كيفية تحديد الحد الأقصى لعدد الجلسات لكل مضيف جلسات
شريك · شريك محايد: Nerdio
By Mirko Peters ·
لا توصي Learn بقيمة محددة للحد الأقصى لعدد الجلسات، وتحيل إلى Insights، بينما تسرد إرشادات تحجيم الأجهزة الافتراضية الحد الأقصى للمستخدمين لكل vCPU. يشتق هذا الدليل قيمة بداية ثم يصحّحها ببيانات المراقبة.
Automatically translated with AI from the original post. Read the English original
لا تحدد صفحة Learn الخاصة بموازنة الحمل في مجموعة المضيفين قيمة موصى بها للحد الأقصى لعدد الجلسات، وتشير إلى Azure Virtual Desktop Insights لاختيار قيمة، بينما تسرد إرشادات تحجيم الأجهزة الافتراضية الحد الأقصى للمستخدمين لكل vCPU لأربعة أنواع من الأحمال. والطريقة العملية هي الجمع بين الأمرين: نأخذ قيمة بداية من عدد vCPU للجهاز الافتراضي ونوع الحمل، ونضبطها على مجموعة المضيفين، ثم نصحّحها ببيانات المراقبة. يشرح هذا الدليل ذلك في ست خطوات، مستنداً إلى صفحات Learn الخاصة بـ موازنة الحمل وتحجيم مضيفي الجلسات والتحجيم التلقائي. أما معنى هذه القيمة وكيفية تحديدها للسعة فيغطيهما مقال "Maximum session limit in Azure Virtual Desktop: how it defines host pool capacity"، لذلك يركز هذا الدليل على اختيار الرقم.
النقاط الرئيسية
- لا تسمّي Learn قيمة موصى بها للحد الأقصى لعدد الجلسات، وتشير إلى Insights. وتسرد إرشادات التحجيم الحد الأقصى للمستخدمين لكل vCPU: 6 للأحمال الخفيفة، و4 للمتوسطة، و2 للثقيلة، و1 لأحمال الطاقة.
- تصف Learn أرقام التحجيم بأنها تقديرات أولية، لذا اضرب عدد المستخدمين لكل vCPU في عدد vCPU للحصول على قيمة بداية، ثم جرّبها تجريبياً وراقب عدد المستخدمين لكل نواة، وتأخر الإدخال (input delay)، ومعدل استخدام المعالج والذاكرة.
- السعة هي الحد مضروباً في عدد المضيفين المتاحين. فوفقاً لحسابات هذا المقال، يعطي حد قدره 32 على مضيفين اثنين 64 جلسة، ويبدأ عتبة 75 في المئة بتشغيل مضيف ثالث عند تجاوز 48 جلسة.
- تتطلب موازنة الحمل بالتوزيع أولاً على العمق (depth-first) وجود حد. تبدأ مجموعة التوزيع أولاً على الأوسع (breadth-first) من 999999، وتقول Learn إنه لا ينبغي استخدام القيمة الافتراضية عندما يدير التحجيم التلقائي مجموعة مضيفين مجمّعة.
- خفض الحد لا يؤثر في الجلسات النشطة. وتحت حمل متزامن مرتفع قد يتجاوز عدد جلسات المضيف الحد، لذا تعامل معه كهدف واترك هامشاً من السعة.
ما الذي تتحكم فيه هذه القيمة
الحد الأقصى لعدد الجلسات خاصية في مجموعة المضيفين تحدد عدد جلسات المستخدمين الذي يسعى توزيع الحمل إلى وضعه على مضيف جلسة واحد. وهو ليس حدًا صارمًا: تنص صفحة المصطلحات في Learn على أنه عند ارتفاع حمل الاتصالات المتزامنة، أي عندما يتصل عدة مستخدمين بمجموعة المضيفين في الوقت نفسه، قد يتجاوز عدد الجلسات المُنشأة على مضيف الجلسة هذا الحد. يتطلب توزيع الحمل بالعمق أولًا ضبط هذه القيمة، وتبدأ مجموعة تُنشأ بـتوزيع الحمل بالعرض أولًا من القيمة 999999، وتنصح Learn بعدم استخدام القيمة الافتراضية عندما يدير التوسيع التلقائي مجموعة مضيفين مجمّعة. ويعرّف مسرد التوسيع التلقائي في Learn السعة المتاحة بأنها الحد مضروبًا في عدد مضيفي الجلسات المتاحين.
تذكر Learn متطلب التوسيع التلقائي دون أن تبيّن السبب. النتائج التالية هي قراءة هذه المقالة للمعادلة، وليست عبارات من Learn: فالحد المرتفع أكثر من اللازم يسمح بامتلاء المضيف إلى ما يتجاوز ما تدعمه وحدة المعالجة المركزية والذاكرة، والحد المنخفض أكثر من اللازم يقلل السعة ويجعل التوسيع التلقائي يشغّل مضيفين في وقت أبكر.
الخطوة 1: تصنيف عبء العمل
تعرّف صفحة تحديد الحجم في Learn أربعة أنواع لعبء العمل:
| عبء العمل | أمثلة للمستخدمين | أمثلة للتطبيقات |
|---|---|---|
| خفيف | إدخال بيانات أساسي | تطبيقات إدخال قواعد البيانات، وواجهات سطر الأوامر |
| متوسط | مستشارون، وباحثو أسواق | التطبيقات الخفيفة إضافةً إلى Microsoft Word والصفحات الإلكترونية الثابتة |
| ثقيل | مهندسو برمجيات، ومنشئو محتوى | المتوسط إضافةً إلى Outlook وPowerPoint والصفحات الإلكترونية الديناميكية وتطوير البرمجيات |
| قوي | مصممو الرسوم، ومصممو النماذج ثلاثية الأبعاد، وباحثو تعلم الآلة | الثقيل إضافةً إلى تحرير الصور والفيديو وCAD وCAM |
اختر النوع الذي ينطبق على معظم مستخدميك. لا تحدد Learn كيفية تحجيم مجموعة مختلطة. ويُعد تقسيم المجموعات على عدة مجموعات مضيفين خيارًا عمليًا، وهو تقدير مهني وليس قاعدة من Learn.
الخطوة 2: اختيار حجم الآلة الظاهرية
بالنسبة إلى مضيفي الجلسات المتعددة، توصي Learn بحصر حجم الآلة الظاهرية بين 6 و24 vCPU. وتقول إن أربعة أنوية هي أدنى عدد موصى به لآلة ظاهرية مستقرة متعددة الجلسات، وإنه لا ينبغي أن تحتوي الآلة الظاهرية على أكثر من 32 نواة. ويتراجع العائد على الاستثمار عند نحو 16 نواة، وتكون تجربة المستخدم أفضل مع آلتين بـ16 نواة مما هي مع آلة واحدة بـ32 نواة. وبالنسبة إلى 20 مستخدمًا أو أكثر على مضيف واحد، تقول Learn إن عدة آلات أصغر ستعمل بأداء أفضل من آلة أو اثنتين كبيرتين.
الصفحة ليست متسقة تمامًا: تذكر جملة لاحقة نطاقًا بين 4 و24 نواة، ويسرد جدول أحمال العمل 8 vCPU كحد أدنى للأنواع الخفيفة والمتوسطة والثقيلة. تعامل مع هذه الأرقام على أنها إرشادات، واختبر الحجم المناسب لبيئتك.
تنمو السعة بشكل أقل من خطي. تقول Learn إن معامل القياس يتراوح عادةً بين 1.5 و1.9، لذا تضيف النواة الإضافية سعةً متناسبة لكن غير خطية للمستخدمين. وتذكر أيضًا أن التشغيل على الآلات الظاهرية يكلّف 15 إلى 20 بالمئة من السعة مقارنةً بالخوادم المادية.
الخطوة 3: حساب قيمة مبدئية
يقدّم جدول Learn لمضيفي الجلسات المتعددة الحد الأقصى لعدد المستخدمين لكل vCPU:
| عبء العمل | الحد الأقصى للمستخدمين لكل vCPU | الحد الأدنى من vCPU / الذاكرة / تخزين نظام التشغيل |
|---|---|---|
| خفيف | 6 | 8 vCPU، و16 GB، و32 GB |
| متوسط | 4 | 8 vCPU، و16 GB، و32 GB |
| ثقيل | 2 | 8 vCPU، و16 GB، و32 GB |
| قوي | 1 | 6 vCPU، و56 GB، و340 GB |
اضرب عدد المستخدمين لكل vCPU في عدد vCPU لحجم الآلة الظاهرية. هذه الحسابات من عمل هذه المقالة وليست رقمًا من Learn. وتصف Learn كل هذه الأرقام بأنها إرشادات عامة لتقديرات الأداء الأولية فقط. قراءتنا: يعطي الجدول حدودًا قصوى، وتقول Learn إن السعة لا تتناسب خطيًا مع الأنوية، لذا عامل الناتج كحد أعلى للاختبار التجريبي لا كمتوسط يُخطط على أساسه.
مثال تطبيقي: عبء عمل متوسط على مضيف بـ8 vCPU يعطي 4 x 8 = 32 كحد مبدئي. وعبء العمل الثقيل على المضيف نفسه يعطي 2 x 8 = 16. أما عبء العمل الخفيف على مضيف بـ16 vCPU فيعطي 6 x 16 = 96، وهي حالة تحتاج إلى اختبار دقيق، لأن الذاكرة قد تصبح العامل المحدد. تقول Learn إن رفع الذاكرة من 8 GB إلى 16 GB قد يضاعف عدد المستخدمين أكثر من مرتين عندما تكون الذاكرة هي القيد. ولا تقدم Learn رقمًا لاستهلاك الذاكرة لكل مستخدم، لذا سجّل استهلاك الذاكرة خلال الاختبار التجريبي.
الخطوة 4: تعيين الحد في مجموعة المضيفين
تحتاج إلى مجموعة مضيفين مجمّعة (pooled host pool) موجودة وإلى الدور Desktop Virtualization Host Pool Contributor. في Azure portal يوجد الإعداد ضمن Properties الخاصة بمجموعة المضيفين، بجوار Load balancing algorithm. خطوات البوابة مدرجة في الشرح، لذلك إليك المسار البرمجي من Learn، الذي يقرأ القيمة أيضًا بعد التعيين. مثال Learn معنون بالتوزيع المتعمق (depth-first) مع حد يبلغ 10، وهو يضبط LoadBalancerType = 'DepthFirst' أيضًا، لذا غيّر هذا السطر أو احذفه إذا كانت مجموعتك تستخدم التوزيع الأفقي (breadth-first).
$parameters = @{
Name = '<HostPoolName>'
ResourceGroupName = '<ResourceGroupName>'
LoadBalancerType = 'DepthFirst'
MaxSessionLimit = '10'
}
Update-AzWvdHostPool @parameters
Get-AzWvdHostPool -Name '<HostPoolName>' -ResourceGroupName '<ResourceGroupName>' |
Format-Table Name, LoadBalancerType, MaxSessionLimitالمكافئ في Azure CLI هو az desktopvirtualization hostpool update مع --max-session-limit، ويقرأ az desktopvirtualization hostpool show القيمة بعد التعيين. القيمة 10 هي قيمة توضيحية في Learn؛ استخدم الرقم الذي حصلت عليه في الخطوة 3.
الخطوة 5: تحقّق من أثر التوسيع التلقائي (autoscale)
يُشغّل التوسيع التلقائي مضيفًا عندما تتجاوز السعة المستخدمة حد السعة (capacity threshold)، وتشمل السعة المستخدمة الجلسات النشطة والجلسات المنفصلة. طبّق ذلك على القيمة الابتدائية من الخطوة 3. مع حد 32 جلسة، يوفر مضيفان سعة تبلغ 64 جلسة، وعتبة 75 في المئة تعني أن المضيف الثالث يبدأ عندما تتجاوز الجلسات 48. إذا بدأ المضيف الثالث مبكرًا جدًا أو متأخرًا جدًا بالنسبة لنمط تسجيل الدخول لديك، فغيّر الحد أو العتبة، لكن لا تغيّرهما معًا، حتى تعرف أيّ تغيير أحدث أي أثر. ولأن Learn يذكر أن عمليات تسجيل الدخول المتزامنة قد تدفع المضيف إلى ما يتجاوز حده، أبقِ هامشًا أدنى من القيمة المحسوبة، وقِس ذروة تسجيل الدخول في المرحلة التجريبية. يُغطّى حد السعة وإعدادات المراحل في مقالات خطة التوسيع.
يعطي الحساب نفسه تقديرًا تقريبيًا لعدد المضيفين. بالنسبة إلى 200 مستخدم متزامن بحمل عمل متوسط وحد 32، تحتاج المجموعة إلى 200 / 32 = 6.25 على الأقل، أي 7 مضيفين، إذا كان كل مضيف ممتلئًا تمامًا. مع 7 مضيفين تبلغ السعة 224 جلسة، وتشكّل 200 جلسة نحو 89 في المئة، وهي أعلى من عتبة 75 في المئة. وللإبقاء على السعة المستخدمة عند 75 في المئة أو أقل، نحتاج إلى 200 / (32 × 0.75) = 8.3، أي 9 مضيفين. يطبّق هذا صيغة التجميع من صفحة سيناريوهات التوسيع التلقائي في Learn، التي يستخدمها Learn لمرحلة التقليص، على تحديد حجم الذروة. استخدام الصيغة للتحجيم هو اجتهاد من هذا المقال وليس مثالًا من Learn، وهو يوضح لماذا يجب التخطيط للحد والعتبة وعدد المضيفين معًا.
تنص صفحة Learn الخاصة بتحديد الحجم على أن تسجيل الدخول يستهلك المعالج بكثافة، وتدعو إلى التخطيط لأوقات الذروة في تسجيل الدخول، مثل بداية يوم العمل في الساعة 9 صباحًا. ومن مثالها: إذا سجّل 30 مستخدمًا دخولهم أو أكثر خلال 10 دقائق على مضيف بـ16 نواة، فإن جهازين افتراضيين بـ8 أنوية لكل منهما سيتعاملان مع الحمل بصورة أفضل.
الخطوة 6: التحقق عبر Insights والتعديل
توصي Learn باستخدام Azure Virtual Desktop Insights لمراقبة عدد الجلسات على كل مضيف جلسات وأداء المضيف. يحتاج Insights إلى جمع التشخيصات وعدادات الأداء وسجلات أحداث Windows في مساحة عمل Log Analytics، ويحتاج المستخدمون المسؤولون عن المراقبة إلى الدورين Desktop Virtualization Reader وLog Analytics Reader.
مقاييس مفيدة من مسرد Insights:
- Users per core: عدد المستخدمين لكل نواة في الجهاز الافتراضي. تقترح Learn تتبع الحد الأقصى عبر الزمن لمعرفة ما إذا كانت البيئة مرتفعة باستمرار أو منخفضة أو متقلبة.
- Input delay: يُقاس كل 30 ثانية لكل جلسة. نطاقات Learn هي: أقل من 150 ms جيد، ومن 150 إلى 500 ms مقبول، ومن 500 إلى 2,000 ms ضعيف، وأكثر من 2,000 ms سيئ.
- Performance counters: عدادات وقت المعالج والذاكرة، مثل available MBytes وpercent committed bytes in use، وتُجمع كل 30 ثانية.
لا تقدم صفحة موازنة الحمل ولا صفحة تحديد الحجم عتبة للمعالج أو الذاكرة للحد. قاعدة عملية، وهي اقتراح من هذا المقال، هي مقارنة input delay في الذروة بالنطاقات أعلاه بعد كل تغيير. إذا خرج input delay في الذروة عن النطاق الجيد بينما يبقى users per core عند حدك، فاخفض القيمة. وإذا بقيت وحدة المعالجة والذاكرة منخفضتين عند الحد، فارفعه بخطوات صغيرة. تذكر Learn فقط أن خفض الحد لا يؤثر في الجلسات القائمة، ولا توضح كيف تُطبَّق القيمة الجديدة لاحقًا، لذا أكّد النتيجة في Insights بعد ذروة تسجيل الدخول التالية، وتحقّق في تلك الذروة مما إذا كانت المضيفات قد تجاوزت الحد.
الأخطاء الشائعة
- الإبقاء على القيمة 999999 في مجموعة تعتمد الطريقة Depth-first. تتطلب الطريقة Depth-first تحديد حد، ويوصي Learn بعدم استخدام القيمة الافتراضية عندما يدير القياس التلقائي (Autoscale) المجموعة، ويشير إلى Insights للعثور على قيمة تناسب بيئتك.
- قراءة الحدود الدنيا في الجدول كأحجام. يُدرج الصف الخاص بـ Power حدًا أدنى قدره 6 وحدات vCPU، وتختلف أحجامه المثالية، مثل D16ds_v5 وNV6، في عدد وحدات vCPU. تحقق من عدد وحدات vCPU للحجم الذي تنشره.
- تجاهل الجلسات المنقطعة. يحتسب القياس التلقائي (Autoscale) هذه الجلسات ضمن السعة المستخدمة، لذا فإن حدًا ضيقًا أكثر من اللازم مع جلسات منقطعة تبقى مدة طويلة يؤدي إلى تشغيل المضيفات قبل الموعد المتوقع.
- التعامل مع الحد كضمان. يذكر Learn أنه في ظل حمل كبير من الاتصالات المتزامنة قد يستقبل المضيف عددًا من الجلسات يتجاوز الحد، لذا قد تتجاوز مجموعة مُقاسة دون هامش إضافي الحد الأقصى في ذروات تسجيل الدخول.
- التعامل مع الرقم كقيمة ثابتة. يصف Learn أرقامه بأنها تقديرات أولية، لذا اختبرها في مرحلة تجريبية قبل الالتزام بها.
ذات صلة
- AVD host pool
- الحد الأقصى لعدد الجلسات
- Azure Virtual Desktop Insights
المصادر
تاريخ الوصول: 17 نوفمبر 2026.
- Microsoft Learn: تهيئة موازنة الحمل لمجموعة المضيفين
- Microsoft Learn: Session host virtual machine sizing guidelines
- Microsoft Learn: Azure Virtual Desktop terminology
- Microsoft Learn: مسرد التحجيم التلقائي
- Microsoft Learn: سيناريوهات التحجيم التلقائي لـ Azure Virtual Desktop
- Microsoft Learn: إنشاء خطة تحجيم تلقائي وتعيينها
- Microsoft Learn: Azure Virtual Desktop Insights glossary
- Microsoft Learn: Azure Virtual Desktop Insights
- Microsoft Learn: تحديث Update-AzWvdHostPool
FAQ
هل توجد قيمة موصى بها للحد الأقصى لعدد الجلسات؟
ليس كرقم واحد. تذكر صفحة Learn الخاصة بموازنة الحمل في مجموعة المضيفين أنها لا تقدم قيمة موصى بها، وتشير إلى استخدام Azure Virtual Desktop Insights لإيجاد حد يناسب بيئتك. أما إرشادات تحجيم الأجهزة الافتراضية في Learn فتسرد الحد الأقصى للمستخدمين لكل vCPU حسب نوع الحمل، ويستخدم هذا الدليل هذه الأرقام كنقطة انطلاق، ويصفها بأنها تقديرات أولية فقط.
ماذا يحدث إذا أبقيت القيمة الافتراضية 999999؟
مع التوزيع أولاً على الأوسع (breadth-first)، تبدأ مجموعة المضيفين التي أُنشئت دون قيمة مخصصة من 999999، وهي أعلى قيمة يمكن ضبطها. تقول Learn إنه لا ينبغي استخدام القيمة الافتراضية عندما يدير التحجيم التلقائي (autoscale) مجموعة مضيفين مجمّعة، لكنها لا تذكر السبب. والاستنتاج المعقول أن سعة بهذا الحجم لا يمكن أن تصل أبداً إلى عتبة السعة. أما التوزيع أولاً على العمق (depth-first) فيحتاج إلى حد فعلي.
هل يؤدي تغيير الحد إلى قطع اتصال المستخدمين؟
لا. تقول Learn إن خفض الحد الأقصى لعدد الجلسات على مضيف جلسات تتصل به جلسات مستخدمين نشطة لا يؤثر في تلك الجلسات القائمة.