M365Con 2027 – مؤتمر مجاني عبر الإنترنت · 11–22 Jan 2027 · 120 sessions m365con.net

المدونة · Mirko Peters

كيفية التقريب إلى الأعلى مع الحد الأدنى لنسبة المضيفين، مع أمثلة محلولة

شريك · شريك محايد: Nerdio

By ·

تذكر Learn أن النسبة المئوية الدنيا إذا لم تكن عددًا صحيحًا تُقرَّب إلى الأعلى، لذا فإن أي قيمة أكبر من 0 بالمئة تُبقي مضيفًا واحدًا على الأقل قيد التشغيل. تشرح هذه المقالة القاعدة باستخدام جداول وأمثلة من Learn.

Automatically translated with AI from the original post. Read the English original

تذكر Learn أنه إذا لم تكن النسبة التي تُدخلها للحد الأدنى لنسبة المضيفين عددًا صحيحًا، فإنها تُقرَّب إلى أقرب عدد صحيح أعلى. في أمثلة Learn's يعني ذلك بالنسبة إلى المضيفين: ثلاثون بالمئة من ستة مضيفين تساوي 1.8، فيبقى مضيفان قيد التشغيل. وبناءً على هذه القاعدة، فإن أي نسبة أكبر من 0 تُبقي مضيفًا واحدًا على الأقل قيد التشغيل. تعرض هذه المقالة القاعدة بجداول يمكنك التحقق منها يدويًا، ثم تتناول جولة التقريب الثانية في صيغة التجميع أثناء التقليص التدريجي، والحالات التي لا تتناولها Learn. المصادر مدرجة في نهاية المقالة. لمعرفة المفهوم نفسه، راجع المقالة المرتبطة "Minimum percentage of hosts in AVD autoscale explained".

النقاط الرئيسية

  • تذكر Learn أن النسبة المئوية غير الصحيحة تُقرَّب إلى أقرب عدد صحيح أعلى. في أمثلتها يعني ذلك بالنسبة إلى المضيفين: 30 بالمئة من ستة تساوي 1.8، فيُشغّل التحجيم التلقائي مضيفين.
  • ينتج عن قاعدة التقريب، وليس اقتباسًا من Learn، أن أي نسبة أكبر من 0 تُبقي مضيفًا واحدًا على الأقل قيد التشغيل، وأن النسبة الفعلية قد تكون أعلى بكثير من القيمة المُدخلة في المجموعات الصغيرة.
  • يحدث التقريب إلى الأعلى مرة أخرى أثناء التقليص التدريجي وخارج أوقات الذروة: Required Hosts = CEILING(sessions / (max session limit x threshold)). يستخدم التحجيم التلقائي الأعلى بين هذه القيمة والحد الأدنى لنسبة المضيفين النشطين.
  • للحصول على k من المضيفين بالضبط من أصل N، اختر نسبة أكبر من (k-1)/N وأقل من أو تساوي k/N. الجداول في هذه المقالة حسابات مستندة إلى قاعدة Learn، وليست جداول من Learn.
  • يحدد مرجع نوع مورد Azure الحد الأدنى لنسبة المضيفين كعدد صحيح من 0 إلى 100. لا تذكر Learn ما إذا كانت البوابة تقبل الأرقام العشرية، لذا اختبر الحالات الحدية في مجموعة مضيفين تجريبية.

القاعدة كما تذكرها Learn

تحمل عبارتان من Learn هذه القاعدة:

  • تصف مقالة خطة التحجيم حقل التحجيم الصاعد: "إذا لم تكن النسبة التي تُدخلها عددًا صحيحًا، فإنها تُقرَّب إلى أقرب عدد صحيح أعلى." ومثالها مجموعة مضيفين تضم سبعة مضيفين للجلسات بنسبة 10 بالمئة، حيث يبقى مضيف جلسة واحد قيد التشغيل ولا يوقفه التحجيم التلقائي.
  • تعرض مقالة السيناريوهات ستة مضيفين، وحدًا أدنى 30 بالمئة، وتشغيل مضيفين اثنين. وبحسب تعبيرها: 30 بالمئة من ستة ليست عددًا صحيحًا، لذا يُقرَّب التحجيم التلقائي إلى الأعلى.

يُعرّف المسرد الأساس: تنطبق النسبة على جميع مضيفي الجلسات في مجموعة المضيفين. في صيغة رياضية، وهي إعادة صياغة وليست صيغة من Learn:

عدد المضيفين المُبقاة قيد التشغيل = CEILING(إجمالي مضيفي الجلسات x النسبة / 100)

تذكر Learn التقريب في حقل الرفع التدريجي وفي السيناريو 1. وتتسق سيناريوهات التخفيض التدريجي وخارج أوقات الذروة مع القاعدة نفسها: عشرة بالمئة من ستة مضيفات تساوي 0.6، وتُبقي السيناريوهات مضيفًا واحدًا قيد التشغيل. وتطبيق القاعدة على هذه المراحل استنتاجٌ مبني على السيناريوهات. كما أن جملة Learn تذكر "النسبة المئوية" لا "المضيفات"، وقراءتها على أنها تقريب لعدد المضيفات تستند إلى مثالها الذي يضم سبعة مضيفات وإلى السيناريو 1. وتتضمن صفحة الكيان الحد الأدنى للنسبة المئوية للمضيفات التعريفَ المختصر.

جدول: عدد المضيفات المُبقاة قيد التشغيل

يُحسب الجدول أدناه باستخدام الصيغة الواردة أعلاه، وليس منقولًا من Learn. أما الخانات التي تطابق أمثلة Learn نفسها فهي: خانة 30 بالمئة لستة مضيفات (2)، وخانة 10 بالمئة لسبعة مضيفات (1)، وخانة 10 بالمئة لستة مضيفات (1)، وهي تتوافق مع السيناريوهين 3 و4.

عدد المضيفات في المجموعة0%5%10%15%20%25%30%50%
301111112
601112223
701122234
1001122335
1201223346
1501233458
20012345610
4002468101220
10005101520253050

يتضح من الجدول ثلاثة أنماط:

  1. المضيف الأول سهل التفعيل. كل نسبة أعلى من 0 تُبقي مضيفًا واحدًا على الأقل قيد التشغيل، مهما كان حجم المجموعة. النسبة 0 وحدها تعطي صفر مضيفات.
  2. المجموعات الصغيرة تنحرف نحو الأعلى. في مجموعة من 6 مضيفات، تُبقي النسبة المُدخلة 10 بالمئة مضيفًا واحدًا، أي نسبة فعلية قدرها 16.7 بالمئة. وفي مجموعة من 3 مضيفات، تُبقي النسبة المُدخلة 5 بالمئة مضيفًا واحدًا، أي نسبة فعلية قدرها 33 بالمئة.
  3. النتائج الدقيقة لا تحتاج إلى تقريب. عشرة بالمئة من 10 مضيفات تساوي 1 بالضبط، و25 بالمئة من 20 تساوي 5 بالضبط. ولا يكون للتقريب أثر إلا عندما يكون الناتج كسرًا.

في الاتجاه المعاكس: أي نسبة تعطي k من المضيفات

إذا أردت k مضيفًا بالضبط من أصل N، فيجب أن تكون النسبة أكبر من (k-1)/N وأقل من أو تساوي k/N، مضروبًا في 100. وباستخدام نسب بأرقام صحيحة:

حجم المجموعةعدد المضيفات المطلوبالنسب التي تحقق ذلك
71من 1 إلى 14
72من 15 إلى 28
73من 29 إلى 42
122من 9 إلى 16
123من 17 إلى 25

يمكن التحقق من صفوف المجموعة ذات 7 مضيفات يدويًا. فـ14 بالمئة من 7 تساوي 0.98 وتُقرَّب إلى 1، و15 بالمئة تساوي 1.05 وتُقرَّب إلى 2. وتصنّف مرجعية موارد Azure (إصدار الواجهة 2025-10-10) خاصيتي الجدول rampUpMinimumHostsPct وrampDownMinimumHostsPct كأعداد صحيحة من 0 إلى 100، ولا توضح مقالة خطة التحجيم ما إذا كان حقل البوابة يقبل الكسور العشرية، لذلك تستخدم الجداول نسبًا بأرقام صحيحة.

تتأثر النتيجة بحجم المجموعة. فإذا أضفت مضيفات إلى المجموعة، فقد تُبقي النسبة نفسها عددًا أكبر من المضيفات قيد التشغيل. فعند انتقال مجموعة من 20 إلى 21 مضيفًا، ينتقل الحد الأدنى البالغ 30 بالمئة من 6 مضيفات (6.0 بالضبط) إلى 7 مضيفات (6.3 تُقرَّب إلى الأعلى). أعِد حساب النسبة كلما تغيّر حجم المجموعة.

التقريب الثاني إلى الأعلى: تجميع الجلسات

يظهر التقريب إلى الأعلى أيضًا في طريقة تحديد التحجيم التلقائي لعدد المضيفات اللازمة للجلسات الموجودة خلال مرحلتي التخفيض التدريجي وخارج أوقات الذروة. يصف المسرد تجميع الجلسات. يحصي التحجيم التلقائي جميع جلسات المستخدمين، النشطة والمنفصلة، ويفترض أن المستخدمين المنفصلين سيعيدون الاتصال، ثم يحسب الحد الأدنى من المضيفات المطلوبة ويُلغي تخصيص المضيفات الزائدة. وتقدّم مقالة استكشاف الأخطاء وإصلاحها الصيغة:

Required Hosts = CEILING(Total User Sessions / (Max Session Limit x Capacity Threshold))

مع كتابة عتبة السعة كعدد عشري. الصفوف من 1 إلى 3 أمثلة من Learn، والصف 4 هو الحساب الخاص بالسيناريو 3 لدى Learn:

الجلساتالحد الأقصى لعدد الجلساتحد السعةالحسابالنتيجة
8 منفصلة1080%8 / (10 x 0.8) = 1مضيف واحد
6 منفصلة590%6 / 4.5 = 1.33مضيفان
9 منفصلة590%9 / 4.5 = 2مضيفان
4 جلسات575%4 / 3.75 = 1.07مضيفان

الصف الأول هو مثال تجميع الجلسات في المسرد، والثاني مثال من الأسئلة المتداولة للتحجيم التلقائي، والثالث يظهر في الأسئلة المتداولة ومقالة استكشاف الأخطاء وإصلاحها. أما الصف الأخير فيستخدم مدخلات السيناريو 3 في صفحة السيناريوهات (الحد 5، والعتبة 75 بالمئة، و4 جلسات)، حيث تقول Learn إن التحجيم التلقائي يستطيع إيقاف اثنين من أصل أربعة مضيفات. وقد حُسب الناتج من صيغة Learn ولا يظهر في صفحتها. ويوضح الرقم 1.07 مدى قلة المطلوب لإضافة مضيف: فقيمة أعلى قليلًا من عدد صحيح تكلّف مضيفًا إضافيًا.

الجمع بين الحالتين: تفوز القيمة الأعلى

تذكر مقالة استكشاف الأخطاء وإصلاحها أنه أثناء مرحلة الخفض التدريجي وخارج ساعات الذروة، يستخدم التحجيم التلقائي القيمة الأعلى من قيمتين: نتيجة الصيغة وإعداد "Minimum percentage of active hosts" في مرحلة خطة التحجيم. وهذا الاسم نفسه هو اسم حقل التحجيم التلقائي الديناميكي، وتذكر الصفحة أن إرشاداتها تشمل التحجيم التلقائي لإدارة الطاقة والتحجيم التلقائي الديناميكي معًا. ولا تستخدم صفحة استكشاف الأخطاء أبدًا تسمية البوابة "Minimum percentage of hosts". لذلك فإن تطبيق القاعدة على حقل إدارة الطاقة استنتاج، وهو يتسق مع مقالة خطة التحجيم التي تنص على أن النسبة الدنيا للمضيفين ما تزال تُراعى أثناء الخفض التدريجي، وكذلك مع السيناريو 3، حيث تُبقي نسبة دنيا تبلغ 10 بالمئة آخر مضيف قيد التشغيل. تستخدم الأمثلة أدناه حقل "Minimum percentage of hosts" على هذا الأساس، وهي محسوبة وليست مأخوذة من Learn.

المجموعةالجلساتالحد الأقصى للجلساتالعتبةالصيغةالحد الأدنىالمضيفون المبقون قيد التشغيل
20 مضيفًا8 غير متصلة1080%110% = 22، والحد الأدنى هو الغالب
12 مضيفًا9 غير متصلة590%225% = 33، والحد الأدنى هو الغالب
20 مضيفًا40875%40 / 6 = 6.67، أي 730% = 67، والصيغة هي الغالبة
20 مضيفًا01075%05% = 11
20 مضيفًا01075%00% = 00

تعتمد الصفين الأخيرين على عبارة في الأسئلة المتداولة مفادها أن التحجيم التلقائي لا يمكنه إيقاف جميع الأجهزة الافتراضية إلا عندما تكون النسبة الدنيا 0 بالمئة ولا تبقى أي جلسات. والجلسات المنفصلة تُحتسب جلسات، لذلك تحتاج حالة عدم وجود أي مضيف إلى حد زمني للجلسات المنفصلة أيضًا. وتُهيّئ الأسئلة المتداولة هذا الحد عبر نهج المجموعة، كما تصفه مقالة خطة التحجيم باستخدام Microsoft Intune.

حالة التحجيم التلقائي الديناميكي: أعلنت Microsoft التوفر العام لإدارة مجموعات المضيفين المحسّنة، بما في ذلك التحجيم التلقائي الديناميكي، وتهيئة مضيف الجلسات وتحديثه، وأقراص نظام التشغيل المؤقتة، وذلك في يوليو 2026 (Tech Community). ما تزال بعض صفحات Learn، مثل صفحتي السيناريوهات والمسرد وإصدار الوحدة 5.4.2-preview، تحمل صياغة المعاينة، لذلك تحقق من الصفحة الحالية قبل الاعتماد على أي حد.

ما الذي تتركه مقالتا خطة التحجيم والسيناريوهات مفتوحًا

  • الكسور العشرية. يعرض مرجع موارد Azure أعدادًا صحيحة من 0 إلى 100 لخاصيتي الزيادة التدريجية والخفض التدريجي. ولا تذكر مقالة خطة التحجيم نطاقًا لحقل البوابة، ولا توضح ما إذا كانت النسب العشرية مقبولة.
  • المضيفون غير السليمين. يعرّف المسرد النسبة مقارنة بجميع مضيفي الجلسات. ولا يوضح ما إذا كان المضيف الذي يفشل في فحوص سلامة الوكيل، ومن ثم لا يُعد مضيف جلسات متاحًا، يغيّر العدد.
  • المضيفون الموسومون. تشير مقالة خطة التحجيم في Learn إلى أن المضيفين الذين يحملون وسم الاستثناء ما زالوا يُحتسبون في حساب النسبة الدنيا. ولأن التحجيم التلقائي لا يستطيع تشغيلهم، فإن المضيف المستثنى المتوقف لا يمكنه المساعدة في بلوغ الحد الأدنى. انظر وسم الاستثناء.
  • الحقل الديناميكي. في التحجيم التلقائي الديناميكي، يعتمد الحقل "Minimum percentage of active hosts (%)" على الحجم الأدنى لمجموعة المضيفين. ومثال Learn، أي 10 بالمئة من حجم أدنى يبلغ 10، يعطي مضيفًا واحدًا بالضبط، لذلك لا يُظهر أي تقريب. ولا توضح مقالة السيناريوهات كيفية التعامل مع النتيجة الكسرية.
  • خطأ مطبعي. في وقت كتابة هذا المقال، يُظهر الجدول النهائي للسيناريو 4 النسبة 19 بالمئة، بينما يذكر النص النسبة 10 بالمئة.

التحقق من مجموعتك

  1. دوّن عدد مضيفي الجلسات، بما في ذلك المضيفون الموسومون.
  2. احسب CEILING(hosts x percentage / 100) لكل مرحلة، وقارن النتيجة بالعدد الذي تقصده. على سبيل المثال، 24 مضيفًا بنسبة 15 بالمئة تعطي 3.6، أي يبقى 4 مضيفين قيد التشغيل.
  3. في مرحلتي الخفض التدريجي وخارج ساعات الذروة، احسب صيغة التجميع باستخدام الحد الأقصى للجلسات وعتبة السعة لعدد قليل من الجلسات، ولاحظ أي القيمتين أعلى.
  4. أجرِ اختبارًا ليوم كامل، وقارن عدد المضيفين قيد التشغيل في كل مرحلة مع الحساب.
  5. كرر التحقق كلما تغير حجم المجموعة.

المصادر

FAQ

أي نسبة مئوية تُبقي عدد N من المضيفين قيد التشغيل بالضبط؟

بالنسبة إلى k من المضيفين في مجموعة مضيفين تضم N مضيفًا، استخدم نسبة أكبر من (k-1)/N وأقل من أو تساوي k/N، مضروبة في 100. في مجموعة مكونة من 7 مضيفين، تُبقي النسبة من 1 إلى 14 بالمئة مضيفًا واحدًا، ومن 15 إلى 28 بالمئة مضيفين اثنين، ومن 29 إلى 42 بالمئة ثلاثة مضيفين. هذا حساب مستند إلى قاعدة التقريب في Learn، وليس جدولًا من Learn.

لماذا تُبقي النسبة المنخفضة مضيفًا واحدًا قيد التشغيل في المجموعات الصغيرة؟

لأن أي نتيجة أكبر من الصفر تُقرَّب إلى الأعلى لتصبح مضيفًا واحدًا على الأقل، وهذا يتبع من قاعدة التقريب. عشرة بالمئة من ستة مضيفين تساوي 0.6، وتُظهر سيناريوهات Learn بقاء مضيف واحد قيد التشغيل. فقط النسبة 0 بالمئة مع عدم وجود جلسات مستخدمين هي التي تتيح للتحجيم التلقائي إيقاف كل المضيفين.

هل تُقرَّب صيغة التجميع بالطريقة نفسها؟

نعم، فهي تُقرَّب إلى الأعلى أيضًا. تقدم Learn الصيغة التالية: Required Hosts = CEILING(Total User Sessions / (Max Session Limit x Capacity Threshold)). خلال مرحلة التقليص التدريجي وخارج أوقات الذروة، تذكر مقالة استكشاف الأخطاء وإصلاحها أن التحجيم التلقائي يستخدم الأعلى بين هذه النتيجة وإعداد "Minimum percentage of active hosts". تطبيق ذلك على الحد الأدنى لنسبة المضيفين استنتاج.

Entities in this article

مواضيع هذا المقال:

Minimum percentage of hosts (Azure Virtual Desktop) – موضوع فرعي ضمن AVD scaling plan AVD scaling plan – جزء من Azure Virtual Desktop

Related articles

مقالات أخرى عن AVD scaling plan:

RSS