Azure/AzurePublicDataset

解决的问题

本项目为研究人员和学者提供了来自 Microsoft Azure 的真实世界数据，帮助他们研究、建模和优化大规模云系统。通过共享脱敏后的生产级追踪数据，社区能够分析云资源、无服务器函数、AI 模型和编码智能体在实际环境中的表现。

工作原理

该仓库托管了多年来从 Azure 基础设施中收集的各种数据集。这些数据集通过 GitHub Releases 以可下载文件的形式提供。每个数据集对应特定的研究论文，并包含详细说明收集周期、数据类型（如 VM 利用率、函数调用或 LLM token 使用量）以及相关学术背景的文档。

适用人群

本项目专为需要真实、大规模数据来测试云资源管理算法、评估无服务器性能、研究 AI 推理模式或分析智能体编码行为的研究人员、学生和系统工程师而设计。

主要亮点

• 包含 2017 年和 2019 年的历史 VM 工作负载追踪数据。
• 提供涵盖 Azure Functions 调用和 blob 访问模式的无服务器数据。
• 包含现代 AI 数据集，包括 LLM 和多模态推理追踪。
• 包含 VM 性能噪声基准和 GitHub Copilot 智能体编码会话等专业数据。
• 提供 Jupyter notebooks 以帮助用户验证和理解 VM 数据集的特征。