M365Con 2027 – כנס אונליין חינמי · 11–22 Jan 2027 · 120 sessions m365con.net

בלוג · Mirko Peters

Ramp-up, peak, ramp-down ו-off-peak: ארבעת שלבי AVD autoscale בהסבר

שותף · שותף ניטרלי: Nerdio

By ·

לוח זמנים של scaling plan ב-Azure Virtual Desktop מחולק לארבעה שלבים, ולכל שלב יש הגדרות משלו וכללים משלו להפעלה ולעצירה של מארחי הסשנים. מאמר זה עובר על הפרמטרים של כל שלב במאגרים משותפים ואישיים, עם ערכים לדוגמה.

Automatically translated with AI from the original post. Read the English original

לוח זמנים של scaling plan ב-Azure Virtual Desktop מחלק את היום לארבעה שלבים: ramp-up, שעות שיא, ramp-down ושעות off-peak. לכל שלב יש שעת התחלה והגדרות משלו, ושעת ההתחלה של שלב מסיימת את השלב הקודם.

עיקרי הדברים

  • לוח זמנים כולל ארבעה שלבים: ramp-up, peak, ramp-down ו-off-peak. שעת ההתחלה של כל שלב היא גם שעת הסיום של השלב הקודם.
  • בתוכנית של מאגר משותף, סף הקיבולת מוגדר ב-ramp-up וב-ramp-down. שלב ה-peak לוקח את הערך של ramp-up, ושלב ה-off-peak לוקח את הערך של ramp-down.
  • Pooled autoscale לא מכבה מארחים בשלב ה-ramp-up. ניתוק בכפייה אפשרי רק בשלב ה-ramp-down.
  • תוכניות אישיות לא משתמשות בסף קיבולת. הן פועלות על מצב הסשן (מנותק או מנותק ומחובר) לאחר מספר דקות בין 0 ל-360.

לתיאור הכללי של scaling plan והקצאתו ל-host pool, ראו "Azure Virtual Desktop scaling plans explained: schedules, phases and host pools". מאמר זה מתמקד בפרמטרים של השלבים.

מה מייצג כל שלב

Microsoft Learn מתאר את השלבים כך:

  • Ramp-up: תחילת היום; מספר הסשנים הפעילים עולה במהירות, אך עוד לא הגיע למקסימום היומי.
  • Peak: המאגר מגיע למקסימום היומי של סשנים פעילים. המספר בדרך כלל נשאר יציב.
  • Ramp-down: סוף יום העבודה; מספר הסשנים הפעילים יורד במהירות. מכונות VM בדרך כלל מכובות כעת כדי לחסוך בעלויות.
  • Off-peak: המספר הנמוך ביותר של סשנים. כמות קטנה של משאבים עשויה להישאר פעילה עבור עובדים שמתחברים מאוחר.

הגדרות השלבים אינן כוללות שעות שעון; אתם קובעים אותן. הדוגמה של Learn ל-PowerShell עבור מאגר משותף משתמשת ב-6:30 AM, 8:30 AM, 4:00 PM ו-10:45 PM לארבעת השלבים, והדף מציין שהערכים ברירת המחדל שמוצגים בפורטל הם ערכים מומלצים לימי חול. שעות ההתחלה משתמשות באזור הזמן שהוגדר ב-scaling plan.

כלל אחד חל על כל השלבים של תוכנית משותפת: במאגרים משותפים, autoscale מתעלם מאלגוריתם איזון העומס בהגדרות מאגר המארחים, ומחיל את האלגוריתם שמוגדר בלוח הזמנים. נדרשת גם מגבלת סשנים מקסימלית מותאמת אישית במאגר המארחים, ו-Learn ממליץ לא להשתמש בערך ברירת המחדל.

Ramp-up

במאגר משותף עם autoscale לניהול צריכת החשמל, ללשונית ramp-up יש ההגדרות הבאות:

הגדרהמה Learn אומר
שעת התחלההשעה שבה autoscale מתחיל להכין את מארחי הסשנים לשעות השיא של העבודה.
אלגוריתם איזון עומסמומלץ להשתמש ב-Breadth-first. אלגוריתם זה מחלק את המשתמשים בין מארחי הסשנים הקיימים כדי לשמור על זמני גישה מהירים.
אחוז מינימלי של מארחיםאחוז מארחי הסשנים שצריכים להישאר פעילים בשלב זה. ערך שאינו מספר שלם מעוגל כלפי מעלה.
סף קיבולתאחוז מהקיבולת הזמינה של מאגר המארחים שמפעיל פעולת scaling.

התרחיש הראשון של Learn משתמש בשישה מארחי סשנים, סף קיבולת של 30 אחוז, מינימום של 30 אחוז ומגבלת סשנים מקסימלית של 5. 30 אחוז משישה הם 1.8, ש-autoscale מעגל כלפי מעלה, ולכן שניים מהמארחים פעילים, עם קיבולת של 10 סשנים. שלושה סשנים שווים לסף, ולכן לא קורה דבר; ארבעה סשנים הם 40 אחוז, ולכן מארח שלישי מופעל. העיגול מוסבר ב-"Minimum percentage of hosts in AVD autoscale explained".

אוטוסקיילינג יכול להפעיל מארחים בכל שלב כאשר קיבולת הבשל עולה על הסף, אך אוטוסקיילינג מאגר אינו מכבה מארחים במהלך שלב העלייה.

שעות שיא

הכרטיסייה של שיא מבקשת שעת התחלה, שהיא גם סוף שלב העלייה, ובחירה באלגוריתם איזון עומסים בין רוחב-קודם לעומק-קודם. רוחב-קודם מפזר סשנים חדשים על פני כל המארחים הזמינים. עומק-קודם שולח אותם למארח הזמין עם מספר החיבורים הגבוה ביותר שטרם הגיע למגבלת הסשנים שלו. סף הקיבולת לא ניתן לעריכה כאן. הערך משלב העלייה עובר אוטומטית. בכרטיסייה של שיא אין גם שדה לאחוז מינימלי, אף שהדוגמה של Learn לשיא מציינת מינימום של 30 אחוז.

שלב השיא אינו סטטי: אוטוסקיילינג יכול להפעיל ולכבות מארחים. בתרחיש השני של Learn, חמישה מתוך שישה מארחים פועלים עם סף של 30 אחוז ומגבלת סשנים של 5, ולכן הקיבולת היא 25. עם חמישה סשנים (20 אחוז), כיבוי מארח אחד היה משאיר 25 אחוז, מתחת לסף, ולכן אוטוסקיילינג מרוקן מארח ללא סשנים ומכבה אותו.

שלב הירידה

בכרטיסייה של ירידה יש את מערך השדות הגדול ביותר: שעת התחלה, אלגוריתם איזון עומסים, אחוז מינימלי של מארחים, סף קיבולת והתנתקות כפויה. שלב מחוץ לשיא משתמש בסף הקיבולת שהוזן כאן.

אוטוסקיילינג מכבה מארח רק כאשר כל הסשנים הקיימים, הפעילים והמנותקים, נכנסים על פחות מארחים מבלי לחרוג מסף הקיבולת. הנוסחה של Learn למספר המארחים הנדרש היא: סך הסשנים (פעילים ומנותקים) חלקי המכפלה של מגבלת הסשנים המקסימלית וסף הקיבולת, מעוגל כלפי מעלה למספר השלם הקרוב.

יש לך שתי דרכים לטפל במשתמשים שעדיין מחוברים:

  1. התנתקות כפויה מופעלת. אוטוסקיילינג בוחר את המארח עם מספר הסשנים הנמוך ביותר, פעילים ומנותקים, ומעביר אותו למצב ניקוז. הוא מודיע למשתמשים שינותקו, ומסיים את הסשנים לאחר זמן ההמתנה. לאחר מכן הוא משחרר את ה-VM. תכונה זו נתמכת רק בשלב הירידה; לפי Learn, הגדרת ההתנתקות הכפויה אינה מנתקת משתמשים בשום שלב אחר.
  2. התנתקות כפויה מכובה. בוחרים באחת מהאפשרויות "ל-VMs אין סשנים פעילים או מנותקים" או "ל-VMs אין סשנים פעילים". דף התרחישים של Learn מתאר את ההתנהגות של "אין סשנים פעילים" כאוטוסקיילינג הממתין להתנתקות מרצון של המשתמשים. ה-FAQ מוסיף שעם אפשרות זו, סשנים מנותקים עדיין נחשבים כסשנים פעילים בחישובי הקיבולת.

החשבון של האיחוד בתרחיש השלישי של Learn, הרצף שהמשתמשים רואים והפשרות בין שתי הבחירות מכוסים במאמרים "Forcing users to sign out during AVD ramp-down: what happens and what users see" ו-"Force sign out vs wait for sign-out: choosing the ramp-down behaviour".

ה-FAQ של Learn מציין מלכודת תזמון: עם שלב ירידה של 15 דקות וזמן המתנה של 20 דקות, הלוח מגיע קודם לשעות מחוץ לשיא, אוטוסקיילינג אינו מבצע התנתקות כפויה שם, וה-VM משוחרר רק לאחר שכל המשתמשים התנתקו. יש לשמור על זמן ההמתנה קצר משלב הזמן.

זמן ההמתנה ותוכן ההודעה הם הגדרות של הלוח. ב-Azure PowerShell הן RampDownWaitTimeMinute ו-RampDownNotificationMessage; בהפניית תבנית ARM הן rampDownWaitTimeMinutes ו-rampDownNotificationMessage, לצד rampDownForceLogoffUsers ו-rampDownStopHostsWhen. שתי הדוגמאות של Learn משתמשות ב-30 דקות, אך ההודעה שונה: הדוגמה ב-PowerShell בדף היצירה וההקצאה משתמשת ב-"Please log out of your session.", והדוגמה בפקודת cmdlet New-AzWvdScalingPlanPooledSchedule משתמשת ב-"Log out now, please.". הפניות ה-cmdlet וה-ARM מתארות את זמן ההמתנה כמספר הדקות להמתנה לפני עצירת מארחים במהלך שלב הירידה, ואינן מציינות ברירת מחדל, מינימום או מקסימום לאף אחד מהערכים.

שעות מחוץ לשיא

בכרטיסייה של מחוץ לשיא יש שעת התחלה, שמסיימת את שלב הירידה, ובחירה באלגוריתם איזון עומסים. Learn ממליץ כאן על עומק-קודם, כך שהמארחים מתרוקנים בהדרגה. סף הקיבולת שוב אינו ניתן לעריכה, ומגיע משלב הירידה.

עבור תוכניות ניהול צריכת חשמל (power management), ללשונית שעות השפל אין שדה לאחוז המינימלי של המארחים. הדף ליצירה והקצאה מציג שדה זה רק בשלבי ramp-up ו-ramp-down, וגם ההפניות של ה-cmdlet וה-ARM מגדירות רק את RampUpMinimumHostsPct ואת RampDownMinimumHostsPct. לתוכניות האלה Learn מציין העברה (carry-over) רק עבור סף הקיבולת, ולא עבור האחוז המינימלי. אבל הדוגמאות שלו כן מחילות מינימום בשעות השפל: עם שישה מארחים ו-10 אחוזים, מארח אחד נשאר פעיל גם כשהמשתמשים האחרונים מתנתקים. בדקו על מאגר מארחים לבדיקה איזה ערך חל בפועל. כיבוי כל ה-VM-ים, כולל המינימום של 0 אחוזים וההגדרה של Group Policy לסשנים מנותקים שה-FAQ מציע, מכוסים במאמר "Minimum percentage of hosts in AVD autoscale explained".

אם תייגו מארחים עם תג ההחרגה של התוכנית, ה-autoscale אינו מפעיל ואינו מכבה אותם באף שלב. בתרחיש הרביעי של Learn, חמישה מתוך שישה מארחים נושאים את התג, ולכן סשן רביעי דוחף את השימוש ל-80 אחוזים מבלי להפעיל אף מארח. אם המארח האחרון שאינו מתויג מתויג גם הוא וכבוי, משתמש חדש יראה את ההודעה "No resources available". המאמר "Exclusion tags in AVD autoscale: keeping individual VMs out of scaling" עובר על כך לעומק.

ימי לוח זמנים

בימים שלוח הזמנים אינו בוחר, הפרמטרים האחרונים של שעות השפל מימי הבחירה ממשיכים לחול עד ה-ramp-up הבא. לפי ה-FAQ של Learn, autoscale אינו תומך בהורדת עומס (ramp-down) בתאריכים ספציפיים.

מאגרי מארחים אישיים

לתוכנית אישית אין סף קיבולת ואין אחוז מינימלי. לכל שלב יש שעת התחלה, מתג Start VM on Connect ושני כללים המבוססים על מצב הסשן: "When disconnected for (min)" ו-"When logged off for (min)". לשניהם יש טווח של 0 עד 360 דקות ופעולה (deallocate, hibernate או ללא פעולה). רק ב-ramp-up בוחרים גם אילו VM-ים להפעיל. Autoscale אינו יכול לאלץ משתמשים להתנתק משולחנות עבודה אישיים, ופעולת hibernate על שולחן עבודה שבו hibernate אינו מופעל אינה עושה דבר, לפי ה-FAQ. הרשימה המלאה של ההגדרות והמגבלות של FSLogix ו-App Attach ל-hibernate מופיעות במאמרים "Azure Virtual Desktop scaling plans explained: schedules, phases and host pools" ו-"Personal host pools in Azure Virtual Desktop: when one desktop per user makes sense". ראו personal ו-pooled host pools. ניתן לשייך תוכנית scaling רק למאגרי מארחים מהסוג שהוגדר בתוכנית.

Dynamic autoscaling

Dynamic autoscaling משתמש באותם ארבעה שלבים, אך רק עבור מאגרי מארחים מסוג pooled עם תצורת session host, ורק ב-Azure ולא ב-Azure Government. הוא מוסיף את הגודל המינימלי של מאגר המארחים, הגודל המקסימלי שלו ואחוז המארחים הפעילים המינימלי. ב-ramp-down הוא יכול לבטל הקצאה (deallocate) או למחוק את ה-VM. לתוכניות האלה הדף ליצירה והקצאה ברור לגבי ההעברה: הוא ממליץ על ערכים גבוהים יותר של "Minimum percentage of active hosts (%)" ו-"Minimum host pool size" בשלב ה-ramp-up, "which is carried over to the peak phase" (כלומר מועברים לשלב השיא). בדף אין הצהרה מקבילה עבור ramp-down ושעות השפל. Microsoft הודיעה על זמינות כללית (GA) של ניהול מאגרי מארחים משופר, הכולל dynamic autoscaling, תצורה ועדכון של session host ודיסקי OS זמניים (ephemeral), ביולי 2026 (Tech Community). חלק מדפי Learn, למשל דפי התרחישים והמילון ו-גרסת המודול 5.4.2-preview, עדיין כוללים ניסוח של תצוגה מקדימה, ולכן יש לבדוק את הדף העדכני לפני הסתמכות על מגבלה. גם power management autoscaling זמין כללית. ראו dynamic autoscaling.

דוגמה מעשית ללוח זמנים

לוח זמנים לימי חול עבור עשרה מארחים מסוג pooled עם מגבלת סשנים של 10 עשוי להיראות כך. הערכים הללו הם דוגמאות בלבד ואינם המלצות של Microsoft:

  1. Ramp-up בשעה 07:00: breadth-first, מינימום של 20 אחוזים (שני מארחים), סף של 60 אחוזים.
  2. Peak בשעה 09:00: breadth-first, סף של 60 אחוזים (מועבר).
  3. Ramp-down בשעה 17:00: depth-first, מינימום של 10 אחוזים (מארח אחד), סף של 75 אחוזים, אכיפת התנתקות (force sign-out) מופעלת עם זמן המתנה קצר משעתיים של השלב.
  4. Off-peak בשעה 19:00: depth-first, סף של 75 אחוזים (מועבר).

החישוב שלנו לדוגמה הזו, ולא מתוך Learn, לפי הכלל ש-autoscale מפעיל מארח נוסף רק כאשר הקיבולת בשימוש חורגת מהסף:

  • הרחבה (Ramp-up): 20% מתוך עשרה מארחים הם שני מארחים, ולכן הקיבולת היא 20 סשנים. בסף של 60%, 12 סשנים (60%) אינם מפעילים שום פעולה. הסשן ה-13 מביא ל-65%, ולכן מופעל מארח שלישי והקיבולת עולה ל-30.
  • צמצום (Ramp-down): 10% מתוך עשרה מארחים הם מארח אחד, ולכן הקיבולת היא 10 סשנים. בסף של 75%, 7 סשנים (70%) נכנסים כולם למארח אחד. הסשן ה-8 מביא ל-80%, ולכן נדרש מארח שני.

מקורות

נגישה ב-17 בנובמבר 2026.

FAQ

איזה שלב יכול לאלץ משתמשים להתנתק?

רק ramp-down. Microsoft Learn מציין שההגדרה force logoff לא מנתקת משתמשים באף שלב אחר. אם זמן ההמתנה ארוך משלב ה-ramp-down, לוח הזמנים עובר ל-off-peak והסשנים לא מנותקים בכפייה.

מדוע אי אפשר לשנות את סף הקיבולת בשלבי peak ו-off-peak?

Learn מציין ששלב ה-peak לוקח את הערך משלב ramp-up, ושלב ה-off-peak לוקח את הערך משלב ramp-down. כדי לשנות אותם, ערכו את ramp-up או ramp-down.

מה קורה בימים שלא בחרתם בלוח הזמנים?

Learn מציין שפרמטרי ה-off-peak האחרונים של הימים שנבחרו עוברים לימים שלא נבחרו, עד לשלב ה-ramp-up הבא.

Entities in this article

הנושאים של המאמר הזה:

Autoscale schedule phases (Azure Virtual Desktop) – נושא משנה של AVD scaling plan AVD scaling plan – חלק מ-Azure Virtual Desktop

Related articles

מאמרים נוספים על AVD scaling plan:

RSS