EUA Datasets

本仓库维护一组从真实世界数据源收集的EUA数据集，公开发布以促进边缘计算研究。数据集包括边缘服务器位置和用户位置的数据。所有数据位于澳大利亚地区。

This repository maintains a set of EUA datasets collected from real-world data sources, publicly released to promote research in edge computing. The datasets include data on edge server locations and user locations. All data is located within the Australian region.

原始信息汇总

数据集概述

数据集名称

• EUA Datasets

数据集内容

• edge-servers 文件夹：包含边缘服务器位置的数据集。
• users 文件夹：包含用户位置的数据集。

数据集来源

• 数据集收集自澳大利亚地区的真实世界数据源。

数据集用途

• 公开发布以促进边缘计算领域的研究。

数据集示例

• 提供了一个边缘服务器及其覆盖范围和终端用户的示例图。

数据集引用

• 如果使用此数据集，建议引用以下论文：
  • [Lai et al. 2018] Phu Lai, Qiang He, Mohamed Abdelrazek, Feifei Chen, John Hosking, John Grundy, and Yun Yang, Optimal Edge User Allocation in Edge Computing with Variable Sized Vector Bin Packing, 16th International Conference on Service-Oriented Computing (ICSOC2018), pp. 230-245, Hangzhou, China, 2018.

相关出版物

• 列出了多个使用EUA数据集的出版物，涉及边缘计算中的用户分配、数据缓存和应用部署等研究。

搜集汇总

数据集介绍

构建方式

EUA数据集源自真实世界的数据源，主要聚焦于澳大利亚地区的边缘计算研究。数据集的构建依赖于多个权威数据提供方，包括澳大利亚通信与媒体管理局的无线电基站数据集，以及IP-API用于将IP地址转换为地理位置的工具。通过Python和Google Maps API，数据集生成了边缘服务器及其覆盖范围的示例地图，确保了数据的准确性和可视化效果。

特点

EUA数据集的特点在于其专注于边缘计算领域，提供了边缘服务器位置和用户位置的两大类数据。这些数据不仅涵盖了澳大利亚地区的实际场景，还通过地图形式直观展示了服务器与用户的分布关系。数据集的高质量和公开性为研究者提供了宝贵的资源，支持了边缘计算中的用户分配、服务质量优化等关键问题的研究。

使用方法

使用EUA数据集时，研究者可以通过访问GitHub仓库获取边缘服务器和用户位置的数据文件。数据集的结构清晰，分为_edge-servers_和_users_两个文件夹，便于直接加载和分析。研究者可以利用这些数据进行边缘计算相关的实验和模型验证，如用户分配算法、服务质量优化等。此外，数据集的使用建议引用相关文献，以确保学术研究的规范性和可追溯性。

背景与挑战

背景概述

EUA数据集由Phu Lai等研究人员于2018年首次发布，旨在支持边缘计算领域的研究。该数据集基于澳大利亚地区的真实数据源，涵盖了边缘服务器位置和用户位置信息，为优化边缘用户分配、服务质量动态调整等核心问题提供了数据基础。其研究成果已在多个国际顶级会议和期刊上发表，如ICSOC、IEEE Transactions on Cloud Computing等，对边缘计算领域的算法优化和系统设计产生了深远影响。通过公开数据集，研究团队推动了边缘计算在资源分配、服务质量优化等方面的理论探索与实践应用。

当前挑战

EUA数据集在解决边缘计算领域问题时面临多重挑战。首先，边缘用户分配问题涉及复杂的动态服务质量（QoS）优化，如何在资源受限的边缘环境中实现高效的用户分配是一个关键难题。其次，数据集构建过程中，研究人员需要从澳大利亚通信与媒体管理局等机构获取并处理大量真实数据，确保数据的准确性和可用性。此外，边缘计算环境中的用户位置和服务器覆盖范围动态变化，如何实时更新数据并保持其时效性也是构建过程中的一大挑战。这些挑战不仅考验了数据处理能力，也为边缘计算算法的设计与优化提供了新的研究方向。

常用场景

经典使用场景

EUA数据集在边缘计算领域的研究中扮演着重要角色，特别是在边缘服务器与用户位置数据的分析中。通过提供澳大利亚地区的真实数据，该数据集为研究者们提供了一个可靠的实验平台，用于模拟和优化边缘计算环境中的资源分配策略。

解决学术问题

EUA数据集有效解决了边缘计算中的用户分配问题，特别是在动态服务质量（QoS）和用户体验质量（QoE）优化方面。通过提供详细的边缘服务器和用户位置数据，研究者能够开发出更精确的算法，以应对边缘计算环境中的资源管理和分配挑战。

衍生相关工作

EUA数据集催生了多项经典研究工作，如《Optimal Edge User Allocation in Edge Computing with Variable Sized Vector Bin Packing》和《QoE-aware User Allocation in Edge Computing Systems with Dynamic QoS》。这些研究不仅在理论上推动了边缘计算的发展，还在实际应用中提供了可行的解决方案，进一步拓展了该领域的研究边界。