Breadth-first vs depth-first: qué algoritmo de equilibrio de carga debe usar un grupo de hosts
Socio · Socio neutral: Nerdio
Por Mirko Peters ·
Usa breadth-first cuando la experiencia del usuario sea lo primero, y depth-first cuando quieras concentrar las sesiones en el menor número posible de hosts de sesión para poder apagar el resto. Esta guía ofrece los criterios de decisión, un ejemplo práctico de ambos algoritmos y los pasos para cambiar la configuración.
Traducido automáticamente con IA a partir de la publicación original. Lee el original en inglés
Elige breadth-first cuando la prioridad sea un escritorio ágil para cada usuario, y depth-first cuando la prioridad sea ejecutar el menor número posible de hosts de sesión. Microsoft Learn plantea la misma división: breadth-first es adecuado para organizaciones que priorizan la experiencia del usuario, y depth-first para organizaciones sensibles a los costes que quieren un control detallado sobre cuántos hosts están encendidos. Esta guía convierte esa división en criterios, un ejemplo práctico y los pasos para cambiar la configuración.
Puntos clave
- Learn describe breadth-first como la opción cuando la experiencia del usuario es lo más importante, y depth-first para organizaciones sensibles a los costes que quieren controlar cuántos hosts permanecen encendidos.
- Depth-first requiere un límite máximo de sesiones. Breadth-first no lo requiere, y su límite predeterminado de 999999 es también el valor más alto que puedes configurar.
- Breadth-first elige al azar entre la mitad de los hosts elegibles con menos sesiones, por lo que las sesiones pueden repartirse de forma desigual. Depth-first elige el host elegible con más sesiones.
- Ambos algoritmos envían a un usuario que ya tiene una sesión activa o desconectada de vuelta a ese mismo host, incluso si está en modo de drenaje. El equilibrio de carga no se aplica a los grupos de hosts personales.
- Puedes cambiar el algoritmo en cualquier momento. Si hay un plan de escalado asignado, Learn indica que el escalado automático aplica el algoritmo definido en la programación en lugar de la configuración del grupo de hosts.
Solo cubre los grupos de hosts agrupados, porque Learn indica que el equilibrio de carga no se aplica a los grupos de hosts personales. El funcionamiento interno de cada algoritmo se explica en "Breadth-first load balancing in Azure Virtual Desktop explained" y "Depth-first load balancing in Azure Virtual Desktop explained"; este artículo los compara. Las fuentes se enumeran al final.
Cómo eligen host los dos algoritmos
Ambos algoritmos se ejecutan cuando un usuario sin sesión existente inicia una conexión. Se diferencian en el host que eligen.
| Breadth-first | Depth-first | |
|---|---|---|
| Objetivo | Repartir las nuevas sesiones entre los hosts | Seguir llenando un host hasta su límite |
| Regla de selección | Consulta los hosts que admiten nuevas conexiones y elige al azar entre la mitad con menos sesiones | Consulta los hosts que admiten nuevas conexiones y que no han alcanzado el límite, y elige el host con más sesiones; en caso de empate, el primer host de la consulta |
| Límite máximo de sesiones | No requerido | Obligatoria |
| Uso recomendado según Learn | Experiencia del usuario, porque la CPU, la memoria y el disco suelen tener menos contención | Coste, porque hay que mantener encendidos menos hosts |
El ejemplo propio de Learn para breadth-first: con nueve hosts que tienen entre 11 y 19 sesiones, una nueva sesión puede ir a cualquiera de los cinco hosts con menos sesiones. No siempre va al host más vacío, y Learn indica que, por la aleatoriedad, las sesiones pueden no distribuirse de forma uniforme.
Reglas que se aplican a ambos
- Un usuario que ya tiene una sesión activa o desconectada en el grupo se envía de vuelta a ese host, incluso si el modo de drenaje está activado en él.
- Un usuario sin sesión nunca se envía a un host en modo de drenaje.
- Reducir el límite máximo de sesiones en un host con sesiones activas no afecta a esas sesiones.
- La página de terminología de Learn indica que, con una carga alta de conexiones simultáneas, el número de sesiones en un host puede superar el límite; por tanto, considera el límite como el valor al que apunta el algoritmo y no como una garantía.
Ejemplo práctico: 4 hosts, límite de 10, 25 usuarios
Los números siguientes son una ilustración basada en las reglas de selección anteriores, no un ejemplo de Learn.
Primero en profundidad. Los cuatro hosts empiezan vacíos, así que el primer usuario empata y va al primer host que devuelve la consulta; llamémoslo H1. Learn no define el orden de la consulta, y H1 a H4 son solo etiquetas. A partir de ahí, H1 tiene más sesiones entre los hosts por debajo del límite, así que las sesiones 2 a 10 también van a H1. H2 recibe las siguientes 10 y H3 recibe las últimas 5. H4 se queda vacío. Si H1 y H2 están llenos con 10 sesiones y llega un usuario número 26, lo recibe H3.
Primero en anchura. Cada nueva sesión va a un host aleatorio de los dos que tengan menos sesiones. Con 25 usuarios y 4 hosts, la media es de unas 6 sesiones por host. Como las nuevas sesiones solo van a los dos hosts menos cargados, los recuentos quedan muy próximos, normalmente 6 o 7 por host en este ejemplo (cálculo propio), aunque Learn señala que no se garantiza una distribución uniforme. Las diferencias crecen en pools reales porque los usuarios cierran sesión en momentos distintos (interpretación propia).
Qué significa esto en la práctica:
- Con primero en profundidad, H4 no tiene sesiones y es candidato a apagarse. Ese es el argumento de coste que plantea Learn.
- Con primero en anchura, los cuatro hosts soportan carga, así que ninguno es candidato a apagarse hasta que terminen las sesiones.
- Con primero en profundidad, el primer host es el más cargado. La guía de dimensionamiento de Learn indica que el inicio de sesión consume mucha CPU y que debes planificar patrones de inicio de sesión, como el inicio de la jornada laboral, cuando muchos usuarios inician sesión a la vez. Una ráfaga de inicios de sesión en un pool de primero en profundidad se dirige, por tanto, al host que ya está más lleno. Esto es una inferencia a partir de las dos afirmaciones, así que compruébalo en un piloto.
Criterios de decisión
| Pregunta | Ventajas de primero en anchura | Ventajas de primero en profundidad |
|---|---|---|
| ¿Qué pesa más, el tiempo de respuesta o el coste de funcionamiento? | Tiempo de respuesta | Coste de funcionamiento |
| ¿Quieres que los hosts inactivos salgan del pool mientras otros siguen dando servicio a usuarios? | Las sesiones se reparten entre todos los hosts en ejecución, así que se vacían menos hosts (interpretación propia de la regla de selección) | Los hosts posteriores se quedan vacíos y son más fáciles de reducir (Learn) |
| ¿Puedes definir y mantener un límite de sesiones realista? | El límite es opcional | El límite es obligatorio y debe ajustarse a la carga de trabajo |
| ¿La carga de trabajo es pesada por usuario? | Repartir las sesiones reduce la contención, que es la razón que indica Learn | Un límite bajo es necesario para que un host lleno no se sobrecargue (inferencia) |
| ¿Los usuarios inician sesión en una ráfaga corta? | La ráfaga se reparte entre los hosts (inferencia) | La ráfaga golpea primero a un solo host (inferencia) |
La página de equilibrio de carga de Learn añade una nota para primero en profundidad: para mantener una buena experiencia de usuario, cambia el límite máximo de sesiones a un número que se ajuste a tus requisitos. Los valores iniciales por vCPU, la recomendación de 20 usuarios y la advertencia de que la página de dimensionamiento de Learn no es del todo coherente están en «How to size the maximum session limit per session host» (Cómo dimensionar el límite máximo de sesiones por host de sesión); el artículo de primero en profundidad recoge los mismos puntos de partida. Learn los llama directrices genéricas que solo deben usarse para estimaciones iniciales de rendimiento, y para la planificación de capacidad describe un enfoque basado en pruebas piloto y otro basado en simulación.
Pasos para cambiar el algoritmo
Necesitas el rol Colaborador de grupo de host de Desktop Virtualization.
- Inicia sesión en Azure Portal y abre Azure Virtual Desktop.
- Selecciona Grupos de hosts y, a continuación, selecciona el grupo de hosts agrupado.
- Selecciona Propiedades.
- Elige el algoritmo en Algoritmo de equilibrio de carga. Introduce un valor en Límite máximo de sesiones.
- Selecciona Guardar.
Learn también ofrece pestañas de Azure PowerShell y Azure CLI para esta configuración, que requieren el módulo Az.DesktopVirtualization o la extensión de CLI desktopvirtualization. Los comandos están en la página de Learn y no se reproducen aquí.
Si eliges primero en anchura al crear un grupo de hosts, el límite predeterminado es 999999, que también es el valor máximo permitido. Para primero en profundidad, define un número que se ajuste a tu carga de trabajo.
Qué hacer cuando primero en profundidad se queda sin espacio
Learn lo señala como importante: cuando todos los hosts alcanzan el límite máximo de sesiones, debes aumentar el límite o añadir hosts de sesión. El algoritmo de profundidad solo considera los hosts por debajo del límite, así que no queda ningún candidato (es nuestra interpretación de la regla de selección); Learn no indica qué ven los usuarios. Usa Azure Virtual Desktop Insights para supervisar las sesiones por host y el rendimiento de los hosts, que es la monitorización que Learn recomienda al elegir el límite.
Interacción con el escalado automático
Si usas un plan de escalado, el algoritmo se define por fase en la programación. La página de escenarios de escalado automático de Learn indica que, en los grupos de hosts agrupados, el escalado automático ignora el algoritmo de la configuración del grupo de hosts y aplica el de la configuración de la programación. El artículo sobre planes de escalado dice lo mismo para la fase de aumento de carga, donde la preferencia seleccionada sustituye al ajuste original del grupo de hosts. Recomienda el reparto en anchura para el aumento de carga y el reparto en profundidad para las horas valle. En la hora punta se puede elegir cualquiera de los dos algoritmos, y la pestaña de reducción de carga tiene un campo de equilibrio de carga sin recomendación.
Las preguntas frecuentes de Learn sobre el autoescalado explican el motivo: el reparto en amplitud (breadth-first) ofrece una distribución uniforme al principio del día, mientras que el reparto en profundidad (depth-first) permite que el autoescalado concentre las sesiones hasta alcanzar el número mínimo posible de hosts. El glosario del autoescalado describe esa concentración como la división del número total de sesiones, conectadas y desconectadas, entre el límite máximo de sesiones multiplicado por el umbral de capacidad, redondeando hacia arriba. Este artículo trata del autoescalado de administración de energía, que la página de escenarios marca como de disponibilidad general. En un grupo de hosts con un plan de escalado, la programación es donde se toma la decisión en la práctica; "Depth-first load balancing and autoscale: how the schedule overrides the host pool setting" explica en detalle la configuración de la programación.
Para el escalado automático en un grupo de hosts agrupado, Learn recomienda configurar un límite máximo de sesiones personalizado y no usar el valor predeterminado.
Un breve procedimiento de selección
- Define la prioridad en una sola frase: experiencia de usuario o coste.
- Calcula cuántos hosts podrías apagar en el periodo de menor actividad si las sesiones estuvieran agrupadas.
- Elige un límite a partir de los puntos de partida por vCPU de Learn y de tu propia carga de trabajo.
- Empieza con el algoritmo que coincida con la prioridad y ejecuta un grupo piloto.
- Compara las sesiones por host y el rendimiento informado por los usuarios en Insights.
- Cambia el algoritmo si el piloto no da los resultados esperados. Learn indica que puedes hacerlo en cualquier momento.
Fuentes
- Microsoft Learn: Configurar el equilibrio de carga de grupos de hosts en Azure Virtual Desktop
- Microsoft Learn: Terminología de Azure Virtual Desktop
- Microsoft Learn: Directrices de dimensionamiento de máquinas virtuales de host de sesión
- Microsoft Learn: Crear y asignar un plan de escalado automático para Azure Virtual Desktop
- Microsoft Learn: Preguntas frecuentes sobre el autoescalado de Azure Virtual Desktop
- Microsoft Learn: Escenarios de Autoscale para Azure Virtual Desktop
- Microsoft Learn: Glosario del escalado automático para Azure Virtual Desktop
Preguntas frecuentes
¿Puedo cambiar después entre breadth-first y depth-first?
Sí. Microsoft Learn indica que solo se puede configurar un algoritmo por grupo de hosts agrupado a la vez, pero puedes cambiarlo en cualquier momento. Learn no describe qué ocurre con las sesiones que ya están en ejecución, así que prueba primero el cambio en un grupo piloto.
¿Por qué depth-first necesita un límite máximo de sesiones?
Depth-first llena un host hasta alcanzar su límite y luego pasa al siguiente; sin límite, no hay un punto en el que pasar al siguiente. Learn indica que el límite es obligatorio y que, cuando todos los hosts lo alcancen, debes aumentar el límite o añadir hosts.
¿El algoritmo se aplica a los grupos de hosts personales?
No. Learn indica que el equilibrio de carga no se aplica a los grupos de hosts personales, porque cada usuario tiene una asignación 1:1 con un host de sesión. Los grupos personales usan en su lugar la asignación automática o directa.