Merancang jadwal autoscale AVD yang sesuai dengan jam kerja sebenarnya
Mitra · Mitra netral: Nerdio
By Mirko Peters ·
Buat jadwal autoscale Azure Virtual Desktop berdasarkan jumlah sesi yang terukur, bukan jam kantor di atas kertas. Panduan ini mencakup langkah dari data sesi per jam hingga waktu mulai setiap fase, persentase minimum, ambang kapasitas, dan pemeriksaan.
Automatically translated with AI from the original post. Read the English original
Jadwal autoscale yang baik dimulai dari jumlah sesi yang terukur: cari jam ketika sesi naik, bertahan, dan turun, lalu tempatkan keempat waktu mulai fase pada titik-titik balik tersebut. Setelah itu, atur persentase minimum host dan ambang kapasitas pada ramp-up dan ramp-down, pastikan waktu tunggu ramp-down lebih pendek dari fasenya, dan verifikasi hasilnya dengan Insights.
Poin Penting
- Mulailah dengan data: koneksi baru per jam dari WVDConnections menunjukkan kapan proses masuk dimulai, dan penghitung sesi menunjukkan di mana sesi bertahan, menurun, dan mencapai level minimum malam hari. Waktu mulai setiap fase mengikuti dari sana.
- Ramp-up harus dimulai cukup awal agar host sempat menyala sebelum pengguna pertama tiba. Ukur waktu mulai di lingkungan Anda; halaman Learn tidak memberikan angkanya.
- Waktu tunggu ramp-down harus lebih pendek daripada fase ramp-down. Contoh di FAQ Learn adalah fase 15 menit dengan waktu tunggu 20 menit, yang membuat sign-out paksa tidak pernah terjadi.
- Autoscale tidak dapat melakukan ramp-down pada tanggal tertentu, dan satu rencana berjalan dalam satu zona waktu. Gunakan jadwal terpisah untuk hari kerja dan akhir pekan, dan rencanakan hari libur secara manual.
- Sesi yang terputus membuat host tetap berjalan. Kebijakan batas waktu yang melakukan sign-out, dikombinasikan dengan minimum 0 persen, adalah cara yang didokumentasikan untuk mencapai nol host di luar jam kerja.
Artikel terkait menjelaskan fase-fase ("Ramp-up, peak, ramp-down and off-peak: the four AVD autoscale phases explained") dan pembuatan rencana ("How to create and assign an AVD scaling plan step by step"). Artikel ini membahas langkah sebelum keduanya: menentukan nilainya.
Langkah 1: Kumpulkan data penggunaan nyata
Jam kantor di atas kertas bisa berbeda dengan perilaku masuk pengguna yang sebenarnya. Ukur setidaknya beberapa minggu yang representatif.
- Aktifkan diagnostic settings untuk host pool dan workspace-nya, lalu kirim ke workspace Log Analytics. Pada host pool, sertakan Autoscale logs for pooled host pools; halaman Insights Learn mencantumkannya sebagai kategori minimum. Untuk melihat data diperlukan peran Desktop Virtualization Reader dan Log Analytics Reader, dan data mungkin butuh beberapa jam untuk muncul.
- Kueri
WVDConnectionsuntuk profil masuk. Learn menjelaskan status koneksi Started, Connected, dan Completed; Connected adalah saat pengguna berhasil terhubung ke VM. Menghitung event Connected per jam memberikan koneksi baru per jam: kapan gelombang pertama dimulai dan seberapa besar, bukan berapa sesi yang sedang terbuka. Kueri ini menyesuaikan pola per hari dari Learn menjadi hitungan per jam; periksa nama kolom di workspace Anda. Tabel kategori Learn mencantumkan kategori Connections, yang dibutuhkan diagnostic setting untuk tabel ini:
WVDConnections
| where State == "Connected"
| summarize NewConnections = dcount(CorrelationId) by bin(TimeGenerated, 1h)
| order by TimeGenerated ascReferensi tabel mencantumkan TimeGenerated dalam UTC. Konversikan jam ke zona waktu rencana sebelum membaca waktu mulai, misalnya dengan fungsi KQL datetime_utc_to_local, dan perhitungkan waktu musim panas (daylight saving). Dengan selisih setengah jam, bin satu jam tidak akan sesuai dengan jam lokal.
- Sesi terbuka menunjukkan puncak, penurunan, dan titik terendah pada malam hari. Azure Virtual Desktop Insights mengumpulkan penghitung performa melalui aturan pengumpulan data ke ruang kerja yang Anda pilih untuk data host sesi, yang bisa berbeda dari ruang kerja diagnostik, jadi kueri ruang kerja yang berisi penghitung tersebut. Halaman biaya Learn mencantumkan penghitung Terminal Services Active Sessions, Inactive Sessions, dan Total Sessions, masing-masing diambil sampel setiap 60 detik per VM. Halaman tersebut tidak mendefinisikannya, jadi kueri sendiri, periksa apa yang dilaporkannya, dan jumlahkan host-host tersebut untuk mendapatkan angka total kumpulan.
- Setelah paket ditetapkan ke kumpulan host yang dikumpulkan dan log Autoscale-nya masuk ke Log Analytics, tab Autoscale di Insights menampilkan perubahan status daya host sesi dari waktu ke waktu serta informasi ringkasan. Tabel dasarnya,
WVDAutoscaleEvaluationPooled, memiliki kolomSessionCount,SessionOccupancyPercent,ActiveSessionHostCount, danConfigSchedulePhase, sehingga Anda dapat membaca nilai-nilai ini per fase jadwal. Learn mendefinisikanSessionCountsebagai jumlah sesi pada host yang dianggap aktif oleh autoscale.
Catat empat angka per hari kerja: kapan pendaftaran masuk pertama kali muncul (profil pendaftaran masuk), dan, dari penghitung sesi, kapan sesi mencapai maksimum harian, kapan mulai menurun, dan kapan mencapai titik terendah malam hari.
Langkah 2: Tentukan empat waktu mulai fase
Learn mendefinisikan fase berdasarkan perilaku sesi: ramp-up adalah saat sesi meningkat, peak adalah saat sesi stabil, ramp-down adalah saat sesi menurun, dan off-peak adalah titik terendah harian (fase jadwal autoscale).
- Mulai ramp-up: sebelum gelombang pendaftaran masuk pertama Anda. Learn menyebutkan bahwa pada waktu inilah autoscale mulai "menyiapkan host sesi" untuk jam puncak. Ukur berapa lama host yang dialokasikan ulang membutuhkan waktu untuk menerima koneksi, lalu tambahkan margin; halaman tersebut tidak menyebutkan durasi start-up.
- Mulai peak: saat kurva mulai mendatar. Ini juga menandai akhir ramp-up. Gunakan zona waktu yang Anda atur untuk paket.
- Mulai ramp-down: saat sesi serentak mulai menurun secara konsisten, bukan pada waktu selesai resmi.
- Mulai off-peak: saat kurva mencapai titik terendah malam hari. Ini adalah akhir ramp-down.
Learn menyebutkan bahwa paket hanya beroperasi dalam zona waktu yang dikonfigurasi, dan waktu mulai peak harus berada di zona waktu tersebut. Halamannya tidak memberikan panduan tentang waktu musim panas, jadi periksa Insights setelah perubahan jam.
Langkah 3: Atur persentase minimum dan ambang kapasitas
Langkah ini mencakup autoscaling manajemen daya untuk kumpulan host yang dikumpulkan. Autoscaling dinamis memiliki kolom yang berbeda di bagian tersendiri pada halaman buat dan tetapkan milik Learn.
Ambang kapasitas dan persentase minimum host hanya diisi pada ramp-up dan ramp-down. Halaman buat dan tetapkan Learn menyatakan:
- Ambang kapasitas ramp-up dibawa ke peak, dan nilai ramp-down dibawa ke off-peak. Peak dan off-peak tidak memiliki kolom ambang atau minimum sendiri.
- Halaman pemecahan masalah Learn menerapkan persentase minimum selama ramp-down dan off-peak, tetapi halaman buat dan tetapkan hanya menyatakan pembawaan nilai untuk ambang kapasitas. Setelah perubahan jadwal, periksa di Insights bahwa host benar-benar mencapai nol.
Gunakan data Anda seperti ini:
- Minimum ramp-up: jumlah host yang dibutuhkan untuk gelombang pertama, dibagi total host. Autoscale membulatkan hasil yang bukan bilangan bulat ke atas.
- Ambang ramp-up: seberapa penuh host boleh menjadi sebelum host lain dinyalakan. Learn menyebutkan bahwa autoscale tidak menyalakan VM sampai kapasitas kumpulan host yang digunakan lebih besar dari ambang kapasitas.
- Ambang dan minimum ramp-down: skenario ketiga Learn memasangkan ambang tinggi dengan persentase minimum rendah, yang menurut Learn mengurangi kebutuhan untuk menyalakan host sesi baru di akhir jam kerja.
- Minimum ramp-down: batas bawah yang Anda terima saat beban menurun. Atur ke 0 persen jika host harus dapat mencapai nol di luar jam kerja, karena FAQ Learn menyebutkan bahwa autoscale dapat mematikan semua VM jika persentase minimum host adalah 0 dan tidak ada sesi yang tersisa.
Cara menentukan nilai ambang batas dibahas dalam "Memilih ambang batas kapasitas yang tepat untuk host pool pooled". Tetapkan batas maksimum sesi kustom terlebih dahulu: halaman create-and-assign di Learn menyarankan agar nilai MaxSessionLimit default tidak digunakan.
Langkah 4: Sesuaikan ramp-down dengan pola keluar
Kolom ramp-down Force logoff of users menentukan apa yang terjadi pada pengguna di host yang ingin dihapus oleh autoscale:
- On. Autoscale memilih host dengan sesi paling sedikit, mengaturnya ke drain mode, memberi tahu pengguna, mengeluarkan mereka setelah waktu tunggu, lalu melepaskan alokasi VM. Lihat force sign-out.
- Off. Anda harus memilih VMs have no active or disconnected sessions atau VMs have no active sessions. FAQ autoscale merekomendasikan opsi kedua ("Stop VMs when no active sessions"). Contoh berikut menggunakan opsi tersebut.
FAQ Learn memberikan jebakan berikut untuk forced sign-out, yang hanya terjadi pada ramp-down: dengan ramp-down 15 menit dan waktu tunggu 20 menit, jadwal berpindah ke off-peak sebelum proses keluar selesai. Buat fase ini lebih panjang dari waktu tunggu.
Untuk mencapai nol host, FAQ Learn menyebutkan Anda memerlukan nol sesi termasuk sesi yang terputus, minimum 0 persen selama jam off-peak, dan batas waktu Group Policy untuk sesi yang terputus (misalnya 15 hingga 30 menit) yang selesai sebelum ramp-down berakhir. Halaman create-and-assign memberikan padanan Intune, yaitu Set time limit for disconnected sessions dalam profil Session Time Limits.
Langkah 5: Atur hari kerja, akhir pekan, dan hari libur
- Buat jadwal terpisah jika perilakunya berbeda. Sebuah rencana dapat memiliki beberapa jadwal, misalnya jadwal hari kerja dan akhir pekan, masing-masing dengan pengaturan "Repeat on".
- Pada hari yang tidak dipilih, pengaturan off-peak terakhir dari hari yang dipilih akan terus berlaku hingga ramp-up berikutnya.
- Autoscale tidak mendukung ramp-down pada tanggal tertentu, seperti hari libur. FAQ tidak menyebutkan solusinya. Karena perubahan pada rencana yang sudah ditetapkan langsung berlaku, salah satu opsinya adalah mengedit rencana secara manual pada hari tersebut. Exclusion tag membuat host tertentu tidak ikut penskalaan.
- Nerdio Manager, produk terpisah, menawarkan jadwal Default dan Alternative untuk tanggal tertentu, seperti hari libur: Nerdio auto-scaling.
Contoh kerja: tiga kelompok pengguna
Angkanya fiktif. Sebuah host pool pooled memiliki 15 host, batas maksimum sesi 10, dan ambang batas 75 persen di kedua fase. Learn memberikan rumus (sesi dibagi batas maksimum sesi dikali ambang batas, dibulatkan ke atas) untuk ramp-down dan off-peak. Untuk ramp-up dan peak, Learn hanya menyebutkan pemicunya: autoscale mengaktifkan host ketika kapasitas yang digunakan melebihi ambang batas kapasitas. Tabel menerapkan perhitungan yang sama pada fase tersebut sebagai perkiraan.
| Waktu | Sesi bersamaan | Host yang dibutuhkan | Penalaran |
|---|---|---|---|
| 06:30 sampai 08:00 | 20 (tim dukungan) | 20 / 7,5 = 2,7, jadi 3 | Minimum 20 persen dari 15 host juga menghasilkan 3 |
| 08:00 sampai 08:30 | 20 naik menjadi 100 | 3 naik menjadi 14 | Autoscale menambah host seiring sesi meningkat |
| 08:30 sampai 17:00 | 100 (staf kantor) | 100 / 7,5 = 13,3, jadi 14 | Peak, ambang batas dibawa dari ramp-up |
| 17:00 sampai 20:00 | 20 (tim keuangan) | 20 / 7,5 = 2,7, jadi 3 | Berbasis beban, tidak perlu minimum |
| 20:00 sampai 21:00 | 0 | 0 setelah batas sesi terputus berjalan | Ramp-down masih berjalan; jika pengguna memutuskan koneksi alih-alih keluar, batas tersebut selesai pada 20:30 |
| Setelah 21:00 | 0 | 0 | Memerlukan minimum 0 persen (diisi di ramp-down; pastikan di Insights bahwa nilai ini berlaku pada off-peak) dan tidak ada sesi terputus |
Kolom "hosts needed" adalah perhitungan kapasitas, bukan perkiraan jumlah host yang berjalan. Dengan Force logoff of users dinonaktifkan, lebih dari 3 host dapat tetap aktif jika sesi tim keuangan tersebar di beberapa host.
Contoh jadwal dari tabel ini:
- Ramp-up 06:00: breadth-first, minimum 20 persen, ambang batas 75 persen. 06:00 adalah margin sebelum login pukul 06:30; sesuaikan dengan waktu start-up yang Anda ukur.
- Peak 08:30: breadth-first, seperti contoh dalam FAQ Learn. Ambang batas 75 persen dibawa dari ramp-up.
- Ramp-down 17:00: depth-first, minimum 0 persen, ambang batas 75 persen. Kondisi berhenti adalah VM tidak memiliki sesi aktif dan Force logoff of users dinonaktifkan.
- Off-peak 21:00: depth-first, ambang batas dibawa dari ramp-down, ditambah batas sesi terputus 30 menit yang diatur melalui kebijakan. Jika pengguna terputus pada pukul 20:00, batas tersebut selesai pada pukul 20:30, sebelum ramp-down berakhir.
Langkah 6: Verifikasi dan sesuaikan
Setelah satu minggu, jalankan kueri dari halaman pemantauan autoscale di Learn's:
WVDAutoscaleEvaluationPooled
| where ResultType == "Succeeded"
| summarize max(SessionOccupancyPercent), max(SessionCount), max(ActiveSessionHostsPercent), max(ActiveSessionHostCount) by _ResourceId, bin(TimeGenerated, 1d), ConfigScheduleName, ConfigSchedulePhase
| order by _ResourceId asc, TimeGenerated asc, ConfigScheduleName, ConfigSchedulePhase ascLearn tidak memberikan aturan untuk membaca nilai-nilai ini; berikut ini adalah aturan praktis. Autoscale hanya mengaktifkan host tambahan ketika kapasitas yang digunakan lebih besar dari ambang batas kapasitas, sehingga mencapai ambang batas adalah hal yang wajar. Okupansi yang jauh di atas ambang batas selama ramp-up, atau mendekati 100 persen tak lama setelah jam sibuk dimulai, menunjukkan ramp-up dimulai terlalu lambat. Okupansi yang jauh di bawah ambang batas selama ramp-up dan jam sibuk menunjukkan ramp-up dimulai terlalu cepat atau minimum terlalu tinggi. Okupansi yang rendah pada ramp-down dan off-peak bukan masalah, karena minimum membuat host tetap berjalan. Learn mendefinisikan ScalingReasonMessage sebagai tindakan yang diputuskan autoscale untuk dilakukan beserta alasannya; baca untuk fase yang ingin Anda pertanyakan.
Sumber
- Microsoft Learn: Rencana autoskala dan contoh skenario di Azure Virtual Desktop
- Microsoft Learn: Membuat dan menetapkan rencana autoskala untuk Azure Virtual Desktop
- Microsoft Learn: Azure Virtual Desktop autoscale glossary
- Microsoft Learn: Pemecahan masalah autoscale di Azure Virtual Desktop
- Microsoft Learn: Azure Virtual Desktop autoscale FAQ
- Microsoft Learn: Menggunakan Log Analytics untuk fitur diagnostik
- Microsoft Learn: Memantau operasi autoscale dengan Insights
- Microsoft Learn: Menggunakan Azure Virtual Desktop Insights
- Microsoft Learn: Memperkirakan biaya Azure Virtual Desktop Insights
- Nerdio: Mengaktifkan autoscaling host pool dinamis
FAQ
Seberapa awal ramp-up harus dimulai sebelum pengguna pertama masuk?
Ukur berapa lama session host membutuhkan waktu untuk menyala di lingkungan Anda sendiri, lalu mulai ramp-up lebih awal sebesar waktu tersebut ditambah margin. Skenario autoscale dan halaman create-and-assign tidak memberikan angka untuk waktu start-up maupun waktu tunggu minimum.
Bisakah satu rencana penskalaan memiliki jadwal yang berbeda untuk hari kerja dan akhir pekan?
Bisa. Microsoft Learn menyebutkan bahwa satu rencana dapat berisi beberapa jadwal, misalnya jadwal terpisah untuk hari kerja dan akhir pekan, masing-masing dengan pengaturan Repeat on days sendiri. Pada hari yang tidak Anda pilih, pengaturan off-peak terakhir berlaku hingga ramp-up berikutnya.
Bisakah autoscale menangani hari libur nasional?
Tidak dengan sendirinya. FAQ autoscale menyebutkan bahwa autoscale saat ini tidak mendukung ramp-down pada tanggal tertentu, seperti hari libur. Halaman bantuan Nerdio menjelaskan jadwal alternatif untuk tanggal tertentu di Nerdio Manager, yang merupakan produk terpisah.