M365Con 2027 – konferensi online gratis · 11–22 Jan 2027 · 120 sessions m365con.net

Blog · Mirko Peters

Breadth-first vs depth-first: algoritma penyeimbangan beban mana yang sebaiknya digunakan host pool

Mitra · Mitra netral: Nerdio

By ·

Gunakan breadth-first saat pengalaman pengguna menjadi prioritas utama, dan depth-first saat Anda ingin sesi dikumpulkan sebanyak mungkin pada session host yang sedikit sehingga host lainnya bisa dimatikan. Panduan ini memberikan kriteria pengambilan keputusan, contoh kasus untuk kedua algoritma, dan langkah-langkah untuk mengubah pengaturannya.

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

Pilih breadth-first ketika prioritasnya adalah desktop yang responsif bagi setiap pengguna, dan pilih depth-first ketika prioritasnya adalah menjalankan session host sesedikit mungkin. Microsoft Learn menyatakan pembagian yang sama: breadth-first cocok untuk organisasi yang mengutamakan pengalaman pengguna, sedangkan depth-first cocok untuk organisasi yang sensitif terhadap biaya dan menginginkan kontrol terperinci atas jumlah host yang dihidupkan. Panduan ini mengubah pembagian tersebut menjadi kriteria, contoh kasus, dan langkah-langkah untuk mengubah pengaturan.

Poin Penting

  • Learn menjelaskan bahwa breadth-first adalah pilihan ketika pengalaman pengguna paling penting, dan depth-first untuk organisasi yang sensitif terhadap biaya dan ingin mengontrol jumlah host yang dihidupkan.
  • Depth-first memerlukan batas maksimum sesi. Breadth-first tidak memerlukannya, dan nilai batas default 999999 juga merupakan nilai tertinggi yang dapat Anda atur.
  • Breadth-first memilih secara acak di antara setengah host yang memenuhi syarat dengan jumlah sesi paling sedikit, sehingga jumlah sesi per host bisa tidak merata. Depth-first memilih host yang memenuhi syarat dengan jumlah sesi terbanyak.
  • Kedua algoritma mengarahkan pengguna yang kembali dengan sesi aktif atau terputus ke host yang sama, bahkan jika host tersebut berada dalam mode drain. Penyeimbangan beban tidak berlaku untuk personal host pool.
  • Anda dapat mengubah algoritma kapan saja. Jika scaling plan ditetapkan, Learn menyebutkan bahwa autoscale menerapkan algoritma dari jadwal, bukan dari pengaturan host pool.

Artikel ini hanya membahas host pool jenis pooled, karena Learn menyebutkan bahwa penyeimbangan beban tidak berlaku untuk personal host pool. Cara kerja masing-masing algoritma dijelaskan dalam "Breadth-first load balancing in Azure Virtual Desktop explained" dan "Depth-first load balancing in Azure Virtual Desktop explained"; artikel ini membandingkan keduanya. Sumber tercantum di bagian akhir.

Cara kedua algoritma memilih host

Kedua algoritma dijalankan ketika pengguna tanpa sesi yang ada memulai koneksi. Perbedaannya terletak pada host yang mereka pilih.

Breadth-firstDepth-first
TujuanMenyebarkan sesi baru ke seluruh hostTerus mengisi satu host hingga batasnya tercapai
Aturan pemilihanKueri host yang menerima koneksi baru, lalu pilih secara acak dari setengah host dengan jumlah sesi paling sedikitKueri host yang menerima koneksi baru dan belum mencapai batas, lalu pilih host dengan jumlah sesi terbanyak; jika seri, pilih host pertama dari hasil kueri
Batas sesi maksimumTidak diperlukanDiperlukan
Kesesuaian menurut LearnPengalaman pengguna, karena CPU, memori, dan disk umumnya tidak terlalu diperebutkanBiaya, karena lebih sedikit host yang perlu tetap dihidupkan

Contoh breadth-first dari Learn: dengan sembilan host yang memegang 11 hingga 19 sesi, sesi baru dapat ditempatkan di salah satu dari lima host dengan sesi paling sedikit. Sesi tidak selalu masuk ke satu host yang paling kosong, dan Learn menyebutkan bahwa karena adanya pengacakan, sesi mungkin tidak terdistribusi secara merata.

Aturan yang berlaku untuk keduanya

  • Pengguna yang sudah memiliki sesi aktif atau terputus di pool akan diarahkan kembali ke host tersebut, bahkan jika drain mode aktif pada host tersebut.
  • Pengguna tanpa sesi tidak pernah diarahkan ke host yang berada dalam mode drain.
  • Menurunkan batas maksimum sesi pada host yang memiliki sesi aktif tidak memengaruhi sesi-sesi tersebut.
  • Halaman terminologi Learn menyebutkan bahwa pada beban koneksi bersamaan yang tinggi, jumlah sesi pada sebuah host dapat melampaui batas. Oleh karena itu, perlakukan batas tersebut sebagai nilai yang dituju algoritma, bukan sebagai jaminan.

Contoh kerja: 4 host, batas 10, 25 pengguna

Angka-angka di bawah ini merupakan ilustrasi yang disusun dari aturan pemilihan di atas, bukan contoh dari Learn.

Depth-first. Keempat host dimulai dalam keadaan kosong, jadi pengguna pertama berada dalam kondisi seri dan diarahkan ke host pertama yang dikembalikan oleh kueri, anggap saja H1. Learn tidak menentukan urutan kueri, dan H1 hingga H4 hanya merupakan label. Sejak saat itu, H1 memiliki sesi terbanyak di antara host yang berada di bawah batas, sehingga sesi 2 hingga 10 juga masuk ke H1. H2 menerima 10 berikutnya, dan H3 menerima 5 terakhir. H4 tetap kosong. Jika H1 dan H2 sudah penuh dengan 10 sesi dan pengguna ke-26 datang, H3 yang menerimanya.

Breadth-first. Setiap sesi baru diarahkan ke salah satu dari dua host dengan sesi paling sedikit, dipilih secara acak. Dengan 25 pengguna dan 4 host, rata-rata sekitar 6 sesi per host. Karena sesi baru hanya diarahkan ke dua host yang paling sedikit bebannya, jumlahnya cenderung berdekatan, umumnya 6 atau 7 sesi per host dalam contoh ini (perhitungan sendiri), meskipun Learn mencatat bahwa distribusinya tidak dijamin merata. Selisih akan membesar pada pool nyata karena pengguna keluar pada waktu yang berbeda-beda (pembacaan sendiri).

Dalam praktiknya, hal ini berarti:

  • Dengan depth-first, H4 tidak memiliki sesi dan menjadi kandidat untuk dimatikan. Inilah argumen biaya yang disampaikan Learn.
  • Dengan breadth-first, keempat host menanggung beban, sehingga tidak ada yang menjadi kandidat untuk dimatikan sebelum sesi berakhir.
  • Dengan depth-first, host pertama menjadi yang paling sibuk. Panduan sizing Learn menyebutkan bahwa proses sign-in bersifat intensif CPU dan Anda sebaiknya merencanakan pola logon, seperti awal hari kerja, ketika banyak pengguna masuk sekaligus. Lonjakan sign-in pada pool depth-first karenanya diarahkan ke host yang sudah paling penuh. Ini merupakan inferensi dari kedua pernyataan tersebut, jadi periksa melalui pilot.

Kriteria keputusan

PertanyaanKelebihan breadth-firstKelebihan depth-first
Mana yang lebih penting, waktu respons atau biaya operasional?Waktu responsBiaya operasional
Apakah Anda ingin host yang tidak terpakai keluar dari pool sementara host lain masih melayani pengguna?Sesi tetap tersebar di semua host yang berjalan, sehingga lebih sedikit host yang kosong (pembacaan sendiri atas aturan pemilihan)Host yang lebih belakangan tetap kosong dan lebih mudah diturunkan skalanya (Learn)
Apakah Anda dapat menetapkan dan mempertahankan batas sesi yang realistis?Batas bersifat opsionalBatas bersifat wajib dan harus sesuai dengan beban kerja
Apakah beban kerja per pengguna berat?Penyebaran menjaga persaingan sumber daya tetap rendah, yang menjadi alasan LearnBatas yang rendah diperlukan agar host yang penuh tidak kelebihan beban (inferensi)
Apakah pengguna melakukan sign-in dalam lonjakan singkat?Lonjakan tersebar ke beberapa host (inferensi)Lonjakan langsung mengenai satu host terlebih dahulu (inferensi)

Halaman penyeimbangan beban Learn menambahkan catatan untuk depth-first: agar pengalaman pengguna tetap baik, ubah batas maksimum sesi menjadi angka yang sesuai dengan kebutuhan Anda. Nilai awal per vCPU, panduan 20 pengguna, dan catatan bahwa halaman sizing Learn tidak sepenuhnya konsisten terdapat dalam "How to size the maximum session limit per session host". Artikel depth-first juga mencantumkan titik awal yang sama. Learn menyebutnya sebagai panduan umum yang hanya digunakan untuk estimasi performa awal, dan untuk perencanaan kapasitas, Learn menjelaskan pendekatan pilot dan pendekatan simulasi.

Langkah-langkah mengubah algoritma

Anda memerlukan peran Desktop Virtualization Host Pool Contributor.

  1. Masuk ke Azure portal dan buka Azure Virtual Desktop.
  2. Pilih Host pools, lalu pilih host pool yang digunakan bersama.
  3. Pilih Properties.
  4. Pilih algoritma pada Load balancing algorithm. Masukkan nilai pada Max session limit.
  5. Pilih Simpan.

Learn juga menyediakan tab Azure PowerShell dan Azure CLI untuk pengaturan ini, yang memerlukan modul Az.DesktopVirtualization atau ekstensi CLI desktopvirtualization. Perintahnya tersedia di halaman Learn dan tidak diulang di sini.

Jika Anda memilih breadth-first saat membuat host pool, batas default adalah 999999, yang juga merupakan nilai tertinggi yang diizinkan. Untuk depth-first, tetapkan angka yang sesuai dengan beban kerja Anda.

Apa yang harus dilakukan ketika depth-first kehabisan kapasitas

Learn menandai ini sebagai hal penting: ketika semua host sudah mencapai batas sesi maksimum, Anda harus menaikkan batas tersebut atau menambah host sesi. Depth-first hanya mempertimbangkan host yang berada di bawah batas, sehingga tidak ada kandidat yang tersisa (ini interpretasi kami terhadap aturan pemilihan); Learn tidak menjelaskan apa yang dilihat pengguna. Gunakan Azure Virtual Desktop Insights untuk memantau jumlah sesi per host dan performa host, yaitu pemantauan yang direkomendasikan Learn saat memilih batas tersebut.

Interaksi dengan autoscale

Jika Anda menggunakan scaling plan, algoritmanya diatur per fase dalam jadwal. Halaman skenario autoscale Learn menyatakan bahwa untuk host pool yang dipool, autoscale mengabaikan algoritma di pengaturan host pool dan menerapkan algoritma dari konfigurasi jadwal. Artikel scaling plan mengatakan hal yang sama untuk ramp-up, di mana preferensi yang dipilih menimpa pengaturan host pool awal. Artikel tersebut merekomendasikan breadth-first untuk ramp-up dan depth-first untuk off-peak. Peak menawarkan salah satu algoritma, dan tab ramp-down memiliki kolom load balancing tanpa rekomendasi.

FAQ autoscale Learn memberikan alasannya: breadth-first menghasilkan distribusi yang merata di awal hari, sedangkan depth-first memungkinkan autoscale mengonsolidasikan sesi hingga mencapai jumlah host minimum yang mungkin. Glosarium autoscale menjelaskan konsolidasi tersebut sebagai pembagian total sesi, baik yang terhubung maupun terputus, dengan batas sesi maksimum yang dikalikan ambang kapasitas, lalu dibulatkan ke atas. Artikel ini membahas autoscaling manajemen daya, yang oleh halaman skenario diberi label generally available. Untuk pool dengan scaling plan, jadwallah tempat pilihan tersebut dibuat dalam praktik; "Depth-first load balancing and autoscale: how the schedule overrides the host pool setting" membahas pengaturan jadwal secara rinci.

Untuk autoscale pada host pool yang dipool, Learn menyarankan untuk mengonfigurasi batas sesi maksimum kustom dan tidak menggunakan nilai default.

Prosedur singkat pemilihan

  1. Nyatakan prioritasnya dalam satu kalimat: pengalaman pengguna atau biaya.
  2. Hitung berapa host yang bisa dimatikan pada periode paling sepi jika sesi dikumpulkan.
  3. Pilih batas dari titik awal per vCPU yang direkomendasikan Learn, lalu sesuaikan dengan beban kerja Anda.
  4. Mulai dengan algoritma yang sesuai dengan prioritas, dan jalankan kelompok percobaan (pilot).
  5. Bandingkan jumlah sesi per host dan performa yang dilaporkan pengguna di Insights.
  6. Ubah algoritma jika hasil pilot tidak sesuai. Learn menyatakan Anda dapat melakukannya kapan saja.

Sumber

FAQ

Apakah saya bisa beralih antara breadth-first dan depth-first nanti?

Bisa. Microsoft Learn menyebutkan bahwa Anda hanya dapat mengonfigurasi satu algoritma per pooled host pool dalam satu waktu, tetapi Anda dapat mengubahnya kapan saja. Learn tidak menjelaskan apa yang terjadi pada sesi yang sedang berjalan, jadi uji perubahan ini terlebih dahulu pada pool percobaan.

Mengapa depth-first memerlukan batas maksimum sesi?

Depth-first mengisi satu host hingga mencapai batasnya, lalu berpindah ke host berikutnya. Tanpa batas, algoritma ini tidak memiliki titik untuk berpindah. Learn menyatakan bahwa batas tersebut wajib, dan begitu semua host mencapai batasnya, Anda harus menaikkan batas atau menambah host.

Apakah algoritma ini berlaku untuk personal host pool?

Tidak. Learn menyebutkan bahwa penyeimbangan beban tidak berlaku untuk personal host pool, karena setiap pengguna dipetakan 1:1 ke satu session host. Personal pool menggunakan penugasan otomatis atau penugasan langsung sebagai gantinya.

Entities in this article

Topik artikel ini:

Breadth-first load balancing (Azure Virtual Desktop) – Subtopik dari Host pool (Azure Virtual Desktop) Depth-first load balancing (Azure Virtual Desktop) – Subtopik dari Host pool (Azure Virtual Desktop) Host pool (Azure Virtual Desktop) – Subtopik dari Azure Virtual Desktop

Related articles

Artikel lain tentang Host pool (Azure Virtual Desktop):

RSS