Load balancing breadth-first di Azure Virtual Desktop dijelaskan
Mitra · Mitra netral: Nerdio
By Mirko Peters ·
Load balancing breadth-first mengirim setiap sesi baru ke host sesi yang dipilih secara acak dari separuh host sesi yang tersedia dengan jumlah sesi paling sedikit. Algoritma ini tidak memerlukan batas maksimum sesi, tetapi autoscale memerlukan batas khusus.
Automatically translated with AI from the original post. Read the English original
Load balancing breadth-first di Azure Virtual Desktop mengirim setiap sesi pengguna baru ke host sesi yang dipilih secara acak dari separuh host tersedia yang saat ini memiliki jumlah sesi paling sedikit. Tujuannya adalah menyebar pengguna ke seluruh pool sehingga CPU, memori, dan disk pada setiap host umumnya lebih sedikit terbebani, dan algoritma ini tidak memerlukan batas maksimum sesi. Perbandingan langsung antara breadth-first dan depth-first dibahas dalam artikel terpisah dari seri ini.
Poin Penting
- Breadth-first melakukan kueri ke host sesi yang mengizinkan koneksi baru, lalu memilih satu secara acak dari separuh host dengan sesi paling sedikit. Dengan demikian, distribusinya seimbang tetapi tidak benar-benar merata.
- Batas maksimum sesi bersifat opsional untuk breadth-first. Saat pool dibuat dengan breadth-first, nilai default-nya adalah 999999, yaitu nilai tertinggi yang mungkin.
- Learn menggambarkan breadth-first sebagai pengoptimalan performa sesi karena sumber daya host umumnya lebih sedikit terbebani, dan depth-first sebagai pilihan bagi organisasi yang memperhatikan biaya.
- Kedua algoritma tetap mengarahkan pengguna yang kembali ke host yang menyimpan sesi aktif atau sesi terputus miliknya, meskipun drain mode diaktifkan, dan melewati host dalam drain mode untuk pengguna baru.
- Dengan autoscale, Learn merekomendasikan breadth-first untuk fase ramp-up. Algoritma ramp-up pada jadwal menggantikan pengaturan host pool, dan Anda harus mengatur batas maksimum sesi khusus.
Cara host dipilih
Learn menjelaskan algoritma ini dalam dua langkah. Pertama, sistem melakukan kueri ke host sesi di host pool yang mengizinkan koneksi baru. Kedua, sistem memilih host secara acak dari separuh himpunan tersebut, yaitu host dengan jumlah sesi paling sedikit.
Contoh dari Learn sendiri: sembilan host sesi memiliki 11, 12, 13, 14, 15, 16, 17, 18, dan 19 sesi. Sesi baru tidak otomatis masuk ke host dengan 11 sesi. Sesi tersebut dapat masuk ke salah satu dari lima host pertama, yaitu host dengan sesi paling sedikit, secara acak. Learn menyatakan konsekuensinya: karena adanya pengacakan, sebagian sesi mungkin tidak terdistribusi secara merata di seluruh host sesi.
Aturan yang dimiliki bersama dengan depth-first
Learn mencantumkan tiga perilaku yang dimiliki kedua algoritma. Yang paling penting untuk breadth-first: pengguna yang sudah memiliki sesi aktif atau sesi terputus akan diarahkan ke host yang memiliki sesi tersebut saat masuk kembali, meskipun drain mode diaktifkan untuk host tersebut. Sementara itu, untuk pengguna tanpa sesi, load balancer tidak mempertimbangkan host dalam drain mode. Artikel perbandingan dalam seri ini membahas ketiga aturan tersebut secara lengkap. Anda dapat mengonfigurasi satu algoritma per pooled host pool dalam satu waktu dan mengubahnya kapan saja.
Batas maksimum sesi
Learn menyebutkan bahwa Anda tidak perlu menentukan batas maksimum sesi untuk breadth-first. Batas maksimum sesi tetap ada, namun. Jika Anda menggunakan breadth-first saat pertama kali membuat host pool, nilai defaultnya adalah 999999, yang juga merupakan angka tertinggi yang mungkin. Halaman penerapan menyebutkan agar Anda memasukkan jumlah maksimum pengguna yang ingin diseimbangkan bebannya ke satu host sesi, dan halaman terminologi menambahkan bahwa pada beban koneksi bersamaan yang tinggi, ketika beberapa pengguna terhubung pada waktu yang sama, jumlah sesi pada suatu host sesi dapat melampaui batas tersebut. Learn juga menyebutkan bahwa jika Anda menurunkan batas pada host sesi saat host tersebut memiliki sesi pengguna aktif, perubahan tersebut tidak memengaruhi sesi-sesi itu.
Autoscale mengubah hal ini. Halaman create-and-assign menyebutkan bahwa jika Anda menggunakan autoscale untuk host pool bersama, Anda harus mengonfigurasi MaxSessionLimit kustom dan tidak boleh menggunakan nilai default. Glosarium autoscale di Learn mendefinisikan angka-angka yang terlibat: kapasitas host pool yang tersedia adalah batas maksimum sesi dikalikan jumlah host sesi yang tersedia, dan kapasitas host pool yang terpakai adalah jumlah sesi aktif dan terputus dibagi dengan kapasitas tersebut. Contoh dari halaman create-and-assign sendiri: dua host sesi dengan batas 20 sesi memberikan kapasitas tersedia sebesar 40 sesi; dengan ambang kapasitas 75 persen, autoscale menyalakan host ketiga begitu host-host tersebut memiliki lebih dari 30 sesi, dan kapasitasnya menjadi 60.
Breadth-first dan autoscale
Sebuah scaling plan menetapkan algoritma load balancing per fase. Halaman skenario menyebutkan bahwa untuk host pool bersama, autoscale mengabaikan algoritma pada pengaturan host pool dan menerapkan load balancing berdasarkan jadwal, dan halaman create-and-assign menyatakan bahwa preferensi yang dipilih dalam jadwal menggantikan preferensi pada pengaturan host pool asli. Halaman yang sama juga merekomendasikan breadth-first untuk ramp-up, agar pengguna tersebar ke host yang sudah ada dan waktu akses tetap cepat. Pertanyaan umum autoscale memberikan contoh untuk satu hari penuh: breadth-first pada ramp-up dan peak, depth-first pada ramp-down dan off-peak agar autoscale dapat mengonsolidasikan sesi.
Lihat fase jadwal autoscale untuk mengetahui cara fase-fase dalam jadwal didefinisikan.
Skenario autoscale pertama di Learn menggunakan breadth-first pada ramp-up. Pool memiliki enam host sesi, ambang kapasitas 30 persen, persentase minimum host 30 persen, dan batas maksimum sesi 5. Autoscale menyalakan dua host untuk memenuhi minimum, karena 30 persen dari enam adalah 1,8, dibulatkan ke atas menjadi dua. Kapasitas tersedia adalah 10.
- Tiga pengguna masuk. Karena algoritmanya breadth-first, sesi mereka tersebar di kedua host yang berjalan. Kapasitas terpakai adalah 30 persen, yang tidak melampaui ambang, sehingga autoscale tidak menyalakan apa pun.
- Pengguna keempat masuk. Kapasitas terpakai menjadi 40 persen, di atas ambang, sehingga autoscale menyalakan host ketiga. Kapasitas naik menjadi 15 dan kapasitas terpakai turun menjadi 27 persen.
- Pengguna kelima membuatnya menjadi 33 persen, sehingga host keempat menyala. Dengan 5 sesi pada 4 host, kapasitas adalah 20 dan penggunaan 25 persen.
Tabel Learn berlanjut dari sana: 6 sesi pada 4 host adalah 30 persen, sehingga tidak ada yang menyala, dan 7 sesi pada 4 host adalah 35 persen, sehingga host kelima menyala dan kapasitas menjadi 25 (28 persen). Karena batasnya 5 dalam contoh ini, setiap host menambahkan 5 ke kapasitas tersedia.
Biaya dan performa
Learn membingkai trade-off ini secara langsung. Breadth-first digambarkan ideal bagi organisasi yang ingin memprioritaskan pengalaman pengguna, karena sumber daya host seperti CPU, memori, dan disk umumnya tidak banyak diperebutkan. Depth-first digambarkan ideal bagi organisasi yang sensitif terhadap biaya, karena dengan menjenuhkan satu host dalam satu waktu, lebih mudah menurunkan jumlah host yang menyala ketika pengguna yang masuk lebih sedikit.
Kedua algoritma dapat dikombinasikan dalam satu scaling plan, seperti yang ditunjukkan contoh pertanyaan umum autoscale pada bagian breadth-first dan autoscale di atas. Apa yang dilakukan autoscale pada ramp-down, termasuk pemaksaan sign-out dan menjalankan nol host di luar jam kerja, dibahas dalam artikel depth-first dan scaling plan pada seri ini; lihat juga entitas scaling plan.
Cara mengonfigurasinya
Anda memerlukan peran Desktop Virtualization Host Pool Contributor. Di portal Azure:
- Cari dan pilih Azure Virtual Desktop, lalu pilih Host pools dan host pool yang dimaksud.
- Pilih Properties.
- Untuk Load balancing algorithm, pilih breadth-first dari menu tarik-turun, lalu untuk Max session limit masukkan sebuah nilai.
- Pilih Simpan.
Di PowerShell, Update-AzWvdHostPool menerima -LoadBalancerType dan -MaxSessionLimit. Halaman load balancing di Learn menunjukkan cara mengatur breadth-first tanpa mengubah batas maksimum sesi:
$parameters = @{
Name = '<HostPoolName>'
ResourceGroupName = '<ResourceGroupName>'
LoadBalancerType = 'BreadthFirst'
}
Update-AzWvdHostPool @parametersUntuk memeriksa hasilnya, halaman yang sama menggunakan Get-AzWvdHostPool @parameters | Format-Table Name, LoadBalancerType, MaxSessionLimit. Padanan di Azure CLI adalah az desktopvirtualization hostpool update --resource-group <ResourceGroupName> --name <HostPoolName> --load-balancer-type BreadthFirst. Learn memperkenalkan blok PowerShell tersebut sebagai pengaturan breadth-first "tanpa menyesuaikan batas maksimum sesi", sehingga batas yang ada tetap seperti semula. Untuk sekaligus mengatur batas, tambahkan -MaxSessionLimit dengan nilai Anda sendiri. Contoh depth-first di Learn menetapkannya ke 10, sebagai MaxSessionLimit = '10' di PowerShell dan --max-session-limit 10 di Azure CLI. Bagian depth-first di Learn menyebutkan bahwa Anda dapat menggunakan Azure Virtual Desktop Insights untuk memantau jumlah sesi di setiap session host dan meninjau performa session host untuk membantu menentukan batas maksimum sesi. Untuk penggunaan lokal, Learn mencantumkan ekstensi Azure CLI desktopvirtualization atau modul PowerShell Az.DesktopVirtualization sebagai prasyarat.
Kapan perlu waspada terhadap hal tak terduga
- Mode drain di bawah penskalaan otomatis. Untuk host pool pooled, Learn menyatakan bahwa penskalaan otomatis akan menimpa mode drain pada VM yang termasuk dalam penskalaan, sehingga gunakan tag pengecualian untuk VM yang ingin Anda biarkan tidak berubah, misalnya saat memperbaruinya. Halaman skenario penskalaan otomatis dan FAQ penskalaan otomatis sama-sama menyebutkan hal ini, jadi periksa tag pengecualian pada host mana pun yang tampak berganti status secara tidak terduga.
Terkait
- Breadth-first load balancing
- Depth-first load balancing
- Host pool AVD
- Host pool gabungan
- Azure Virtual Desktop
Sumber
- Microsoft Learn: Mengonfigurasi load balancing host pool di Azure Virtual Desktop
- Microsoft Learn: Membuat dan menetapkan rencana penskalaan otomatis
- Microsoft Learn: Istilah Azure Virtual Desktop
- Microsoft Learn: Deploy Azure Virtual Desktop
- Microsoft Learn: Autoscale FAQ
- Microsoft Learn: Skenario autoscale untuk Azure Virtual Desktop
- Microsoft Learn: Glosarium penskalaan otomatis untuk Azure Virtual Desktop
- Microsoft Learn: Update-AzWvdHostPool
FAQ
Apakah breadth-first merupakan algoritma load balancing default?
Portal menawarkan kedua algoritma saat Anda membuat host pool gabungan (pooled), dan halaman penerapan Learn menyarankan Anda memilih breadth-first atau depth-first sesuai pola penggunaan Anda. Halaman load balancing Learn tidak menyebutkan algoritma default. Namun, halaman tersebut menjelaskan bahwa jika Anda menggunakan breadth-first saat pertama kali membuat host pool, batas maksimum sesi default-nya adalah 999999, yang juga merupakan nilai tertinggi yang dapat Anda atur.
Apakah breadth-first membagi sesi secara merata persis?
Tidak. Microsoft Learn menyatakan bahwa algoritma ini memilih secara acak dari separuh himpunan host tersedia dengan jumlah sesi paling sedikit. Akibatnya, sesi baru tidak otomatis masuk ke satu host dengan beban paling rendah, dan sebagian sesi mungkin tidak terdistribusi secara merata.
Apakah personal host pool menggunakan breadth-first?
Tidak. Learn menyatakan bahwa load balancing tidak berlaku untuk personal host pool, karena pengguna selalu memiliki pemetaan 1:1 ke host sesi. Hanya pooled host pool yang menggunakan breadth-first atau depth-first.