Équilibrage de charge en largeur d’abord dans Azure Virtual Desktop expliqué
Partenaire · Partenaire neutre : Nerdio
Par Mirko Peters ·
L’équilibrage de charge en largeur d’abord envoie chaque nouvelle session vers un hôte de session choisi au hasard parmi la moitié des hôtes de session disponibles qui comptent le moins de sessions. Il ne nécessite pas de limite maximale de sessions, mais l’autoscale en exige une personnalisée.
Traduit automatiquement par IA à partir de l'article original. Lire l'original en anglais
L’équilibrage de charge en largeur d’abord dans Azure Virtual Desktop envoie chaque nouvelle session utilisateur vers un hôte de session choisi au hasard parmi la moitié des hôtes disponibles qui comptent actuellement le moins de sessions. Il vise à répartir les utilisateurs dans le pool afin que le processeur, la mémoire et le disque de chaque hôte soient en général moins sollicités, et il ne nécessite pas de limite maximale de sessions. La comparaison entre la largeur d’abord et la profondeur d’abord fait l’objet d’un article distinct de cette série.
Points clés
- L’équilibrage en largeur d’abord interroge les hôtes de session qui acceptent les nouvelles connexions, puis en choisit un au hasard parmi la moitié de ceux qui comptent le moins de sessions. La répartition est donc équilibrée, mais pas strictement uniforme.
- Une limite maximale de sessions est facultative avec la largeur d’abord. Lorsqu’un pool est créé avec cet algorithme, la valeur par défaut est 999999, la valeur la plus élevée possible.
- Learn décrit la largeur d’abord comme une optimisation des performances de session, car les ressources des hôtes sont en général moins sollicitées, et la profondeur d’abord comme le choix des organisations soucieuses de leurs coûts.
- Les deux algorithmes redirigent toujours un utilisateur existant vers l’hôte qui héberge sa session active ou déconnectée, même si le mode de vidange est activé, et ignorent les hôtes en mode de vidange pour les nouveaux utilisateurs.
- Avec l’autoscale, Learn recommande la largeur d’abord pour la phase de montée en charge. L’algorithme de montée en charge défini dans la planification remplace le paramètre du pool d’hôtes, et vous devez définir une limite maximale de sessions personnalisée.
Comment un hôte est choisi
Learn décrit l’algorithme en deux étapes. Il interroge d’abord les hôtes de session du pool qui acceptent les nouvelles connexions, puis sélectionne au hasard un hôte parmi la moitié de cet ensemble, en retenant ceux qui comptent le moins de sessions.
Exemple donné par Learn : neuf hôtes de session comptent respectivement 11, 12, 13, 14, 15, 16, 17, 18 et 19 sessions. Une nouvelle session ne va pas automatiquement vers l’hôte qui en compte 11. Elle peut aller vers n’importe lequel des cinq premiers hôtes, ceux qui comptent le moins de sessions, au hasard. Learn en tire la conséquence suivante : en raison de la randomisation, certaines sessions peuvent ne pas être réparties uniformément entre l’ensemble des hôtes de session.
Règles communes à la profondeur d’abord
Learn énumère trois comportements communs aux deux algorithmes. Ceux qui comptent le plus pour la largeur d’abord sont les suivants : un utilisateur qui dispose déjà d’une session active ou déconnectée est redirigé vers l’hôte portant cette session lorsqu’il se reconnecte, même si le mode de vidange est activé pour cet hôte, tandis que, pour un utilisateur sans session, l’équilibreur de charge ne prend pas en compte un hôte en mode de vidange. L’article comparatif de cette série détaille ces trois règles. Vous ne pouvez configurer qu’un seul algorithme à la fois par pool d’hôtes groupé, et vous pouvez le modifier à tout moment.
La limite maximale de sessions
Microsoft Learn indique qu’il n’est pas nécessaire de spécifier une limite maximale de sessions pour la répartition en largeur d’abord. La limite maximale de sessions existe toutefois toujours. Si vous utilisez la répartition en largeur d’abord lors de la création initiale d’un pool d’hôtes, la valeur par défaut est 999999, qui correspond également au nombre le plus élevé possible. La page de déploiement indique qu’il faut saisir le nombre maximal d’utilisateurs que vous souhaitez répartir par équilibrage de charge sur un seul hôte de session. La page de terminologie ajoute qu’en cas de charge de connexions simultanées élevée, lorsque plusieurs utilisateurs se connectent en même temps, le nombre de sessions sur un hôte de session peut dépasser cette limite. Microsoft Learn précise également que si vous abaissez la limite sur un hôte de session qui compte des sessions utilisateur actives, la modification n’affecte pas ces sessions.
La mise à l’échelle automatique change la donne. La page de création et d’affectation indique que, lorsque vous utilisez la mise à l’échelle automatique pour un pool d’hôtes groupé, vous devez configurer un MaxSessionLimit personnalisé et ne pas utiliser la valeur par défaut. Le glossaire de la mise à l’échelle automatique de Microsoft Learn définit les grandeurs en jeu : la capacité disponible du pool d’hôtes correspond à la limite maximale de sessions multipliée par le nombre d’hôtes de session disponibles, et la capacité utilisée du pool d’hôtes correspond au nombre de sessions actives et déconnectées divisé par cette capacité. L’exemple de la page elle-même : deux hôtes de session avec une limite de 20 sessions donnent une capacité disponible de 40 sessions. Avec un seuil de capacité de 75 %, la mise à l’échelle automatique active un troisième hôte dès que les hôtes comptent plus de 30 sessions, et la capacité passe à 60.
Répartition en largeur d’abord et mise à l’échelle automatique
Un plan de mise à l’échelle définit un algorithme d’équilibrage de charge pour chaque phase. La page des scénarios indique que, pour les pools d’hôtes groupés, la mise à l’échelle automatique ignore l’algorithme défini dans les paramètres du pool d’hôtes et applique un équilibrage de charge fondé sur la planification. La page de création et d’affectation précise que la préférence choisie dans la planification remplace celle des paramètres d’origine du pool d’hôtes. Cette même page recommande la répartition en largeur d’abord pendant la montée en charge, afin de répartir les utilisateurs sur les hôtes existants et de garder des temps d’accès rapides. La section Questions fréquentes de la mise à l’échelle automatique donne un exemple pour la journée entière : répartition en largeur d’abord pendant la montée en charge et la pointe, répartition en profondeur d’abord pendant la descente en charge et hors pointe, afin que la mise à l’échelle automatique puisse consolider les sessions.
Consultez les phases de planification de la mise à l’échelle automatique pour savoir comment les phases d’une planification sont définies.
Le premier scénario de mise à l’échelle automatique de Microsoft Learn utilise la répartition en largeur d’abord pendant la montée en charge. Le pool compte six hôtes de session, un seuil de capacité de 30 %, un pourcentage minimal d’hôtes de 30 % et une limite maximale de sessions de 5. La mise à l’échelle automatique démarre deux hôtes pour atteindre le minimum, car 30 % de six font 1,8, arrondi à deux. La capacité disponible est de 10.
- Trois utilisateurs se connectent. Comme l’algorithme est la répartition en largeur d’abord, leurs sessions sont réparties sur les deux hôtes en cours d’exécution. La capacité utilisée est de 30 %, ce qui ne dépasse pas le seuil ; la mise à l’échelle automatique ne démarre donc rien.
- Un quatrième utilisateur se connecte. La capacité utilisée atteint 40 %, au-dessus du seuil ; la mise à l’échelle automatique démarre donc un troisième hôte. La capacité passe à 15 et la capacité utilisée descend à 27 %.
- Un cinquième utilisateur porte le taux à 33 %, ce qui démarre un quatrième hôte. Avec 5 sessions sur 4 hôtes, la capacité est de 20 et l’utilisation de 25 %.
Le tableau de Microsoft Learn se poursuit : 6 sessions sur 4 hôtes donnent 30 %, donc rien ne démarre, et 7 sessions sur 4 hôtes donnent 35 %, donc un cinquième hôte démarre et la capacité passe à 25 (28 %). La limite étant de 5 dans cet exemple, chaque hôte ajoute 5 à la capacité disponible.
Coût et performance
Microsoft Learn présente directement ce compromis. La répartition en largeur d’abord est décrite comme idéale pour les organisations qui souhaitent privilégier l’expérience utilisateur, car les ressources des hôtes, telles que le processeur, la mémoire et le disque, sont généralement moins sollicitées. La répartition en profondeur d’abord est décrite comme idéale pour les organisations soucieuses de leurs coûts, car saturer un hôte à la fois facilite la réduction du nombre d’hôtes sous tension lorsque moins d’utilisateurs sont connectés.
Les deux algorithmes peuvent être combinés dans un même plan de mise à l’échelle, comme le montre l’exemple de la section Questions fréquentes présenté plus haut, sous « Répartition en largeur d’abord et mise à l’échelle automatique ». Ce que fait la mise à l’échelle automatique lors de la descente en charge, y compris la déconnexion forcée et l’exécution de zéro hôte en dehors des heures, est traité dans les articles de cette série consacrés à la répartition en profondeur d’abord et aux plans de mise à l’échelle. Voir aussi l’entité plan de mise à l’échelle.
Comment la configurer
Vous avez besoin du rôle Desktop Virtualization Host Pool Contributor. Dans le portail Azure :
- Recherchez et sélectionnez Azure Virtual Desktop, puis sélectionnez Pools d’hôtes et le pool d’hôtes concerné.
- Sélectionnez Propriétés.
- Pour Algorithme d’équilibrage de charge, choisissez « En largeur d’abord » dans la liste déroulante, puis saisissez une valeur pour Limite maximale de sessions.
- Sélectionnez Enregistrer.
Dans PowerShell, Update-AzWvdHostPool accepte -LoadBalancerType et -MaxSessionLimit. La page de Learn consacrée à l’équilibrage de charge montre comment définir le mode « en largeur d’abord » sans modifier la limite maximale de sessions :
$parameters = @{
Name = '<HostPoolName>'
ResourceGroupName = '<ResourceGroupName>'
LoadBalancerType = 'BreadthFirst'
}
Update-AzWvdHostPool @parametersPour vérifier le résultat, la même page utilise Get-AzWvdHostPool @parameters | Format-Table Name, LoadBalancerType, MaxSessionLimit. L’équivalent dans Azure CLI est az desktopvirtualization hostpool update --resource-group <ResourceGroupName> --name <HostPoolName> --load-balancer-type BreadthFirst. Learn présente le bloc PowerShell comme la définition du mode « en largeur d’abord » « sans ajuster la limite maximale de sessions », de sorte que la limite existante reste inchangée. Pour définir également une limite, ajoutez -MaxSessionLimit avec votre propre valeur. Les exemples en profondeur d’abord de Learn la fixent à 10, sous la forme MaxSessionLimit = '10' en PowerShell et --max-session-limit 10 dans Azure CLI. La section de Learn consacrée au mode en profondeur d’abord indique que vous pouvez utiliser Azure Virtual Desktop Insights pour surveiller le nombre de sessions sur chaque hôte de session et examiner ses performances afin de déterminer la limite maximale de sessions. Pour une utilisation locale, Learn répertorie comme prérequis l’extension Azure CLI desktopvirtualization ou le module PowerShell Az.DesktopVirtualization.
Les mauvaises surprises à prévoir
- Mode d’assainissement sous mise à l’échelle automatique. Pour les pools d’hôtes partagés (pooled), Learn indique que la mise à l’échelle automatique remplace le mode d’assainissement sur les machines virtuelles incluses dans la mise à l’échelle. Utilisez donc des balises d’exclusion pour les machines virtuelles que vous souhaitez laisser à l’écart, par exemple pendant leur mise à jour. La page des scénarios de mise à l’échelle automatique et la section Questions fréquentes sur la mise à l’échelle automatique le précisent toutes deux. Vérifiez donc la balise d’exclusion de tout hôte dont l’état semble changer de façon inattendue.
Articles connexes
- Équilibrage de charge en largeur d’abord
- Équilibrage de charge en profondeur d’abord
- pool d’hôtes AVD
- Pool d’hôtes mutualisé
- Azure Virtual Desktop
Sources
- Microsoft Learn : Configurer l’équilibrage de charge des pools d’hôtes dans Azure Virtual Desktop
- Microsoft Learn : Créer et attribuer un plan de mise à l’échelle automatique
- Microsoft Learn : Terminologie d’Azure Virtual Desktop
- Microsoft Learn : Déployer Azure Virtual Desktop
- Microsoft Learn : questions fréquentes sur la mise à l’échelle automatique
- Microsoft Learn : scénarios de mise à l’échelle automatique pour Azure Virtual Desktop
- Microsoft Learn : glossaire de la mise à l’échelle automatique pour Azure Virtual Desktop
- Microsoft Learn : Update-AzWvdHostPool
FAQ
L’équilibrage en largeur d’abord est-il l’algorithme par défaut ?
Le portail propose les deux algorithmes lorsque vous créez un pool d’hôtes groupé. La page de déploiement de Learn indique qu’il faut choisir la largeur d’abord ou la profondeur d’abord selon votre mode d’utilisation. La page de Learn consacrée à l’équilibrage de charge ne précise pas d’algorithme par défaut. Elle indique en revanche que, si vous choisissez la largeur d’abord lors de la création initiale d’un pool d’hôtes, la limite maximale de sessions est fixée par défaut à 999999, ce qui correspond également à la valeur la plus élevée que vous puissiez définir.
L’équilibrage en largeur d’abord répartit-il les sessions de manière parfaitement uniforme ?
Non. Microsoft Learn indique que l’algorithme choisit au hasard parmi la moitié des hôtes disponibles qui comptent le moins de sessions. Une nouvelle session ne va donc pas automatiquement vers l’hôte le moins sollicité, et certaines sessions peuvent ne pas être réparties uniformément.
Les pools d’hôtes personnels utilisent-ils la largeur d’abord ?
Non. Learn précise que l’équilibrage de charge ne s’applique pas aux pools d’hôtes personnels, car chaque utilisateur est toujours associé à un hôte de session en relation 1:1. Seuls les pools d’hôtes groupés utilisent la largeur d’abord ou la profondeur d’abord.