Concevoir une planification de mise à l’échelle automatique AVD adaptée aux heures de travail réelles
Partenaire · Partenaire neutre : Nerdio
Par Mirko Peters ·
Établissez une planification de mise à l’échelle automatique d’Azure Virtual Desktop à partir du nombre de sessions mesuré, et non des horaires de bureau théoriques. Ce guide part des données de sessions horaires pour aboutir aux heures de début des phases, au pourcentage minimal, au seuil de capacité et à une vérification.
Traduit automatiquement par IA à partir de l'article original. Lire l'original en anglais
Une bonne planification de mise à l’échelle automatique part des nombres de sessions mesurés : repérez les heures où les sessions augmentent, se stabilisent et diminuent, puis placez les quatre heures de début des phases à ces points de bascule. Définissez ensuite le pourcentage minimal d’hôtes et le seuil de capacité pour la montée et la réduction de capacité, veillez à ce que le délai d’attente de réduction soit plus court que sa phase, et vérifiez le résultat avec Insights.
Points clés
- Commencez par les données : les nouvelles connexions horaires issues de WVDConnections indiquent quand les connexions commencent, et les compteurs de sessions montrent où les sessions se stabilisent, diminuent et atteignent le plancher du soir. Les débuts des phases en découlent.
- La montée en charge doit démarrer suffisamment tôt pour que les hôtes soient allumés avant l’arrivée des premiers utilisateurs. Mesurez les durées de démarrage dans votre environnement : les pages Learn ne donnent aucune valeur.
- Le délai d’attente de la réduction de capacité doit être plus court que la phase de réduction. L’exemple de la FAQ de Learn présente une phase de 15 minutes avec un délai de 20 minutes, ce qui fait que la déconnexion forcée ne se produit jamais.
- La mise à l’échelle automatique ne peut pas réduire la capacité à des dates précises, et un plan fonctionne dans un seul fuseau horaire. Utilisez des planifications distinctes pour les jours de semaine et le week-end, et prévoyez les jours fériés manuellement.
- Les sessions déconnectées maintiennent les hôtes en fonctionnement. Une stratégie de limite de temps qui déconnecte ces sessions, combinée à un minimum de 0 %, est la méthode documentée pour atteindre zéro hôte en dehors des heures de travail.
Les articles connexes expliquent les phases (« Ramp-up, peak, ramp-down and off-peak: the four AVD autoscale phases explained ») et la création d’un plan (« How to create and assign an AVD scaling plan step by step »). Celui-ci traite de l’étape qui précède les deux : la détermination des valeurs.
Étape 1 : collecter des données d’usage réelles
Les horaires de bureau théoriques peuvent différer du comportement réel de connexion. Mesurez sur au moins quelques semaines typiques.
- Activez les paramètres de diagnostic pour le pool d’hôtes et son espace de travail, puis envoyez-les vers un espace de travail Log Analytics. Sur le pool d’hôtes, incluez Autoscale logs for pooled host pools ; la page Insights de Learn le répertorie parmi les catégories minimales. Pour consulter les données, il faut les rôles Desktop Virtualization Reader et Log Analytics Reader, et leur apparition peut prendre quelques heures.
- Interrogez
WVDConnectionspour obtenir le profil de connexion. Learn décrit les états de connexion Started, Connected et Completed ; Connected correspond au moment où l’utilisateur se connecte avec succès à la machine virtuelle. Compter les événements Connected par heure donne le nombre de nouvelles connexions par heure : quand démarre la première vague et quelle est son ampleur, et non le nombre de sessions ouvertes. La requête adapte le modèle quotidien de Learn à des comptages horaires ; vérifiez les noms de colonnes dans votre espace de travail. La table de catégories de Learn répertorie une catégorie Connections, dont le paramètre de diagnostic a besoin pour cette table :
WVDConnections
| where State == "Connected"
| summarize NewConnections = dcount(CorrelationId) by bin(TimeGenerated, 1h)
| order by TimeGenerated ascLa référence de table indique que TimeGenerated est en UTC. Convertissez les heures dans le fuseau horaire du plan avant de lire les heures de début, par exemple avec la fonction KQL datetime_utc_to_local, en tenant compte de l’heure d’été. Avec un décalage d’une demi-heure, des intervalles d’une heure ne correspondent pas aux heures locales.
- Les sessions ouvertes montrent le pic, la baisse et le plancher du soir. Azure Virtual Desktop Insights collecte les compteurs de performances via une règle de collecte de données dans l’espace de travail que vous avez choisi pour les données des hôtes de session, lequel peut différer de l’espace de travail de diagnostics. Interrogez donc celui qui contient les compteurs. La page de Learn consacrée aux coûts répertorie les compteurs Terminal Services Active Sessions, Inactive Sessions et Total Sessions, échantillonnés toutes les 60 secondes par machine virtuelle. La page ne les définit pas : interrogez-les vous-même, vérifiez ce qu’ils rapportent, puis additionnez les hôtes pour obtenir un chiffre au niveau du pool.
- Une fois qu’un plan est attribué à un pool d’hôtes mutualisé et que ses journaux Autoscale atteignent Log Analytics, l’onglet Autoscale dans Insights affiche, au fil du temps, les changements d’état d’alimentation des hôtes de session, ainsi que des informations récapitulatives. La table sous-jacente,
WVDAutoscaleEvaluationPooled, comporte les colonnesSessionCount,SessionOccupancyPercent,ActiveSessionHostCountetConfigSchedulePhase. Vous pouvez donc lire ces valeurs par phase de planification. Learn définitSessionCountcomme le nombre de sessions sur les hôtes que l’Autoscale considère comme actifs.
Notez quatre heures par jour de semaine : l’heure à laquelle les premières connexions apparaissent (profil de connexion), puis, à partir des compteurs de sessions, l’heure à laquelle les sessions atteignent le maximum quotidien, l’heure à laquelle elles commencent à baisser et l’heure à laquelle elles atteignent le plancher du soir.
Étape 2 : placer les quatre heures de début des phases
Learn définit les phases selon le comportement des sessions : la montée en charge correspond à la hausse des sessions, le pic à leur stabilisation, la descente en charge à leur baisse, et le hors pic au minimum quotidien (phases de planification Autoscale).
- Début de la montée en charge : avant votre première vague de connexions. Learn indique que c’est à ce moment qu’Autoscale commence à « préparer les hôtes de session » pour les heures de pointe. Mesurez le temps qu’un hôte désalloué met à accepter les connexions et ajoutez une marge, car la page n’indique aucune durée de démarrage.
- Début du pic : là où la courbe s’aplatit. C’est aussi la fin de la montée en charge. Utilisez le fuseau horaire que vous avez défini pour le plan.
- Début de la descente en charge : là où le nombre de sessions simultanées commence à baisser régulièrement, et non à l’heure de fin officielle.
- Début du hors pic : là où la courbe atteint le plancher du soir. C’est la fin de la descente en charge.
Learn indique qu’un plan ne fonctionne que dans le fuseau horaire configuré, et que l’heure de début du pic doit se trouver dans ce fuseau. Ses pages ne donnent aucune indication sur l’heure d’été. Vérifiez donc Insights après chaque changement d’heure.
Étape 3 : définir le pourcentage minimal et le seuil de capacité
Cette étape concerne la mise à l’échelle automatique de la gestion de l’alimentation pour les pools d’hôtes mutualisés. La mise à l’échelle dynamique utilise d’autres champs, dans sa propre section de la page de Learn consacrée à la création et à l’attribution.
Le seuil de capacité et le pourcentage minimal d’hôtes ne se saisissent que pendant la montée en charge et la descente en charge. La page de Learn consacrée à la création et à l’attribution indique :
- Le seuil de capacité de la montée en charge est repris pour le pic, et la valeur de la descente en charge est reprise pour le hors pic. Le pic et le hors pic n’ont pas de champ propre pour le seuil ou le minimum.
- La page de dépannage de Learn applique le pourcentage minimal pendant la descente en charge et le hors pic, alors que la page de création et d’attribution ne mentionne la reprise que pour le seuil de capacité. Après une modification de la planification, vérifiez dans Insights que les hôtes atteignent bien zéro.
Utilisez vos données comme suit :
- Minimum de la montée en charge : le nombre d’hôtes nécessaire pour la première vague, divisé par le nombre total d’hôtes. Autoscale arrondit au chiffre supérieur lorsque le résultat n’est pas entier.
- Seuil de la montée en charge : le taux de remplissage maximal des hôtes avant qu’un autre ne soit démarré. Learn indique qu’Autoscale n’active pas de machines virtuelles tant que la capacité utilisée du pool d’hôtes est supérieure au seuil de capacité.
- Seuil et minimum de la descente en charge : le troisième scénario de Learn associe un seuil élevé à un pourcentage minimal faible, ce qui, selon Learn, réduit le besoin d’activer de nouveaux hôtes de session en fin de journée de travail.
- Minimum de la descente en charge : le plancher que vous acceptez pendant la baisse de charge. Réglez-le à 0 % si les hôtes doivent pouvoir atteindre zéro après les heures de travail, car la section Questions fréquentes de Learn indique qu’Autoscale peut désactiver toutes les machines virtuelles si le pourcentage minimal d’hôtes est de 0 et qu’aucune session ne subsiste.
Le choix de la valeur de seuil est traité dans « Choisir le bon seuil de capacité pour les groupes d’hôtes partagés ». Définissez d’abord une limite maximale de session personnalisée : la page de création et d’attribution de Learn indique de ne pas utiliser la valeur par défaut de MaxSessionLimit.
Étape 4 : aligner la réduction sur le schéma de sortie
Le champ de réduction Forcer la déconnexion des utilisateurs détermine ce qui se passe pour les utilisateurs présents sur les hôtes que la mise à l’échelle automatique veut retirer :
- Activé. La mise à l’échelle automatique choisit l’hôte comptant le moins de sessions, le place en mode de drainage, informe les utilisateurs, les déconnecte après le délai d’attente et désalloue la machine virtuelle. Voir déconnexion forcée.
- Désactivé. Vous devez choisir Les machines virtuelles n’ont aucune session active ou déconnectée ou Les machines virtuelles n’ont aucune session active. La FAQ sur la mise à l’échelle automatique recommande la seconde (« Arrêter les machines virtuelles sans session active »), que l’exemple détaillé ci-dessous utilise.
La FAQ de Learn signale un piège pour la déconnexion forcée, qui ne s’applique que pendant la réduction : avec une réduction de 15 minutes et un délai d’attente de 20 minutes, le planning passe en heures creuses avant que la déconnexion ait lieu. Rendez la phase plus longue que le délai d’attente.
Pour atteindre zéro hôte, la FAQ de Learn indique qu’il faut zéro session, y compris déconnectée, un minimum de 0 % en heures creuses, et une limite de temps de stratégie de groupe pour les sessions déconnectées (par exemple de 15 à 30 minutes) qui se termine avant la fin de la réduction. La page de création et d’attribution donne l’équivalent Intune, Définir une limite de temps pour les sessions déconnectées, dans un profil de limites de temps de session.
Étape 5 : couvrir les jours ouvrés, les week-ends et les jours fériés
- Créez des plannings distincts lorsque le comportement diffère. Un plan peut en comporter plusieurs, par exemple un planning pour les jours de semaine et un pour le week-end, chacun avec un paramètre « Répéter le ».
- Les jours non sélectionnés reprennent les derniers paramètres d’heures creuses des jours sélectionnés, jusqu’à la prochaine montée en charge.
- La mise à l’échelle automatique ne prend pas en charge la réduction à des dates précises, comme les jours fériés. La FAQ ne propose aucune solution de contournement ; comme les modifications d’un plan attribué s’appliquent immédiatement, une option consiste à modifier le plan manuellement le jour concerné. La balise d’exclusion permet de tenir des hôtes individuels à l’écart de la mise à l’échelle.
- Nerdio Manager, un produit distinct, propose un planning par défaut et un planning alternatif pour des dates précises, comme les jours fériés : mise à l’échelle automatique Nerdio.
Exemple détaillé : trois groupes d’utilisateurs
Les chiffres sont fictifs. Un groupe d’hôtes partagé compte 15 hôtes, une limite maximale de session de 10 et un seuil de 75 % dans les deux phases. Learn donne la formule pour la réduction et les heures creuses : sessions divisées par (limite maximale de session × seuil), arrondi au chiffre supérieur. Pour la montée en charge et les heures de pointe, la documentation n’indique que le déclencheur : la mise à l’échelle automatique active un hôte lorsque la capacité utilisée dépasse le seuil de capacité. Le tableau applique la même arithmétique à ces phases, à titre d’approximation.
| Temps | Sessions simultanées | Hôtes nécessaires | Raisonnement |
|---|---|---|---|
| 06:30 à 08:00 | 20 (équipe support) | 20 / 7,5 = 2,7, soit 3 | Un minimum de 20 % sur 15 hôtes donne aussi 3 |
| 08:00 à 08:30 | 20 à 100 | 3 à 14 | La mise à l’échelle automatique ajoute des hôtes à mesure que les sessions augmentent |
| 08:30 à 17:00 | 100 (personnel du bureau) | 100 / 7,5 = 13,3, soit 14 | Heures de pointe, seuil repris de la montée en charge |
| 17:00 à 20:00 | 20 (équipe finance) | 20 / 7,5 = 2,7, soit 3 | Basé sur la charge, aucun plancher nécessaire |
| 20:00 à 21:00 | 0 | 0 une fois la limite des sessions déconnectées écoulée | Réduction encore en cours ; si les utilisateurs se déconnectent au lieu de fermer leur session, la limite se termine à 20:30 |
| Après 21:00 | 0 | 0 | Nécessite un minimum de 0 % (saisi pendant la réduction ; vérifiez dans Insights qu’il s’applique en heures creuses) et aucune session déconnectée |
La colonne « hôtes nécessaires » est un calcul de capacité, et non une prévision du nombre d’hôtes en cours d’exécution. Avec Forcer la déconnexion des utilisateurs désactivé, plus de 3 hôtes peuvent rester allumés si les sessions de l’équipe finance sont réparties sur plusieurs d’entre eux.
Un planning tiré de ce tableau :
- Montée en charge à 06:00 : en largeur d’abord, minimum de 20 %, seuil de 75 %. 06:00 laisse une marge avant les connexions de 06:30 ; dimensionnez-la selon votre temps de démarrage mesuré.
- Heures de pointe à 08:30 : en largeur d’abord, comme dans l’exemple de la FAQ de Learn. Le seuil de 75 % est repris de la montée en charge.
- Ramp-down 17:00 : depth-first, minimum 0 %, seuil de 75 %. La condition d’arrêt est Les VM n’ont aucune session active, et Forcer la déconnexion des utilisateurs est désactivé.
- Off-peak 21:00 : depth-first, seuil repris de la phase ramp-down, plus une limite de 30 minutes pour les sessions déconnectées, définie via la stratégie. Si les utilisateurs se déconnectent à 20:00, la limite expire à 20:30, avant la fin du ramp-down.
Étape 6 : vérifier et ajuster
Après une semaine, exécutez la requête depuis la page de surveillance de l’autoscale sur Learn :
WVDAutoscaleEvaluationPooled
| where ResultType == "Succeeded"
| summarize max(SessionOccupancyPercent), max(SessionCount), max(ActiveSessionHostsPercent), max(ActiveSessionHostCount) by _ResourceId, bin(TimeGenerated, 1d), ConfigScheduleName, ConfigSchedulePhase
| order by _ResourceId asc, TimeGenerated asc, ConfigScheduleName, ConfigSchedulePhase ascLearn ne fournit aucune règle pour interpréter ces valeurs ; ce qui suit est donc une règle empirique. L’autoscale ne démarre un hôte supplémentaire que lorsque la capacité utilisée dépasse le seuil de capacité : atteindre ce seuil est donc normal. Un taux d’occupation nettement supérieur au seuil pendant la montée en charge, ou proche de 100 % peu après le début de la période de pointe, indique que la montée en charge a commencé trop tard. Un taux d’occupation bien inférieur au seuil pendant la montée en charge et la pointe indique que la montée en charge a commencé trop tôt ou que le minimum est trop élevé. Un faible taux d’occupation pendant le ramp-down et en période hors pointe n’est pas un dysfonctionnement, car le minimum maintient les hôtes en fonctionnement. Learn définit ScalingReasonMessage comme les actions que l’autoscale a décidé d’exécuter et les raisons de ces décisions ; consultez-le pour les phases que vous souhaitez analyser.
Sources
- Microsoft Learn : Plans de mise à l'échelle automatique et exemples de scénarios dans Azure Virtual Desktop
- Microsoft Learn : Créer et attribuer un plan de mise à l'échelle automatique pour Azure Virtual Desktop
- Microsoft Learn : Glossaire de la mise à l'échelle automatique d'Azure Virtual Desktop
- Microsoft Learn : Résoudre les problèmes d’autoscale dans Azure Virtual Desktop
- Microsoft Learn : FAQ sur la mise à l’échelle automatique d’Azure Virtual Desktop
- Microsoft Learn : Utiliser Log Analytics pour la fonctionnalité de diagnostic
- Microsoft Learn : Surveiller les opérations d’autoscale avec Insights
- Microsoft Learn : Utiliser Azure Virtual Desktop Insights
- Microsoft Learn : Estimer les coûts d’Azure Virtual Desktop Insights
- Nerdio : Activer la mise à l’échelle automatique dynamique du pool d’hôtes
FAQ
Combien de temps avant la première connexion des utilisateurs la montée en charge doit-elle commencer ?
Mesurez le temps nécessaire au démarrage d’un hôte de session dans votre propre environnement, puis lancez la montée en charge plus tôt de ce délai, auquel vous ajoutez une marge. Les scénarios de mise à l’échelle automatique et les pages de création et d’affectation ne donnent aucune valeur pour la durée de démarrage ni pour un délai minimal d’anticipation.
Un même plan de mise à l’échelle peut-il comporter des planifications différentes pour les jours de semaine et le week-end ?
Oui. Microsoft Learn indique qu’un plan peut contenir plusieurs planifications, par exemple une planification distincte pour les jours de semaine et une pour le week-end, chacune avec ses propres jours de répétition (Repeat on days). Les jours non sélectionnés conservent les derniers paramètres hors pointe jusqu’à la prochaine montée en charge.
La mise à l’échelle automatique peut-elle gérer les jours fériés ?
Pas seule. La FAQ de la mise à l’échelle automatique précise qu’elle ne prend pas actuellement en charge la réduction de capacité à des dates précises, comme les jours fériés. Les pages d’aide de Nerdio décrivent des planifications alternatives pour des dates spécifiques dans Nerdio Manager, qui est un produit distinct.