
AzurePublicDataset
用微软真实云数据,做靠谱的调度与容量研究
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-10-04 · 当前星标 ★ 1228
使用教程
⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。
环境要求
- 可访问 GitHub 的网络环境
- 已安装 git 命令行工具
- 安装 Jupyter Notebook 以便运行仓库内的示例代码(项目以 Jupyter Notebook 编写,README 未明确要求但示例为 Notebo
安装与启动步骤
-
1克隆数据集仓库
将 AzurePublicDataset 仓库克隆到本地,README 中数据以仓库形式公开释放,尚未给出独立下载链接。
git clone https://github.com/Azure/AzurePublicDataset.git -
2阅读总览说明
打开根目录 README,了解当前发布的轨迹类别与采集时间范围,先确定自己需要哪一类数据。
cd AzurePublicDataset -
3浏览子集目录
查看仓库内各子集目录结构,README 提到 VM 轨迹、Azure Functions 轨迹、LLM 推理轨迹等分类。
ls -
4查看示例 Notebook
仓库提供 Jupyter Notebook 示例代码,用于加载、统计与可视化轨迹数据;README 节选未给出运行命令,按仓库内文件的说明操作。
-
5邮件咨询问题
README 表示愿意协助研究者理解与使用数据,遇到问题或有疑问可发邮件到公开邮件列表。
如何确认成功
能成功列出仓库目录,并确认其中包含 README 所列的轨迹类别(如 VM Traces、Azure Functions Traces 等)即为正常。
常见问题
Q:README 里没有安装步骤,怎么使用数据?
A:该项目是数据集仓库,核心内容是轨迹数据与示例 Notebook,README 只描述轨迹类别,未提供安装命令;按仓库内各子集目录的说明读取数据即可。
Q:数据从哪里下载?
A:README 节选未给出独立的下载地址,数据以 GitHub 仓库形式发布,克隆仓库即可获得;如需更多信息可通过邮件列表咨询。
Q:遇到问题如何反馈?
A:README 说明可发送邮件到 azurepublicdataset@service.microsoft.com 联系维护方,反馈使用中的问题或疑问。
Q:这些数据能用于学术研究吗?
A:README 明确表示这些轨迹是面向研究与学术社区公开发布的,具体使用条款请以仓库内许可说明为准。
注意事项
- 本教程仅依据 README 节选整理,README 未提供安装命令、端口、依赖或配置项,因此未列出任何配置参数。
- 项目分类为数据集、开发语言为 Jupyter Notebook,主要以数据文件加示例代码的形式提供,而非可部署的服务。
- README 列举的轨迹类别包含 VM、Azure Functions、LLM 推理、多模态推理、VM 基准噪声与 GitHub Copilot 编码代理轨迹,实际可用子集以仓库当前内容为准。
- 使用数据前请确认仓库中的许可与引用要求,学术发表时按规范标注数据来源。
核心亮点
- 数据来自微软 Azure 生产环境,规模达数百万虚拟机与函数调用,真实性和覆盖度远超合成负载
- 提供 Jupyter Notebook 示例,包含数据加载、统计分析和可视化流程,上手门槛低
- 按版本和场景拆分子数据集,支持负载预测、调度、能耗、自动扩缩容等多种研究方向
不足之处
- 数据为静态快照,缺少持续更新机制,难以反映最新云环境特征
- 文档以英文为主,部分子集字段说明分散,中文用户理解成本较高
适用场景
- 云资源调度算法研究:用真实 VM 轨迹验证调度策略效果
- 负载预测与自动扩缩容:基于历史 CPU/内存数据训练预测模型
- 能耗与成本建模:分析资源请求与实际使用差异,评估资源浪费
替代项目
Google Cluster Data、Alibaba Cluster Trace
同类项目推荐
game-datasets
开源
找游戏AI数据集,看这份精选清单就够了
:video_game: A curated list of awesome game datasets, and tools to artificial intell···
CompBioDatasetsForMachineLearnin···
开源
生物医学机器学习数据集一网打尽,找数据不再翻论文
A Curated List of Computational Biology Datasets Suitable for Machine Learning
color-names
开源
海量颜色名称一键查,设计开发配色不再难
Large list of handpicked color names
deepfabric
开源
一条流水线搞定合成数据生成、训练与评估
Generate High-Quality Synthetics, Train, Measure, and Evaluate in a Single Pipeline
prontoqa
开源
用合成问答数据,精准剖析大模型推理链条
Synthetic question-answering dataset to formally analyze the chain-of-thought output···
Gossiping-Chinese-Corpus
开源
用PTT八卦版海量问答,训练接地气的中文聊天机器人。
PTT 八卦版問答中文語料
DataDesigner
开源
从零或种子数据一键生成高质量合成数据,加速 AI 训练
NeMo Data Designer: Generate high-quality synthetic data from scratch or from seed d···
Copulas
开源
用 copula 模型生成逼真合成表格数据,解决数据稀缺和隐私问题。
A library to model multivariate data using copulas.
home-assistant-datasets
开源
用真实家居指令给大模型跑分,选型不靠猜
This package is a collection of datasets for evaluating AI Models in the context of ···