Breadth-first versus depth-first: welk load balancing-algoritme moet een hostpool gebruiken
Partner · Neutrale partner: Nerdio
By Mirko Peters ·
Kies breadth-first wanneer de gebruikerservaring voorop staat, en depth-first wanneer je sessies zoveel mogelijk op zo weinig mogelijk session hosts wilt samenbrengen, zodat de overige hosts uitgeschakeld kunnen blijven. Deze gids geeft de beslissingscriteria, een uitgewerkt voorbeeld voor beide algoritmes en de stappen om de instelling te wijzigen.
Automatically translated with AI from the original post. Read the English original
Kies breadth-first wanneer het belangrijkste is dat elke gebruiker een snelle desktop heeft, en kies depth-first wanneer het belangrijkste is zo weinig mogelijk session hosts te laten draaien. Microsoft Learn maakt dezelfde keuze: breadth-first past bij organisaties die de gebruikerservaring voorop stellen, depth-first bij kostenbewuste organisaties die precies willen bepalen hoeveel hosts aanstaan. Deze gids vertaalt die keuze naar criteria, een uitgewerkt voorbeeld en de stappen om de instelling te wijzigen.
Belangrijkste punten
- Learn beschrijft breadth-first als de keuze wanneer de gebruikerservaring het zwaarst weegt, en depth-first voor kostenbewuste organisaties die willen bepalen hoeveel hosts aanstaan.
- Depth-first vereist een maximum aantal sessies. Breadth-first vereist dat niet, en de standaardlimiet van 999999 is ook de hoogste waarde die je kunt instellen.
- Breadth-first kiest willekeurig uit de helft van de in aanmerking komende hosts met de minste sessies, dus sessies kunnen ongelijk verdeeld zijn. Depth-first kiest de in aanmerking komende host met de meeste sessies.
- Beide algoritmes sturen een terugkerende gebruiker met een actieve of losgekoppelde sessie terug naar die host, ook als die in drain mode staat. Load balancing is niet van toepassing op persoonlijke hostpools.
- Je kunt het algoritme altijd wijzigen. Als er een scalingplan is toegewezen, past autoscale volgens Learn het algoritme uit het schema toe in plaats van de instelling van de hostpool.
Dit artikel gaat alleen over pooled hostpools, omdat Learn stelt dat load balancing niet van toepassing is op persoonlijke hostpools. De werking van elk algoritme staat in "Breadth-first load balancing in Azure Virtual Desktop explained" en "Depth-first load balancing in Azure Virtual Desktop explained"; dit artikel vergelijkt ze. De bronnen staan aan het eind.
Hoe de twee algoritmes een host kiezen
Beide algoritmes worden uitgevoerd wanneer een gebruiker zonder bestaande sessie verbinding maakt. Ze verschillen in de host die ze kiezen.
| Breadth-first | Depth-first | |
|---|---|---|
| Doel | Nieuwe sessies verspreiden over hosts | Eén host blijven vullen tot de limiet is bereikt |
| Selectieregel | Vraag hosts op die nieuwe verbindingen toestaan en kies willekeurig uit de helft met de minste sessies | Vraag hosts op die nieuwe verbindingen toestaan en die de limiet nog niet hebben bereikt, en kies vervolgens de host met de meeste sessies; bij gelijke stand de eerste host uit de query |
| Maximum sessielimiet | Niet vereist | Vereist |
| Passend volgens Learn | Gebruikerservaring, omdat CPU, geheugen en schijf over het algemeen minder vaak om resources concurreren | Kosten, omdat minder hosts ingeschakeld hoeven te blijven |
Het breadth-first-voorbeeld van Learn: bij negen hosts met 11 tot 19 sessies kan een nieuwe sessie naar elk van de vijf hosts met de minste sessies gaan. Die gaat dus niet altijd naar de enige leegste host, en Learn stelt dat sessies door de willekeurige keuze mogelijk niet gelijkmatig verdeeld zijn.
Regels die voor beide gelden
- Een gebruiker die al een actieve of losgekoppelde sessie in de pool heeft, wordt naar die host teruggestuurd, ook als drain mode voor die host aanstaat.
- Een gebruiker zonder sessie wordt nooit naar een host in drain mode gestuurd.
- Het verlagen van de maximale sessielimiet op een sessiehost met actieve sessies heeft geen invloed op die sessies.
- De terminologiepagina van Learn vermeldt dat de aantal sessies op een host bij een hoge gelijktijdige verbindingsbelasting de limiet kan overschrijden. Behandel de limiet daarom als de waarde waar het algoritme naar streeft, en niet als een garantie.
Uitgewerkt voorbeeld: 4 hosts, limiet van 10, 25 gebruikers
De getallen hieronder zijn een illustratie op basis van de selectieregels hierboven, geen voorbeeld van Learn.
Depth-first. Alle vier de hosts beginnen leeg, dus de eerste gebruiker is een gelijkstand en gaat naar de eerste host die de query teruggeeft, laten we die H1 noemen. Learn definieert de volgorde van de query niet, en H1 tot en met H4 zijn alleen labels. Vanaf dat moment heeft H1 de meeste sessies onder de hosts die nog onder de limiet zitten, dus sessies 2 tot en met 10 landen ook op H1. H2 neemt de volgende 10, en H3 neemt de laatste 5. H4 blijft leeg. Als H1 en H2 vol zitten op 10 en er komt een 26e gebruiker binnen, dan ontvangt H3 die.
Breadth-first. Elke nieuwe sessie gaat naar een willekeurige host uit de twee met het minste aantal sessies. Bij 25 gebruikers en 4 hosts is het gemiddelde ongeveer 6 sessies per host. Omdat nieuwe sessies alleen naar de twee minst belaste hosts gaan, liggen de aantallen dicht bij elkaar, meestal 6 of 7 per host in dit voorbeeld (eigen berekening). Learn merkt wel op dat de verdeling niet gegarandeerd gelijkmatig is. In echte pools lopen de verschillen op omdat gebruikers op verschillende momenten afmelden (eigen interpretatie).
Wat dit in de praktijk betekent:
- Bij depth-first heeft H4 geen sessies en is dus een kandidaat om uit te schakelen. Dat is het kostenargument dat Learn maakt.
- Bij breadth-first dragen alle vier de hosts belasting, dus geen enkele host is een kandidaat voor afsluiting zolang de sessies lopen.
- Bij depth-first is de eerste host de drukste. Learns richtlijnen voor dimensionering zeggen dat aanmelden CPU-intensief is en dat je rekening moet houden met aanmeldpatronen, zoals het begin van de werkdag, wanneer veel gebruikers tegelijk aanmelden. Een piek aan aanmeldingen in een depth-first-pool wordt dus naar de host gestuurd die al het vollst is. Dit is een conclusie uit de twee uitspraken, dus controleer dit in een pilot.
Beslissingscriteria
| Vraag | Argumenten voor breadth-first | Argumenten voor depth-first |
|---|---|---|
| Wat weegt zwaarder, responstijd of runningkosten? | Reactietijd | Runningkosten |
| Wil je dat inactieve hosts uitvallen terwijl andere nog gebruikers dragen? | Sessies blijven verspreid over alle draaiende hosts, waardoor er minder hosts leeglopen (eigen interpretatie van de selectieregel) | Latere hosts blijven leeg en zijn makkelijker te verkleinen (Learn) |
| Kun je een realistische sessielimiet instellen en onderhouden? | Limiet is optioneel | Limiet is verplicht en moet passen bij de workload |
| Is de workload zwaar per gebruiker? | Spreiding houdt de contention lager, wat de reden is die Learn noemt | Een lage limiet is nodig zodat een volle host niet overbelast raakt (conclusie) |
| Melden gebruikers zich in een korte piek aan? | Een piek wordt over de hosts verdeeld (conclusie) | Een piek raakt eerst één host (conclusie) |
De pagina over load balancing van Learn bevat voor depth-first een opmerking: om de gebruikerservaring goed te houden, pas je de maximale sessielimiet aan naar een getal dat past bij je eisen. Startwaarden per vCPU, de richtlijn van 20 gebruikers en de kanttekening dat de dimensioneringspagina van Learn niet volledig consistent is, staan in "How to size the maximum session limit per session host". Het artikel over depth-first noemt dezelfde startpunten. Learn noemt ze generieke richtlijnen die alleen voor initiële prestatieschattingen bedoeld zijn. Voor capaciteitsplanning beschrijft Learn een pilotaanpak en een simulatiemethode.
Stappen om het algoritme te wijzigen
Je hebt de rol Desktop Virtualization Host Pool Contributor nodig.
- Meld je aan bij de Azure-portal en open Azure Virtual Desktop.
- Selecteer Hostpools en selecteer vervolgens de gepoolde hostpool.
- Selecteer Eigenschappen.
- Kies het algoritme bij Load balancing algorithm. Vul een waarde in bij Max session limit.
- Selecteer Opslaan.
Learn biedt voor deze instelling ook tabbladen voor Azure PowerShell en Azure CLI. Daarvoor heb je de module Az.DesktopVirtualization of de CLI-extensie desktopvirtualization nodig. De opdrachten staan op de Learn-pagina en zijn hier niet overgenomen.
Als je bij het maken van een hostpool voor breadth-first kiest, is de standaardlimiet 999999, wat ook de hoogst toegestane waarde is. Stel bij depth-first een getal in dat past bij je workload.
Wat te doen wanneer depth-first geen ruimte meer heeft
Learn benadrukt dit als belangrijk: wanneer alle hosts de maximale sessielimiet bereiken, moet je de limiet verhogen of extra sessiehosts toevoegen. Depth-first kijkt alleen naar hosts onder de limiet, dus er blijft geen kandidaat over (onze lezing van de selectieregel); Learn zegt niet wat gebruikers dan zien. Gebruik Azure Virtual Desktop Insights om sessies per host en de prestaties van hosts te volgen. Dat is de monitoring die Learn aanraadt bij het kiezen van de limiet.
Interactie met autoscale
Als je een schaalplan gebruikt, wordt het algoritme per fase in het schema ingesteld. De autoscale-scenario's op de Learn-pagina zeggen dat autoscale bij gepoolde hostpools het algoritme in de instellingen van de hostpool negeert en dat van de schemaconfiguratie toepast. Het artikel over schaalplannen zegt hetzelfde voor ramp-up, waar de gekozen voorkeur de oorspronkelijke instelling van de hostpool overschrijft. Voor ramp-up wordt breadth-first aanbevolen en voor off-peak depth-first. Voor peak zijn beide algoritmen mogelijk, en het tabblad ramp-down heeft een veld voor taakverdeling zonder aanbeveling.
De Learn-FAQ over autoscale geeft de reden: breadth-first zorgt vroeg op de dag voor een gelijkmatige verdeling, terwijl depth-first autoscale toestaat sessies te consolideren tot het minimaal mogelijke aantal hosts. De woordenlijst over autoscale beschrijft die consolidatie als het totale aantal sessies, verbonden en niet-verbonden, delen door de maximale sessielimiet vermenigvuldigd met de capaciteitsdrempel, naar boven afgerond. Dit artikel gaat over autoscaling van energiebeheer, dat de scenario-pagina als algemeen beschikbaar aanduidt. Voor een pool met een schaalplan wordt de keuze in de praktijk in het schema gemaakt. "Depth-first taakverdeling en autoscale: hoe het schema de instelling van de hostpool overschrijft" behandelt de schema-instellingen in detail.
Voor autoscale op een gepoolde hostpool raadt Learn aan een aangepaste maximale sessielimiet in te stellen en de standaardwaarde niet te gebruiken.
Een korte selectieprocedure
- Benoem de prioriteit in één zin: gebruikerservaring of kosten.
- Noteer hoeveel hosts je in de rustigste periode zou kunnen uitschakelen als sessies zouden worden samengevoegd.
- Kies een limiet op basis van de vCPU-startpunten van Learn en je eigen werkbelasting.
- Begin met het algoritme dat bij de prioriteit past en draai een pilotgroep.
- Vergelijk sessies per host en door gebruikers gerapporteerde prestaties in Insights.
- Wijzig het algoritme als de pilot iets anders laat zien. Learn zegt dat je dit altijd kunt doen.
Bronnen
- Microsoft Learn: Taakverdeling van hostpools configureren in Azure Virtual Desktop
- Microsoft Learn: Terminologie van Azure Virtual Desktop
- Microsoft Learn: Richtlijnen voor het dimensioneren van virtuele machines voor session hosts
- Microsoft Learn: Een autoscale-schaalplan maken en toewijzen voor Azure Virtual Desktop
- Microsoft Learn: Azure Virtual Desktop autoscale FAQ
- Microsoft Learn: Autoscale-scenario's voor Azure Virtual Desktop
- Microsoft Learn: Autoscale-woordenlijst voor Azure Virtual Desktop
Veelgestelde vragen
Kan ik later nog wisselen tussen breadth-first en depth-first?
Ja. Volgens Microsoft Learn kun je per pooled hostpool tegelijk maar één algoritme configureren, maar je kunt dit altijd wijzigen. Learn beschrijft niet wat er gebeurt met sessies die al actief zijn, dus test de wijziging eerst in een pilotpool.
Waarom heeft depth-first een maximum aantal sessies nodig?
Depth-first vult één host tot die zijn limiet bereikt en gaat dan door naar de volgende. Zonder limiet is er dus geen moment waarop het algoritme doorschakelt. Learn stelt dat de limiet verplicht is, en dat je de limiet moet verhogen of hosts moet toevoegen zodra alle hosts die limiet hebben bereikt.
Geldt het algoritme ook voor persoonlijke hostpools?
Nee. Volgens Learn is load balancing niet van toepassing op persoonlijke hostpools, omdat elke gebruiker een 1:1-koppeling heeft met een session host. Persoonlijke pools gebruiken in plaats daarvan automatische of directe toewijzing.