Een AVD-autoscaleschema ontwerpen dat aansluit op de werkelijke werktijden
Partner · Neutrale partner: Nerdio
By Mirko Peters ·
Bouw een Azure Virtual Desktop-autoscaleschema op basis van gemeten sessieaantallen, niet op kantooruren op papier. Deze gids loopt van uurlijkse sessiegegevens naar starttijden per fase, het minimumpercentage, de capaciteitsdrempel en een controle.
Automatically translated with AI from the original post. Read the English original
Een goed autoscaleschema begint met gemeten sessieaantallen: zoek de uren waarop sessies stijgen, gelijk blijven en dalen, en plaats de vier starttijden per fase op die keerpunten. Stel vervolgens het minimumpercentage van hosts en de capaciteitsdrempel in voor ramp-up en ramp-down, houd de wachttijd van ramp-down korter dan de fase zelf, en controleer het resultaat met Insights.
Belangrijkste punten
- Begin met gegevens: uurlijkse nieuwe verbindingen uit WVDConnections laten zien wanneer de aanmeldingen beginnen, en sessietellers laten zien waar sessies aanhouden, afnemen en de avondbodem bereiken. De starttijden per fase volgen daarna.
- Ramp-up moet vroeg genoeg starten zodat hosts kunnen opstarten voordat de eerste gebruikers binnenkomen. Meet de starttijden in jouw omgeving; de Learn-pagina's geven er geen cijfer voor.
- Een wachttijd voor ramp-down moet korter zijn dan de ramp-downfase. Het FAQ-voorbeeld van Learn is een fase van 15 minuten met een wachttijd van 20 minuten, waarbij er nooit gedwongen afmelding plaatsvindt.
- Autoscale kan niet afschalen op specifieke data en een plan draait in één tijdzone. Gebruik aparte schema's voor werkdagen en weekenden, en plan feestdagen handmatig in.
- Losgekoppelde sessies houden hosts draaiende. Een tijdslimietbeleid dat ze afmeldt, in combinatie met een minimum van 0 procent, is de gedocumenteerde manier om buiten kantooruren naar nul hosts te gaan.
Verwante artikelen leggen de fasen uit ("Ramp-up, piek, ramp-down en buiten piekuren: de vier AVD-autoscalefasen uitgelegd") en het maken van een plan ("Stap voor stap een AVD-schaalplan maken en toewijzen"). Dit artikel behandelt de stap ervoor: het bepalen van de waarden.
Stap 1: Verzamel echte gebruiksgegevens
Kantooruren op papier kunnen afwijken van het werkelijke aanmeldgedrag. Meet minimaal een paar typische weken.
- Zet diagnostische instellingen aan voor de hostpool en de werkruimte ervan en stuur ze naar een Log Analytics-werkruimte. Neem op de hostpool Autoscale logs for pooled host pools op; de Insights-pagina van Learn noemt deze onder de minimale categorieën. Voor het bekijken van de gegevens zijn de rollen Desktop Virtualization Reader en Log Analytics Reader nodig, en het kan enkele uren duren voordat ze verschijnen.
- Doorzoek
WVDConnectionsvoor het aanmeldprofiel. Learn beschrijft de verbindingsstatussen Started, Connected en Completed; Connected is het moment waarop de gebruiker succesvol verbinding maakt met de VM. Door Connected-gebeurtenissen per uur te tellen, krijg je nieuwe verbindingen per uur: wanneer de eerste golf begint en hoe groot die is, niet hoeveel sessies open staan. De query past het patroon per dag van Learn aan naar uurlijkse aantallen; controleer de kolomnamen in je werkruimte. De categorietabel van Learn bevat een categorie Connections, die de diagnostische instelling nodig heeft voor deze tabel:
WVDConnections
| where State == "Connected"
| summarize NewConnections = dcount(CorrelationId) by bin(TimeGenerated, 1h)
| order by TimeGenerated ascDe tabelreferentie vermeldt TimeGenerated in UTC. Reken de uren om naar de tijdzone van het plan voordat je starttijden afleest, bijvoorbeeld met de KQL-functie datetime_utc_to_local, en houd rekening met zomertijd. Bij een offset van een half uur passen uurbakken niet op lokale uren.
- Open sessies laten de piek, de daling en de avondbasis zien. Azure Virtual Desktop Insights verzamelt prestatietellers via een gegevensverzamelingsregel in de werkruimte die je hebt gekozen voor sessiehostgegevens. Die kan verschillen van de diagnostische werkruimte, dus query de werkruimte die de tellers bevat. De kostenpagina van Learn noemt de tellers Terminal Services Active Sessions, Inactive Sessions en Total Sessions, elk per VM om de 60 seconden bemonsterd. De pagina definieert ze niet, dus query ze zelf, controleer wat ze rapporteren en tel de hosts op voor een cijfer per pool.
- Nadat een plan is toegewezen aan een gepoolde hostpool en de Autoscale-logs in Log Analytics zijn aangekomen, toont het tabblad Autoscale in Insights in de loop van de tijd de energiestatuswijzigingen van de sessiehosts, plus samenvattende informatie. De onderliggende tabel,
WVDAutoscaleEvaluationPooled, heeft de kolommenSessionCount,SessionOccupancyPercent,ActiveSessionHostCountenConfigSchedulePhase, zodat je deze waarden per schedulefase kunt lezen. Learn definieertSessionCountals het aantal sessies op hosts die autoscale als actief beschouwt.
Noteer per weekdag vier getallen: wanneer de eerste aanmeldingen verschijnen (aanmeldprofiel), en, op basis van de sessietellers, wanneer de sessies het dagmaximum bereiken, wanneer ze beginnen te dalen en wanneer ze de avondbasis bereiken.
Stap 2: Bepaal de vier starttijden van de fases
Learn definieert de fases op basis van sessiegedrag: ramp-up is wanneer de sessies stijgen, piek is wanneer ze stabiel blijven, ramp-down is wanneer ze dalen en off-peak is het dagelijkse minimum (autoscale-schedulefases).
- Starttijd ramp-up: vóór je eerste aanmeldgolf. Learn zegt dat autoscale dan begint met "het voorbereiden van sessiehosts" op de piekuren. Meet hoelang een gedealloceerde host nodig heeft om verbindingen te accepteren en voeg een marge toe; de pagina noemt geen opstarttijd.
- Starttijd piek: waar de curve afvlakt. Dit is ook het einde van ramp-up. Gebruik de tijdzone die je voor het plan hebt ingesteld.
- Starttijd ramp-down: waar het aantal gelijktijdige sessies gestaag begint te dalen, niet op het officiële eindtijdstip.
- Starttijd off-peak: waar de curve de avondbasis bereikt. Dit is het einde van ramp-down.
Learn zegt dat een plan alleen werkt in de geconfigureerde tijdzone, en de piekstarttijd moet in die zone liggen. De pagina's geven geen richtlijnen voor zomertijd, dus controleer Insights na een tijdsomschakeling.
Stap 3: Stel het minimumpercentage en de capaciteitsdrempel in
Deze stap behandelt energiebeheer-autoscaling voor gepoolde hostpools. Dynamische autoscaling heeft andere velden in een eigen sectie van de maak- en toewijspagina van Learn.
De capaciteitsdrempel en het minimumpercentage hosts worden alleen ingevoerd bij ramp-up en ramp-down. De maak- en toewijspagina van Learn zegt:
- De capaciteitsdrempel van ramp-up wordt overgenomen voor piek, en de waarde van ramp-down wordt overgenomen voor off-peak. Piek en off-peak hebben geen eigen drempel- of minimumveld.
- De foutoplossingspagina van Learn past het minimumpercentage toe tijdens ramp-down en off-peak, maar de maak- en toewijspagina vermeldt het overnemen alleen voor de capaciteitsdrempel. Controleer na een schemawijziging in Insights of hosts echt naar nul gaan.
Gebruik je gegevens zo:
- Minimum ramp-up: het aantal hosts dat nodig is voor de eerste golf, gedeeld door het totaal aantal hosts. Autoscale rondt een niet-geheel resultaat naar boven af.
- Drempel ramp-up: hoe vol hosts mogen worden voordat er een andere start. Learn zegt dat autoscale geen VM's aanzet zolang de gebruikte capaciteit van de hostpool niet groter is dan de capaciteitsdrempel.
- Drempel en minimum ramp-down: het derde scenario van Learn combineert een hoge drempel met een laag minimumpercentage, wat volgens Learn de noodzaak vermindert om aan het einde van de werkdag nieuwe sessiehosts aan te zetten.
- Minimum ramp-down: de ondergrens die je accepteert terwijl de belasting daalt. Zet dit op 0 procent als hosts na werktijd naar nul moeten kunnen gaan, omdat de FAQ van Learn zegt dat autoscale alle VM's kan uitschakelen als het minimumpercentage hosts 0 is en er geen sessies meer zijn.
Het kiezen van de drempelwaarde wordt behandeld in "Choosing the right capacity threshold for pooled host pools". Stel eerst een aangepaste maximale sessielimiet in: de pagina over maken en toewijzen van Learn raadt af om de standaardwaarde MaxSessionLimit te gebruiken.
Stap 4: Stem de ramp-down af op het uitloggedrag
Het ramp-down-veld Gebruikers geforceerd afmelden bepaalt wat er gebeurt met gebruikers op hosts die autoscale wil verwijderen:
- Aan. Autoscale kiest de host met de minste sessies, zet die in de drainmodus, waarschuwt gebruikers, meldt ze na de wachttijd af en deallokeert de VM. Zie geforceerd afmelden.
- Uit. Je moet dan kiezen tussen VM's hebben geen actieve of verbroken sessies en VM's hebben geen actieve sessies. De FAQ over autoscale raadt de tweede optie aan ("Stop VMs when no active sessions"). Het uitgewerkte voorbeeld hieronder gebruikt die optie.
De FAQ van Learn waarschuwt voor een valkuil bij geforceerd afmelden, dat alleen in de ramp-down plaatsvindt: bij een ramp-down van 15 minuten en een wachttijd van 20 minuten schakelt het schema al naar buiten piekuren voordat het afmelden plaatsvindt. Maak de fase dus langer dan de wachttijd.
Volgens de FAQ van Learn heb je om naar nul hosts te gaan nul sessies nodig, inclusief verbroken sessies, een minimum van 0 procent tijdens de daluren, en een Group Policy-tijdslimiet voor verbroken sessies (bijvoorbeeld 15 tot 30 minuten) die voorbij is voordat de ramp-down eindigt. De pagina over maken en toewijzen geeft het Intune-equivalent: Tijdslimiet voor verbroken sessies instellen in een profiel Sessietijdslimieten.
Stap 5: Dek werkdagen, weekenden en feestdagen af
- Maak aparte schema's aan waar het gedrag verschilt. Een plan kan meerdere schema's hebben, bijvoorbeeld een schema voor werkdagen en een voor het weekend, elk met een instelling "Herhalen op".
- Op niet-geselecteerde dagen blijven de laatste instellingen buiten piekuren van de geselecteerde dagen gelden tot de volgende ramp-up.
- Autoscale ondersteunt geen ramp-down op specifieke data, zoals feestdagen. De FAQ noemt geen oplossing. Omdat wijzigingen aan een toegewezen plan direct doorwerken, is één optie om het plan op de dag zelf handmatig aan te passen. De uitsluitingstag houdt individuele hosts buiten de schaling.
- Nerdio Manager, een apart product, biedt een Default- en een Alternative-schema voor specifieke data, zoals feestdagen: Nerdio auto-scaling.
Uitgewerkt voorbeeld: drie gebruikersgroepen
De getallen zijn verzonnen. Een gepoolde hostpool heeft 15 hosts, een maximale sessielimiet van 10 en een drempel van 75 procent in beide fasen. Learn geeft de formule (sessies gedeeld door de maximale sessielimiet maal de drempel, naar boven afgerond) voor ramp-down en daluren. Voor ramp-up en piek noemt het alleen de trigger: autoscale zet een host aan zodra de gebruikte capaciteit de capaciteitsdrempel overschrijdt. De tabel past dezelfde rekenmethode op die fasen toe als benadering.
| Tijd | Gelijktijdige sessies | Benodigde hosts | Redeneren |
|---|---|---|---|
| 06:30 tot 08:00 | 20 (supportteam) | 20 / 7,5 = 2,7, dus 3 | Een minimum van 20 procent van 15 hosts is ook 3 |
| 08:00 tot 08:30 | 20 oplopend naar 100 | 3 oplopend naar 14 | Autoscale voegt hosts toe naarmate het aantal sessies stijgt |
| 08:30 tot 17:00 | 100 (kantoorpersoneel) | 100 / 7,5 = 13,3, dus 14 | Piek, drempel overgenomen van ramp-up |
| 17:00 tot 20:00 | 20 (financieel team) | 20 / 7,5 = 2,7, dus 3 | Belastingsgericht, geen minimum nodig |
| 20:00 tot 21:00 | 0 | 0 zodra de limiet voor verbroken sessies is verstreken | Ramp-down loopt nog; als gebruikers zich afkoppelen in plaats van zich af te melden, is de limiet om 20:30 voorbij |
| Na 21:00 | 0 | 0 | Heeft een minimum van 0 procent nodig (ingevoerd in ramp-down; controleer in Insights of dit tijdens de daluren standhoudt) en geen verbroken sessies |
De kolom "benodigde hosts" is een capaciteitsberekening, geen voorspelling van het aantal draaiende hosts. Met Gebruikers geforceerd afmelden uit kunnen er meer dan 3 hosts aan blijven staan als de sessies van het financiële team over meerdere hosts verspreid zijn.
Een schema op basis van deze tabel:
- Ramp-up om 06:00: breadth-first, minimum 20 procent, drempel 75 procent. 06:00 is een marge vóór de aanmeldingen om 06:30; baseer de exacte tijd op je gemeten opstarttijd.
- Piek om 08:30: breadth-first, zoals in het voorbeeld uit de FAQ van Learn. De drempel van 75 procent wordt overgenomen van ramp-up.
- Ramp-down om 17:00: depth-first, minimum 0 procent, drempelwaarde 75 procent. De stopvoorwaarde is VM's hebben geen actieve sessies en Gebruikers geforceerd afmelden staat uit.
- Off-peak om 21:00: depth-first, drempelwaarde overgenomen van ramp-down, plus een limiet van 30 minuten voor losgekoppelde sessies, ingesteld via beleid. Als gebruikers om 20:00 de verbinding verbreken, is de limiet om 20:30 bereikt, vóór het einde van ramp-down.
Stap 6: Controleren en bijstellen
Voer na een week de query uit van de monitoringpagina voor autoscale op Learn:
WVDAutoscaleEvaluationPooled
| where ResultType == "Succeeded"
| summarize max(SessionOccupancyPercent), max(SessionCount), max(ActiveSessionHostsPercent), max(ActiveSessionHostCount) by _ResourceId, bin(TimeGenerated, 1d), ConfigScheduleName, ConfigSchedulePhase
| order by _ResourceId asc, TimeGenerated asc, ConfigScheduleName, ConfigSchedulePhase ascLearn geeft geen regel om deze waarden te lezen; het volgende is een vuistregel. Autoscale zet alleen een extra host aan wanneer de gebruikte capaciteit groter is dan de drempelwaarde voor capaciteit, dus het bereiken van de drempelwaarde is normaal. Een bezetting die ruim boven de drempelwaarde ligt tijdens ramp-up, of die vlak na het begin van de piek bijna 100 procent bereikt, wijst erop dat ramp-up te laat is begonnen. Een bezetting die gedurende ramp-up en piek ver onder de drempelwaarde blijft, wijst erop dat ramp-up te vroeg is begonnen of dat het minimum te hoog is. Lage bezetting tijdens ramp-down en off-peak is geen fout, omdat het minimum ervoor zorgt dat hosts blijven draaien. Learn definieert ScalingReasonMessage als de acties die autoscale heeft besloten uit te voeren en de reden daarvoor; lees dit voor de fasen die je wilt beoordelen.
Bronnen
- Microsoft Learn: Autoscale-schaalplannen en voorbeeldscenario's in Azure Virtual Desktop
- Microsoft Learn: Een autoscale-schaalplan maken en toewijzen voor Azure Virtual Desktop
- Microsoft Learn: Woordenlijst autoscale voor Azure Virtual Desktop
- Microsoft Learn: Autoscale in Azure Virtual Desktop oplossen
- Microsoft Learn: Azure Virtual Desktop autoscale FAQ
- Microsoft Learn: Log Analytics gebruiken voor de diagnostics-functie
- Microsoft Learn: Monitor autoscale operations with Insights
- Microsoft Learn: Use Azure Virtual Desktop Insights
- Microsoft Learn: Estimate Azure Virtual Desktop Insights costs
- Nerdio: Enable dynamic host pool auto-scaling
Veelgestelde vragen
Hoe vroeg moet het opstarten beginnen voordat de eerste gebruikers zich aanmelden?
Meet hoelang een session host in jouw eigen omgeving nodig heeft om op te starten en begin de ramp-up dan zoveel eerder, plus een marge. De autoscale-scenario's en de pagina's over het maken en toewijzen geven geen cijfer voor de opstarttijd of een minimale voorlooptijd.
Kan één schaalplan voor werkdagen en weekenden verschillende schema's hebben?
Ja. Microsoft Learn meldt dat een plan meerdere schema's kan bevatten, zoals aparte schema's voor werkdagen en weekenden, elk met een eigen Herhalen op dagen. Op dagen die je niet selecteert, blijven de laatste instellingen buiten piekuren gelden tot de volgende ramp-up.
Kan autoscale rekening houden met feestdagen?
Niet op zichzelf. De FAQ over autoscale meldt dat autoscale op dit moment geen ramp-down op specifieke data ondersteunt, zoals feestdagen. De helppagina's van Nerdio beschrijven alternatieve schema's voor specifieke data in Nerdio Manager, een afzonderlijk product.