التوزيع بالعرض أولاً مقابل التوزيع بالعمق أولاً: أي خوارزمية توازن أحمال يجب أن يستخدمها مجمع المضيفين
شريك · شريك محايد: Nerdio
By Mirko Peters ·
استخدم التوزيع بالعرض أولاً عندما تكون تجربة المستخدم هي الأولوية، واستخدم التوزيع بالعمق أولاً عندما ترغب في تجميع الجلسات على أقل عدد ممكن من مضيفي الجلسات بحيث يمكن إيقاف تشغيل بقيتها. يقدّم هذا الدليل معايير القرار، ومثالاً عملياً لكلتا الخوارزميتين، والخطوات اللازمة لتغيير الإعداد.
Automatically translated with AI from the original post. Read the English original
اختر التوزيع بالعرض أولاً عندما تكون الأولوية لسطح مكتب مستجيب لكل مستخدم، واختر التوزيع بالعمق أولاً عندما تكون الأولوية تشغيل أقل عدد ممكن من مضيفي الجلسات. يذكر Microsoft Learn التقسيم نفسه: التوزيع بالعرض أولاً يناسب المؤسسات التي تعطي الأولوية لتجربة المستخدم، والتوزيع بالعمق أولاً يناسب المؤسسات الحريصة على التكلفة والتي تريد تحكماً دقيقاً في عدد المضيفين المشغّلين. يحوّل هذا الدليل هذا التقسيم إلى معايير ومثال عملي وخطوات لتغيير الإعداد.
النقاط الرئيسية
- يصف Learn التوزيع بالعرض أولاً بأنه الخيار عندما تكون تجربة المستخدم هي الأهم، ويصف التوزيع بالعمق أولاً بأنه خيار المؤسسات الحريصة على التكلفة والتي تريد التحكم في عدد المضيفين المشغّلين.
- يتطلب التوزيع بالعمق أولاً حداً أقصى للجلسات. أما التوزيع بالعرض أولاً فلا يتطلب ذلك، والحد الافتراضي له وهو 999999 هو أيضاً أعلى قيمة يمكن تعيينها.
- يختار التوزيع بالعرض أولاً عشوائياً من بين نصف المضيفين المؤهلين الذين لديهم أقل عدد من الجلسات، لذلك قد تكون الجلسات غير متساوية في التوزيع. أما التوزيع بالعمق أولاً فيختار المضيف المؤهل الذي لديه أكبر عدد من الجلسات.
- تعيد كلتا الخوارزميتين المستخدم العائد الذي لديه جلسة نشطة أو منفصلة إلى المضيف نفسه، حتى لو كان في وضع التفريغ (drain mode). ولا ينطبق توازن الأحمال على مجمعات المضيفين الشخصية.
- يمكنك تغيير الخوارزمية في أي وقت. وإذا كانت خطة التحجيم التلقائي مرتبطة بالمجمع، فيذكر Learn أن التحجيم التلقائي يطبق الخوارزمية من الجدول الزمني بدلاً من إعداد مجمع المضيفين.
يغطي هذا المقال مجمعات host pools المجمّعة فقط، لأن Learn يذكر أن توازن الأحمال لا ينطبق على مجمعات المضيفين الشخصية. تُشرح آلية كل خوارزمية في "Breadth-first load balancing in Azure Virtual Desktop explained" و"Depth-first load balancing in Azure Virtual Desktop explained"، أما هذا المقال فيقارن بينهما. ترد المصادر في نهاية المقال.
كيف تختار الخوارزميتان المضيف
تعمل كلتا الخوارزميتين عندما يبدأ مستخدم لا توجد لديه جلسة حالية اتصالاً. وتختلفان في المضيف الذي تختارانه.
| التوزيع بالعرض أولاً | التوزيع بالعمق أولاً | |
|---|---|---|
| الهدف | توزيع الجلسات الجديدة على المضيفين | الاستمرار في ملء مضيف واحد حتى يبلغ حده |
| قاعدة الاختيار | الاستعلام عن المضيفين التي تسمح بالاتصالات الجديدة، ثم الاختيار عشوائياً من النصف الذي لديه أقل عدد من الجلسات | الاستعلام عن المضيفين التي تسمح بالاتصالات الجديدة ولم تبلغ الحد الأقصى، ثم اختيار المضيف الذي لديه أكبر عدد من الجلسات؛ وعند التساوي، يُختار أول مضيف في نتيجة الاستعلام |
| الحد الأقصى لعدد الجلسات | غير مطلوب | مطلوب |
| الملاءمة التي يذكرها Learn | تجربة المستخدم، لأن وحدة المعالجة المركزية والذاكرة والقرص تكون عادةً أقل تنافساً عليها | التكلفة، لأن عدداً أقل من المضيفين يحتاج إلى البقاء قيد التشغيل |
المثال العملي الخاص بـ Learn للتوزيع بالعرض أولاً: مع تسعة مضيفين يحملون من 11 إلى 19 جلسة، يمكن أن تذهب الجلسة الجديدة إلى أي من المضيفين الخمسة الذين لديهم أقل عدد من الجلسات. فهي لا تذهب دائماً إلى المضيف الأكثر خلواً، ويذكر Learn أنه بسبب العشوائية قد لا تكون الجلسات موزعة بالتساوي.
قواعد تنطبق على الخوارزميتين
- المستخدم الذي لديه جلسة نشطة أو منفصلة في المجمع يُعاد إلى ذلك المضيف، even if drain mode مفعّل له.
- لا يُرسل المستخدم الذي لا توجد لديه جلسة إلى مضيف في وضع التفريغ مطلقاً.
- خفض الحد الأقصى للجلسات على مضيف يشغّل جلسات نشطة لا يؤثر في تلك الجلسات.
- تذكر صفحة المصطلحات في Learn أنه في حالات الحمل المتزامن العالي للاتصالات قد يتجاوز عدد الجلسات على المضيف الحد المحدد، لذا ينبغي التعامل مع الحد على أنه القيمة التي تسعى الخوارزمية إلى تحقيقها، لا على أنه ضمان.
مثال تطبيقي: 4 مضيفين، وحد أقصى 10 جلسات، و25 مستخدمًا
الأرقام أدناه توضيح مبني على قواعد الاختيار المذكورة أعلاه، وليست مثالًا من Learn.
التعبئة أولًا (Depth-first). تبدأ المضيفات الأربعة فارغة، لذا يكون المستخدم الأول في حالة تعادل ويُوجَّه إلى أول مضيف يعيده الاستعلام، ولنسمّه H1؛ لا تحدد Learn ترتيب الاستعلام، وH1 إلى H4 مجرد تسميات. ومن ثم يكون لدى H1 أكبر عدد من الجلسات بين المضيفات التي لم تبلغ الحد، فتُوجَّه الجلسات من 2 إلى 10 إلى H1 أيضًا. ويستوعب H2 الـ10 التالية، ويستوعب H3 الـ5 الأخيرة. ويبقى H4 فارغًا. وإذا امتلأ H1 وH2 عند 10 جلسات ووصل مستخدم سادس وعشرون، فسيستقبله H3.
التوزيع أولًا (Breadth-first). توجَّه كل جلسة جديدة إلى مضيف عشوائي من بين المضيفين الاثنين اللذين يحملان أقل عدد من الجلسات. مع 25 مستخدمًا و4 مضيفين يكون المتوسط نحو 6 جلسات لكل مضيف. ولأن الجلسات الجديدة لا تُوجَّه إلا إلى المضيفين الأقل حملًا، تتقارب الأعداد فيما بينها، فتكون عادةً 6 أو 7 جلسات لكل مضيف في هذا المثال (حساب خاص)، مع أن Learn تشير إلى أن التوزيع غير مضمون أن يكون متساويًا. وتتسع الفروق في المجموعات الحقيقية لأن المستخدمين يسجّلون الخروج في أوقات مختلفة (قراءة خاصة).
ما يعنيه ذلك عمليًا:
- مع التعبئة أولًا، يبقى H4 بلا جلسات، فيصبح مرشحًا للإيقاف. وهذه هي حجة التكلفة التي تقدمها Learn.
- مع التوزيع أولًا، يحمل المضيفون الأربعة جميعهم حملًا، فلا يكون أي منهم مرشحًا للإيقاف قبل انتهاء الجلسات.
- مع التعبئة أولًا، يكون المضيف الأول الأكثر انشغالًا. وتذكر إرشادات تحجيم Learn أن تسجيل الدخول يستهلك موارد المعالج بكثافة، وأن عليك التخطيط لأنماط تسجيل الدخول مثل بداية يوم العمل، حين يسجّل كثير من المستخدمين الدخول دفعة واحدة. لذلك فإن موجة تسجيلات الدخول في مجموعة تعمل بالتعبئة أولًا توجَّه إلى المضيف الممتلئ أصلًا. وهذا استنتاج من العبارتين، فتحقق منه في مرحلة تجريبية.
معايير اتخاذ القرار
| السؤال | نقاط لصالح التوزيع أولًا | نقاط لصالح التعبئة أولًا |
|---|---|---|
| أيهما أهم، زمن الاستجابة أم تكلفة التشغيل؟ | زمن الاستجابة | تكلفة التشغيل |
| هل تريد أن تخرج المضيفات الخاملة من الخدمة بينما لا تزال غيرها تحمل مستخدمين؟ | تبقى الجلسات موزعة على جميع المضيفات قيد التشغيل، فيقل احتمال إفراغ أي منها (قراءة خاصة لقاعدة الاختيار) | تبقى المضيفات المتأخرة فارغة، فيسهل تقليص عددها (Learn) |
| هل تستطيع تحديد حد واقعي للجلسات والحفاظ عليه؟ | الحد اختياري | الحد إلزامي ويجب أن يناسب حجم العمل |
| هل حجم العمل ثقيل لكل مستخدم؟ | يقلل التوزيع التنافس على الموارد، وهذا هو السبب الذي تذكره Learn | يلزم حد منخفض حتى لا يُثقل المضيف الممتلئ (استنتاج) |
| هل يسجّل المستخدمون الدخول في فترة قصيرة ومتزامنة؟ | تُوزَّع الموجة على المضيفات (استنتاج) | تصيب الموجة مضيفًا واحدًا أولًا (استنتاج) |
تضيف صفحة موازنة الحمل في Learn ملاحظة خاصة بالتعبئة أولًا: للحفاظ على جودة تجربة المستخدم، غيّر الحد الأقصى للجلسات إلى رقم يناسب متطلباتك. وترد القيم الابتدائية لكل vCPU وإرشادات الـ20 مستخدمًا والتحذير من أن صفحة التحجيم في Learn غير متسقة تمامًا في "كيفية تحديد الحد الأقصى للجلسات لكل مضيف جلسات"، كما تذكر مقالة التعبئة أولًا القيم الابتدائية نفسها. وتصفها Learn بأنها إرشادات عامة تُستخدم فقط لتقديرات الأداء الأولية، وفي تخطيط السعة تصف نهجين: المرحلة التجريبية والمحاكاة.
خطوات تغيير الخوارزمية
تحتاج إلى دور Desktop Virtualization Host Pool Contributor.
- سجّل الدخول إلى مدخل Azure وافتح Azure Virtual Desktop.
- اختر Host pools، ثم اختر مجموعة المضيفين المجمّعة.
- اختر Properties.
- اختر الخوارزمية من Load balancing algorithm. وأدخل قيمة في Max session limit.
- حدّد حفظ.
توفر Learn أيضًا علامتي تبويب لـ Azure PowerShell وAzure CLI لهذا الإعداد، وهما يحتاجان إلى الوحدة Az.DesktopVirtualization أو إضافة CLI باسم desktopvirtualization. الأوامر موجودة في صفحة Learn ولم نكررها هنا.
إذا اخترت التوزيع أولًا عند إنشاء مجموعة المضيفين، فإن الحد الافتراضي هو 999999، وهو أيضًا أعلى قيمة مسموح بها. أما مع التعبئة أولًا، فحدد رقمًا يناسب حجم عملك.
ماذا تفعل عندما تنفد المساحة في التعبئة أولًا
توضح Learn أن هذا الأمر مهم: عندما يصل جميع المضيفين إلى حد الجلسات الأقصى، يجب إما رفع الحد أو إضافة مضيفي جلسات. تأخذ الخوارزمية "العمق أولاً" في الاعتبار المضيفين الذين لم يبلغوا الحد فقط، لذلك لا يبقى أي مرشح للاختيار (هذا تفسيرنا لقاعدة الاختيار)؛ ولا تذكر Learn ما يراه المستخدمون في هذه الحالة. استخدم Azure Virtual Desktop Insights لمراقبة عدد الجلسات لكل مضيف وأداء المضيفين، وهي المراقبة التي توصي بها Learn عند اختيار الحد.
التفاعل مع التحجيم التلقائي
إذا كنت تستخدم خطة تحجيم، فإن الخوارزمية تُحدَّد لكل مرحلة في الجدول الزمني. تذكر صفحة سيناريوهات التحجيم التلقائي في Learn أنه بالنسبة لمجموعات المضيفين المشتركة، يتجاهل التحجيم التلقائي الخوارزمية الواردة في إعدادات مجموعة المضيفين، ويطبّق الخوارزمية الواردة في إعدادات الجدول الزمني. وتقول مقالة خطة التحجيم الشيء نفسه بالنسبة لمرحلة الزيادة (ramp-up)، حيث تتجاوز التفضيلات المختارة إعداد مجموعة المضيفين الأصلي. وتوصي المقالة باستخدام "الانتشار أولاً" (breadth-first) في مرحلة الزيادة، و"العمق أولاً" (depth-first) في فترة خارج الذروة. أما مرحلة الذروة فتتيح أيًا من الخوارزميتين، ولبند تخفيض الحمل (ramp-down) حقل لموازنة الحمل دون توصية محددة.
تقدّم الأسئلة المتداولة للتحجيم التلقائي في Learn السبب: "الانتشار أولاً" يوزّع الجلسات بالتساوي في بداية اليوم، بينما يتيح "العمق أولاً" للتحجيم التلقائي تجميع الجلسات حتى يبلغ أقل عدد ممكن من المضيفين. ويصف مسرد التحجيم التلقائي هذا التجميع بأنه قسمة إجمالي عدد الجلسات، المتصلة وغير المتصلة، على حد الجلسات الأقصى مضروبًا في عتبة السعة، ثم تقريب الناتج إلى أعلى. تغطي هذه المقالة التحجيم التلقائي لإدارة الطاقة، وتصنّفه صفحة السيناريوهات بأنه متاح بشكل عام. أما في مجموعة مضيفين لها خطة تحجيم، فإن الاختيار يتم عمليًا في الجدول الزمني؛ وتتناول المقالة بعنوان "موازنة الحمل بالعمق أولاً والتحجيم التلقائي: كيف يتجاوز الجدول الزمني إعداد مجموعة المضيفين" إعدادات الجدول الزمني بالتفصيل.
بالنسبة للتحجيم التلقائي على مجموعة مضيفين مشتركة، تنصح Learn بضبط حد جلسات أقصى مخصص وعدم استخدام القيمة الافتراضية.
إجراء اختيار مختصر
- حدّد الأولوية في جملة واحدة: تجربة المستخدم أم التكلفة.
- اذكر عدد المضيفين الذين يمكنك إيقاف تشغيلهم خلال الفترة الأهدأ إذا جرى تجميع الجلسات.
- اختر حدًا انطلاقًا من نقاط البداية لكل وحدة معالجة مركزية افتراضية (vCPU) التي تقدمها Learn، ومن حمل العمل لديك.
- ابدأ بالخوارزمية التي تتوافق مع الأولوية، وشغّل مجموعة تجريبية.
- قارن عدد الجلسات لكل مضيف وأداء الجلسات كما يبلغ عنه المستخدمون في Insights.
- غيّر الخوارزمية إذا خالفت المجموعة التجريبية التوقعات. تذكر Learn أنه يمكنك القيام بذلك في أي وقت.
المصادر
- Microsoft Learn: تكوين موازنة الحمل لمجموعة المضيفين في Azure Virtual Desktop
- Microsoft Learn: Azure Virtual Desktop terminology
- Microsoft Learn: إرشادات تحديد حجم الأجهزة الافتراضية لمضيفات الجلسات
- Microsoft Learn: إنشاء خطة تحجيم تلقائي وتعيينها لـ Azure Virtual Desktop
- Microsoft Learn: الأسئلة المتداولة حول التحجيم التلقائي في Azure Virtual Desktop
- Microsoft Learn: سيناريوهات التحجيم التلقائي لـ Azure Virtual Desktop
- Microsoft Learn: مسرد التوسيع التلقائي لـ Azure Virtual Desktop
FAQ
هل يمكنني التبديل بين التوزيع بالعرض أولاً والتوزيع بالعمق أولاً لاحقاً؟
نعم. يذكر Microsoft Learn أنه يمكن تهيئة خوارزمية واحدة فقط لكل مجمع مضيفين مجمّع في كل مرة، لكن يمكن تغييرها في أي وقت. لا يصف Learn ما يحدث للجلسات الجارية بالفعل، لذا اختبر التغيير على مجمع تجريبي أولاً.
لماذا يحتاج التوزيع بالعمق أولاً إلى حد أقصى للجلسات؟
يملأ التوزيع بالعمق أولاً مضيفاً واحداً حتى يبلغ حده ثم ينتقل إلى المضيف التالي، لذا فمن دون حد لا توجد نقطة يتوقف عندها للانتقال. يذكر Learn أن الحد مطلوب، وأنه عندما يبلغ جميع المضيفين هذا الحد يجب رفعه أو إضافة مضيفين.
هل تنطبق الخوارزمية على مجمعات المضيفين الشخصية؟
لا. يذكر Learn أن توازن الأحمال لا ينطبق على مجمعات المضيفين الشخصية، لأن كل مستخدم مرتبط بمضيف جلسة واحد بشكل فردي (1:1). تستخدم المجمعات الشخصية بدلاً من ذلك التعيين التلقائي أو التعيين المباشر.