איך עיגול כלפי מעלה פועל עם האחוז המינימלי של מארחים, עם דוגמאות מחושבות
שותף · שותף ניטרלי: Nerdio
By Mirko Peters ·
Learn קובע שאחוז מינימלי שאינו מספר שלם מעוגל כלפי מעלה, ולכן כל ערך מעל 0 אחוז משאיר לפחות מארח אחד פעיל. המאמר הזה עובר על הכלל בעזרת טבלאות ובדוגמאות של Learn.
Automatically translated with AI from the original post. Read the English original
Learn קובע שאם האחוז שתזינו עבור האחוז המינימלי של המארחים אינו מספר שלם, הוא מעוגל כלפי מעלה למספר השלם הקרוב. בדוגמאות של Learn זה אומר במארחים: שלושים אחוז משישה מארחים הם 1.8, ולכן שניים נשארים פעילים. לפי הכלל הזה, כל אחוז מעל 0 משאיר לפחות מארח אחד פעיל. המאמר הזה מציג את הכלל בטבלאות שאפשר לבדוק ביד, ואחר כך מתייחס לעיגול השני בנוסחת האיחוד בזמן ירידה בעומס, ולמקרים שבהם Learn אינו מתייחס. המקורות מפורטים בסוף. למושג עצמו ראו את המאמר האחות "Minimum percentage of hosts in AVD autoscale explained".
עיקרי הדברים
- Learn קובע שאחוז שאינו מספר שלם מעוגל כלפי מעלה למספר השלם הקרוב. בדוגמאות שלו זה אומר במארחים: 30 אחוז משישה הם 1.8, ולכן ההשקה האוטומטית מפעילה שניים.
- זה נובע מכלל העיגול, ואינו ציטוט של Learn, שכל אחוז מעל 0 משאיר מארח אחד לפחות פעיל, ושהשיעור האפקטיבי יכול להיות גבוה בהרבה מהערך שהוזן במאגרים קטנים.
- בירידה בעומס ובשעות שאינן שיא מתבצע עיגול נוסף: Required Hosts = CEILING(sessions / (max session limit x threshold)). ההשקה האוטומטית משתמשת בערך הגבוה מבין התוצאה הזו לבין האחוז המינימלי של המארחים הפעילים.
- כדי לקבל בדיוק k מארחים מתוך N, בחרו אחוז גדול מ-(k-1)/N ועד k/N. הטבלאות במאמר הזה הן חישוב לפי כלל Learn, ואינן טבלאות של Learn.
- מאפיין המשאב של Azure מגדיר את האחוז המינימלי של המארחים כמספר שלם בין 0 ל-100. Learn אינו מציין אם הפורטל מקבל מספרים עשרוניים, ולכן יש לבדוק מקרי קצה במאגר פיילוט.
הכלל כפיש Learn מנסח אותו
שתי הקביעות נושאות את הכלל:
- מאמר תוכנית הקנה המידה מתאר את שדה ההרחבה: "If the percentage you enter isn't a whole number, it's rounded up to the nearest whole number." הדוגמה שלו היא מאגר מארחים של שבעה מארחי סשנים עם 10 אחוז, שבו מארח סשן אחד נשאר פעיל ואינו מכובה על ידי ההשקה האוטומטית.
- מאמר התרחישים מציג שישה מארחים, מינימום של 30 אחוז ושניים מארחים שמופעלים. במילותיו, 30 אחוז משישה אינו מספר שלם, ולכן ההשקה האוטומטית מעגלת כלפי מעלה.
המילון מגדיר את הבסיס: האחוז חל על כל מארחי הסשנים במאגר המארחים. בצורה של נוסחה, שהיא ניסוח מחדש ואינה נוסחה של Learn:
מספר המארחים שנשארים פעילים = CEILING(סך מארחי הסשנים x אחוז / 100)
Learn מציין את העיגול בשדה ה-ramp-up ובתרחיש 1. תרחישי ה-ramp-down וה-off-peak עולים בקנה אחד עם אותו כלל: עשרה אחוזים מתוך שישה מארחים הם 0.6, והתרחישים משאירים מארח אחד פעיל. יישום הכלל על שלבים אלה הוא היסק מהתרחישים. המשפט ב-Learn גם מדבר על "אחוז", ולא על "מארחים"; הקריאה לפיה מדובר בעיגול מספר המארחים נובעת מהדוגמה שלו עם שבעה מארחים ומתרחיש 1. עמוד הישות minimum percentage of hosts כולל את ההגדרה הקצרה.
טבלה: מארחים שנשארים פעילים
הטבלה שלהלן מחושבת לפי הנוסחה לעיל. היא אינה מועתקת מ-Learn, והתאים התואמים לדוגמאות של Learn עצמו הם התא של 6 מארחים ו-30 אחוז (2), התא של 7 מארחים ו-10 אחוז (1), והתא של 6 מארחים ו-10 אחוז (1), שמתאים לתרחישים 3 ו-4.
| מארחים במאגר | 0% | 5% | 10% | 15% | 20% | 25% | 30% | 50% |
|---|---|---|---|---|---|---|---|---|
| 3 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 2 |
| 6 | 0 | 1 | 1 | 1 | 2 | 2 | 2 | 3 |
| 7 | 0 | 1 | 1 | 2 | 2 | 2 | 3 | 4 |
| 10 | 0 | 1 | 1 | 2 | 2 | 3 | 3 | 5 |
| 12 | 0 | 1 | 2 | 2 | 3 | 3 | 4 | 6 |
| 15 | 0 | 1 | 2 | 3 | 3 | 4 | 5 | 8 |
| 20 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 10 |
| 40 | 0 | 2 | 4 | 6 | 8 | 10 | 12 | 20 |
| 100 | 0 | 5 | 10 | 15 | 20 | 25 | 30 | 50 |
שלוש תבניות עולות מהטבלה:
- המארח הראשון זול להפעלה. כל אחוז גדול מ-0 משאיר לפחות מארח אחד פעיל, יהא גודל המאגר אשר יהא. רק 0 אחוז נותן אפס מארחים.
- מאגרים קטנים נוטים לעלות. במאגר של 6 מארחים, 10 אחוז שהוקלד משאיר מארח אחד, שהם 16.7 אחוז בפועל. במאגר של 3 מארחים, 5 אחוז שהוקלד משאיר מארח אחד, שהם 33 אחוז בפועל.
- תוצאות מדויקות אינן מעוגלות. עשרה אחוזים מתוך 10 מארחים הם בדיוק 1, ו-25 אחוז מתוך 20 הם בדיוק 5. העיגול רלוונטי רק כאשר למכפלה יש שבר.
בכיוון ההפוך: איזה אחוז נותן k מארחים
אם תרצו בדיוק k מארחים מתוך N, האחוז חייב להיות גדול מ-(k-1)/N ולא גדול מ-k/N, כפול 100. בשימוש באחוזים שלמים:
| גודל המאגר | מספר המארחים הרצוי | האחוזים שנותנים אותו |
|---|---|---|
| 7 | 1 | 1 עד 14 |
| 7 | 2 | 15 עד 28 |
| 7 | 3 | 29 עד 42 |
| 12 | 2 | 9 עד 16 |
| 12 | 3 | 17 עד 25 |
שורות 7 המארחים אפשר לבדוק ביד. ארבעה עשר אחוזים מתוך 7 הם 0.98 ומתעגלים ל-1. חמישה עשר אחוזים הם 1.05 ומתעגלים ל-2. מסמך הייחוס של משאב Azure (גרסת API 2025-10-10) מגדיר את מאפייני הלוח rampUpMinimumHostsPct ו-rampDownMinimumHostsPct כמספרים שלמים מ-0 עד 100, ומאמר תוכנית הקנה"מ אינו מציין אם שדה הפורטל מקבל ערכים עשרוניים, לכן הטבלאות משתמשות באחוזים שלמים.
התוצאה רגישה לגודל המאגר. אם מוסיפים מארחים למאגר, אותו אחוז עשוי להשאיר פעילים יותר מארחים. מאגר שגדל מ-20 ל-21 מארחים מעביר מינימום של 30 אחוז מ-6 מארחים (בדיוק 6.0) ל-7 מארחים (6.3 מתעגל כלפי מעלה). יש לבדוק מחדש את האחוז בכל פעם שגודל המאגר משתנה.
העיגול השני כלפי מעלה: איחוד הסשנים
עיגול כלפי מעלה מופיע גם באופן שבו ה-autoscale קובע כמה מארחים נדרשים עבור הסשנים הקיימים בשלבי ה-ramp-down וה-off-peak. מילון המונחים מתאר איחוד סשנים (session consolidation). ה-autoscale סופר את כל סשני המשתמשים, הפעילים והמנותקים, מניח שמשתמשים מנותקים יתחברו מחדש, מחשב את מספר המארחים המינימלי הנדרש ומבטל את ההקצאה של המארחים העודפים. מאמר פתרון הבעיות נותן את הנוסחה:
Required Hosts = CEILING(Total User Sessions / (Max Session Limit x Capacity Threshold))
כאשר סף הקיבולת כתוב כמספר עשרוני. שורות 1 עד 3 הן הדוגמאות של Learn, ושורה 4 היא החישוב לתרחיש 3 של Learn:
| סשנים | מגבלת סשנים מקסימלית | סף קיבולת | חישוב | תוצאה |
|---|---|---|---|---|
| 8 מנותקים | 10 | 80% | 8 / (10 x 0.8) = 1 | מארח אחד |
| 6 מנותקים | 5 | 90% | 6 / 4.5 = 1.33 | 2 מארחים |
| 9 מנותקים | 5 | 90% | 9 / 4.5 = 2 | 2 מארחים |
| 4 סשנים | 5 | 75% | 4 / 3.75 = 1.07 | 2 מארחים |
השורה הראשונה היא דוגמת איחוד הסשנים שבמילון המונחים. השנייה היא הדוגמה משאלות הנפוצות על autoscale, והשלישית מופיעה גם בשאלות הנפוצות וגם במאמר פתרון הבעיות. השורה האחרונה משתמשת בנתוני הכניסה של תרחיש 3 בעמוד התרחישים (מגבלה 5, סף 75 אחוז, 4 סשנים), שבו Learn אומר שה-autoscale יכול לכבות שניים מתוך ארבעה מארחים. החישוב נעשה לפי הנוסחה של Learn ואינו מופיע בעמוד של Learn. המספר 1.07 מראה כמה מעט מספיק: ערך שגדול מעט ממספר שלם עולה מארח נוסף אחד.
שילוב של שני הכללים: הערך הגבוה גובר
מאמר פתרון הבעיות מציין שבשלב הצמצום ובשעות השקט קנה המידה האוטומטי משתמש בערך הגבוה מבין שניים: תוצאת הנוסחה וההגדרה "Minimum percentage of active hosts" בשלב של תוכנית קנה המידה. זהו גם השם של שדה קנה המידה האוטומטי הדינמי, והעמוד קובע שההנחיות שלו מכסות גם ניהול צריכת חשמל וגם קנה מידה אוטומטי דינמי. עמוד פתרון הבעיות אינו משתמש לעולם בתווית הפורטל "Minimum percentage of hosts". לכן יישום הכלל על שדה ניהול צריכת החשמל הוא היסק. ההיסק עולה בקנה אחד עם מאמר תוכנית קנה המידה, שקובע שהאחוז המינימלי של המארחים עדיין נשמר בשלב הצמצום, ועם תרחיש 3, שבו מינימום של 10 אחוזים משאיר את המארח האחרון פעיל. הדוגמאות שלהלן משתמשות בשדה "Minimum percentage of hosts" על בסיס זה; הן מחושבות ואינן מצוטטות מ-Learn.
| מאגר | סשנים | Max session limit | סף | נוסחה | מינימום | מארחים שנשארים פעילים |
|---|---|---|---|---|---|---|
| 20 מארחים | 8 מנותקים | 10 | 80% | 1 | 10% = 2 | 2, המינימום גובר |
| 12 מארחים | 9 מנותקים | 5 | 90% | 2 | 25% = 3 | 3, המינימום גובר |
| 20 מארחים | 40 | 8 | 75% | 40 / 6 = 6.67, לכן 7 | 30% = 6 | 7, הנוסחה גוברת |
| 20 מארחים | 0 | 10 | 75% | 0 | 5% = 1 | 1 |
| 20 מארחים | 0 | 10 | 75% | 0 | 0% = 0 | 0 |
שתי השורות האחרונות תלויות בהצהרה בשאלות הנפוצות לפיה קנה המידה האוטומטי יכול לכבות את כל ה-VM רק כאשר המינימום הוא 0 אחוזים ולא נותרו סשנים. סשנים מנותקים נספרים כסשנים, ולכן גם המקרה של אפס מארחים דורש מגבלת זמן לסשנים מנותקים. השאלות הנפוצות מגדירות אותה באמצעות Group Policy, ומאמר תוכנית קנה המידה מתאר אותה גם עם Microsoft Intune.
סטטוס קנה מידה אוטומטי דינמי: Microsoft הודיעה על זמינות כללית של ניהול מאגר מארחים משופר, הכולל קנה מידה אוטומטי דינמי, הגדרה ועדכון של מארחי סשן, ודיסקי OS חולפים, ביולי 2026 (Tech Community). חלק מעמודי Learn, למשל עמודי התרחישים והמילון וגרסת המודול 5.4.2-preview, עדיין כוללים ניסוח של תצוגה מקדימה. בדקו את העמוד העדכני לפני שאתם נשענים על מגבלה.
מה שמאמר תוכנית קנה המידה והתרחישים משאירים פתוח
- ערכים עשרוניים. ההפניה למשאבי Azure נותנת מספרים שלמים מ-0 עד 100 עבור מאפייני שלבי העלייה והצמצום. מאמר תוכנית קנה המידה אינו נותן טווח לשדה בפורטל, ואינו מציין אם מתקבלים אחוזים עשרוניים.
- מארחים לא תקינים. המילון מגדיר את האחוז ביחס לכל מארחי הסשן. הוא אינו מציין אם מארח שנכשל בבדיקות התקינות של הסוכן, ולכן אינו מארח סשן זמין, משנה את הספירה.
- מארחים מסומנים בתג. מאמר תוכנית קנה המידה של Learn מציין שמארחים עם תג ההוצאה עדיין נספרים בחישוב האחוז המינימלי. מכיוון שקנה המידה האוטומטי אינו יכול להפעיל אותם, מארח מוחרג שכבוי אינו יכול לעזור להשיג את המינימום. ראו exclusion tag.
- השדה הדינמי. בקנה מידה אוטומטי דינמי, השדה "Minimum percentage of active hosts (%)" מבוסס על גודל המאגר המינימלי. הדוגמה של Learn, 10 אחוזים מגודל מינימלי של 10, נותנת בדיוק מארח אחד, ולכן אינה מדגימה עיגול. מאמר התרחישים אינו מציין כיצד מטפלים בתוצאה שברית.
- שגיאת הקלדה. בזמן כתיבת שורות אלו, הטבלה הסופית של תרחיש 4 מציגה 19 אחוזים במקום 10 אחוזים שמופיעים בטקסט.
בדיקת המאגר שלכם
- רשמו את מספר מארחי הסשן, כולל המסומנים בתג.
- חשבו CEILING(hosts x percentage / 100) עבור כל שלב והשוו לתוצאה שרציתם. לדוגמה, 24 מארחים ב-15 אחוזים נותנים 3.6, כלומר 4 מארחים נשארים פעילים.
- לשלב הצמצום ולשעות השקט, חשבו את נוסחת הצמצום עם מגבלת הסשנים המרבית וסף הקיבולת עבור כמה מספרי סשנים, ורשמו איזה ערך גבוה יותר.
- הריצו יום בדיקה והשוו את מספר המארחים הפועלים בכל שלב לחישוב.
- חזרו על הבדיקה בכל פעם שגודל המאגר משתנה.
מקורות
- Microsoft Learn: יצירה והקצאה של תוכנית autoscale ב-Azure Virtual Desktop
- Microsoft Learn: תוכניות autoscale ותרחישי דוגמה ב-Azure Virtual Desktop
- Microsoft Learn: מילון מונחים של autoscale ב-Azure Virtual Desktop
- Microsoft Learn: Azure Virtual Desktop autoscale FAQ
- Microsoft Learn: פתרון בעיות של קנה מידה אוטומטי ב-Azure Virtual Desktop
- Microsoft Learn: מדריך התייחסות לתבנית Microsoft.DesktopVirtualization scalingPlans, גרסת API 2025-10-10
- Tech Community: ניהול משופר של מאגרי מארחים ב-Azure Virtual Desktop זמין כעת לכלל הלקוחות
FAQ
איזה אחוז משאיר בדיוק N מארחים פעילים?
עבור k מארחים במאגר של N, השתמשו באחוז גדול מ-(k-1)/N ועד k/N, כפול 100. במאגר של 7 מארחים, 1 עד 14 אחוזים משאירים מארח אחד, 15 עד 28 משאירים שניים, ו-29 עד 42 משאירים שלושה. זה חישוב שנובע מכלל העיגול של Learn, ואינו טבלה של Learn.
למה אחוז נמוך עדיין משאיר מארח פועל במאגר קטן?
משום שכל תוצאה מעל אפס מתעגלת כלפי מעלה לפחות למארח אחד, וזה נובע מכלל העיגול. עשרה אחוזים משישה מארחים הם 0.6, ובתרחישים של Learn רואים שמארח אחד נשאר פעיל. רק 0 אחוז יחד עם אפס סשנים של משתמשים מאפשר להשקת האוטומטית לכבות את כל המארחים.
האם נוסחת האיחוד מעוגלת באותו אופן?
גם היא מעוגלת כלפי מעלה. Learn מציג: Required Hosts = CEILING(Total User Sessions / (Max Session Limit x Capacity Threshold)). בזמן ירידה בעומס ובשעות שאינן שיא, המאמר על פתרון הבעיות קובע שההשקה האוטומטית משתמשת בערך הגבוה מבין התוצאה הזו להגדרה 'Minimum percentage of active hosts'. החלת זה על האחוז המינימלי של המארחים היא היסק.