Cara menentukan batas maksimum sesi per host sesi
Mitra · Mitra netral: Nerdio
By Mirko Peters ·
Learn tidak memberikan batas maksimum sesi yang direkomendasikan dan merujuk ke Insights, sementara panduan ukurannya mencantumkan jumlah pengguna maksimum per vCPU. Panduan ini menurunkan nilai awal dan mengoreksinya dengan data pemantauan.
Automatically translated with AI from the original post. Read the English original
Halaman penyeimbangan beban host pool di Learn tidak memberikan nilai yang direkomendasikan untuk batas maksimum sesi dan merujuk ke Azure Virtual Desktop Insights untuk memilihnya, sementara panduan ukuran VM-nya mencantumkan jumlah pengguna maksimum per vCPU untuk empat jenis beban kerja. Metode praktisnya adalah menggabungkan keduanya: ambil nilai awal dari jumlah vCPU VM dan jenis beban kerja, atur nilai tersebut pada host pool, lalu koreksi dengan data pemantauan. Panduan ini membahas langkah tersebut dalam enam langkah, dengan merujuk pada halaman Learn tentang penyeimbangan beban, ukuran host sesi, dan autoscale. Makna nilai tersebut dan cara mendefinisikan kapasitas dibahas dalam "Maximum session limit in Azure Virtual Desktop: how it defines host pool capacity", sehingga panduan ini berfokus pada cara memilih angka.
Poin Penting
- Learn tidak menyebutkan batas maksimum sesi yang direkomendasikan dan merujuk ke Insights. Panduan ukurannya mencantumkan jumlah pengguna maksimum per vCPU: 6 untuk ringan, 4 untuk sedang, 2 untuk berat, 1 untuk power.
- Learn menyebut angka ukuran tersebut sebagai estimasi awal. Karena itu, kalikan jumlah pengguna per vCPU dengan jumlah vCPU untuk mendapatkan nilai awal, uji coba nilai tersebut, lalu pantau pengguna per core, input delay, CPU, dan memori.
- Kapasitas adalah batas dikalikan jumlah host yang tersedia. Sebagai contoh perhitungan dalam artikel ini, batas 32 pada dua host menghasilkan 64 sesi, dan ambang batas 75 persen memulai host ketiga di atas 48.
- Depth-first load balancing memerlukan batas. Breadth-first pool dimulai dari 999999, dan Learn menyatakan untuk tidak menggunakan nilai default saat autoscale mengelola pooled host pool.
- Menurunkan batas tidak memengaruhi sesi aktif. Di bawah beban konkuren yang tinggi, jumlah sesi pada sebuah host dapat melebihi batas, sehingga perlakukan batas sebagai target dan sisakan ruang cadangan.
Apa yang dikendalikan nilai ini
Batas sesi maksimum adalah properti host pool yang menentukan berapa banyak sesi pengguna yang coba ditempatkan oleh penyeimbangan beban pada satu session host. Batas ini bukan batas keras: halaman terminologi Learn menyatakan bahwa saat beban koneksi bersamaan yang tinggi, ketika beberapa pengguna terhubung ke host pool pada waktu yang sama, jumlah sesi yang dibuat pada satu session host dapat melampaui batas tersebut. Penyeimbangan beban depth-first memerlukan pengaturan ini, host pool yang dibuat dengan breadth-first dimulai dengan nilai 999999, dan Learn menyarankan agar nilai default tidak digunakan saat autoscale mengelola host pool pooled. Glosarium autoscale Learn mendefinisikan kapasitas tersedia sebagai batas dikalikan dengan jumlah session host yang tersedia.
Learn menyatakan persyaratan autoscale tanpa memberikan alasannya. Konsekuensi berikut merupakan interpretasi artikel ini terhadap rumusnya, bukan pernyataan Learn: batas yang terlalu tinggi membuat host terisi melebihi kemampuan CPU dan memorinya, sedangkan batas yang terlalu rendah mengurangi kapasitas dan membuat autoscale menjalankan host lebih awal.
Langkah 1: Klasifikasikan beban kerja
Halaman sizing Learn mendefinisikan empat jenis beban kerja:
| Beban Kerja | Contoh pengguna | Contoh aplikasi |
|---|---|---|
| Ringan | Entri data dasar | Aplikasi entri database, antarmuka baris perintah |
| Sedang | Konsultan, peneliti pasar | Aplikasi ringan ditambah Microsoft Word, halaman web statis |
| Berat | Insinyur perangkat lunak, kreator konten | Medium ditambah Outlook, PowerPoint, halaman web dinamis, pengembangan perangkat lunak |
| Daya | Desainer grafis, pemodel 3D, peneliti machine learning | Berat ditambah pengeditan foto dan video, CAD dan CAM |
Pilih jenis yang paling sesuai dengan sebagian besar pengguna Anda. Learn tidak menjelaskan cara menentukan ukuran untuk kelompok campuran. Memisahkan kelompok ke beberapa host pool adalah opsi praktis, dan ini merupakan penilaian, bukan aturan Learn.
Langkah 2: Pilih ukuran VM
Untuk session host multi-sesi, Learn merekomendasikan ukuran VM dengan jumlah vCPU antara 6 dan 24. Learn menyebutkan empat core sebagai jumlah minimum yang direkomendasikan untuk VM multi-sesi yang stabil, dan VM sebaiknya tidak memiliki lebih dari 32 core. Pengembalian investasi menurun di sekitar 16 core, dan pengalaman pengguna lebih baik dengan dua VM 16-core dibandingkan satu VM 32-core. Untuk 20 pengguna atau lebih pada satu host, Learn menyatakan bahwa beberapa VM yang lebih kecil akan berkinerja lebih baik dibandingkan satu atau dua VM besar.
Halaman ini tidak sepenuhnya konsisten: kalimat berikutnya merekomendasikan rentang 4 hingga 24 core, dan tabel beban kerja mencantumkan 8 vCPU sebagai minimum untuk beban ringan, medium, dan berat. Perlakukan angka-angka tersebut sebagai panduan dan uji ukuran Anda sendiri.
Kapasitas tidak meningkat secara linear. Learn menyatakan faktor skala umumnya berkisar antara 1,5 dan 1,9, sehingga satu core tambahan menambah kapasitas pengguna secara proporsional tetapi tidak linear. Learn juga menyebutkan biaya kapasitas 15 hingga 20 persen untuk menjalankan beban di mesin virtual dibandingkan bare metal.
Langkah 3: Hitung nilai awal
Tabel multi-sesi Learn memberikan jumlah maksimum pengguna per vCPU:
| Beban Kerja | Jumlah maksimum pengguna per vCPU | vCPU / RAM / penyimpanan OS minimum |
|---|---|---|
| Ringan | 6 | 8 vCPU, 16 GB, 32 GB |
| Sedang | 4 | 8 vCPU, 16 GB, 32 GB |
| Berat | 2 | 8 vCPU, 16 GB, 32 GB |
| Daya | 1 | 6 vCPU, 56 GB, 340 GB |
Kalikan jumlah pengguna per vCPU dengan vCPU dari ukuran VM Anda. Perhitungan perkalian ini merupakan aritmetika artikel ini, bukan angka dari Learn. Learn menjelaskan semua angka ini sebagai panduan umum untuk perkiraan kinerja awal saja. Menurut kami: tabel memberikan nilai maksimum dan Learn menyatakan kapasitas tidak meningkat linear mengikuti jumlah core, jadi perlakukan hasil perkalian sebagai batas atas untuk pilot, bukan rata-rata yang dijadikan dasar perencanaan.
Contoh kasus: beban kerja medium pada host 8 vCPU menghasilkan 4 x 8 = 32 sebagai batas awal. Beban kerja berat pada host yang sama menghasilkan 2 x 8 = 16. Beban kerja ringan pada host 16 vCPU menghasilkan 6 x 16 = 96, yang perlu diuji dengan cermat, karena memori dapat menjadi batasnya. Learn menyatakan bahwa menaikkan memori dari 8 GB ke 16 GB dapat lebih dari menggandakan jumlah pengguna ketika memori menjadi kendala. Learn tidak memberikan angka penggunaan memori per pengguna, jadi catat penggunaan memori selama pilot.
Langkah 4: Atur batas pada host pool
Anda memerlukan host pool yang sudah ada dengan mode pooled serta peran Desktop Virtualization Host Pool Contributor. Di portal Azure, pengaturannya berada di bawah Properties host pool, di dekat Load balancing algorithm. Langkah-langkah di portal sudah dijelaskan dalam artikel penjelas, jadi berikut ini jalur berbasis skrip dari Learn, yang juga membaca kembali nilainya. Contoh Learn berjudul untuk depth-first dengan batas 10: contoh itu juga mengatur LoadBalancerType = 'DepthFirst', jadi ubah atau hapus baris tersebut jika pool Anda menggunakan breadth-first.
$parameters = @{
Name = '<HostPoolName>'
ResourceGroupName = '<ResourceGroupName>'
LoadBalancerType = 'DepthFirst'
MaxSessionLimit = '10'
}
Update-AzWvdHostPool @parameters
Get-AzWvdHostPool -Name '<HostPoolName>' -ResourceGroupName '<ResourceGroupName>' |
Format-Table Name, LoadBalancerType, MaxSessionLimitPadanan Azure CLI-nya adalah az desktopvirtualization hostpool update dengan --max-session-limit, dan az desktopvirtualization hostpool show digunakan untuk membaca kembali nilainya. Angka 10 hanyalah placeholder dari Learn; gunakan angka dari langkah 3.
Langkah 5: Periksa dampak pada autoscale
Autoscale mengaktifkan host tambahan ketika kapasitas yang terpakai melampaui ambang kapasitas, dan kapasitas yang terpakai menghitung sesi aktif maupun sesi yang terputus. Terapkan ini pada nilai awal dari langkah 3. Dengan batas 32, dua host memberikan kapasitas 64 sesi, dan ambang 75 persen berarti host ketiga mulai aktif ketika sesi melebihi 48. Jika host ketiga mulai terlalu cepat atau terlalu lambat untuk pola logon Anda, ubah batas atau ambang, tetapi jangan keduanya sekaligus, agar Anda dapat melihat perubahan mana yang memberikan efek. Karena Learn menyebutkan bahwa logon bersamaan dapat membuat host melampaui batasnya, sisakan ruang cadangan di bawah nilai yang dihitung dan ukur puncak logon selama pilot. Ambang kapasitas dan pengaturan fase dibahas dalam artikel tentang scaling plan.
Perhitungan yang sama memberikan perkiraan jumlah host. Untuk 200 pengguna bersamaan dengan beban kerja menengah dan batas 32, pool membutuhkan setidaknya 200 / 32 = 6,25, jadi 7 host, jika setiap host terisi penuh. Dengan 7 host, kapasitasnya 224 sesi dan 200 sesi setara sekitar 89 persen, di atas ambang 75 persen. Untuk menjaga kapasitas terpakai tetap di bawah atau sama dengan 75 persen, dibutuhkan 200 / (32 x 0,75) = 8,3, sehingga 9 host. Ini menerapkan rumus konsolidasi dari halaman skenario autoscale Learn, yang digunakan Learn untuk fase ramp-down, ke perhitungan ukuran pada saat puncak. Penggunaan untuk perencanaan kapasitas ini berasal dari artikel ini, bukan contoh dari Learn, dan ini menunjukkan mengapa batas, ambang, dan jumlah host harus direncanakan bersamaan.
Halaman sizing Learn menyebutkan bahwa logon bersifat intensif CPU dan meminta Anda merencanakan waktu logon puncak, misalnya awal hari kerja pukul 09.00. Contohnya: jika 30 pengguna atau lebih melakukan sign-in dalam 10 menit pada host 16 core, dua VM 8 core akan menangani beban dengan lebih baik.
Langkah 6: Validasi dengan Insights dan sesuaikan
Learn merekomendasikan Azure Virtual Desktop Insights untuk memantau jumlah sesi pada setiap session host dan performa host tersebut. Insights memerlukan diagnostik, performance counter, dan Windows event log yang dikumpulkan ke dalam workspace Log Analytics, serta pengguna pemantauan memerlukan peran Desktop Virtualization Reader dan Log Analytics Reader.
Ukuran yang berguna dari glosarium Insights:
- Users per core: jumlah pengguna per core VM. Learn menyarankan untuk melacak nilai maksimumnya dari waktu ke waktu guna melihat apakah lingkungan berjalan konsisten tinggi, rendah, atau berfluktuasi.
- Input delay: diambil sampelnya setiap 30 detik per sesi. Rentang Learn adalah di bawah 150 ms baik, 150 hingga 500 ms dapat diterima, 500 hingga 2.000 ms buruk, dan di atas 2.000 ms sangat buruk.
- Performance counter: counter waktu prosesor dan memori, seperti available MBytes dan percent committed bytes in use, yang dikumpulkan setiap 30 detik.
Baik halaman load balancing maupun halaman sizing tidak memberikan ambang CPU atau memori untuk batas tersebut. Sebuah aturan praktis, yang merupakan saran dari artikel ini, adalah membandingkan input delay pada saat puncak dengan rentang di atas setelah setiap perubahan. Jika input delay puncak keluar dari rentang baik sementara users per core berada pada batas Anda, turunkan nilainya. Jika CPU dan memori tetap rendah pada batas tersebut, naikkan secara bertahap dalam langkah kecil. Learn hanya menyatakan bahwa menurunkan batas tidak memengaruhi sesi yang sudah ada. Learn tidak menjelaskan bagaimana nilai baru diterapkan setelahnya, jadi pastikan hasilnya di Insights setelah puncak logon berikutnya, dan periksa pada puncak tersebut apakah ada host yang berakhir di atas batas.
Kesalahan umum
- Menggunakan 999999 pada pool depth-first. Depth-first memerlukan batas, Learn menyarankan agar nilai default tidak digunakan saat autoscale mengelola pool, dan merujuk ke Insights untuk menemukan nilai yang sesuai dengan lingkungan Anda.
- Membaca nilai minimum pada tabel sebagai ukuran. Baris Power mencantumkan minimum 6 vCPU, sementara contoh ukurannya, seperti D16ds_v5 dan NV6, memiliki jumlah vCPU yang berbeda. Periksa jumlah vCPU dari ukuran yang Anda terapkan.
- Mengabaikan sesi yang terputus. Autoscale menghitungnya sebagai kapasitas yang digunakan, sehingga batas yang terlalu ketat dikombinasikan dengan sesi terputus yang berlangsung lama akan memulai host lebih cepat dari yang Anda perkirakan.
- Menganggap batas sebagai jaminan. Learn menyatakan bahwa di bawah beban koneksi bersamaan yang tinggi, sebuah host dapat menerima lebih banyak sesi daripada batasnya, sehingga pool yang dirancang tanpa ruang cadangan dapat kelebihan beban pada puncak waktu logon.
- Menganggap angka tersebut sebagai nilai tetap. Learn menggambarkan angkanya sebagai perkiraan awal, jadi lakukan uji coba terlebih dahulu sebelum berkomitmen.
Terkait
- Host pool AVD
- Batas sesi maksimum
- Azure Virtual Desktop Insights
Sumber
Diakses pada 17 November 2026.
- Microsoft Learn: Mengonfigurasi load balancing host pool
- Microsoft Learn: Pedoman ukuran mesin virtual session host
- Microsoft Learn: Istilah Azure Virtual Desktop
- Microsoft Learn: Autoscale glossary
- Microsoft Learn: Skenario autoscale untuk Azure Virtual Desktop
- Microsoft Learn: Membuat dan menetapkan rencana penskalaan otomatis
- Microsoft Learn: Glosarium Azure Virtual Desktop Insights
- Microsoft Learn: Azure Virtual Desktop Insights
- Microsoft Learn: Update-AzWvdHostPool
FAQ
Apakah ada nilai batas maksimum sesi yang direkomendasikan?
Tidak dalam bentuk satu angka. Halaman penyeimbangan beban host pool di Learn tidak memberikan nilai yang direkomendasikan dan menyarankan untuk menggunakan Azure Virtual Desktop Insights guna menemukan batas yang sesuai dengan lingkungan Anda. Panduan ukuran VM di Learn mencantumkan jumlah pengguna maksimum per vCPU menurut jenis beban kerja. Panduan ini menggunakannya sebagai titik awal dan menjelaskannya hanya sebagai estimasi awal.
Apa yang terjadi jika saya membiarkan nilai default 999999?
Dengan breadth-first, host pool yang dibuat tanpa nilai kustom akan dimulai dari 999999, yaitu nilai tertinggi yang dapat Anda atur. Learn menyatakan untuk tidak menggunakan nilai default saat autoscale mengelola pooled host pool, tetapi tidak memberikan alasannya. Kesimpulan yang masuk akal adalah kapasitas sebesar itu tidak pernah mencapai ambang batas kapasitas. Depth-first memerlukan batas yang nyata.
Apakah mengubah batas akan memutus koneksi pengguna?
Tidak. Learn menyatakan bahwa menurunkan batas maksimum sesi pada host sesi yang memiliki sesi pengguna aktif tidak memengaruhi sesi yang sudah berjalan tersebut.