AzurePublicDataset

AzurePublicDataset

Azure云平台多样化工作负载数据集

AzurePublicDataset项目提供Azure云平台多种工作负载数据集,涵盖虚拟机、Azure Functions和LLM推理等领域。这些数据集反映了不同时期Azure服务的使用情况,为云计算资源管理和优化研究提供了宝贵素材。项目还包含相关论文链接和使用指南,有助于深入理解和分析云计算平台的运行特征。

AzureMicrosoft虚拟机函数计算大语言模型Github开源项目

概述

本仓库包含Microsoft Azure公开发布的跟踪数据,以造福研究和学术社区。 目前有两类跟踪数据:

  • 虚拟机跟踪:两个代表性的Microsoft Azure虚拟机(VM)工作负载跟踪数据,分别收集于2017年和2019年,以及一个专门用于研究打包算法的VM请求跟踪数据。
  • Azure Functions跟踪:Azure Functions调用的代表性跟踪数据,收集于2019年的两周内,以及Azure Functions blob访问的跟踪数据,收集于2020年11月至12月之间。
  • Azure LLM推理跟踪:LLM推理调用的代表性跟踪数据,包含输入和输出令牌,收集于2023年11月。

我们按原样提供这些跟踪数据,但愿意帮助研究人员理解和使用它们。如有任何问题或疑问,请发送电子邮件至我们的邮件列表

按论文快速链接:

  • 论文"Resource Central: Understanding and Predicting Workloads for Improved Resource Management in Large Cloud Platforms"(SOSP'17)的跟踪数据(2017)(2019)
  • 论文"Serverless in the Wild: Characterizing and Optimizing the Serverless Workload at a Large Cloud Provider"(ATC'19)的跟踪数据(2019)
  • 论文"Protean: VM Allocation Service at Scale"(OSDI'20)的跟踪数据(2020)
  • 论文"Faa$T: A Transparent Auto-Scaling Cache for Serverless Applications"(SoCC'21)的跟踪数据(2020)
  • 论文"Splitwise: Efficient generative LLM inference using phase splitting"(ISCA'24)的跟踪数据(2023)
  • 论文"Designing Cloud Servers for Lower Carbon"(ISCA'24)的数据集和代码(2023)

虚拟机跟踪

这些跟踪数据是Azure某一地理区域第一方VM工作负载的经过清理的子集。我们提供了jupyter笔记本,直接比较每个跟踪数据与其对应的完整VM工作负载的主要特征,显示它们在定性上非常相似(2019年的VM部署规模除外)。比较这两个跟踪数据的特征说明了工作负载在这两年间如何变化。

如果您在研究中使用这些VM跟踪数据,请务必引用我们的SOSP'17论文"Resource Central: Understanding and Predicting Workloads for Improved Resource Management in Large Cloud Platforms",其中包含了2017年Azure VM工作负载的完整分析。

跟踪数据位置

  • AzurePublicDatasetV1 - 使用2017年Azure VM工作负载数据创建的跟踪,包含约200万台VM和12亿次利用率读数的信息。
  • AzurePublicDatasetV2 - 使用2019年Azure VM工作负载数据创建的跟踪,包含约260万台VM和19亿次利用率读数的信息。

Azure打包跟踪数据

  • AzureTracesForPacking2020 - 该数据集代表Microsoft Azure计算服务的部分工作负载,专门用于评估打包算法。数据集包括:

    • VM请求及其优先级
    • 每个请求的VM生命周期
    • 每种VM类型分配的(标准化)资源

如果您在研究中使用Azure打包跟踪数据,请务必引用我们的OSDI'20论文"Protean: VM Allocation Service at Scale",其中包含Azure分配器及相关工作负载分析的描述。

Azure Functions跟踪

函数调用

  • AzureFunctionsDataset2019 - 这些跟踪数据包含2019年7月运行在Azure Functions上的部分应用程序的以下信息:

    • 每分钟每个(匿名化)函数被调用的次数及其对应的触发器组
    • (匿名化)函数如何分组到(匿名化)应用程序中,以及应用程序如何按(匿名化)所有者分组
    • 每个函数的执行时间分布
    • 每个应用程序的内存使用分布

如果您在研究中使用2019年Azure Functions跟踪数据,请务必引用我们的ATC'20论文"Serverless in the Wild: Characterizing and Optimizing the Serverless Workload at a Large Cloud Provider",其中包含2019年7月Azure Functions工作负载的完整分析。

  • AzureFunctionsInvocationTrace2021 - 这是从2021-01-31开始的两周函数调用跟踪。跟踪包含调用到达和离开(或完成)时间,具有以下模式:

    • app:应用程序ID(加密)
    • func:函数ID(加密),仅在应用程序内唯一
    • end_timestamp:函数调用结束时间戳(毫秒)
    • duration:函数调用持续时间(毫秒)

如果您在研究中使用2021年Azure Functions跟踪数据,请引用这篇SOSP'21论文"Faster and Cheaper Serverless Computing on Harvested Resources"

Functions Blob访问

  • AzureFunctionsBlobDataset2020 - 这是Microsoft Azure Functions中blob访问的样本,收集于2020年11月23日至12月6日。该数据集是SoCC 2021论文"Faa$T: A Transparent Auto-Scaling Cache for Serverless Applications"中描述和分析的数据。

Azure LLM推理跟踪

  • AzureLLMInferenceDataset2023 - 这是Azure中两个LLM推理服务的样本,包含输入和输出令牌。该数据集收集于2023年11月11日。其中包含ISCA 2024论文"Splitwise: Efficient generative LLM inference using phase splitting"中描述和分析的数据。

联系我们

如有任何问题或疑问,请发送电子邮件至我们的邮件列表

这些跟踪数据源于Azure和Microsoft Research之间的合作。

编辑推荐精选

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。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多