"Data center workload dynamic scheduling dataset"

"This dataset provides a comprehensive resource for research in cloud computing, workload scheduling, and energy-aware resource management. It includes:\u200b\u200bWorkload traces\u200b\u200b (two scales: large and small), derived from the Alibaba Cluster Trace 2020, capturing task arrival times, resource demands (CPU, memory), and deadlines after rigorous cleaning and filtering.\u200b\u200bServer configurations\u200b\u200b (two scales: large and small), specifying hardware performance parameters (e.g., CPU cores, memory, energy profiles) to model heterogeneous infrastructures.\u200b\u200bTime-varying electricity prices\u200b\u200b at 15-minute granularity, sourced from CAISO, to enable cost and energy efficiency analysis.The dataset supports studies on dynamic workload scheduling, server provisioning, and demand-response optimization in data centers. The inclusion of multi-scale workload and server data ensures flexibility for simulating diverse scenarios, from small-scale experiments to large-scale cluster analyses."本数据集为云计算（Cloud Computing）、工作负载调度（Workload Scheduling）以及能源感知资源管理（Energy-aware Resource Management）领域的研究提供了全面的支撑资源。其包含以下内容： 工作负载跟踪数据（Workload traces）：分为大、小两种规模，源自阿里巴巴集群跟踪数据集2020版（Alibaba Cluster Trace 2020），经过严格的清洗与筛选流程后，涵盖任务到达时间、资源需求（CPU、内存）以及任务截止时限等核心信息。 服务器配置数据（Server configurations）：同样包含大、小两种规模，明确了异构基础设施建模所需的硬件性能参数（如CPU核心数、内存容量、能源特性曲线）。 时变电价（Time-varying electricity prices）：粒度为15分钟，数据源自加州独立系统运营商（CAISO），可用于开展成本与能源效率分析。 本数据集可支撑数据中心内动态工作负载调度、服务器资源配置以及需求响应优化等相关研究。多尺度的工作负载与服务器数据，能够灵活模拟从小型实验到大型集群分析的各类应用场景。

搜集汇总

背景与挑战

背景概述

该数据集是一个用于云计算、工作负载调度和能源感知资源管理研究的综合资源，包含基于Alibaba Cluster Trace 2020处理后的工作负载轨迹、服务器配置和时变电价数据。其特点在于提供多尺度（大小两种规模）的工作负载和服务器数据，支持从小型实验到大规模集群分析的动态调度、服务器配置和需求响应优化研究，确保模拟场景的灵活性。