleri sistemi kilitler. İdeal performans için 8 GB RAM önerilir.
Bir kodlama ajanı VPS'i ne kadar RAM'e ihtiyaç duyar?
Tek bir repository üzerinde sürekli çalışan bir kodlama ajanı için 4 GB RAM ve 2 vCPU ile başlayın. Bir dil sunucusu veya Docker build işlemi oturuma dahil olduğu anda (ki çoğu repository için bu ilk günden gerçekleşir) 8 GB RAM ve 4 vCPU seviyesine geçin. Ajan sürecinin kendisi küçüktür; sunucuyu dolduran şey, ajanın sizin adınıza çalıştırdığı araç zinciridir.
Bu grafiğin arkasındaki veriler
[
{
"plan": "Minimum viable",
"ram_gb": 4,
"vcpu": 2,
"disk_gb": 50
},
{
"plan": "Comfortable",
"ram_gb": 8,
"vcpu": 4,
"disk_gb": 100
},
{
"plan": "Team, 4 sessions",
"ram_gb": 16,
"vcpu": 8,
"disk_gb": 200
}
]Yukarıdaki her satır, modelin başka bir yerde, ağ üzerinden çağrılan bir API arkasında çalıştığını varsayar. Bu varsayım, boyutlandırma sorusunun tamamını belirler; bu yüzden önce bu konuyu netleştirin.
Ajanı mı çalıştırıyorsunuz, modeli mi?
Bulut tabanlı bir modeli çağıran kodlama ajanı, kendisine bir kabuk (shell) iliştirilmiş bir ağ istemcisidir. Dosyaları ve bir planı API'ye gönderir, yanıtı bekler, ardından dosyaları düzenler ve komutları yerel olarak çalıştırır. Bekleme süresince neredeyse hiç CPU kullanmaz. Kendi bellek kullanımı yüzlerce megabayt ile ölçülür; bu nedenle mütevazı bir CPU kutusu doğru makinedir.
Modeli kendiniz çalıştırmak, farklı donanım gerektiren farklı bir üründür. Ağırlıklar (weights), sunucu açık kaldığı sürece bellekte tutulur. 4 bit kuantize edilmiş 7 milyar parametreli bir model yaklaşık 4 GB ağırlığındadır (Llama 2 7B, Q4_0 formatında 3.83 GB, Q4_K_M formatında 4.08 GB olarak yayınlanır). Yayıncısı, çalışma zamanı yükü hesaba katıldığında, GPU olmadan çalıştırmak için 6.3 ila 6.6 GB RAM gerektiğini belirtir. Daha uzun bağlamlar (context) daha fazla bellek gerektirir, çünkü anahtar/değer önbelleği (key/value cache) bağlam uzunluğuyla birlikte büyür. Yalnızca CPU üzerinde, paylaşımlı bir vCPU saniyede birkaç token üretir. Bir ajan görevi binlerce token üretebileceğinden, API ile bir dakikadan kısa süren bir iş, yerel olarak neredeyse bir saat sürer. Eğer istediğiniz buysa, VRAM (GPU üzerindeki video belleği) için boyutlandırma yapın ve bu sayfa yerine GPU'lu bir VPS'in size gerçekte ne sağladığı konusunu okuyun.
Aşağıdaki her şey bulut modeli senaryosunu varsayar.
Belleği gerçekte ne kullanıyor
Bu grafiğin arkasındaki veriler
[
{
"label": "Agent CLI process, idle",
"typical_mb": 250,
"peak_mb": 600
},
{
"label": "TypeScript language server",
"typical_mb": 700,
"peak_mb": 2000
},
{
"label": "rust-analyzer, large workspace",
"typical_mb": 1200,
"peak_mb": 4000
},
{
"label": "Headless Chrome, one tab",
"typical_mb": 350,
"peak_mb": 900
},
{
"label": "Node test run, 4 workers",
"typical_mb": 1600,
"peak_mb": 3000
},
{
"label": "Docker image build",
"typical_mb": 800,
"peak_mb": 2500
}
]Bunlar, orta ölçekli projeler için yayınlanmış tipik değerlerdir. Bunları kodunuz için bir taahhüt değil, bir genel görünüm olarak değerlendirin.
Tablo 6 satır içerir ve aracı (agent) en düşük maliyetli olanıdır. Boştayken yaklaşık 250 MB civarında seyreder; çünkü sadece bir konuşmayı ve küçük bir dosya önbelleğini tutar, başka bir şey yapmaz. Bir TypeScript dil sunucusu, indeksleme yaparken yaklaşık 2000 MB değerine ulaşır; çünkü tsconfig.json dosyanızdan erişilebilen her dosya için bir tür grafiği oluşturur ve bir sonraki isteğe hızlı yanıt verebilmek için bu grafiği bellekte tutar. rust-analyzer, büyük bir çalışma alanında aynı nedenle genellikle 4000 MB değerini aşar; bu durum çalışma alanındaki her crate için geçerlidir.
Headless Chrome, tarayıcı ve bir sekme için yaklaşık 350 MB tüketir; eklenen her sekme ayrı bir işletim sistemi sürecidir. Dört worker ile çalışan bir Node test süreci dört ayrı Node süreci demektir, bu nedenle 3000 MB civarında zirve yapar. Bir Docker imajı oluşturma işlemi, daemon katmanları yazarken container içinde projenizin kendi derleyicisini çalıştırdığı için 2500 MB civarında zirve yapar.
Satın almadan önce bunları kendi deponuzda ölçün
sudo apt update && sudo apt install -y time
/usr/bin/time -v -o /tmp/build.rusage npm run build
grep "Maximum resident set size" /tmp/build.rusageYanıt Maximum resident set size (kbytes): 1842160 olarak döner. MB değerini bulmak için 1024'e bölün. GNU time, beklediği en büyük tekil süreci raporlar; bu nedenle dört worker çatallayan (fork) bir derleme işlemi düşük değer gösterir. Bu tür durumlar için ikinci bir kabuktan free -h veya systemd-cgtop -m ile tüm sunucuyu izleyin.
free -h çıktısındaki free sütununa değil, available sütununa bakın. Linux, boşta kalan her sayfayı disk önbelleğine ayırır; bu nedenle tamamen sağlıklı bir sunucuda free değeri düşüktür ve size bir şey ifade etmez. available, yeni bir sürecin gerçekte elde edebileceği miktardır.
Çalışan üç yapılandırma
Minimum uygulanabilir: 4 GB RAM, 2 vCPU, 50 GB disk. Bir agent oturumu, bir depo, bir dil sunucusu ve beklemeyi göze aldığınız derleme süreçleri. Bu seviye çalışır ancak büyük bir test çalışması ile indeksleme yapan dil sunucusu çakıştığında out-of-memory killer ile karşılaşır. Swap alanı ekleyin ve derleme işçilerinizi sınırlayın.
Konforlu: 8 GB RAM, 4 vCPU, 100 GB disk. Bir agent, artı Docker, artı testler için başsız (headless) bir tarayıcı ve bir derleme yoğunluğu için ek kapasite. Çoğu bireysel geliştiricinin tercih etmesi gereken seviye budur. vCPU sayısını ikiye katlamak derleme süresini kabaca yarıya indirir; bu farkı bellek artışından çok daha fazla hissedersiniz.
Ekip: 16 GB RAM, 8 vCPU, 200 GB disk. Her biri kendi checkout ve araç zincirine sahip dört eşzamanlı oturum. En yoğun anı baz alarak boyutlandırma yapın; çünkü dört boşta bekleyen agent neredeyse hiçbir maliyet getirmezken, aynı anda çalışan dört test süreci yukarıdaki en yoğun sütunun dört katı maliyet oluşturur.
Ağustos 2026 itibarıyla, ilk satırdan son satıra geçiş, yıllık VPS faturalandırmasında aylık fiyatın kabaca dört katıdır: en altta tek haneli dolar, en üstte ise onlu dolar seviyeleri. Planlama yapmadan önce güncel listeyi kontrol edin, çünkü bu rakamlar değişebilir. Sunucu nadiren maliyetin büyük kısmını oluşturur. Bir agent'ı günlük olarak kullanan herkes için model API faturası, sunucu faturasını hızla geçer; bu yüzden sunucuyu küçültmeden önce agent'ın harcama limitini belirleyin. Derleme sürecinin kendisi için, bir VPS üzerinde kodlama agent'ı çalıştırma kılavuzu, hesap kurulumunu ve bağlantıyı kestiğinizde oturumu nasıl canlı tutacağınızı açıklar.
RAM bitmeden neden disk alanının bittiği
Bu grafiğin arkasındaki veriler
[
{
"label": "Ubuntu 24.04 base and toolchain",
"typical_gb": 6
},
{
"label": "One JS monorepo checkout",
"typical_gb": 3
},
{
"label": "node_modules across 3 branches",
"typical_gb": 4
},
{
"label": "Docker images and build cache",
"typical_gb": 20
},
{
"label": "Agent logs and journal, 90 days",
"typical_gb": 2
}
]Bu satırları topladığınızda, daha tek bir satır kod yazmadan 50 GB'lık bir disk neredeyse dolmuş olur. En büyük tekil öğe, yaklaşık 20 GB ile Docker'dır; çünkü BuildKit, siz durdurmasını söyleyene kadar her derlemenin her ara katmanını saklar.
docker system df
docker builder prune --filter until=168hdocker system df, kategori bazında geri kazanılabilir alanı yazdırır, bu yüzden komutu işlemden önce ve sonra çalıştırın. until=168h filtresi, bir derlemenin son bir hafta içinde kullandığı önbellek kayıtlarını tutar ve gerisini siler. Bu işlem yaşa göre değil son kullanım tarihine göre yapılır; yani bir ay önce oluşturulmuş ancak dün yeniden kullanılmış bir katman korunur. Sizi zaman tasarrufu sağlayan önbellek budur. docker image prune -a daha ileri gider ve hiçbir container tarafından kullanılmayan tüm imajları kaldırır, bu nedenle bir sonraki derlemede yeniden indirme yapmasını bekleyin.
Node projeleri daha garip bir şekilde başarısız olur. npm install yüz binlerce küçük dosya yazar, bu nedenle df -h hala boş gigabaytlar rapor etse bile dosya sistemi inode sınırına ulaşabilir. Yazma işlemi, yarı boş görünen bir diskte No space left on device hatasıyla başarısız olur.
df -h /
df -i /Eğer IUse% 100 değerini okuyorsa, artık üzerinde çalışmadığınız dalların node_modules dizinlerini silin veya her paket sürümünü bir kez depolayıp her projeye hard-link ile bağlayan pnpm aracına geçiş yapın.
Loglar sessizce birikir. Sürekli çalışan bir ajan oturum dökümlerini yazar ve systemd günlüğü varsayılan olarak diskin bir kısmını kaplar.
sudo journalctl --disk-usage
sudo journalctl --vacuum-size=200M
du -xh --max-depth=1 / 2>/dev/null | sort -h | tail/etc/systemd/journald.conf içinde SystemMaxUse=200M değerini ayarlayın ve bu sınırı kalıcı hale getirmek için sudo systemctl restart systemd-journald komutunu çalıştırın; çünkü tek seferlik bir temizlik yalnızca bugünün alanını geri kazandırır.
Swap: sağladığı avantajlar ve gizledikleri
Swap eklemek faydalıdır; çünkü küçük bir bellek aşımının süreci sonlandırması yerine, işlemin yavaş da olsa devam etmesini sağlar. Swap boyutunu RAM miktarının yarısı kadar, en fazla 4 GB olacak şekilde ayarlayın. Bir derleme sunucusunda bu miktarın üzerine çıkmak için geçerli bir neden yoktur.
sudo fallocate -l 4G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile
echo '/swapfile none swap sw 0 0' | sudo tee -a /etc/fstab
swapon --showswapon --show komutu artık /swapfile değerini belirttiğiniz boyutta listelemelidir. /etc/fstab satırı eklenmediği takdirde, yeniden başlatma sonrasında swap devre dışı kalır ve sunucu sessizce eski davranışına döner. Eğer fallocate komutu Operation not supported yanıtını veriyorsa, sudo dd if=/dev/zero of=/swapfile bs=1M count=4096 ile dosyayı oluşturun ve chmod adımından devam edin.
echo 'vm.swappiness = 10' | sudo tee /etc/sysctl.d/99-swappiness.conf
sudo sysctl --systemDüşük bir swappiness değeri, çekirdeğe program belleğini diske taşımadan önce disk önbelleğini geri kazanması talimatını verir; bu da bir dil sunucusunun (language server) yanıt verebilirliğini korur.
Şimdi swap'in gizlediği kısma gelelim. Bir iş, sunucunun sahip olduğundan daha fazla belleğe ihtiyaç duyduğunda, çekirdek derleme işlemini yürütmek yerine zamanını RAM ile disk arasında sayfa taşıyarak harcar. Hiçbir şey çökmez. Her şey sürünerek ilerler ve CPU boşta beklerken yük ortalaması (load average) yükselir.
vmstat 1 10si ve so sütunlarındaki sabit ve sıfır olmayan değerler, sürekli bir swap kullanımı anlamına gelir. Bu durumda çözüm, eşzamanlılığı azaltmak veya RAM miktarını artırmaktır; kesinlikle daha fazla swap eklemek değildir. Küçük bir sunucuda sudo apt install -y zram-tools, RAM içinde sıkıştırılmış swap alanı sağlar ve /etc/default/zramswap üzerinden yapılandırılır. Bu yöntem bir swap dosyasından çok daha hızlıdır; RAM'den tasarruf etmek için RAM harcar. Bu nedenle soğuk sayfalar (cold pages) için yardımcı olur, ancak gerçek çalışma belleğine ihtiyaç duyan bir derleme işlemine katkı sağlamaz.
Kodlama ajanınızın neden donmuş gibi göründüğü
Bu, küçük bir ajan kutusunda en yanlış teşhis edilen hatadır. Bir komut hiçbir şey döndürmez, ajan bekler ve oturum donmuş gibi görünür. Süreç, çekirdek tarafından bellek yetersizliği (OOM) nedeniyle sonlandırılmıştır. SIGKILL sinyali aldığı için bir hata yazdıramamış, log temizleyememiş veya ajana ne olduğunu bildirememiştir. Ajan boş bir sonuç ve çıkış mesajı görmez.
Çekirdek bunu kaydeder:
sudo dmesg -T | grep -iE "out of memory|killed process"
sudo journalctl -k -b | grep -i oomGerçek bir satır şu şekilde görünür:
[Thu Aug 6 11:02:14 2026] Out of memory: Killed process 4711 (node) total-vm:4210880kB, anon-rss:3820104kB, file-rss:0kB, shmem-rss:0kB, UID:1000 pgtables:8236kB oom_score_adj:0anon-rss, o sürecin öldüğü sırada ne kadar bellek tuttuğunu gösterir. Hangi sürecin seçildiğine dikkat edin: çekirdek puanlamayı çoğunlukla kullanılan belleğe göre yapar, bu nedenle genellikle kutuyu sınırın üzerine iten derleme yerine dil sunucusunu veya ajanı öldürür. Belirtinin "ajan bozuldu" şeklinde okunmasının nedeni tam olarak budur.
Docker içinde aynı olay daha temiz bir iz bırakır. Container, 128 artı 9 sinyali olan 137 koduyla çıkar.
docker ps -a
docker inspect "$(docker ps -lq)" | grep -i oomkilled"OOMKilled": true, container'ın kendi kendine çökmesinden ziyade bellek sınırına ulaştığını doğrular.
Çözüm, pahalı komuta kendi sınırını vermektir; böylece ajan yerine derleme ölür:
systemd-run --user --scope -p MemoryMax=4G -- npm run buildDerleme artık 4 GB'ta öldürülür ve ajan hayatta kalır. Bu, gizemli bir donmayı, okunabilir bir çıkış koduna sahip sıradan bir başarısız komuta dönüştürür. Bu işlem bir systemd kullanıcı yöneticisi gerektirir; sıradan bir SSH girişi sizin için bir tane başlatır, bu nedenle komut SSH üzerinden olduğu gibi çalışır. loginctl enable-linger $USER yalnızca siz oturumu kapattıktan sonra kullanıcı birimlerinin çalışmaya devam etmesini sağlamak içindir. MemoryHigh=, süreci öldürmek yerine eşik değerinde kısıtlar; bu, yavaş da olsa tamamlanmasını tercih edeceğiniz bir derleme için genellikle daha nazik bir ayardır.
Compose bellek sınırlarını tek seferde belirleyin
Eğer aracın araçları container içerisinde çalışıyorsa, üst sınırı Compose dosyasına ekleyin; böylece her çalıştırmada bu sınır uygulanır.
services:
agent:
image: node:22-bookworm
deploy:
resources:
limits:
memory: 2g
cpus: "1.5"Docker Compose v2, deploy.resources.limits değerini doğrudan docker compose up üzerinde uygular, bu nedenle swarm modu devreye girmez. Daha eski olan mem_limit: 2g anahtarı da çalışmaya devam eder. Compose bellek sınırları için tam kılavuz, kaynak ayırmaları ve bir container üst sınırına ulaştığında ne olacağını açıklar. Eğer sunucuda Docker yüklü değilse, önce bir VPS üzerine Docker kurun.
Bir tuzak, kullanıcıların bir öğleden sonrasını kaybetmesine neden olur. 2 GB ile sınırlandırılmış bir container, host'un /proc/meminfo değerini ve CPU sayısını okumaya devam eder; çünkü bunların hiçbiri namespaced değildir. CPU sayısına göre işçi sayısını belirleyen bir test çalıştırıcısı, 8 vCPU'lu bir host üzerinde 2 GB'lık container içinde 8 işçi başlatır ve ardından 137 hata koduyla kapanır. Sayıları manuel olarak ayarlayın:
npx jest --maxWorkers=2
export NODE_OPTIONS=--max-old-space-size=1536--max-old-space-size değeri MB cinsindendir ve V8 heap alanını sınırlar. Bu değeri container sınırının altında tutun; böylece Node, aniden kaybolmak yerine okuyabileceğiniz bir hata mesajı verir:
FATAL ERROR: Ineffective mark-compacts near heap limit Allocation failed - JavaScript heap out of memoryBu mesaj bir hediyedir, çünkü ulaşılan sınırı ve bu sınıra çarpan süreci belirtir. OOM killer bunu asla yapmaz.
Tek bir sunucuda birden fazla aracı oturumu çalıştırma
Kişi bazlı değil, oturum bazlı planlama yapın. Aynı depo üzerinde iki oturum, iki dil sunucusu, bellekte iki ayrı derleme önbelleği ve her iki aracı aynı anda meşgul olursa iki ayrı test çalışması anlamına gelir. Ekip satırının 16 GB değerine sıçramasının nedeni budur.
Kontrolden çıkan bir oturumun tüm sunucuyu çökertmemesi için her kullanıcıya katı bir üst sınır belirleyin:
id -u alice
sudo mkdir -p /etc/systemd/system/user-1001.slice.d
printf '[Slice]\nMemoryMax=6G\n' | sudo tee /etc/systemd/system/user-1001.slice.d/limit.conf
sudo systemctl daemon-reload
systemctl show user-1001.slice -p MemoryMax1001 değerini, id -u komutunun çıktı olarak verdiği UID ile değiştirin. Kullanıcı giriş yaptıktan sonra systemctl show komutu MemoryMax=6442450944 çıktısını vermelidir. İlgili kullanıcının oturumundaki her şey 6 GB sınırını aştığında, çekirdek o dilim içindeki bir süreci sonlandırır ve diğer tüm oturumlar çalışmaya devam eder. Terminal yerine servis olarak çalışan bir aracı için, bunun yerine birim dosyasına MemoryMax= ekleyin; bu, bir aracıyı her zaman açık bir servis olarak barındırırken izlenmesi gereken yöntemdir.
FAQ
2 GB RAM bir kodlama ajanı için yeterli mi?
Ajan süreci için evet. Ancak yaptığı işler için genellikle yetersizdir. Ajan yaklaşık 250 MB RAM kullanır, ancak tek bir TypeScript dil sunucusu orta ölçekli bir depoda 2000 MB seviyesine ulaşabilir. Bu durum, 2 GB kapasiteli bir sunucuyu doğrudan swap kullanımına zorlar. 2 GB, yapılandırma dosyalarını düzenlemek ve küçük betikler yazmak için uygundur. Derleme yapan veya test paketi çalıştıran her türlü iş yükü için alt sınır olarak 4 GB RAM tercih edilmelidir.
Bir VPS üzerinde kodlama ajanı çalıştırmak için GPU gerekli mi?
Ajan, bulut tabanlı bir modeli API üzerinden çağırıyorsa gerekli değildir. Bu iş yükü ağa bağımlıdır; dolayısıyla standart bir CPU VPS doğru tercihtir ve GPU, çok daha yüksek maliyetle boşta kalacaktır. GPU'ya yalnızca modelin kendisi aynı sunucuda çalıştırılacaksa ihtiyaç duyulur; bu durumda konu RAM'den VRAM ve model boyutuna evrilir.
Bir ajan VPS'ine ne kadar swap eklemeliyim?
RAM miktarının yarısı kadar, en fazla 4 GB olacak şekilde eklenmelidir. Swap, kısa süreli bellek aşımı durumlarında çekirdeğin süreci sonlandırmak yerine kullanılmayan sayfaları diske taşımasını sağlayarak sizi korur. Kullanılabilir bellek miktarını artırmaz. Eğer vmstat 1 komutu, si ve so sütunlarında sürekli bir hareketlilik gösteriyorsa sunucu "thrashing" durumundadır; bu durumda çözüm, paralel çalışan sayısını azaltmak veya daha üst bir plana geçmektir.
Kodlama ajanım neden derleme sırasında donuyor?
Derleme süreci neredeyse kesinlikle çekirdeğin OOM killer mekanizması tarafından sonlandırılmıştır. Çekirdek SIGKILL sinyali gönderdiği için herhangi bir hata çıktısı yazılmaz ve ajan, asla dolmayacak bir boru (pipe) üzerinde beklemeye devam eder. sudo dmesg -T | grep -i "killed process" komutunu çalıştırın ve süreç adı ile anon-rss değerini kontrol edin. Sorunu çözmek için derleme sürecini systemd-run --user --scope -p MemoryMax=4G ile sınırlayın, çalışan sayısını düşürün veya bir üst RAM katmanına geçiş yapın.