M365Con 2027 – conferenza online gratuita · 11–22 Jan 2027 · 120 sessions m365con.net

Blog · Mirko Peters

Bilanciamento del carico in ampiezza in Azure Virtual Desktop, spiegato

Partner · Partner neutrale: Nerdio

Di ·

Il bilanciamento del carico in ampiezza invia ogni nuova sessione a un session host scelto a caso tra la metà degli host disponibili con il minor numero di sessioni. Non richiede un limite massimo di sessioni, mentre il ridimensionamento automatico ne richiede uno personalizzato.

Tradotto automaticamente con l'IA dal post originale. Leggi l'originale in inglese

Il bilanciamento del carico in ampiezza in Azure Virtual Desktop invia ogni nuova sessione utente a un session host scelto a caso tra la metà degli host disponibili che al momento hanno il minor numero di sessioni. L'obiettivo è distribuire gli utenti nel pool in modo che CPU, memoria e disco di ogni host siano generalmente meno contesi, e non richiede un limite massimo di sessioni. Il confronto tra ampiezza e profondità per aiutarti a decidere è trattato in un articolo separato di questa serie.

Punti chiave

  • Il bilanciamento in ampiezza interroga i session host che consentono nuove connessioni e ne sceglie uno a caso tra la metà con il minor numero di sessioni. La distribuzione è quindi equilibrata, ma non strettamente uniforme.
  • Per il bilanciamento in ampiezza il limite massimo di sessioni è facoltativo. Quando un pool viene creato con l'ampiezza, il valore predefinito è 999999, il valore più alto possibile.
  • Learn descrive l'ampiezza come un'ottimizzazione delle prestazioni delle sessioni, perché le risorse degli host sono generalmente meno contese, e la profondità come la scelta indicata per le organizzazioni attente ai costi.
  • Entrambi gli algoritmi indirizzano comunque un utente che torna verso l'host che ospita la sua sessione attiva o disconnessa, anche se la modalità di svuotamento è attiva, e escludono gli host in svuotamento per i nuovi utenti.
  • Con il ridimensionamento automatico, Learn consiglia l'ampiezza per la fase di aumento del carico. L'algoritmo di aumento definito nella pianificazione sostituisce l'impostazione del pool di host, e devi impostare un limite massimo di sessioni personalizzato.

Come viene scelto un host

Learn descrive l'algoritmo in due passaggi. Prima interroga i session host del pool di host che consentono nuove connessioni. Poi seleziona a caso un host dalla metà di quell'insieme, prendendo quelli con il minor numero di sessioni.

Esempio di Learn: nove session host hanno rispettivamente 11, 12, 13, 14, 15, 16, 17, 18 e 19 sessioni. Una nuova sessione non finisce automaticamente sull'host con 11 sessioni. Può finire su uno qualsiasi dei primi cinque host, quelli con meno sessioni, scelto a caso. Learn ne trae la conseguenza: a causa della randomizzazione, alcune sessioni potrebbero non essere distribuite in modo uniforme tra tutti i session host.

Regole condivise con la profondità

Learn elenca tre comportamenti comuni a entrambi gli algoritmi. Quelli più importanti per l'ampiezza sono questi: un utente che ha già una sessione attiva o disconnessa viene reindirizzato all'host che ospita tale sessione quando accede di nuovo, anche se la modalità di svuotamento è attiva per quell'host, mentre per un utente senza sessione il bilanciatore del carico non considera un host in svuotamento. L'articolo di confronto di questa serie analizza tutte e tre le regole. Puoi configurare un solo algoritmo alla volta per ogni pool di host condiviso e puoi cambiarlo in qualsiasi momento.

Il limite massimo di sessioni

Learn dice che per il breadth-first non è necessario specificare un limite massimo di sessioni. Il limite massimo di sessioni esiste comunque. Se usi il breadth-first quando crei per la prima volta un pool di host, il valore predefinito è 999999, che è anche il numero più alto possibile. La pagina di distribuzione indica di inserire il numero massimo di utenti da bilanciare su un singolo host di sessione, mentre la pagina della terminologia aggiunge che, con un carico elevato di connessioni simultanee, cioè quando più utenti si connettono nello stesso momento, il numero di sessioni su un host può superare il limite. Learn precisa inoltre che, se abbassi il limite su un host di sessione che ha sessioni utente attive, la modifica non incide su tali sessioni.

L'autoscaling cambia le cose. La pagina di creazione e assegnazione dice che, quando usi l'autoscaling per un pool di host condiviso, devi configurare un MaxSessionLimit personalizzato e non puoi usare il valore predefinito. Il glossario dell'autoscaling di Learn definisce i numeri in gioco: la capacità disponibile del pool di host è il limite massimo di sessioni moltiplicato per il numero di host di sessione disponibili, mentre la capacità utilizzata è il numero di sessioni attive e disconnesse diviso per tale capacità. L'esempio della stessa pagina di creazione e assegnazione: due host di sessione con un limite di 20 sessioni danno una capacità disponibile di 40 sessioni; con una soglia di capacità del 75 percento, l'autoscaling attiva un terzo host quando gli host superano le 30 sessioni, e la capacità diventa 60.

Breadth-first e autoscaling

Un piano di scalabilità imposta un algoritmo di bilanciamento del carico per ogni fase. La pagina degli scenari dice che, per i pool di host condivisi, l'autoscaling ignora l'algoritmo nelle impostazioni del pool e applica il bilanciamento del carico in base alla pianificazione, mentre la pagina di creazione e assegnazione precisa che la preferenza scelta nella pianificazione sovrascrive quella delle impostazioni originali del pool. La stessa pagina raccomanda il breadth-first per la fase di ramp-up, per distribuire gli utenti sugli host esistenti e mantenere rapidi i tempi di accesso. Le domande frequenti sull'autoscaling propongono un esempio per l'intera giornata: breadth-first in ramp-up e nelle ore di punta, depth-first in ramp-down e nelle ore non di punta, così che l'autoscaling possa consolidare le sessioni.

Consulta le fasi della pianificazione dell'autoscaling per capire come sono definite le fasi di una pianificazione.

La prima raccolta di scenari di autoscaling di Learn usa il breadth-first in ramp-up. Il pool ha sei host di sessione, una soglia di capacità del 30 percento, una percentuale minima di host del 30 percento e un limite massimo di sessioni pari a 5. L'autoscaling avvia due host per rispettare il minimo, perché il 30 percento di sei è 1,8, arrotondato per eccesso a due. La capacità disponibile è 10.

  1. Tre utenti accedono. Poiché l'algoritmo è breadth-first, le loro sessioni vengono distribuite sui due host in esecuzione. La capacità utilizzata è del 30 percento, che non supera la soglia, quindi l'autoscaling non avvia nulla.
  2. Accede un quarto utente. La capacità utilizzata sale al 40 percento, sopra la soglia, quindi l'autoscaling avvia un terzo host. La capacità aumenta a 15 e la capacità utilizzata scende al 27 percento.
  3. Un quinto utente porta l'utilizzo al 33 percento, quindi si avvia un quarto host. Con 5 sessioni su 4 host la capacità è 20 e l'utilizzo è del 25 percento.

La tabella di Learn prosegue da qui: 6 sessioni su 4 host corrispondono al 30 percento, quindi non si avvia nulla, mentre 7 sessioni su 4 host corrispondono al 35 percento, quindi si avvia un quinto host e la capacità diventa 25 (28 percento). Poiché in questo esempio il limite è 5, ogni host aggiunge 5 alla capacità disponibile.

Costi e prestazioni

Learn descrive direttamente il compromesso. Il breadth-first è indicato come ideale per le organizzazioni che vogliono dare priorità all'esperienza utente, perché le risorse degli host, come CPU, memoria e disco, sono generalmente meno contese. Il depth-first è indicato come ideale per le organizzazioni attente ai costi, perché saturare un host alla volta facilita la riduzione del numero di host accesi quando sono connessi meno utenti.

I due algoritmi possono essere combinati in un unico piano di scalabilità, come mostra l'esempio delle domande frequenti sull'autoscaling descritto sopra in "Breadth-first e autoscaling". Quello che l'autoscaling fa in ramp-down, incluso il disconnessione forzata e l'arresto di tutti gli host fuori orario, è trattato negli articoli su depth-first e sui piani di scalabilità di questa serie; vedi anche l'entità piano di scalabilità.

Come configurarlo

Ti serve il ruolo Collaboratore pool di host di Desktop Virtualization. Nel portale di Azure:

  1. Cerca e seleziona Azure Virtual Desktop, quindi seleziona Host pool e l'host pool desiderato.
  2. Seleziona Proprietà.
  3. In Load balancing algorithm, scegli breadth-first dal menu a discesa e, per Max session limit, inserisci un valore.
  4. Seleziona Salva.

In PowerShell, Update-AzWvdHostPool accetta -LoadBalancerType e -MaxSessionLimit. La pagina di Learn sul bilanciamento del carico mostra come impostare breadth-first senza modificare il limite massimo di sessioni:

$parameters = @{
    Name              = '<HostPoolName>'
    ResourceGroupName = '<ResourceGroupName>'
    LoadBalancerType  = 'BreadthFirst'
}
Update-AzWvdHostPool @parameters

Per verificare il risultato, la stessa pagina usa Get-AzWvdHostPool @parameters | Format-Table Name, LoadBalancerType, MaxSessionLimit. L'equivalente nella Azure CLI è az desktopvirtualization hostpool update --resource-group <ResourceGroupName> --name <HostPoolName> --load-balancer-type BreadthFirst. Learn presenta il blocco PowerShell come impostazione di breadth-first "senza modificare il limite massimo di sessioni", quindi il limite esistente resta invariato. Per impostare anche un limite, aggiungi -MaxSessionLimit con il valore desiderato. Gli esempi di depth-first di Learn lo impostano a 10, come MaxSessionLimit = '10' in PowerShell e --max-session-limit 10 nella Azure CLI. La sezione su depth-first di Learn indica che puoi usare Azure Virtual Desktop Insights per monitorare il numero di sessioni su ciascun session host e verificare le prestazioni dei session host, così da stabilire il limite massimo di sessioni. Per l'uso in locale, Learn elenca come prerequisiti l'estensione desktopvirtualization della Azure CLI o il modulo PowerShell Az.DesktopVirtualization.

Quando aspettarsi sorprese

  • Modalità di drenaggio con scalabilità automatica. Per gli host pool condivisi, Learn indica che la scalabilità automatica sovrascrive la modalità di drenaggio sulle VM incluse nel ridimensionamento. Usa quindi i tag di esclusione per le VM che vuoi lasciare invariate, ad esempio durante gli aggiornamenti. La pagina sugli scenari di scalabilità automatica e le domande frequenti sulla scalabilità automatica dicono entrambe questo, quindi controlla il tag di esclusione su qualsiasi host che sembri cambiare stato in modo imprevisto.

Correlati

Fonti

Segui il podcastApple PodcastsSpotify

FAQ

Il bilanciamento in ampiezza è l'algoritmo di bilanciamento del carico predefinito?

Il portale offre entrambi gli algoritmi quando crei un pool di host condiviso. La pagina di distribuzione di Learn indica di scegliere tra ampiezza e profondità in base al tipo di utilizzo. La pagina di Learn sul bilanciamento del carico non indica un algoritmo predefinito. Precisa però che, se scegli l'ampiezza quando crei per la prima volta un pool di host, il limite massimo di sessioni è impostato di default a 999999, che è anche il valore più alto impostabile.

Il bilanciamento in ampiezza distribuisce le sessioni in modo perfettamente uniforme?

No. Microsoft Learn spiega che l'algoritmo sceglie a caso tra la metà degli host disponibili con il minor numero di sessioni. Una nuova sessione quindi non finisce automaticamente sull'host singolo meno carico, e alcune sessioni potrebbero non essere distribuite in modo uniforme.

I pool di host personali usano il bilanciamento in ampiezza?

No. Secondo Learn il bilanciamento del carico non si applica ai pool di host personali, perché gli utenti hanno sempre una corrispondenza 1:1 con un session host. Solo i pool di host condivisi usano l'ampiezza o la profondità.

Entità in questo articolo

Temi di questo articolo:

Breadth-first load balancing (Azure Virtual Desktop) – Sottotema di Host pool (Azure Virtual Desktop) Host pool (Azure Virtual Desktop) – Sottotema di Azure Virtual Desktop

Articoli correlati

Altri articoli su Host pool (Azure Virtual Desktop):

RSS