Belgif Linked Data Fragments server

Matches in Data.gov.be for { <http://data.gov.be/.well-known/genid/dataset/ucl/doi-10-14428/DVN/0LNXDQ> ?p ?o ?g. }

• 0LNXDQ accessRights PUBLIC @default.
• 0LNXDQ bibliographicCitation "Piraux, Maxime; Louis, Navarre, 2023, "OVH Weather dataset", https://doi.org/10.14428/DVN/0LNXDQ, Open Data @ UCLouvain, V2" @default.
• 0LNXDQ created "2023-11-09T14:57:35Z" @default.
• 0LNXDQ creator 0000-0001-8533-5667 @default.
• 0LNXDQ creator 0000-0002-5548-4423 @default.
• 0LNXDQ description "Code associé: https://github.com/louisna/OVH-Weather-Dataset Les chercheurs sont souvent confrontés au manque de données sur les grands réseaux opérationnels pour comprendre comment ils sont utilisés, comment ils se comportent et parfois comment ils échouent. Ces données sont cruciales pour piloter l'évolution des protocoles Internet et développer des techniques telles que l'ingénierie du trafic, la détection et l'atténuation DDoS. Les entreprises qui ont accès aux mesures des réseaux et services opérationnels exploitent ces données pour améliorer la disponibilité, la vitesse et la résilience de leurs services Internet. Malheureusement, la disponibilité de grands ensembles de données, en particulier recueillies régulièrement sur une longue période de temps, est une tâche ardue qui reste rare dans la littérature. Nous nous attaquons à ce problème en publiant un ensemble de données recueillies sur environ deux ans d'observations d'une grande entreprise de cloud computing (OVH). Notre ensemble de données, appelé OVH Weather dataset, représente l'évolution de plus de 180 routeurs, 1 100 liaisons internes, 500 liaisons externes et leurs pourcentages de charge dans le réseau de base au fil du temps. Notre ensemble de données a une densité élevée avec des instantanés pris toutes les cinq minutes, totalisant plus de 500 000 fichiers. Dans cet article, nous illustrons également comment notre ensemble de données pourrait être utilisé pour étudier l'évolution des réseaux dorsaux. Enfin, notre ensemble de données ouvre plusieurs questions de recherche passionnantes que nous mettons à la disposition du milieu de la recherche." @default.
• 0LNXDQ description "Related code: https://github.com/louisna/OVH-Weather-Dataset Researchers often face the lack of data on large operational networks to understand how they are used, how they behave, and sometimes how they fail. This data is crucial to drive the evolution of Internet protocols and develop techniques such as traffic engineering, DDoS detection and mitigation. Companies that have access to measurements from operational networks and services leverage this data to improve the availability, speed, and resilience of their Internet services. Unfortunately, the availability of large datasets, especially collected regularly over a long period of time, is a daunting task that remains scarce in the literature. We tackle this problem by releasing a dataset collected over roughly two years of observations of a major cloud company (OVH). Our dataset, called OVH Weather dataset, represents the evolution of more than 180 routers, 1,100 internal links, 500 external links, and their load percentages in the backbone network over time. Our dataset has a high density with snapshots taken every five minutes, totaling more than 500,000 files. In this paper, we also illustrate how our dataset could be used to study the backbone networks evolution. Finally, our dataset opens several exciting research questions that we make available to the research community." @default.
• 0LNXDQ description "Verwante code: https://github.com/louisna/OVH-Weather-Dataset Onderzoekers worden vaak geconfronteerd met het gebrek aan gegevens over grote operationele netwerken om te begrijpen hoe ze worden gebruikt, hoe ze zich gedragen en soms hoe ze falen. Deze gegevens zijn cruciaal om de evolutie van internetprotocollen te stimuleren en technieken te ontwikkelen zoals verkeerstechniek, DDoS-detectie en -mitigatie. Bedrijven die toegang hebben tot metingen van operationele netwerken en diensten maken gebruik van deze gegevens om de beschikbaarheid, snelheid en veerkracht van hun internetdiensten te verbeteren. Helaas is de beschikbaarheid van grote datasets, vooral regelmatig verzameld over een lange periode, een ontmoedigende taak die schaars blijft in de literatuur. We pakken dit probleem aan door een dataset vrij te geven die is verzameld over ongeveer twee jaar observaties van een groot cloudbedrijf (OVH). Onze dataset, genaamd OVH Weather-dataset, vertegenwoordigt de evolutie van meer dan 180 routers, 1.100 interne links, 500 externe links en hun belastingspercentages in het backbone-netwerk in de loop van de tijd. Onze dataset heeft een hoge dichtheid met snapshots die elke vijf minuten worden genomen, in totaal meer dan 500.000 bestanden. In dit artikel illustreren we ook hoe onze dataset kan worden gebruikt om de evolutie van backbone-netwerken te bestuderen. Ten slotte opent onze dataset een aantal spannende onderzoeksvragen die we beschikbaar stellen aan de onderzoeksgemeenschap." @default.
• 0LNXDQ description "Zugehöriger Code: https://github.com/louisna/OVH-Wetter-Datensatz Forscher stehen oft vor dem Mangel an Daten in großen operativen Netzwerken, um zu verstehen, wie sie verwendet werden, wie sie sich verhalten und manchmal wie sie versagen. Diese Daten sind entscheidend, um die Entwicklung von Internetprotokollen voranzutreiben und Techniken wie Traffic Engineering, DDoS-Erkennung und Minderung zu entwickeln. Unternehmen, die Zugriff auf Messungen aus operativen Netzwerken und Diensten haben, nutzen diese Daten, um die Verfügbarkeit, Geschwindigkeit und Belastbarkeit ihrer Internetdienste zu verbessern. Leider ist die Verfügbarkeit großer Datensätze, die insbesondere regelmäßig über einen langen Zeitraum gesammelt werden, eine entmutigende Aufgabe, die in der Literatur nach wie vor knapp ist. Wir lösen dieses Problem, indem wir einen Datensatz veröffentlichen, der über etwa zwei Jahre Beobachtungen eines großen Cloud-Unternehmens (OVH) gesammelt wurde. Unser Datensatz namens OVH Weather Dataset repräsentiert die Entwicklung von mehr als 180 Routern, 1.100 internen Links, 500 externen Links und deren Lastanteile im Backbone-Netzwerk im Laufe der Zeit. Unser Datensatz hat eine hohe Dichte mit Snapshots, die alle fünf Minuten erstellt werden und insgesamt mehr als 500.000 Dateien umfassen. In diesem Artikel veranschaulichen wir auch, wie unser Datensatz verwendet werden könnte, um die Entwicklung der Backbone-Netzwerke zu untersuchen. Schließlich eröffnet unser Datensatz einige spannende Forschungsfragen, die wir der Forschungsgemeinschaft zur Verfügung stellen." @default.
• 0LNXDQ identifier "doi:10.14428/DVN/0LNXDQ" @default.
• 0LNXDQ issued "2024-03-19T13:40:21Z" @default.
• 0LNXDQ language ENG @default.
• 0LNXDQ modified "2024-03-19T13:40:21Z" @default.
• 0LNXDQ publisher 0419052272 @default.
• 0LNXDQ rights 22a7acd72503dd216201dbe0849fa24f35d376cf @default.
• 0LNXDQ subject "Computer and Information Science" @default.
• 0LNXDQ title "OVH Jeu de données météorologiques" @default.
• 0LNXDQ title "OVH Weather dataset" @default.
• 0LNXDQ title "OVH Weer dataset" @default.
• 0LNXDQ title "OVH Wetterdatensatz" @default.
• 0LNXDQ citedBy genid69029 @default.
• 0LNXDQ type Dataset @default.
• 0LNXDQ contactPoint genid69030 @default.
• 0LNXDQ contactPoint genid69031 @default.
• 0LNXDQ landingPage 0LNXDQ @default.
• 0LNXDQ theme TECH @default.
• 0LNXDQ version "2" @default.