איך לקבוע את מגבלת הסשנים המקסימלית לכל מארח סשנים
שותף · שותף ניטרלי: Nerdio
By Mirko Peters ·
Learn אינו מציין מגבלת סשנים מקסימלית מומלצת ומפנה ל-Insights, בעוד שההנחיות לגודל המארח מפרטות את מספר המשתמשים המקסימלי לכל vCPU. מדריך זה גוזר ערך התחלתי ומתקן אותו בעזרת נתוני ניטור.
Automatically translated with AI from the original post. Read the English original
דף איזון העומסים של מאגר המארחים ב-Learn אינו מציין ערך מומלץ למגבלת הסשנים המקסימלית, ומפנה ל-Azure Virtual Desktop Insights לבחירתה, בעוד שההנחיות לגודל מכונות וירטואליות מפרטות את מספר המשתמשים המקסימלי לכל vCPU עבור ארבעה סוגי עומס. הגישה המעשית היא לשלב את השניים: לקחת ערך התחלתי ממספר ה-vCPU של המכונה וסוג העומס, להגדיר אותו במאגר המארחים ולתקן אותו בעזרת נתוני ניטור. מדריך זה עובר על כך בשישה שלבים, תוך שימוש בדפים של Learn על איזון עומסים, גודל מארחי סשנים ו-הרחבה אוטומטית. המשמעות של הערך ואופן הגדרת הקיבולת שלו מוסברים ב-"Maximum session limit in Azure Virtual Desktop: how it defines host pool capacity", ולכן מדריך זה מתמקד בבחירת מספר.
עיקרי הדברים
- Learn אינו מציין מגבלת סשנים מקסימלית מומלצת ומפנה ל-Insights. ההנחיות לגודל שלו מפרטות את מספר המשתמשים המקסימלי לכל vCPU: 6 לעומס קל, 4 לבינוני, 2 לכבד ו-1 לעוצמתי.
- Learn מכנה את מספרי הגודל שלו הערכות ראשוניות, לכן הכפילו את מספר המשתמשים לכל vCPU במספר ה-vCPU כדי לקבל ערך התחלתי, בצעו פיילוט ועקבו אחר משתמשים לכל ליבה, השהיית קלט, מעבד וזיכרון.
- הקיבולת היא המגבלה כפול מספר המארחים הזמינים. לפי החישוב במאמר זה, מגבלה של 32 על שני מארחים נותנת 64 סשנים, וסף של 75 אחוז מפעיל מארח שלישי מעל 48.
- איזון עומסים מסוג depth-first דורש מגבלה. מאגר מסוג breadth-first מתחיל מ-999999, וLearn מציין שלא כדאי להשתמש בערך ברירת המחדל כאשר ההרחבה האוטומטית מנהלת מאגר מסוג pooled.
- הפחתת המגבלה אינה משפיעה על סשנים פעילים. תחת עומס מקבילי גבוה, מספר הסשנים על מארח יכול לעלות על המגבלה, לכן יש להתייחס אליה כיעד ולהשאיר מרווח ביטחון.
מה הערך שולט בו
מגבלת הסשנים המרבית היא מאפיין של מאגר המארחים שקובע כמה סשנים של משתמשים איזון העומסים מנסה להציב על מארח סשן אחד. זו אינה תקרה נוקשה: דף המונחים של Learn קובע שתחת עומס גבוה של חיבורים במקביל, כאשר כמה משתמשים מתחברים למאגר המארחים באותו זמן, מספר הסשנים שנוצרים על מארח סשן עלול לעלות על המגבלה. איזון עומסים מסוג depth-first דורש הגדרה זו, מאגר שנוצר עם breadth-first מתחיל בערך 999999, ו-Learn ממליץ לא להשתמש בערך ברירת המחדל כאשר שינוי קנה המידה האוטומטי מנהל מאגר מארחים משותף. מילון המונחים של שינוי קנה המידה האוטומטי ב-Learn מגדיר את הקיבולת הזמינה כמגבלה מוכפלת במספר מארחי הסשן הזמינים.
Learn קובע את דרישת שינוי קנה המידה האוטומטי בלי לנמק אותה. התוצאות שלהלן הן הפירוש של מחבר המאמר לנוסחה, ואינן קביעות של Learn: מגבלה גבוהה מדי מאפשרת למארח להתמלא מעבר למה שה-CPU והזיכרון שלו יכולים לתמוך בו, ומגבלה נמוכה מדי מקטינה את הקיבולת וגורמת לשינוי קנה המידה האוטומטי להפעיל מארחים מוקדם יותר.
שלב 1: סיווג עומס העבודה
דף ההיערכות של Learn מגדיר ארבעה סוגי עומס עבודה:
| עומס עבודה | משתמשים לדוגמה | אפליקציות לדוגמה |
|---|---|---|
| קל | הזנת נתונים בסיסית | אפליקציות הזנת נתונים למסד נתונים, ממשקי שורת פקודה |
| בינוני | יועצים, חוקרי שוק | אפליקציות קלות בתוספת Microsoft Word, דפי אינטרנט סטטיים |
| כבד | מהנדסי תוכנה, יוצרי תוכן | בינוני בתוספת Outlook, PowerPoint, דפי אינטרנט דינמיים, פיתוח תוכנה |
| עוצמתי | מעצבים גרפיים, מודלרים תלת-ממדיים, חוקרי למידת מכונה | כבד בתוספת עריכת תמונה ווידאו, CAD ו-CAM |
בחרו את הסוג שמתאים לרוב המשתמשים שלכם. Learn אינו מסביר איך לקבוע גודל למקבץ מעורב. פיצול הקבוצות בין כמה מאגרי מארחים הוא אפשרות מעשית, וזו הכרעה מקצועית ולא כלל של Learn.
שלב 2: בחירת גודל VM
עבור מארחים מרובי סשנים, Learn ממליץ להגביל את גודל ה-VM לטווח של 6 עד 24 vCPU. הוא קובע ש-4 ליבות הן המספר הנמוך המומלץ ל-VM יציב מרובה סשנים, ושלא צריך להיות ב-VM יותר מ-32 ליבות. התשואה על ההשקעה יורדת בסביבות 16 ליבות, וחוויית המשתמש טובה יותר עם שני VM בני 16 ליבות מאשר עם VM אחד בן 32 ליבות. עבור 20 משתמשים או יותר על מארח אחד, Learn קובע שכמה VM קטנים יתפקדו טוב יותר מאחד או שניים גדולים.
הדף אינו עקבי לגמרי: משפט מאוחר יותר ממליץ על טווח של 4 עד 24 ליבות, ובטבלת עומסי העבודה מופיעים 8 vCPU כמינימום לעומס קל, בינוני וכבד. יש להתייחס לנתונים כהנחיה ולבדוק את הגודל המתאים לסביבה שלכם.
הקיבולת אינה גדלה באופן לינארי. Learn קובע שמקדם ההגדלה נע בדרך כלל בין 1.5 ל-1.9, כך שליבה נוספת מוסיפה קיבולת משתמשים יחסית אך לא לינארית. הוא מציין גם עלות קיבולת של 15 עד 20 אחוז בהרצה על מכונות וירטואליות לעומת שרת פיזי (bare metal).
שלב 3: חישוב ערך התחלתי
טבלת הסשנים המרובים של Learn מציגה את המספר המרבי של משתמשים לכל vCPU:
| עומס עבודה | מספר מרבי של משתמשים לכל vCPU | מינימום vCPU / RAM / נפח אחסון מערכת ההפעלה |
|---|---|---|
| קל | 6 | 8 vCPU, 16 GB, 32 GB |
| בינוני | 4 | 8 vCPU, 16 GB, 32 GB |
| כבד | 2 | 8 vCPU, 16 GB, 32 GB |
| עוצמתי | 1 | 6 vCPU, 56 GB, 340 GB |
מכפילים את מספר המשתמשים לכל vCPU במספר ה-vCPU של גודל ה-VM. הכפל הוא חישוב של מחבר המאמר ולא נתון של Learn. Learn מתאר את כל המספרים האלה כהנחיות כלליות לאומדן ביצועים ראשוני בלבד. לפי הפירוש שלנו: הטבלה נותנת מקסימום, וLearn קובע שהקיבולת אינה גדלה באופן לינארי עם הליבות, ולכן יש לראות בתוצאה גבול עליון לפיילוט ולא ממוצע לתכנון.
דוגמה מעשית: עומס בינוני על מארח עם 8 vCPU נותן 4 x 8 = 32 כמגבלה התחלתית. עומס כבד על אותו מארח נותן 2 x 8 = 16. עומס קל על מארח עם 16 vCPU נותן 6 x 16 = 96, וזה מקרה שיש לבחון בזהירות, כי הזיכרון עלול להפוך לגורם המגביל. Learn קובע שהעלאת הזיכרון מ-8 GB ל-16 GB יכולה להכפיל יותר מפעם אחת את מספר המשתמשים כאשר הזיכרון הוא המגבלה. הוא אינו נותן נתון של זיכרון לכל משתמש, ולכן יש לתעד את צריכת הזיכרון בפיילוט.
שלב 4: הגדרת המגבלה במאגר המארחים
נדרש מאגר מארח משותף (pooled) קיים ותפקיד Desktop Virtualization Host Pool Contributor. בפורטל Azure ההגדרה נמצאת תחת Properties של מאגר המארחים, לצד Load balancing algorithm. שלבי הפורטל מופיעים במדריך ההסבר, ולכן להלן הנתיב המבוסס סקריפט מ-Learn, שגם קורא בחזרה את הערך. הדוגמה של Learn מכוונת ל-depth-first עם מגבלה של 10: היא מגדירה גם LoadBalancerType = 'DepthFirst', ולכן שנו או הסירו את השורה הזו אם המאגר שלכם פועל ב-breadth-first.
$parameters = @{
Name = '<HostPoolName>'
ResourceGroupName = '<ResourceGroupName>'
LoadBalancerType = 'DepthFirst'
MaxSessionLimit = '10'
}
Update-AzWvdHostPool @parameters
Get-AzWvdHostPool -Name '<HostPoolName>' -ResourceGroupName '<ResourceGroupName>' |
Format-Table Name, LoadBalancerType, MaxSessionLimitהפקודה המקבילה ב-Azure CLI היא az desktopvirtualization hostpool update עם --max-session-limit, ו-az desktopvirtualization hostpool show קורא את הערך בחזרה. הערך 10 הוא placeholder מהדוגמה של Learn; השתמשו במספר משלב 3.
שלב 5: בדיקת ההשפעה על ה-autoscale
Autoscale מפעיל מארח נוסף כאשר הקיבולת בשימוש עולה על סף הקיבולת, והקיבולת בשימוש כוללת סשנים פעילים וסשנים מנותקים. החילו זאת על הערך ההתחלתי משלב 3. עם מגבלה של 32, שני מארחים נותנים קיבולת של 64 סשנים, וסף של 75 אחוז אומר שמארח שלישי יופעל כאשר מספר הסשנים יעלה על 48. אם המארח השלישי מופעל מוקדם או מאוחר מדי עבור דפוס ההתחברות שלכם, שנו את המגבלה או את הסף, אך לא את שניהם יחד, כדי לראות איזה שינוי הביא לאיזו תוצאה. מאחר ש-Learn מציין שהתחברויות במקביל יכולות לדחוף מארח מעבר למגבלה שלו, השאירו מרווח מתחת לערך המחושב ומדדו את שיא ההתחברויות בפיילוט. על סף הקיבולת והגדרות השלבים עוסקים מאמרי תוכנית הקנה-מידה (scaling plan).
אותו חישוב נותן הערכה גסה של מספר המארחים. עבור 200 משתמשים במקביל בעומס בינוני ומגבלה של 32, המאגר צריך לפחות 200 / 32 = 6.25, כלומר 7 מארחים, אם כל מארח פועל במלוא קיבולתו. עם 7 מארחים הקיבולת היא 224 סשנים, ו-200 סשנים הם כ-89 אחוז, מעל סף של 75 אחוז. כדי לשמור על קיבולת בשימוש שאינה עולה על 75 אחוז נדרשים 200 / (32 x 0.75) = 8.3, ולכן 9 מארחים. זוהי הפעלה של נוסחת האיחוד מעמוד תרחישי ה-autoscale של Learn, שבו Learn משתמש בשלב ה-ramp-down, על תכנון לשיא העומס. השימוש לצורך מידה הוא של מאמר זה ולא דוגמה של Learn, והוא מדגים מדוע יש לתכנן יחד את המגבלה, הסף ומספר המארחים.
עמוד ה-sizing של Learn קובע שההתחברות צורכת CPU באופן אינטנסיבי, וממליץ לתכנן לשעות שיא של התחברות, כמו תחילת יום העבודה בשעה 9:00. הדוגמה שלו: אם 30 משתמשים או יותר מתחברים תוך 10 דקות על מארח בעל 16 ליבות, שתי מכונות וירטואליות בנות 8 ליבות יתמודדו עם העומס טוב יותר.
שלב 6: אימות עם Insights והתאמה
Learn ממליץ להשתמש ב-Azure Virtual Desktop Insights כדי לנטר את מספר הסשנים בכל מארח סשן ואת הביצועים שלו. Insights דורש איסוף של diagnostics, מוני ביצועים ויומני אירועים של Windows לתוך סביבת עבודה של Log Analytics, והמשתמשים המנטרים צריכים את התפקידים Desktop Virtualization Reader ו-Log Analytics Reader.
מדדים שימושיים מתוך מילון המונחים של Insights:
- Users per core: מספר המשתמשים לכל ליבת VM. Learn מציע לעקוב אחר הערך המקסימלי לאורך זמן, כדי לראות אם הסביבה פועלת בעומס גבוה, נמוך או משתנה באופן עקבי.
- Input delay: נדגם כל 30 שניות לכל סשן. הטווחים של Learn: מתחת ל-150 ms טוב, בין 150 ל-500 ms מקובל, בין 500 ל-2,000 ms גרוע, ומעל 2,000 ms רע.
- Performance counters: מוני זמן מעבד וזיכרון, כגון available MBytes ו-percent committed bytes in use, שנאספים כל 30 שניות.
לא בדף ה-load balancing ולא בדף ה-sizing מופיע סף CPU או זיכרון למגבלה. כלל עבודה, שהוא הצעה של מאמר זה, הוא להשוות את input delay בשיא העומס לטווחים שלמעלה לאחר כל שינוי. אם input delay בשיא יוצא מהטווח הטוב בזמן ש-users per core נמצא במגבלה שלכם, הורידו את הערך. אם CPU וזיכרון נשארים נמוכים במגבלה, העלו אותו בצעדים קטנים. Learn מציין רק שהורדת המגבלה אינה משפיעה על סשנים קיימים. הוא אינו מתאר כיצד הערך החדש מיושם לאחר מכן, ולכן אשרו את התוצאה ב-Insights לאחר שיא ההתחברויות הבא, ובדקו באותו שיא אם מארחים עברו את המגבלה.
טעויות נפוצות
- הותרת 999999 בברכת שולחנות עם Depth-first. מצב Depth-first דורש מגבלה, ו-Learn ממליץ לא להשתמש בערך ברירת המחדל כאשר ההרחבה האוטומטית מנהלת את הברכה. המסמך מפנה ל-Insights כדי למצוא ערך שמתאים לסביבה שלכם.
- קריאת המינימום בטבלה כגודל. שורת Power מציינת מינימום של 6 vCPU, וגדלי הדוגמה שבה, כגון D16ds_v5 ו-NV6, שונים במספר ה-vCPU. בדקו את מספר ה-vCPU של הגודל שאתם פורסים.
- התעלמות מסשנים מנותקים. ההרחבה האוטומטית סופרת אותם כקיבולת בשימוש, ולכן מגבלה הדוקה מדי בשילוב עם סשנים מנותקים ארוכי טווח תפעיל מארחים מוקדם מהצפוי.
- התייחסות למגבלה כאל הבטחה. לפי Learn, תחת עומס חיבורים מקביליים גבוה מארח עשוי לקבל יותר סשנים ממה שהמגבלה מציינת, ולכן ברכה שנקבעה בלי מרווח ביטחון עלולה להיות מוצפת בשיאי כניסה למערכת.
- התייחסות למספר כקבוע. Learn מתאר את הנתונים שלו כהערכות ראשוניות, ולכן כדאי לבצע פיילוט לפני שמתחייבים.
קישורים קשורים
- AVD host pool
- מגבלת סשנים מקסימלית
- תובנות של Azure Virtual Desktop
מקורות
נגישה ב-17 בנובמבר 2026.
- Microsoft Learn: הגדרת איזון עומסים ב-host pool
- Microsoft Learn: הנחיות לגודל מכונה וירטואלית של מארח סשנים
- Microsoft Learn: Azure Virtual Desktop terminology
- Microsoft Learn: Autoscale glossary
- Microsoft Learn: תרחישי שימוש בקנה מידה אוטומטי עבור Azure Virtual Desktop
- Microsoft Learn: יצירה והקצאה של תוכנית scaling של autoscale
- Microsoft Learn: מילון מונחים של Azure Virtual Desktop Insights
- Microsoft Learn: Azure Virtual Desktop Insights
- Microsoft Learn: Update-AzWvdHostPool
FAQ
האם יש ערך מומלץ למגבלת סשנים מקסימלית?
לא כמספר יחיד. דף איזון העומסים של מאגר המארחים ב-Learn אינו מציין ערך מומלץ, ומורה להשתמש ב-Azure Virtual Desktop Insights כדי למצוא מגבלה שמתאימה לסביבה שלכם. ההנחיות של Learn לגודל מכונות וירטואליות מפרטות את מספר המשתמשים המקסימלי לכל vCPU לפי סוג עומס, ומדריך זה משתמש בהן כנקודת מוצא, ומתאר אותן כהערכות ראשוניות בלבד.
מה קורה אם אשאיר את ברירת המחדל 999999?
עם איזון עומסים מסוג breadth-first, מאגר שנוצר ללא ערך מותאם אישית מתחיל מ-999999, הערך הגבוה ביותר שניתן להגדיר. Learn מציין שלא כדאי להשתמש בברירת המחדל כאשר ההרחבה האוטומטית מנהלת מאגר מסוג pooled, אך אינו נותן סיבה. הסקה סבירה היא שתפוסה בגודל כזה לעולם אינה מגיעה לסף התפוסה. עבור depth-first נדרשת מגבלה אמיתית.
האם שינוי המגבלה מנתק משתמשים?
לא. Learn מציין כי הפחתת מגבלת הסשנים המקסימלית על מארח סשנים שיש בו סשנים פעילים של משתמשים אינה משפיעה על אותם סשנים קיימים.