Azure公共数据集:释放云计算研究的潜力

RayRay
AzureMicrosoft虚拟机函数计算大语言模型Github开源项目

AzurePublicDataset

Azure公共数据集:云计算研究的宝库

在云计算领域,数据就是金矿。然而,获取真实世界的云工作负载数据往往是一个巨大的挑战。为了推动云计算技术的进步和创新,Microsoft Azure团队做出了一个重要决定:向全球研究人员开放部分Azure云平台的工作负载数据。这就是Azure公共数据集(Azure Public Dataset)项目的由来。

数据集概览

Azure公共数据集是Microsoft Azure云平台工作负载的代表性子集,经过脱敏处理后供研究使用。目前,该数据集主要包含三类数据:

  1. 虚拟机(VM)工作负载数据:

    • 2017年和2019年的VM工作负载数据,分别包含约200万和260万个VM的信息。
    • 专门用于研究VM打包算法的请求数据。
  2. Azure Functions调用数据:

    • 2019年7月的两周Azure Functions调用数据。
    • 2020年11月至12月的Azure Functions Blob访问数据。
  3. Azure LLM推理数据:

    • 2023年11月收集的LLM推理服务输入输出数据。

这些数据集涵盖了云计算的多个关键领域,为研究人员提供了宝贵的第一手资料。

Azure公共数据集概览

数据集的价值

Azure公共数据集的发布具有重要的学术价值和实践意义:

  1. 推动云计算研究:为研究人员提供真实的云工作负载数据,有助于开发和验证新的资源管理算法、调度策略等。

  2. 促进学术交流:统一的公开数据集为不同研究团队提供了可比较的基准,有利于学术成果的交流与验证。

  3. 培养人才:这些数据可以用于教学,帮助学生理解真实世界的云计算挑战。

  4. 产学合作:企业可以利用这些数据进行创新,促进产学研合作。

  5. 推动开放科学:微软的这一举措体现了开放科学的精神,有利于整个领域的发展。

数据集的应用

Azure公共数据集已经在多项重要研究中得到应用,产生了一系列高质量的学术成果:

  1. 资源管理优化:SOSP'17论文"Resource Central: Understanding and Predicting Workloads for Improved Resource Management in Large Cloud Platforms"利用2017年的VM数据,提出了改进的云资源管理方法。

  2. 无服务器计算研究:ATC'19论文"Serverless in the Wild: Characterizing and Optimizing the Serverless Workload at a Large Cloud Provider"基于2019年的Azure Functions数据,对无服务器计算工作负载进行了深入分析。

  3. VM分配策略:OSDI'20论文"Protean: VM Allocation Service at Scale"使用2020年的VM打包数据,提出了创新的VM分配服务。

  4. 无服务器缓存:SoCC'21论文"Faa$T: A Transparent Auto-Scaling Cache for Serverless Applications"利用2020年的Blob访问数据,设计了自动扩展的无服务器缓存系统。

  5. LLM推理优化:ISCA'24论文"Splitwise: Efficient generative LLM inference using phase splitting"基于2023年的LLM推理数据,提出了提高LLM推理效率的新方法。

这些研究成果不仅推动了学术进展,也为云计算实践提供了有价值的洞见。

Azure Functions调用数据分析

使用指南

研究人员可以通过以下步骤开始使用Azure公共数据集:

  1. 访问GitHub仓库:所有数据集的描述和下载链接都可以在Azure/AzurePublicDataset仓库中找到。

  2. 选择合适的数据集:根据研究需求,选择相应的数据集。每个数据集都有详细的说明文档。

  3. 下载数据:使用提供的链接下载数据文件。部分数据集可能需要使用Azure存储工具进行访问。

  4. 数据分析:仓库中提供了Jupyter notebook示例,展示了如何加载和分析数据。研究人员可以参考这些示例开始自己的分析。

  5. 引用要求:如果在研究中使用了这些数据集,请务必引用相关的论文,以支持开放数据共享。

  6. 反馈与支持:如有任何问题或建议,可以通过GitHub issues或者发送邮件到azurepublicdataset@service.microsoft.com与维护团队联系。

未来展望

Azure公共数据集的发布开创了云计算领域数据共享的先河。展望未来,我们可以期待:

  1. 数据集的持续更新:随着云技术的发展,新的数据类型和工作负载模式将被纳入数据集。

  2. 更多云提供商的参与:其他大型云服务提供商可能会效仿微软,发布自己的公共数据集。

  3. 跨云比较研究:多家云提供商的数据将使跨云平台的比较研究成为可能。

  4. AI与云融合:随着AI在云计算中的应用日益广泛,相关的数据集也将成为研究热点。

  5. 隐私保护技术的进步:更先进的数据脱敏和隐私保护技术将使得更多敏感数据可以安全地共享。

结语

Azure公共数据集的发布是云计算开放研究的一个里程碑。它不仅为研究人员提供了宝贵的资源,也彰显了微软对推动整个行业发展的承诺。随着更多研究者利用这些数据进行创新,我们有理由相信,云计算技术将迎来更快速、更深入的发展。无论你是学术研究者、学生还是行业实践者,Azure公共数据集都为你打开了探索云计算奥秘的大门。让我们携手利用这些数据,共同推动云计算技术的进步,为数字世界的未来贡献力量。

编辑推荐精选

材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

下拉加载更多