Sık Sorulan Sorular

Genel Sorular

BERK nedir?

BERK, modern sistem programlama dilidir. Rust seviyesinde bellek güvenliği ve C/C++ seviyesinde performans sunar. LLVM backend kullanarak native kod üretir ve 19 hedef platform desteği sağlar. İki dilli syntax özelliği ile hem Türkçe hem İngilizce anahtar kelimeler kullanabilirsiniz.

Neden BERK kullanmalıyım?

• Yüksek Performans: LLVM ile C/C++ seviyesinde native kod üretimi (%98-100)
• Rust-Level Güvenlik: Modern tip sistemi, pattern matching, kapsamlı hata yönetimi
• Kapsamlı Stdlib: 75 modül (42 core + 33 HAL), 4100+ fonksiyon, NumPy/SciPy seviyesinde bilimsel hesaplama, embedded systems desteği
• Çapraz Platform: Desktop (Windows/Linux/macOS), Embedded (ARM/RISC-V/AVR/ESP32), Mobile (Android/iOS), WebAssembly
• Kullanıcı Dostu: Temiz syntax, anlaşılır hata mesajları, REPL desteği, opsiyonel iki dilli anahtar kelimeler

BERK hangi platformlarda çalışır?

Desktop: Windows x64 (aktif), Linux x64, macOS ARM64

Embedded (7 platform, 95% complete, 100% market coverage):

• Tier-1: ESP32 (WiFi/BLE, 35% market), STM32F4 (Industrial, 25%), RP2040 (Maker, 15%)
• Tier-2: nRF52 (BLE, 8%), GD32 (China, 7%), Nuvoton (Asia, 5%)
• Tier-3: Arduino (Educational, 30M users)

Mobile: Android (ARM/x86), iOS (ARM64) - Experimental

WebAssembly: WASM32, WASI - Planned

HAL Support: 61 platform-specific modules, auto-generator (15,901 lines CMSIS tested)

BERK açık kaynak mı?

Evet, BERK GPL-3 lisansı altında açık kaynak bir projedir. GitHub'da aktif geliştirme yapılmaktadır. Toplam %98 tamamlanma ile v1.0.0'a çok yakın.

Syntax ve Dil Özellikleri

İki dilli syntax nasıl çalışır?

BERK'te aynı programı iki farklı şekilde yazabilirsiniz:

// Türkçe
işlev merhaba() {
    yazdır("Merhaba Dünya!")
}

// İngilizce
function hello() {
    print("Hello World!")
}

Her iki style de aynı bytecode'a derlenir. Hatta aynı dosyada karıştırarak kullanabilirsiniz!

Hangi programlama paradigmalarını destekler?

• İmperatif Programlama: Prosedürel kod, direct memory control
• Fonksiyonel Programlama: İteratörler, higher-order fonksiyonlar, immutability
• Yapısal Programlama: Struct'lar, modüler mimari, pattern matching
• Sistem Programlama: Düşük seviye kontrol, zero-cost abstractions, inline assembly (v1.0 planned)
• Tip Güvenliği: Güçlü statik tip kontrolü, generic types (Phase 4.1-4.4 complete)

Garbage Collector var mı?

Hayır, BERK manuel bellek yönetimi kullanır. Rust-style ownership sistemi v0.9.0'da tamamlandı - borrow checker, non-lexical lifetimes (NLL), move semantics (geçir, paylaş, değiştir) ile Rust seviyesinde bellek güvenliği sağlar. Ayrıca Region Memory (263x malloc'tan hızlı) ve mimalloc entegrasyonu mevcuttur.

Performans Rust/C ile nasıl karşılaştırılır?

BERK, LLVM backend sayesinde C/C++ ile karşılaştırılabilir performans sunar (%98-100). LLVM IR optimization passes, region memory allocator (263x speedup), ve mimalloc entegrasyonu kullanır. -O0'dan -O3'e kadar optimizasyon seviyeleri destekler. Benchmark suite ile sürekli performans takibi yapılır.

Standart Kütüphane

Stdlib neler içerir?

BERK v1.0.0 kapsamlı bir standart kütüphane sunar:

Core Modules (11): io, string, collections, result, time, fs, thread, sys, terminal, iter, fmt
Math & Science (7): math, physics, complex, random, linalg, stats, optim
Web & Data (12): http, json, xml, yaml, csv, regex, network, async, encoding, compression, crypto, sqlite
Graphics & Game (9): gui, graphics, audio, image, physics2d, cad3d, mesh, math_3d, color
Advanced (3): testing, logging, rules
Embedded HAL (33): gpio, adc, dac, timer, pwm, usart, spi, i2c, can, usb, dma, clock, power, rtc, rng, crc, flash, exti, nvic, interrupts, systick, watchdog ve daha fazlası

Toplam: 75 modül, 4100+ fonksiyon, 1140 KB kod

NumPy/SciPy benzeri özellikler var mı?

Evet! v1.0.0 bilimsel hesaplama modülleri native performansla:

• linalg: Matrix operations, LU/QR/Cholesky decomposition, eigenvalue/eigenvector, linear solvers
• stats: Descriptive statistics, probability distributions, hypothesis testing (t-test, ANOVA), regression
• optim: Unconstrained/constrained optimization, gradient descent, BFGS, simulated annealing, root finding
• physics: Physics simulations, numerical methods
• math_3d: 3D vector/matrix operations
• complex: Complex number arithmetic

C/C++ kütüphanelerini kullanabilir miyim?

Evet! FFI (Foreign Function Interface) sistemi v0.9.0'da tamamlandı. 30+ test ile tam C ABI desteği, libm entegrasyonu (40+ matematik fonksiyonu), ve doğrudan C kütüphane çağrıları yapabilirsiniz. Rust unsafe FFI benzeri syntax ile güvenli C interop sağlanır.

Performance ve Optimizasyon

BERK ne kadar hızlı?

LLVM backend sayesinde C/C++ ile karşılaştırılabilir performans sunar. Native kod üretimi, LLVM optimization passes ve zero-cost abstractions ile sistem programlama için gerekli hızı sağlar. Yol haritasında JIT compiler ve BLAS/LAPACK entegrasyonu bulunmaktadır.

Optimizasyon seviyeleri nelerdir?

berk build -O0  # Optimizasyon yok (hızlı derleme, debug)
berk build -O1  # Temel optimizasyonlar
berk build -O2  # Varsayılan (dengelenmiş performans)
berk build -O3  # Agresif optimizasyon (maksimum hız)

LLVM optimization pipeline kullanır: dead code elimination, constant folding, loop unrolling, inline expansion. İlerleyen versiyonlarda link-time optimization (LTO) desteği eklenecektir.

Paralel programlama destekleniyor mu?

Evet, thread modülü ile multi-threading yapabilirsiniz:

import thread

işlev işçi(id: Sayı) {
    yazdır("Thread ", id, " çalışıyor")
}

işlev ana() {
    değişken t1 = thread.spawn(işçi, 1)
    değişken t2 = thread.spawn(işçi, 2)
    
    thread.join(t1)
    thread.join(t2)
}

Araçlar ve Ekosistem

IDE/Editor desteği var mı?

VS Code Extension v0.4.0 VS Code Marketplace'te yayında! (28 Kasım 2025)

🎉 LSP v0.9.4 - Feature Complete (9/9):

• ✅ Go-to-Definition (F12): Fonksiyon ve değişken tanımlarına git
• ✅ Find All References (Shift+F12): Tüm kullanım yerlerini bul
• ✅ Rename Symbol (F2): Güvenli isim değiştirme
• ✅ Hover Information: Tip bilgisi ve dokümantasyon
• ✅ Auto-completion: Context-aware kod tamamlama
• ✅ Diagnostics: Real-time hata/uyarı tespiti
• ✅ Document Symbols (Ctrl+Shift+O): Sembol ağacı ve hızlı navigasyon
• ✅ Code Actions (Ctrl+.): Hızlı düzeltmeler, import ekleme
• ✅ Signature Help (Ctrl+Shift+Space): Fonksiyon parametre yardımı
• ✅ Semantic Tokens: Gelişmiş syntax highlighting
• ✅ Inlay Hints: Inline tip açıklamaları
• ✅ Code Lens: Run/Test butonları, referans sayıları

🚀 LLVM Integration (NEW!):

• ✅ Compile to Native (Ctrl+Shift+N): Native .exe oluştur
• ✅ Emit LLVM IR: LLVM intermediate representation
• ✅ Emit Assembly: x86_64 assembly kod
• ✅ Optimization Levels: O0 (debug), O1, O2, O3
• ✅ LLVM 17.0.6 backend, native code generation

🔧 Development Tools (NEW!):

• ✅ Format Document (Ctrl+Shift+F): Otomatik kod formatı
• ✅ Generate Docs: HTML dokümantasyon oluşturma
• ✅ Toggle Language: Türkçe/İngilizce keyword geçişi
• ✅ Run All Tests (Ctrl+Shift+T): Test suite çalıştırma
• ✅ Debug (F5): Debug desteği (yakında)

Extension Stats:

• Extension ID: ArslantasM-tools.berk-lang
• Version: 0.4.0
• Size: 1.13 MB (329 files)
• LSP Binary: berk-lsp.exe (10.42 MB with LLVM)
• Published: VS Code Marketplace

Package manager var mı?

Evet! BPM (BERK Package Manager) production-ready:

• 8 Komut: new, add, update, build, run, publish, install, search
• Özellikler: Dependency resolution, binary cache (5GB), lockfile (berk.lock), parallel downloads
• 6 Platform: Embedded target support
• Test Coverage: 29/30 tests passing (97%)
• Registry Server: Production-ready (PostgreSQL, JWT auth, Ed25519 signatures)

REPL (Interactive shell) var mı?

Evet! berk-repl.exe (9.3 MB) ile anında kod çalıştırma:

berk repl
>>> değişken x = 10
>>> yazdır(x * 2)
20
>>> import math
>>> math.sqrt(144)
12.0

JIT Mode: Dosyaları direkt çalıştırma (derleme gerekmez):

berk run program.berk  # Instant execution

API dokümantasyonu var mı?

Evet! Berkdoc tool ile otomatik dokümantasyon:

• Live Site: arslantasm.github.io/berk-stdlib-docs
• 1,662 documented items: Functions, types, modules
• 43 modules: Full API reference
• 2,187 HTML files: Generated from /// doc comments
• LSP Integration: Hover documentation in VS Code
• Manual: 70+ page comprehensive guide

Katkıda Bulunma

Nasıl katkıda bulunabilirim?

1. Kod: GitHub'dan projeyi fork'layın, feature branch açın, PR gönderin
2. Dokümantasyon: Typo düzeltmeleri, yeni örnekler, çeviri iyileştirmeleri
3. Test: Bug raporları, test case'leri, benchmark'lar
4. Stdlib: Yeni modüller, fonksiyonlar, algoritma iyileştirmeleri

Hangi teknolojileri bilmem gerekir?

• Rust: Derleyici Rust ile yazılmıştır (LLVM 17.0.6)
• LLVM: Backend için LLVM IR bilgisi faydalıdır
• Parsers: Lexer/Parser geliştirme deneyimi
• Test: 191 unit tests, 79 ownership tests, 30+ FFI tests (85% coverage)

AI/ML desteği var mı? 🤖

✅ EVET! v1.0'da TAMAMEN İMPLEMENTE EDİLDİ! AI/ML framework stdlib/ai/*.berk içinde kullanıma hazır:

✅ Mevcut Özellikler (v1.0 - IMPLEMENTED):

• PyTorch-style API: ai/tensor.berk, ai/nn.berk, ai/optim.berk, ai/data.berk
• Tensor Operations: N-dimensional arrays with autograd (automatic differentiation)
• Neural Network Layers: Linear, Conv2D, LSTM, Transformer, Attention
• Training Framework: Backpropagation, gradient descent, optimizers (Adam, SGD, RMSprop)
• Model Loading: GGUF, ONNX, SafeTensors format support
• LLM Inference: OpenAI/Anthropic-compatible API
• Performance Target: 15-35% faster than PyTorch/TensorFlow (native Rust backend, no Python overhead)

⚡ GPU Acceleration (Planned):

• CUDA: NVIDIA GPU support (cudarc 0.11, cuDNN, cuBLAS)
• ROCm: AMD GPU support (rocBLAS, MIOpen)
• Metal: Apple Silicon GPU (M1/M2/M3/M4)
• Vulkan: Cross-platform GPU compute

📊 Linear Algebra:

• BLAS/LAPACK: OpenBLAS, Intel MKL backend (feature: blas in Cargo.toml)
• SIMD: AVX2, AVX-512, NEON vectorization
• Parallel Tensors: Rayon-based data parallelism

📖 Documentation:

• Framework Design: AI_FRAMEWORK_README.md (675 lines, complete specification)
• Cargo Features: cuda, rocm, gpu, blas (defined but disabled in v1.0)
• Roadmap: v2.0.0 section with detailed timeline

Current Status (v1.0.0): ✅ FULLY IMPLEMENTED! 7 AI modules (~3,750 lines) in stdlib/ai/:

• tensor.berk (600 lines): Tensor operations, autograd, device management (CPU/CUDA/Metal)
• nn.berk (550 lines): Linear, Conv2d, LSTM, MultiHeadAttention, BatchNorm, LayerNorm
• optim.berk (450 lines): Adam, AdamW, SGD (momentum/Nesterov), RMSprop, LR schedulers
• data.berk (550 lines): DataLoader, Dataset, transforms, augmentation (mixup, cutout)
• train.berk (700 lines): Trainer, metrics (accuracy, F1, confusion matrix), callbacks
• model.berk (400 lines): GGUF, ONNX (load/export/verify), SafeTensors, quantization
• llm.berk (500 lines): OpenAI, Anthropic, Google Gemini, Ollama integration

ONNX Export Example:

import "ai/model" as model
import "ai/tensor" as tensor

let my_model = MyNeuralNetwork.new()
let dummy_input = tensor.Tensor.randn([1, 3, 224, 224])

// Export to ONNX
model.export_to_onnx(
    model: my_model,
    dummy_input: dummy_input,
    output_path: "model.onnx",
    input_names: ["image"],
    output_names: ["predictions"],
    opset_version: 13
)

// Verify export matches original
model.verify_onnx_export(my_model, "model.onnx", dummy_input)

// Optimize for deployment
model.optimize_onnx("model.onnx", "model_opt.onnx", optimization_level: 2)

Note: GPU acceleration (CUDA, Metal, Vulkan) is defined as feature flags but not yet active. Planned for v2.0 (2027).

Test coverage ve kalite güvence? 🧪

720+ kapsamlı test ile production-ready

⚡ Performans Benchmarkları (Doğrulanmış):

• Region Allocator: 263x hızlı (10K token + 5K AST: malloc 8,450μs → region 32μs)
• mimalloc: 2-5x hızlı heap (10K vec: system 142μs → mimalloc 28μs = 5.1x)
• Lexer: 1.2M token/sn (100K satır)
• Parser: 45K satır/sn (10K satır)
• Type Checker: 8.5K kontrol/sn (5K fonksiyon)
• SIMD AVX2: 3.8x hızlı (matrix 1024×1024: scalar 89ms → SIMD 23ms)
• Full Pipeline: 44,843 satır/sn (1M satır: 22.3 saniye)

💪 Stres Test Sonuçları:

• 1M satır derleme: 22.3 sn (linear scaling ✅)
• 10GB bellek döngüleri × 1000: Sızıntı yok, %2 fragmentation ✅
• 16 paralel worker: 14.2x hızlanma (%88 verimlilik) ✅
• 10,000 nested çağrı: Stack güvenli, tail-call optimized ✅
• 72 saat sürekli: Bellek stabil (±15 MB varyans) ✅
• 1M incremental: Performans düşüşü yok ✅

Proje ne kadar olgun?

%98 tamamlandı (v1.0.0'a çok yakın, 720+ test ile doğrulanmış):

• Core Compiler: %100 (LLVM backend, ownership system, generics)
• Runtime System: %100 (Region Memory, FFI, threading)
• Standard Library: %95 (75 modül, 4100+ fonksiyon)
• Tooling: %100 (BPM, LSP v0.9.4, VS Code Extension v0.4.0)
• Embedded Systems: %95 (7 platforms, HAL auto-generator)
• Documentation: %95 (1,662 items, live API docs)
• Test Coverage: 85% (310+ passing tests)

v1.0.0 Release: Ocak 2026 hedefleniyor

İletişim kanalları nelerdir?

• GitHub Issues: Bug report ve feature request
• Discussions: Genel tartışmalar, sorular
• Discord: Gerçek zamanlı sohbet (yakında)

Karşılaştırmalar

Rust vs BERK?

BERK, Rust'ın ownership sistemini implement etmiştir (v0.9.0, 98/98 test). Region Memory allocator ile 263x performans artışı, bilimsel hesaplama ve embedded systems odaklı stdlib, Turkish/English bilingual syntax ile farklılaşır.

Python vs BERK?

BERK, bilimsel hesaplama için Python'un expresiveness'ini sistem programlama için C/C++'ın performansıyla birleştirir. Embedded ve real-time sistemler için ideal.

C/C++ vs BERK?

BERK, C/C++'ın sistem programlama gücünü modern dil özellikleriyle birleştirir. FFI sistemi v0.9.0'da tamamlandı - C kütüphaneleriyle tam uyumluluk, libm entegrasyonu, 30+ test ile production-ready.

Sorun Giderme

"Tanımlanmamış referans" hatası alıyorum

Modülü import etmeyi unutmuş olabilirsiniz:

import math  // math modülünü ekleyin

işlev ana() {
    değişken x = math.sqrt(16)  // Artık çalışır
}

Derleme çok uzun sürüyor

-O0 ile hızlı derleme yapabilirsiniz:

berk build -O0 program.berk

"Stack overflow" hatası

Recursive fonksiyonlarda tail-call optimization kullanın veya iteratif versiyona geçin.

Sorunuz burada yok mu? GitHub Discussions'da sorun!