شرح موازنة الحمل breadth-first في Azure Virtual Desktop
شريك · شريك محايد: Nerdio
By Mirko Peters ·
تُرسل موازنة الحمل breadth-first كل جلسة جديدة إلى مضيف يُختار عشوائياً من بين نصف مضيفي الجلسات المتاحين الذين لديهم أقل عدد من الجلسات. لا تحتاج هذه الطريقة إلى حد أقصى لعدد الجلسات، لكن التوسيع التلقائي يحتاج إلى حد مخصص.
Automatically translated with AI from the original post. Read the English original
تُرسل موازنة الحمل breadth-first في Azure Virtual Desktop كل جلسة مستخدم جديدة إلى مضيف جلسات يُختار عشوائياً من نصف المضيفين المتاحين الذين لديهم أقل عدد من الجلسات حالياً. وتهدف هذه الطريقة إلى توزيع المستخدمين على المجموعة بحيث تكون مستويات الضغط على المعالج والذاكرة والقرص في كل مضيف أقل بوجه عام، ولا تتطلب حداً أقصى لعدد الجلسات. أما المقارنة المباشرة بين breadth-first وdepth-first فتتناولها مقالة مستقلة في هذه السلسلة.
النقاط الرئيسية
- تستعلم breadth-first عن مضيفي الجلسات التي تسمح بالاتصالات الجديدة، ثم تختار مضيفاً عشوائياً من النصف الذي لديه أقل عدد من الجلسات. لذلك يكون التوزيع متوازناً، لكنه ليس متساوياً بدقة.
- حد الجلسات الأقصى اختياري مع breadth-first. وعند إنشاء مجموعة مضيفين باستخدام breadth-first تكون القيمة الافتراضية 999999، وهي أعلى قيمة ممكنة.
- تصف Learn خوارزمية breadth-first بأنها تحسّن أداء الجلسات لأن موارد المضيفين تكون أقل ازدحاماً بوجه عام، وتصف depth-first بأنها الخيار المناسب للمؤسسات الحريصة على التكلفة.
- تُوجّه الخوارزميتان المستخدم العائد إلى المضيف الذي يحتوي على جلسته النشطة أو المنفصلة، حتى إذا كان وضع التفريغ مفعلاً، وتتجاهلان المضيفين في وضع التفريغ عند توزيع المستخدمين الجدد.
- مع التوسيع التلقائي، توصي Learn باستخدام breadth-first في مرحلة الرفع التدريجي. تتجاوز خوارزمية الرفع التدريجي في الجدول الزمني إعداد مجموعة المضيفين، ويجب عليك ضبط حد أقصى مخصص لعدد الجلسات.
كيفية اختيار المضيف
تصف Learn الخوارزمية في خطوتين. أولاً تستعلم عن مضيفي الجلسات في مجموعة المضيفين التي تسمح بالاتصالات الجديدة. ثم تختار مضيفاً عشوائياً من نصف هذه المجموعة، مع أخذ المضيفين الذين لديهم أقل عدد من الجلسات.
مثال Learn' الخاص: لدى تسعة مضيفين للجلسات 11 و12 و13 و14 و15 و16 و17 و18 و19 جلسة. لا تذهب الجلسة الجديدة تلقائياً إلى المضيف الذي لديه 11 جلسة، بل يمكن أن تذهب عشوائياً إلى أي من المضيفين الخمسة الأوائل، أي الذين لديهم أقل عدد من الجلسات. وتوضح Learn النتيجة: بسبب العشوائية، قد لا تُوزَّع بعض الجلسات بالتساوي على جميع مضيفي الجلسات.
قواعد مشتركة مع depth-first
تسرد Learn ثلاثة سلوكيات مشتركة بين الخوارزميتين، وأهمها بالنسبة إلى breadth-first: المستخدم الذي لديه جلسة نشطة أو منفصلة يُعاد توجيهه إلى المضيف الذي يحتوي على تلك الجلسة عند تسجيل الدخول مرة أخرى، حتى لو كان وضع التفريغ مفعلاً على ذلك المضيف. أما المستخدم الذي ليس لديه جلسة فلا تأخذ موازنة الحمل في الحسبان المضيف الموجود في وضع التفريغ. وتشرح مقالة المقارنة في هذه السلسلة القواعد الثلاث بالتفصيل. يمكنك ضبط خوارزمية واحدة في كل مرة لكل مجموعة مضيفين مجمعة، وتغييرها في أي وقت.
حد الجلسات الأقصى
يقول Learn إنه ليس من الضروري تحديد حد أقصى لعدد الجلسات عند استخدام الوضع breadth-first. مع ذلك، يظل حد الجلسات الأقصى موجودًا. إذا استخدمت breadth-first عند إنشاء مجموعة مضيفين لأول مرة، فإن القيمة الافتراضية هي 999999، وهي أيضًا أعلى رقم ممكن. تطلب صفحة النشر إدخال الحد الأقصى لعدد المستخدمين الذين تريد موازنة حملهم على مضيف جلسات واحد، وتضيف صفحة المصطلحات أنه في ظل حمل اتصالات متزامنة مرتفع، أي عندما يتصل عدة مستخدمين في الوقت نفسه، قد يتجاوز عدد الجلسات على مضيف الجلسات الحد المحدد. ويوضح Learn أيضًا أنه إذا خفّضت الحد على مضيف جلسات وهو يحتوي على جلسات مستخدمين نشطة، فإن التغيير لا يؤثر في تلك الجلسات.
يغيّر التحجيم التلقائي هذا الوضع. تقول صفحة الإنشاء والتعيين إنه عند استخدام التحجيم التلقائي لمجموعة مضيفين مجمّعة، يجب تهيئة MaxSessionLimit مخصص وعدم استخدام القيمة الافتراضية. ويحدد قاموس مصطلحات التحجيم التلقائي في Learn الأرقام المعنية: سعة مجموعة المضيفين المتاحة هي حد الجلسات الأقصى مضروبًا في عدد مضيفي الجلسات المتاحين، وسعة مجموعة المضيفين المستخدمة هي عدد الجلسات النشطة والمنفصلة مقسومًا على تلك السعة. ومثال الصفحة نفسها: مضيفان لجلسات بحد 20 جلسة لكل منهما تعطي سعة متاحة قدرها 40 جلسة. وعند عتبة سعة قدرها 75 بالمئة، يشغّل التحجيم التلقائي مضيفًا ثالثًا بمجرد أن يتجاوز عدد الجلسات 30 جلسة، فتصبح السعة 60.
breadth-first والتحجيم التلقائي
تحدد خطة التحجيم خوارزمية موازنة الحمل لكل مرحلة. تقول صفحة السيناريوهات إنه بالنسبة لمجموعات المضيفين المجمّعة، يتجاهل التحجيم التلقائي الخوارزمية في إعدادات مجموعة المضيفين ويطبّق موازنة الحمل بناءً على الجدول الزمني، وتقول صفحة الإنشاء والتعيين إن التفضيل المحدد في الجدول الزمني يتجاوز التفضيل في إعدادات مجموعة المضيفين الأصلية. كما توصي الصفحة نفسها باستخدام breadth-first في مرحلة الزيادة التدريجية، لتوزيع المستخدمين على المضيفين الموجودين والحفاظ على سرعة أوقات الوصول. ويقدم قسم الأسئلة المتداولة للتحجيم التلقائي مثالًا لليوم كله: breadth-first في مرحلتي الزيادة التدريجية والذروة، وdepth-first في مرحلتي الخفض التدريجي وخارج أوقات الذروة، بحيث يتمكن التحجيم التلقائي من تجميع الجلسات.
راجع مراحل الجدول الزمني للتحجيم التلقائي لمعرفة كيفية تعريف مراحل الجدول الزمني.
يستخدم أول سيناريو للتحجيم التلقائي في Learn الوضع breadth-first في مرحلة الزيادة التدريجية. تتضمن المجموعة ستة مضيفي جلسات، وعتبة سعة 30 بالمئة، ونسبة حد أدنى للمضيفين 30 بالمئة، وحد أقصى لعدد الجلسات قدره 5. يشغّل التحجيم التلقائي مضيفين لتلبية الحد الأدنى، لأن 30 بالمئة من ستة تساوي 1.8، ويُقرب إلى اثنين. وتبلغ السعة المتاحة 10.
- يسجّل ثلاثة مستخدمين الدخول. ولأن الخوارزمية هي breadth-first، توزَّع جلساتهم على المضيفين الاثنين العاملين. وتبلغ السعة المستخدمة 30 بالمئة، وهي لا تتجاوز العتبة، لذا لا يشغّل التحجيم التلقائي أي مضيف.
- يسجّل مستخدم رابع الدخول. تبلغ السعة المستخدمة 40 بالمئة، وهي أعلى من العتبة، لذا يشغّل التحجيم التلقائي مضيفًا ثالثًا. ترتفع السعة إلى 15، وتنخفض السعة المستخدمة إلى 27 بالمئة.
- يرفع مستخدم خامس النسبة إلى 33 بالمئة، فيبدأ تشغيل مضيف رابع. عند 5 جلسات على 4 مضيفين تكون السعة 20 والاستخدام 25 بالمئة.
يستمر جدول Learn من هذه النقطة: 6 جلسات على 4 مضيفين تعادل 30 بالمئة، لذا لا يُشغَّل أي مضيف، و7 جلسات على 4 مضيفين تعادل 35 بالمئة، فيُشغَّل مضيف خامس وتصبح السعة 25 (28 بالمئة). ولأن الحد في هذا المثال هو 5، فإن كل مضيف يضيف 5 إلى السعة المتاحة.
التكلفة والأداء
يعرض Learn المفاضلة بشكل مباشر. يوصَف breadth-first بأنه مثالي للمؤسسات التي تريد إعطاء الأولوية لتجربة المستخدم، لأن موارد المضيف مثل المعالج والذاكرة والقرص تكون عادةً أقل تنافسًا عليها. ويوصَف depth-first بأنه مثالي للمؤسسات الحريصة على التكلفة، لأن ملء مضيف واحد في كل مرة يسهّل خفض عدد المضيفين المشغّلين عندما يسجّل عدد أقل من المستخدمين الدخول.
يمكن دمج الخوارزميتين في خطة تحجيم واحدة، كما يوضح مثال الأسئلة المتداولة للتحجيم التلقائي المذكور أعلاه ضمن breadth-first والتحجيم التلقائي. أما ما يفعله التحجيم التلقائي في مرحلة الخفض التدريجي، بما في ذلك فرض تسجيل الخروج وتشغيل صفر مضيفين بعد ساعات العمل، فتغطيه مقالات depth-first وخطة التحجيم في هذه السلسلة؛ راجع أيضًا كيان خطة التحجيم.
كيفية التهيئة
تحتاج إلى الدور Desktop Virtualization Host Pool Contributor. في بوابة Azure:
- ابحث عن Azure Virtual Desktop واخترها، ثم اختر Host pools ومجموعة المضيفين المطلوبة.
- اختر Properties.
- في Load balancing algorithm، اختر breadth-first من القائمة المنسدلة، وفي Max session limit أدخل قيمة.
- حدّد حفظ.
في PowerShell، يقبل Update-AzWvdHostPool المعاملين -LoadBalancerType و-MaxSessionLimit. تُظهر صفحة Learn الخاصة بموازنة الحمل كيفية ضبط breadth-first دون تغيير الحد الأقصى لعدد الجلسات:
$parameters = @{
Name = '<HostPoolName>'
ResourceGroupName = '<ResourceGroupName>'
LoadBalancerType = 'BreadthFirst'
}
Update-AzWvdHostPool @parametersللتحقق من النتيجة، تستخدم الصفحة نفسها الأمر Get-AzWvdHostPool @parameters | Format-Table Name, LoadBalancerType, MaxSessionLimit. ومكافئ Azure CLI هو az desktopvirtualization hostpool update --resource-group <ResourceGroupName> --name <HostPoolName> --load-balancer-type BreadthFirst. تصف Learn كتلة PowerShell بأنها ضبط breadth-first "دون تعديل الحد الأقصى لعدد الجلسات"، لذلك يبقى الحد الحالي كما هو. ولضبط حد أيضًا، أضف -MaxSessionLimit مع القيمة التي تحددها. تضبط أمثلة depth-first في Learn هذا الحد على 10، وذلك بالصيغة MaxSessionLimit = '10' في PowerShell و--max-session-limit 10 في Azure CLI. يذكر قسم depth-first في Learn أنه يمكنك استخدام Azure Virtual Desktop Insights لمراقبة عدد الجلسات على كل مضيف جلسات، ومراجعة أداء كل مضيف للمساعدة في تحديد الحد الأقصى لعدد الجلسات. وللاستخدام المحلي، تذكر Learn وحدة الامتداد desktopvirtualization في Azure CLI أو وحدة PowerShell Az.DesktopVirtualization كمتطلبات مسبقة.
متى تتوقع المفاجآت
- وضع الإفراغ (Drain mode) في ظل التوسع التلقائي. بالنسبة إلى مجموعات المضيفين المشتركة (pooled)، تذكر Learn أن التوسع التلقائي يستبدل وضع الإفراغ على الأجهزة الافتراضية المشمولة في التوسع، لذلك استخدم وسوم الاستثناء للأجهزة الافتراضية التي تريد إبقاءها كما هي، مثلًا أثناء تحديثها. تذكر صفحة سيناريوهات التوسع التلقائي وصفحة الأسئلة المتداولة عن التوسع التلقائي هذا الأمر كلتيهما، لذا تحقّق من وسم الاستثناء على أي مضيف يبدو أنه يغيّر حالته دون سبب واضح.
ذات صلة
- موازنة الحمل breadth-first
- موازنة الحمل depth-first
- AVD host pool
- مجموعة مضيفين مشتركة
- Azure Virtual Desktop
المصادر
- Microsoft Learn: تكوين موازنة الحمل لمجموعة المضيفين في Azure Virtual Desktop
- Microsoft Learn: إنشاء خطة تحجيم تلقائي وتعيينها
- Microsoft Learn: Azure Virtual Desktop terminology
- Microsoft Learn: نشر Azure Virtual Desktop
- Microsoft Learn: الأسئلة المتداولة حول التوسيع التلقائي
- Microsoft Learn: سيناريوهات التحجيم التلقائي لـ Azure Virtual Desktop
- Microsoft Learn: مسرد التوسيع التلقائي لـ Azure Virtual Desktop
- Microsoft Learn: تحديث Update-AzWvdHostPool
FAQ
هل breadth-first هي خوارزمية موازنة الحمل الافتراضية؟
تعرض البوابة الخوارزميتين عند إنشاء مجموعة مضيفين مجمعة، وتنص صفحة النشر في Learn على اختيار إحداهما، breadth-first أو depth-first، حسب نمط الاستخدام. أما صفحة موازنة الحمل في Learn فلا تذكر خوارزمية افتراضية. لكنها توضح أنه إذا استخدمت breadth-first عند إنشاء مجموعة المضيفين لأول مرة، فإن حد الجلسات الأقصى يكون 999999 افتراضياً، وهي أيضاً أعلى قيمة يمكن ضبطها.
هل توزع breadth-first الجلسات بالتساوي تماماً؟
لا. تنص Microsoft Learn على أن الخوارزمية تختار عشوائياً من نصف مجموعة المضيفين المتاحين الذين لديهم أقل عدد من الجلسات، لذلك لا تذهب الجلسة الجديدة تلقائياً إلى المضيف الأقل حملاً، وقد لا تُوزَّع بعض الجلسات بالتساوي.
هل تستخدم مجموعات المضيفين الشخصية breadth-first؟
لا. تذكر Learn أن موازنة الحمل لا تنطبق على مجموعات المضيفين الشخصية، لأن كل مستخدم مرتبط دائماً بمضيف جلسات واحد بعلاقة 1:1. فقط مجموعات المضيفين المجمعة تستخدم breadth-first أو depth-first.