Depth-first load balancing en autoscale: hoe het schema de instelling van de hostpool overschrijft
Partner · Neutrale partner: Nerdio
By Mirko Peters ·
Wanneer een schaalplan is toegewezen aan een gepoolde hostpool en is ingeschakeld, overschrijft het load balancing-algoritme in elke schemafase de instelling van de hostpool, aldus Learn. Deze gids laat zien waar je depth-first instelt en hoe je dat controleert.
Automatically translated with AI from the original post. Read the English original
Wanneer een schaalplan is toegewezen aan een gepoolde hostpool en is ingeschakeld, is het load balancing-algoritme dat wordt uitgevoerd dat van de schemafase en niet dat van de hostpool. Microsoft Learn zegt dit voor de ramp-up-fase ("de load balancing-voorkeur die je hier selecteert overschrijft die je hebt geselecteerd voor je oorspronkelijke instellingen van de hostpool") en stelt algemener dat autoscale voor gepoolde hostpools het load balancing-algoritme in de instellingen van de hostpool negeert en load balancing toepast op basis van de schemaconfiguratie. Deze gids is de veld-voor-veld-referentie daarvoor: het algoritmeveld in elke fase, de waarden die overblijven en de controles die je daarna uitvoert.
Belangrijkste punten
- Learn zegt dat de load balancing van het schaalplan de instelling van de hostpool overschrijft, en dat autoscale bij gepoolde pools de drain-modus overschrijft zolang autoscale voor de pool is ingeschakeld.
- Elke gepoolde schemafase heeft een eigen algoritmeveld. Learn adviseert breadth-first voor ramp-up en depth-first voor off-peak, en staat beide toe voor peak.
- Depth-first laat autoscale sessies consolideren. Een host wordt alleen uitgeschakeld als alle sessies passen zonder de capaciteitsdrempel te overschrijden en het minimale percentage hosts behouden blijft.
- Gepoolde hostpools met autoscale hebben een aangepaste maximale sessielimiet nodig. Learn raadt aan de standaardwaarde niet te gebruiken.
- Autoscale wijzigt de drain-modus op elke host binnen het bereik, ongeacht wie die heeft ingesteld. Gebruik een uitsluitingstag om een host buiten het schalen te houden.
Dit gaat over energiebeheer via autoscale op gepoolde pools, dat algemeen beschikbaar is. Microsoft heeft in juli 2026 de algemene beschikbaarheid aangekondigd van verbeterd beheer van hostpools, inclusief dynamische autoscale (Tech Community). Sommige Learn-pagina's bevatten echter nog preview-teksten, bijvoorbeeld de pagina's over scenario's en de woordenlijst. Controleer de actuele pagina voordat je op een limiet vertrouwt. Verwante artikelen in deze reeks: "Depth-first load balancing in Azure Virtual Desktop uitgelegd" behandelt het algoritme zelf, en "Gebruikers dwingen zich af te melden tijdens ramp-down van AVD: wat er gebeurt en wat gebruikers zien" behandelt het gedrag bij afmelden.
Waar de overschrijving plaatsvindt
Een schaalplan bevat schema's, en elk schema heeft vier fasen. In de Azure-portal heeft elke gepoolde fase een eigen veld:
| Fase | Algoritmeveld | Wat Learn zegt |
|---|---|---|
| Ramp-up | Load balancing-algoritme | Adviseert breadth-first en geeft aan dat de keuze de instelling van de hostpool overschrijft |
| Piekuren | Load balancing | Breadth-first of depth-first |
| Afbouwfase | Load-balancingalgoritme | Geen advies op de pagina |
| Daluren | Load-balancingalgoritme | Adviseert depth-first, om het aantal hosts geleidelijk te verminderen op basis van de sessies op elke VM |
De FAQ over autoscale legt de redenering uit: breadth-first in de eerste twee fasen zorgt voor een gelijkmatige verdeling van sessies, wat Learn zegt de prestaties optimaliseert, en depth-first in de laatste twee helpt autoscale om sessies te consolideren tot het minimale mogelijke aantal sessiehosts.
De scenariopagina van Learn gebruikt in de voorbeelden breadth-first voor ramp-up, piek en off-peak, en depth-first voor ramp-down. Het zijn voorbeelden, geen regel. Volg dus de aanbevelingstekst wanneer je een schema ontwerpt.
Welke waarde je moet vertrouwen
Learn beschrijft de overschrijving in het schema. Het veld voor load balancing van de hostpool zelf is dus niet de instelling die actief is zolang autoscale voor de pool is ingeschakeld. Volgens Learn gaat een schalingsplan in zodra je het inschakelt. Als je het plan tijdens de implementatie hebt ingeschakeld, kun je het voor de geselecteerde hostpool uitschakelen via het menu Schalingsplan door het selectievakje Autoscale inschakelen uit te vinken. Onze lezing: zolang autoscale voor een pool is uitgeschakeld, wordt het schema niet toegepast. Controleer dan de instelling van de hostpool. Dit is belangrijk wanneer je autoscale tijdelijk uitschakelt, bijvoorbeeld vóór een onderhoudstaak.
Gebruik de pagina Eigenschappen van de hostpool niet om te bepalen welk algoritme geldt zolang het plan is ingeschakeld. Lees in plaats daarvan het schema. Om dit in je eigen omgeving te bevestigen, maak je een testpool aan, wijs je een plan toe met depth-first in off-peak en kijk je waar nieuwe sessies terechtkomen.
Learn meldt ook dat wijzigingen in een plan dat al aan hostpools is toegewezen onmiddellijk worden toegepast. Een wijziging in het schema is dus een live wijziging.
Instellingen die moeten aansluiten op depth-first
Depth-first consolideert alleen goed als de omliggende instellingen erbij passen. Learn beschrijft die in de vereisten en scenario's.
- Aangepaste limiet voor maximumsessies. Volgens Learn heeft autoscale op gepoolde pools een ingestelde limiet voor maximumsessies nodig en niet de standaardwaarde. Depth-first vereist er ook een. Een pool die met breadth-first is aangemaakt, heeft de standaardwaarde 999999. Daarmee heeft de capaciteitsberekening geen betekenis. Dit is een conclusie uit de formule, dus vervang die waarde.
- Capaciteitsdrempel. Je voert deze in bij ramp-up en die waarde wordt overgenomen naar piek. Volgens Learn kun je die voor piek niet apart wijzigen. Ramp-down heeft een eigen veld en off-peak neemt die waarde over. Autoscale schakelt hosts alleen uit als de gebruikte capaciteit op of onder de drempel blijft.
- Minimumpercentage hosts. Het kleinste aandeel hosts dat aan moet blijven. Volgens Learn wordt het resultaat naar boven afgerond op een geheel getal. In een pool van zeven hosts houdt 10% bij ramp-up dus één host aan.
- Gebruikers forceren om af te melden. Geldt alleen bij ramp-down. Zonder deze optie kies je tussen wachten tot er geen actieve en losgekoppelde sessies meer zijn, of wachten tot er geen actieve sessies meer zijn.
- Losgekoppelde sessies. Ze tellen mee als sessies. In de veelgestelde vragen van Learn staat dat er nul hosts bereikt kunnen worden alleen als er nul sessies zijn, inclusief losgekoppelde sessies. Learn adviseert een time-out voor losgekoppelde sessies via Groepsbeleid.
Wat depth-first toevoegt aan consolidatie
Learn beschrijft sessieconsolidatie als het proces dat autoscale bij ramp-down en off-peak gebruikt om het aantal actieve hosts te verlagen. Het deelt het totale aantal sessies, actief plus losgekoppeld, door de limiet voor maximumsessies maal de capaciteitsdrempel, en rondt het resultaat naar boven af. Scenario 3 werkt dit uit met depth-first, zes hosts, een drempel van 75% en een limiet van 5. De uitwerking staat in "Gebruikers forceren om af te melden tijdens AVD ramp-down: wat er gebeurt en wat gebruikers zien", en de drempelberekening staat in "De juiste capaciteitsdrempel kiezen voor gepoolde hostpools".
Learn presenteert die berekening zonder die aan één algoritme te koppelen. Onze lezing: het algoritme bepaalt waar nieuwe sessies terechtkomen, en consolidatie bepaalt welke hosts uitgeschakeld kunnen worden. Depth-first helpt dus omdat er op het moment van de berekening minder hosts sessies bevatten. Learn zegt dit niet expliciet.
Twee punten zijn specifiek voor het ontwerp van het schema:
- Geforceerd afmelden gebeurt pas bij ramp-down. De FAQ zegt dat autoscale gebruikers tijdens off-peak-uren niet dwingt zich af te melden. Als een host in ramp-down in drain mode staat en gebruikers nog verbonden zijn wanneer de fase naar off-peak gaat, wacht autoscale tot alle gebruikers zich hebben afgemeld voordat de VM wordt gedealloceerd. Onze interpretatie: depth-first in off-peak consolideert dus alleen zover als gebruikers zich zelf afmelden.
- Ramp-up zet hosts niet uit. Scenario 2 van Learn zegt dat gepoolde autoscale sessiehosts in ramp-up niet uitzet. De breadth-first-keuze daar gaat dus over het verdelen van de belasting, niet over kostenbesparing.
Stappen: stel depth-first in voor off-peak
Learn somt deze tabbladen op voor het maken of wijzigen van een gepoold schema.
- Open in de Azure-portal Azure Virtual Desktop en vervolgens Schaalplannen, en selecteer het plan.
- Selecteer onder de kop Beheren de optie Schema's en open vervolgens het schema dat je wilt wijzigen. Als het plan nog geen schema heeft, maak er eerst één aan.
- Stel op Ramp-up het starttijdstip, het algoritme (breadth-first), het minimumpercentage hosts en de capaciteitsdrempel in.
- Kies op Piekuren breadth-first of depth-first.
- Stel op Ramp-down het starttijdstip, het algoritme, het minimumpercentage, de capaciteitsdrempel in en schakel het geforceerd afmelden van gebruikers in.
- Stel op Off-peak-uren het starttijdstip in en kies depth-first. De capaciteitsdrempel wordt hier niet ingesteld; de waarde uit Ramp-down wordt overgenomen.
- Bevestig de wijziging. Als het plan al is toegewezen, is de wijziging meteen van kracht.
Learn voegt eraan toe dat op dagen die niet in een schema zijn geselecteerd, de laatste off-peak-instellingen blijven gelden tot de volgende ramp-up. Een depth-first-instelling voor off-peak op vrijdag is dus ook wat in het weekend draait als er geen weekendschema bestaat.
Een host buiten de logica houden
Learn zegt dat autoscale bij gepoolde hostpools drain mode overschrijft, en de FAQ zegt dat dit geldt ongeacht wie een host in drain mode heeft gezet. Om een host uit te sluiten gebruik je een uitsluitingstag; de installatie wordt behandeld in "Exclusion tags in AVD autoscale: keeping individual VMs out of scaling". Let voor depth-first erop dat autoscale een getagde host niet start, stopt of in drain mode zet, hoewel Learn zegt dat getagde hosts wel meetellen in het minimumpercentage hosts. Onze interpretatie: sessies die op een getagde host terechtkomen, worden niet weggeconsolideerd; Learn zegt niet of getagde hosts meedoen in de consolidatieberekening.
Controles na de wijziging
- Controleer of de maximale sessielimiet van de hostpool een aangepaste waarde is.
- Bekijk in off-peak het aantal sessies per host in Insights. Onze aanbeveling: sessies moeten zich concentreren op enkele hosts; dit is een praktische controle, geen uitspraak van Learn.
- Controleer in ramp-down of hosts drain mode bereiken en afsluiten.
- Let op losgekoppelde sessies die hosts aan het draaien houden.
- Controleer of autoscale is ingeschakeld voor de hostpool; als dat is uitgeschakeld, is het schema niet wat sessies plaatst.
- Controleer het schema telkens wanneer iemand het algoritme van de hostpool wijzigt, zodat je niet aanneemt dat beide overeenkomen.
Bronnen
- Microsoft Learn: Een autoscale-schaalplan maken en toewijzen voor Azure Virtual Desktop
- Microsoft Learn: Autoscale-schaalplannen en voorbeeldscenario's in Azure Virtual Desktop
- Microsoft Learn: Azure Virtual Desktop autoscale FAQ
- Microsoft Learn: Autoscale-woordenlijst voor Azure Virtual Desktop
- Microsoft Learn: Taakverdeling van hostpools configureren in Azure Virtual Desktop
- Microsoft Tech Community: Verbeterd hostpoolbeheer voor Azure Virtual Desktop is nu algemeen beschikbaar
Veelgestelde vragen
Als ik depth-first instel op de hostpool, blijft dat dan gelden zodra er een schaalplan is toegewezen en ingeschakeld?
Microsoft Learn zegt dat de voorkeur die je in het schema selecteert de instelling van de hostpool overschrijft, en dat autoscale bij gepoolde hostpools het algoritme van de hostpool negeert en load balancing toepast op basis van de schemaconfiguratie. Learn stelt ook dat een schaalplan van kracht wordt zodra je het inschakelt, en beschrijft een optie om het plan uit te schakelen voor een geselecteerde hostpool. Zolang autoscale is ingeschakeld, lees je dus het schema af en niet de instelling van de hostpool. Om dit in jouw omgeving te bevestigen, maak je een testpool aan en kijk je waar nieuwe sessies terechtkomen.
Welke fasen moeten depth-first gebruiken?
Het artikel over schaalplannen van Learn adviseert depth-first voor off-peak en breadth-first voor ramp-up, en staat beide toe voor peak. In de FAQ over autoscale wordt depth-first voorgesteld voor ramp-down en off-peak, zodat autoscale sessies kan consolideren naar het minimale aantal hosts.
Geldt dit ook voor persoonlijke hostpools?
Nee. Volgens Learn is load balancing niet van toepassing op persoonlijke hostpools. Bij persoonlijke schema's stel je in plaats daarvan de actie in die wordt uitgevoerd wanneer een sessie wordt verbroken of afgemeld.