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

Blog · Mirko Peters

Balanceamento de carga em largura (breadth-first) no Azure Virtual Desktop explicado

Parceiro · Parceiro neutro: Nerdio

By ·

O balanceamento de carga em largura envia cada nova sessão para um host escolhido aleatoriamente entre a metade dos hosts de sessão disponíveis que têm menos sessões. Não exige um limite máximo de sessões, mas o dimensionamento automático exige um personalizado.

Automatically translated with AI from the original post. Read the English original

O balanceamento de carga em largura no Azure Virtual Desktop envia cada nova sessão de usuário para um host de sessão escolhido aleatoriamente entre a metade dos hosts disponíveis que têm, no momento, menos sessões. O objetivo é distribuir os usuários pelo pool para que CPU, memória e disco de cada host fiquem, em geral, menos disputados, e não exige um limite máximo de sessões. A comparação entre o balanceamento em largura e em profundidade é tratada em outro artigo desta série.

Pontos-chave

  • O balanceamento em largura consulta os hosts de sessão que permitem novas conexões e escolhe um deles aleatoriamente entre a metade com menos sessões. Assim, a distribuição é equilibrada, mas não estritamente uniforme.
  • Um limite máximo de sessões é opcional no balanceamento em largura. Quando um pool é criado com esse algoritmo, o padrão é 999999, o maior valor possível.
  • A Microsoft Learn descreve o balanceamento em largura como uma forma de otimizar o desempenho das sessões, já que os recursos de cada host costumam ficar menos disputados, e descreve o balanceamento em profundidade como a escolha para organizações preocupadas com custos.
  • Os dois algoritmos ainda direcionam um usuário que retorna para o host onde está sua sessão ativa ou desconectada, mesmo que o modo de drenagem esteja ativado, e ignoram hosts em drenagem para novos usuários.
  • Com o dimensionamento automático, a Microsoft Learn recomenda o balanceamento em largura para a fase de aumento de carga. O algoritmo de aumento de carga definido na programação substitui a configuração do pool de hosts, e você deve definir um limite máximo de sessões personalizado.

Como um host é escolhido

A Microsoft Learn descreve o algoritmo em duas etapas. Primeiro, consulta os hosts de sessão do pool de hosts que permitem novas conexões. Depois, seleciona aleatoriamente um host entre a metade desse conjunto, considerando os hosts com menos sessões.

Exemplo da própria Microsoft Learn: nove hosts de sessão têm 11, 12, 13, 14, 15, 16, 17, 18 e 19 sessões. Uma nova sessão não vai automaticamente para o host com 11. Ela pode ir para qualquer um dos cinco primeiros hosts, os que têm menos sessões, escolhido aleatoriamente. A Microsoft Learn explica a consequência: por causa da aleatoriedade, algumas sessões podem não ficar distribuídas de forma uniforme entre todos os hosts de sessão.

Regras compartilhadas com o balanceamento em profundidade

A Microsoft Learn lista três comportamentos que os dois algoritmos têm em comum. Os mais importantes para o balanceamento em largura: um usuário que já tem uma sessão ativa ou desconectada é redirecionado para o host onde está essa sessão ao entrar novamente, mesmo que o modo de drenagem esteja ativado nesse host; já para um usuário sem sessão, o balanceador de carga não considera um host em drenagem. O artigo comparativo desta série analisa as três regras em detalhes. Você pode configurar um algoritmo por vez em cada pool de hosts compartilhado e alterá-lo a qualquer momento.

O limite máximo de sessões

A Learn diz que você não precisa especificar um limite máximo de sessões para o breadth-first. O limite máximo de sessões continua existindo, porém. Se você usar o breadth-first ao criar um pool de host pela primeira vez, o valor padrão é 999999, que também é o maior número possível. A página de implantação diz para informar o número máximo de usuários que você quer balanceados em um único host de sessão, e a página de terminologia acrescenta que, sob uma carga alta de conexões simultâneas, quando vários usuários se conectam ao mesmo tempo, o número de sessões em um host de sessão pode ultrapassar o limite. A Learn também diz que, se você reduzir o limite em um host de sessão enquanto ele tiver sessões de usuário ativas, a alteração não afeta essas sessões.

O autoscale muda esse cenário. A página de criação e atribuição diz que, ao usar o autoscale com um pool de host compartilhado, você precisa configurar um MaxSessionLimit personalizado e não pode usar o padrão. O glossário de autoscale da Learn define os números envolvidos: a capacidade disponível do pool de host é o limite máximo de sessões multiplicado pelo número de hosts de sessão disponíveis, e a capacidade usada do pool de host é o número de sessões ativas e desconectadas dividido por essa capacidade. O próprio exemplo da página de criação e atribuição: dois hosts de sessão com limite de 20 sessões resultam em uma capacidade disponível de 40 sessões; com um limite de capacidade de 75 por cento, o autoscale liga um terceiro host quando os hosts passam de 30 sessões, e a capacidade passa a ser 60.

Breadth-first e autoscale

Um plano de escalonamento define um algoritmo de balanceamento de carga por fase. A página de cenários diz que, para pools de host compartilhados, o autoscale ignora o algoritmo nas configurações do pool de host e aplica o balanceamento de carga com base na programação, e a página de criação e atribuição diz que a preferência escolhida na programação substitui a definida nas configurações originais do pool de host. Essa mesma página recomenda o breadth-first para a fase de aumento de carga, para distribuir os usuários entre os hosts existentes e manter os tempos de acesso rápidos. O FAQ do autoscale traz um exemplo para o dia inteiro: breadth-first no aumento de carga e no pico, depth-first na redução de carga e fora do pico, para que o autoscale possa consolidar as sessões.

Veja fases da programação do autoscale para entender como as fases de uma programação são definidas.

O primeiro cenário de autoscale da Learn usa o breadth-first no aumento de carga. O pool tem seis hosts de sessão, um limite de capacidade de 30 por cento, um percentual mínimo de hosts de 30 por cento e um limite máximo de sessões de 5. O autoscale inicia dois hosts para atender ao mínimo, porque 30 por cento de seis é 1,8, arredondado para cima, chegando a dois. A capacidade disponível é 10.

  1. Três usuários fazem login. Como o algoritmo é o breadth-first, as sessões deles são distribuídas entre os dois hosts em execução. A capacidade usada é de 30 por cento, o que não ultrapassa o limite, então o autoscale não inicia nada.
  2. Um quarto usuário faz login. A capacidade usada chega a 40 por cento, acima do limite, então o autoscale inicia um terceiro host. A capacidade sobe para 15 e a capacidade usada cai para 27 por cento.
  3. Um quinto usuário leva o índice a 33 por cento, então um quarto host é iniciado. Com 5 sessões em 4 hosts, a capacidade é 20 e o uso é de 25 por cento.

A tabela da Learn continua a partir daí: 6 sessões em 4 hosts equivalem a 30 por cento, então nada é iniciado, e 7 sessões em 4 hosts equivalem a 35 por cento, então um quinto host é iniciado e a capacidade passa a ser 25 (28 por cento). Como o limite é 5 neste exemplo, cada host acrescenta 5 à capacidade disponível.

Custo e desempenho

A Learn apresenta a troca de forma direta. O breadth-first é descrito como ideal para organizações que querem priorizar a experiência do usuário, porque recursos do host como CPU, memória e disco normalmente sofrem menos disputa. O depth-first é descrito como ideal para organizações preocupadas com custos, porque saturar um host por vez facilita reduzir o número de hosts ligados quando há menos usuários conectados.

Os dois algoritmos podem ser combinados em um mesmo plano de escalonamento, como mostra o exemplo do FAQ do autoscale descrito acima em breadth-first e autoscale. O que o autoscale faz na redução de carga, incluindo o encerramento forçado de sessões e a manutenção de zero hosts em execução fora do horário, é abordado nos artigos sobre depth-first e planos de escalonamento desta série; veja também a entidade plano de escalonamento.

Como configurar

Você precisa da função Colaborador de Pool de Host de Virtualização de Área de Trabalho. No portal do Azure:

  1. Pesquise e selecione Azure Virtual Desktop, depois selecione Host pools e o host pool desejado.
  2. Selecione Propriedades.
  3. Em Load balancing algorithm, escolha breadth-first no menu suspenso e, em Max session limit, informe um valor.
  4. Selecione Salvar.

No PowerShell, Update-AzWvdHostPool aceita -LoadBalancerType e -MaxSessionLimit. A página de balanceamento de carga do Learn mostra como definir breadth-first sem alterar o limite máximo de sessões:

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

Para verificar o resultado, a mesma página usa Get-AzWvdHostPool @parameters | Format-Table Name, LoadBalancerType, MaxSessionLimit. O equivalente na CLI do Azure é az desktopvirtualization hostpool update --resource-group <ResourceGroupName> --name <HostPoolName> --load-balancer-type BreadthFirst. O Learn apresenta o bloco do PowerShell como uma forma de definir breadth-first "sem ajustar o limite máximo de sessões", então o limite existente permanece como estava. Para definir também um limite, adicione -MaxSessionLimit com o valor desejado. Os exemplos de depth-first do Learn definem o valor como 10, como MaxSessionLimit = '10' no PowerShell e --max-session-limit 10 na CLI do Azure. A seção de depth-first do Learn diz que você pode usar o Azure Virtual Desktop Insights para monitorar o número de sessões em cada session host e revisar o desempenho dos session hosts, o que ajuda a determinar o limite máximo de sessões. Para uso local, o Learn lista como pré-requisitos a extensão da CLI do Azure desktopvirtualization ou o módulo do PowerShell Az.DesktopVirtualization.

Quando esperar surpresas

  • Modo de drenagem com dimensionamento automático. Para host pools em pool, o Learn informa que o dimensionamento automático sobrescreve o modo de drenagem nas VMs incluídas no escalonamento. Por isso, use tags de exclusão para as VMs que você quer manter de fora, por exemplo durante uma atualização. As páginas de cenários de dimensionamento automático e as perguntas frequentes sobre o dimensionamento automático dizem isso, então verifique a tag de exclusão em qualquer host que pareça mudar de estado inesperadamente.

Relacionados

Fontes

Seguir o podcastApple PodcastsSpotify

Perguntas frequentes

O balanceamento em largura é o algoritmo de balanceamento de carga padrão?

O portal oferece os dois algoritmos ao criar um pool de hosts compartilhado, e a página de implantação da Microsoft Learn orienta a escolher entre largura (breadth-first) ou profundidade (depth-first) conforme o seu padrão de uso. A página de balanceamento de carga da Microsoft Learn não informa qual algoritmo é o padrão. Ela diz apenas que, se você usar o algoritmo em largura ao criar o pool de hosts pela primeira vez, o limite máximo de sessões assume 999999 por padrão, que também é o maior valor que você pode definir.

O balanceamento em largura distribui as sessões exatamente de forma igual?

Não. A Microsoft Learn explica que o algoritmo escolhe aleatoriamente entre a metade dos hosts disponíveis com menos sessões. Assim, uma nova sessão não vai automaticamente para o host com menor carga, e algumas sessões podem não ficar distribuídas de forma uniforme.

Os pools de hosts pessoais usam o balanceamento em largura?

Não. A Microsoft Learn informa que o balanceamento de carga não se aplica a pools de hosts pessoais, porque os usuários sempre têm um mapeamento 1:1 com um host de sessão. Somente os pools de hosts compartilhados usam o algoritmo em largura ou em profundidade.

Entities in this article

Temas deste artigo:

Breadth-first load balancing (Azure Virtual Desktop) – Subtema de Host pool (Azure Virtual Desktop) Host pool (Azure Virtual Desktop) – Subtema de Azure Virtual Desktop

Related articles

Mais artigos sobre Host pool (Azure Virtual Desktop):

RSS