幅優先と深さ優先:ホストプールにはどの負荷分散アルゴリズムを使うべきか
パートナー · 中立的なパートナー: Nerdio
By Mirko Peters ·
ユーザー エクスペリエンスを優先する場合は幅優先を、残りのセッションホストをオフにできるよう、セッションをできるだけ少ないセッションホストに集約したい場合は深さ優先を使います。このガイドでは、判断基準、両方のアルゴリズムの具体例、設定を変更する手順を説明します。
Automatically translated with AI from the original post. Read the English original
すべてのユーザーにとって応答性の高いデスクトップが優先事項であれば幅優先を、できるだけ少ないセッションホストを稼働させることが優先事項であれば深さ優先を選びます。Microsoft Learn も同じ区分を示しています。幅優先はユーザー エクスペリエンスを重視する組織に適しており、深さ優先は、稼働させるホストの数を細かく制御したいコスト重視の組織に適しています。このガイドでは、この区分を判断基準、具体例、設定変更の手順に落とし込みます。
重要なポイント
- Microsoft Learn では、ユーザー エクスペリエンスを最も重視する場合に幅優先を選ぶこととしています。また、稼働させるホストの数を制御したいコスト重視の組織には深さ優先が適しているとしています。
- 深さ優先では最大セッション数の上限が必要です。幅優先では上限は必要なく、既定の上限値は 999999 で、これは設定可能な最大値でもあります。
- 幅優先は、対象となるホストのうちセッション数が少ない半分の中からランダムに選びます。そのため、セッションの分布が偏ることがあります。深さ優先は、対象となるホストのうちセッション数が最も多いホストを選びます。
- どちらのアルゴリズムでも、アクティブまたは切断中のセッションを持つユーザーは、ドレイン モード中であってもそのホストに戻されます。個人用ホストプールには負荷分散は適用されません。
- アルゴリズムはいつでも変更できます。スケーリング プランが割り当てられている場合、Microsoft Learn によると、自動スケーリングはホストプールの設定ではなく、スケジュールに定義されたアルゴリズムを適用します。
この記事が扱うのは、プールされたホストプールのみです。Microsoft Learn によると、負荷分散は個人用ホストプールには適用されないためです。各アルゴリズムの仕組みについては "Breadth-first load balancing in Azure Virtual Desktop explained" と "Depth-first load balancing in Azure Virtual Desktop explained" を参照してください。この記事ではこの 2 つを比較します。参照元は末尾に記載しています。
2 つのアルゴリズムがホストを選ぶ仕組み
どちらのアルゴリズムも、既存のセッションを持たないユーザーが接続を開始したときに動作します。違いは、どのホストを選ぶかにあります。
| 幅優先 | 深さ優先 | |
|---|---|---|
| 目的 | 新しいセッションを複数のホストに分散する | 上限に達するまで 1 つのホストに割り当て続ける |
| 選択ルール | 新規接続を受け付けているホストを照会し、セッション数が少ない半分の中からランダムに選択する | 新規接続を受け付けており、上限に達していないホストを照会し、セッション数が最も多いホストを選択する。同数の場合は、照会で最初に得られたホストを選ぶ |
| Maximum session limit | 必須ではない | 必須 |
| Microsoft Learn が示す適合する用途 | ユーザー エクスペリエンス。CPU、メモリ、ディスクの競合が一般に少ないため | コスト。稼働させておく必要があるホストが少なくなるため |
Microsoft Learn の幅優先の例:9 台のホストにそれぞれ 11〜19 セッションがある場合、新しいセッションは、セッション数が最も少ない 5 台のホストのいずれかに割り当てられます。常に最も空いている 1 台に割り当てられるわけではありません。Microsoft Learn によると、ランダム化のため、セッションが均等に分布しない場合があります。
両方に共通するルール
- プール内にアクティブまたは切断中のセッションを持つユーザーは、ドレイン モードが有効であっても、そのホストに戻されます。
- セッションを持たないユーザーが、ドレイン モードのホストに割り当てられることはありません。
- 稼働中のセッションがあるホストで最大セッション数の上限を下げても、既存のセッションには影響しません。
- Learn's の用語ページには、同時接続の負荷が高い場合、ホスト上のセッション数が上限を超えることがあると書かれています。そのため、上限は保証値ではなく、アルゴリズムが目指す目標値として扱ってください。
計算例:ホスト4台、上限10、ユーザー25人
以下の数値は、上記の選択ルールに基づいて作成した例示であり、Learn の例ではありません。
深さ優先。4台のホストはすべて空の状態から始まるため、最初のユーザーは同順位となり、クエリが最初に返したホストに割り当てられます。ここではこれをH1と呼びます。Learn ではクエリの順序は定義されておらず、H1からH4は説明用のラベルにすぎません。その後はH1が上限未満のホストの中で最も多くのセッションを持つため、セッション2から10もH1に割り当てられます。次の10セッションはH2が受け持ち、最後の5セッションはH3に入ります。H4は空のままです。H1とH2がどちらも上限の10に達している状態で26人目のユーザーが来ると、H3に割り当てられます。
幅優先。新しいセッションは、セッション数が最も少ない2台のホストのいずれかにランダムに割り当てられます。ユーザー25人、ホスト4台の場合、ホストあたりの平均は約6セッションです。新しいセッションは負荷の最も低い2台にしか割り当てられないため、各ホストのセッション数は近い値に収まり、この例では通常ホストあたり6または7セッションになります(筆者の計算)。ただし Learn は、分散が均等になることは保証されないと注記しています。実際のプールでは、ユーザーのサインアウトのタイミングがばらばらになるため、差は広がっていきます(筆者の解釈)。
実務上の意味は次のとおりです。
- 深さ優先では、H4にはセッションがなく、停止の候補になります。これは Learn が挙げているコストの観点での利点です。
- 幅優先では、4台すべてに負荷がかかるため、セッションが終了するまでどのホストも停止の候補にはなりません。
- 深さ優先では、最初のホストが最も負荷の高いホストになります。Learn のサイジングに関するガイダンスでは、サインインは CPU 負荷の高い処理であり、業務開始時のように多くのユーザーが同時にサインインするログオンのパターンを想定して計画すべきだとされています。深さ優先のプールでは、サインインが集中すると、すでに最も混雑しているホストに負荷が集まります。これは2つの記述からの推論なので、パイロット環境で検証してください。
判断基準
| 質問 | 幅優先が向いている場合 | 深さ優先が向いている場合 |
|---|---|---|
| 応答時間とランニングコストのどちらを優先しますか? | 応答時間 | ランニングコスト |
| 他のホストにまだユーザーがいる間に、アイドル状態のホストを外したいですか? | セッションが稼働中のすべてのホストに分散されるため、空になるホストは少なくなります(選択ルールに基づく筆者の解釈) | 後から追加されたホストは空のままになるため、スケールインしやすくなります(Learn) |
| 現実的なセッション上限を設定し、維持できますか? | 上限は任意 | 上限は必須であり、ワークロードに合わせて設定する必要があります |
| ユーザーごとのワークロードは重いですか? | 分散させると競合が少なくなります。これは Learn が挙げている理由です | 詰め込まれたホストが過負荷にならないよう、低い上限が必要です(推論) |
| ユーザーは短時間に集中してサインインしますか? | 集中したサインインは複数のホストに分散されます(推論) | 集中したサインインは、最初に1台のホストに集まります(推論) |
Learn の負荷分散に関するページには、深さ優先について次の注記があります。ユーザー エクスペリエンスを良好に保つため、最大セッション数の上限は要件に合った値に変更してください。vCPU ごとの開始値、20ユーザーのガイダンス、Learn のサイジングのページが完全には一貫していないという注意点は、"How to size the maximum session limit per session host" にあります。深さ優先の記事にも同じ開始値が記載されています。Learn はこれらを初期のパフォーマンス見積もりにのみ使う一般的なガイドラインとしており、キャパシティ計画についてはパイロットによる方法とシミュレーションによる方法を説明しています。
アルゴリズムを変更する手順
Desktop Virtualization Host Pool Contributor ロールが必要です。
- Azure portal にサインインし、Azure Virtual Desktop を開きます。
- ホスト プールを選択し、プール型のホスト プールを選択します。
- プロパティを選択します。
- 負荷分散アルゴリズムでアルゴリズムを選択します。最大セッション制限に値を入力します。
- 「保存」を選択します。
Learn では、この設定について Azure PowerShell と Azure CLI のタブも用意されています。これらを使うには Az.DesktopVirtualization モジュールまたは desktopvirtualization CLI 拡張機能が必要です。コマンドは Learn のページにあり、ここでは再掲しません。
ホスト プールの作成時に幅優先を選ぶと、既定の上限は 999999 になります。これは設定可能な最大値でもあります。深さ優先の場合は、ワークロードに合った数値を設定してください。
深さ優先で空き容量がなくなった場合の対処
Learnでは、すべてのホストが最大セッション数の上限に達したときは、上限を引き上げるかセッションホストを追加する必要があると重要な注意点として示しています。深さ優先では上限未満のホストしか候補にならないため、選択可能なホストが残らない、というのが私たちの解釈です(選択ルールに関する解釈であり、Learnはユーザーに何が見えるかについては触れていません)。上限を選ぶ際にLearnが推奨している監視として、Azure Virtual Desktop Insightsを使い、ホストごとのセッション数とホストのパフォーマンスを確認してください。
自動スケーリングとの相互作用
スケーリング プランを使用する場合、アルゴリズムはスケジュール内のフェーズごとに設定されます。Learnの自動スケーリングのシナリオのページには、プールされたホスト プールの場合、自動スケーリングはホスト プールの設定にあるアルゴリズムを無視し、スケジュール構成にあるアルゴリズムを適用すると記載されています。スケーリング プランの記事でも、ランプアップについて同様に書かれており、選択された設定が元のホスト プールの設定を上書きするとあります。ランプアップには幅優先が推奨され、オフピークには深さ優先が推奨されています。ピークではどちらのアルゴリズムも選べ、ランプダウンのタブには負荷分散のフィールドがありますが、推奨事項は記載されていません。
Learnの自動スケーリングのFAQに理由が記されています。幅優先は一日の早い時間帯に均等な分散を実現し、深さ優先では自動スケーリングが可能な限り少ない数のホストになるまでセッションを集約できるとしています。自動スケーリングの用語集では、この集約を、接続済みと切断済みを合わせたセッションの総数を、最大セッション数に収容率のしきい値を掛けた値で割り、切り上げた値として説明しています。この記事では、シナリオのページで一般提供と表記されている電源管理の自動スケーリングを扱います。スケーリング プランを使用するプールでは、実際に選択を行うのはスケジュールです。スケジュールの設定を詳しく扱うのは「Depth-first load balancing and autoscale: how the schedule overrides the host pool setting」です。
プールされたホスト プールで自動スケーリングを使用する場合、Learnはデフォルトを使わず、カスタムの最大セッション数を設定するよう推奨しています。
簡単な選択手順
- 優先事項を1文で明確にします。ユーザー エクスペリエンスかコストか。
- セッションを詰めて集約した場合に、最も利用者の少ない時間帯で停止できるホストの台数を書き出します。
- LearnのvCPUあたりの開始値と、自社のワークロードを踏まえて上限を選びます。
- 優先事項に合ったアルゴリズムから始め、パイロット グループで試行します。
- Insightsで、ホストあたりのセッション数とユーザーから報告されたパフォーマンスを比較します。
- パイロットの結果と合わない場合はアルゴリズムを変更します。Learnによれば、これはいつでも変更可能です。
データソース
- Microsoft Learn: Azure Virtual Desktop でのホスト プールの負荷分散の構成
- Microsoft Learn: Azure Virtual Desktop の用語
- Microsoft Learn: セッションホスト仮想マシンのサイズ設定のガイドライン
- Microsoft Learn:Azure Virtual Desktop のオートスケール スケーリング プランの作成と割り当て
- Microsoft Learn: Azure Virtual Desktop の自動スケーリング FAQ
- Microsoft Learn: Azure Virtual Desktop の自動スケーリングのシナリオ
- Microsoft Learn: Azure Virtual Desktop の自動スケール用語集
FAQ
幅優先と深さ優先は、後から切り替えられますか。
はい。Microsoft Learn によると、プールされたホストプールごとに一度に設定できるアルゴリズムは 1 つだけですが、いつでも変更できます。既に実行中のセッションがどうなるかについては Microsoft Learn に説明がないため、変更は先にパイロット プールでテストしてください。
深さ優先に最大セッション数の上限が必要なのはなぜですか。
深さ優先は、1 つのホストが上限に達するまでセッションを割り当て、その後次のホストに移ります。上限がなければ次のホストに移るタイミングがないためです。Microsoft Learn では上限の設定が必須とされており、すべてのホストが上限に達した場合は、上限を引き上げるかホストを追加する必要があります。
このアルゴリズムは個人用ホストプールにも適用されますか。
いいえ。Microsoft Learn によると、負荷分散は個人用ホストプールには適用されません。各ユーザーは 1 対 1 でセッションホストに割り当てられるためです。個人用プールでは、代わりに自動割り当てまたは直接割り当てを使用します。