Azure/AzurePublicDataset

解決する課題

このプロジェクトは、研究者や学術関係者に Microsoft Azure からの実世界のデータを提供し、大規模クラウドシステムの調査、モデリング、最適化を支援します。匿名化された本番環境スケールのトレースを共有することで、クラウドリソース、サーバーレス関数、AI モデル、およびコーディングエージェントが実際の環境でどのように動作するかをコミュニティが分析できるようにします。

仕組み

このリポジトリは、数年間にわたって Azure インフラストラクチャから収集されたさまざまなデータセットをホストしています。これらのデータセットは、GitHub Releases を通じてダウンロード可能なファイルとして提供されます。各データセットは特定の研究論文に対応しており、収集期間、データ型（VM の利用率、関数呼び出し、LLM のトークン使用量など）、および関連する学術的背景を詳述したドキュメントが含まれています。

対象読者

このプロジェクトは、クラウドリソース管理アルゴリズムのテスト、サーバーレスパフォーマンスの評価、AI 推論パターンの研究、またはエージェント型コーディング動作の分析のために、信頼性の高い大規模なデータを必要とする研究者、学生、システムエンジニア向けに設計されています。

ハイライト

• 2017 年および 2019 年の過去の VM ワークロードトレースが含まれています。
• Azure Functions の呼び出しや blob アクセスパターンを網羅したサーバーレスデータを提供します。
• LLM やマルチモーダル推論トレースを含む、最新の AI データセットを特徴としています。
• VM パフォーマンスノイズのベンチマークや GitHub Copilot のエージェント型コーディングセッションなどの専門的なデータが含まれています。
• ユーザーが VM データセットの特性を検証および理解するのに役立つ Jupyter notebooks を提供しています。