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

Blog · Mirko Peters

Breadth-first vs depth-first: qual algoritmo de balanceamento de carga um pool de hosts deve usar

Parceiro · Parceiro neutro: Nerdio

By ·

Use breadth-first quando a experiência do usuário for a prioridade e depth-first quando você quiser concentrar as sessões no menor número possível de hosts de sessão, para que os demais possam ser desligados. Este guia apresenta os critérios de decisão, um exemplo prático para os dois algoritmos e os passos para alterar a configuração.

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

Escolha breadth-first quando a prioridade for uma área de trabalho responsiva para todos os usuários, e depth-first quando a prioridade for executar o menor número possível de hosts de sessão. A Microsoft Learn apresenta a mesma divisão: o breadth-first atende organizações que priorizam a experiência do usuário, e o depth-first atende organizações preocupadas com custos que querem controle granular sobre quantos hosts ficam ligados. Este guia transforma essa divisão em critérios, um exemplo prático e os passos para alterar a configuração.

Pontos-chave

  • A Learn descreve o breadth-first como a escolha quando a experiência do usuário é o mais importante, e o depth-first para organizações preocupadas com custos que querem controlar quantos hosts ficam ligados.
  • O depth-first exige um limite máximo de sessões. O breadth-first não exige, e seu limite padrão de 999999 também é o maior valor que você pode definir.
  • O breadth-first escolhe aleatoriamente entre a metade dos hosts elegíveis com menos sessões, então as sessões podem ficar desigualmente distribuídas. O depth-first escolhe o host elegível com mais sessões.
  • Os dois algoritmos enviam um usuário que retorna com uma sessão ativa ou desconectada de volta para esse mesmo host, mesmo que ele esteja em modo de drenagem. O balanceamento de carga não se aplica a pools de hosts pessoais.
  • Você pode alterar o algoritmo a qualquer momento. Se um plano de escala estiver atribuído, a Learn informa que o dimensionamento automático aplica o algoritmo definido na programação, e não a configuração do pool de hosts.

Este artigo trata apenas de pools de hosts agrupados, porque a Learn informa que o balanceamento de carga não se aplica a pools de hosts pessoais. O funcionamento de cada algoritmo está em "Balanceamento de carga breadth-first no Azure Virtual Desktop explicado" e "Balanceamento de carga depth-first no Azure Virtual Desktop explicado"; este artigo os compara. As fontes estão listadas no final.

Como os dois algoritmos escolhem um host

Os dois algoritmos são executados quando um usuário sem sessão existente inicia uma conexão. Eles diferem no host que escolhem.

Breadth-firstDepth-first
ObjetivoDistribuir as novas sessões entre os hostsContinuar preenchendo um host até o seu limite
Regra de seleçãoConsultar os hosts que aceitam novas conexões e escolher aleatoriamente entre a metade com menos sessõesConsultar os hosts que aceitam novas conexões e ainda não atingiram o limite, e escolher o host com mais sessões; em caso de empate, o primeiro host da consulta
Limite máximo de sessõesNão exigidoObrigatória
Adequação indicada pela LearnExperiência do usuário, porque CPU, memória e disco normalmente sofrem menos contençãoCusto, porque menos hosts precisam permanecer ligados

Exemplo de breadth-first da própria Learn: com nove hosts com 11 a 19 sessões, uma nova sessão pode ir para qualquer um dos cinco hosts com menos sessões. Ela nem sempre vai para o host mais vazio, e a Learn informa que, por causa da randomização, as sessões podem não ficar distribuídas igualmente.

Regras que valem para os dois

  • Um usuário que já tem uma sessão ativa ou desconectada no pool é enviado de volta para esse host, mesmo que o modo de drenagem esteja ativado para ele.
  • Um usuário sem sessão nunca é enviado para um host em modo de drenagem.
  • Reduzir o limite máximo de sessões em um host com sessões ativas não afeta essas sessões.
  • A página de terminologia do Learn diz que, sob alta carga de conexões simultâneas, o número de sessões em um host pode ultrapassar o limite. Portanto, trate o limite como o valor que o algoritmo busca, e não como uma garantia.

Exemplo prático: 4 hosts, limite de 10, 25 usuários

Os números abaixo são uma ilustração construída a partir das regras de seleção acima, não um exemplo do Learn.

Depth-first. Os quatro hosts começam vazios, então o primeiro usuário gera um empate e vai para o primeiro host retornado pela consulta, vamos chamá-lo de H1; o Learn não define a ordem da consulta, e H1 a H4 são apenas rótulos. A partir daí, H1 tem o maior número de sessões entre os hosts abaixo do limite, então as sessões 2 a 10 também caem em H1. H2 recebe as próximas 10, e H3 recebe as últimas 5. H4 permanece vazio. Se H1 e H2 estiverem cheios com 10 sessões e chegar um 26º usuário, H3 o recebe.

Breadth-first. Cada nova sessão vai para um host aleatório entre os dois com menos sessões. Com 25 usuários e 4 hosts, a média é de cerca de 6 sessões por host. Como as novas sessões só vão para os dois hosts menos carregados, as contagens ficam próximas, normalmente 6 ou 7 por host neste exemplo (cálculo próprio), embora o Learn observe que a distribuição não é garantida como uniforme. As diferenças aumentam em pools reais porque os usuários encerram a sessão em momentos diferentes (interpretação própria).

Na prática, isso significa:

  • No modo depth-first, H4 não tem sessões e é candidato a ser desligado. Esse é o argumento de custo que o Learn apresenta.
  • No modo breadth-first, os quatro hosts recebem carga, então nenhum é candidato a desligamento até que as sessões terminem.
  • No modo depth-first, o primeiro host é o mais ocupado. As orientações de dimensionamento do Learn dizem que o logon é intensivo em CPU e que você deve planejar padrões de logon, como o início do expediente, quando muitos usuários entram ao mesmo tempo. Uma rajada de logons em um pool depth-first é, portanto, direcionada ao host que já está mais cheio. Essa é uma inferência a partir das duas afirmações, então valide em um piloto.

Critérios de decisão

PerguntaPontos a favor do breadth-firstPontos a favor do depth-first
O que pesa mais, o tempo de resposta ou o custo de operação?Tempo de respostaCusto de operação
Você quer que hosts ociosos sejam desligados enquanto outros ainda atendem usuários?As sessões continuam distribuídas por todos os hosts em execução, então menos hosts ficam vazios (interpretação própria da regra de seleção)Os hosts posteriores permanecem vazios e são mais fáceis de reduzir em escala (Learn)
Você consegue definir e manter um limite de sessões realista?O limite é opcionalO limite é obrigatório e deve se adequar à carga de trabalho
A carga de trabalho é pesada por usuário?Distribuir as sessões mantém a contenção menor, que é o motivo declarado pelo LearnUm limite baixo é necessário para que um host lotado não fique sobrecarregado (inferência)
Os usuários fazem logon em uma rajada curta?A rajada é distribuída entre os hosts (inferência)A rajada atinge primeiro um único host (inferência)

A página de balanceamento de carga do Learn traz uma observação para o depth-first: para manter uma boa experiência do usuário, altere o limite máximo de sessões para um número que atenda aos seus requisitos. Os valores iniciais por vCPU, a orientação de 20 usuários e a ressalva de que a página de dimensionamento do Learn não é totalmente consistente estão em "How to size the maximum session limit per session host"; o artigo sobre depth-first lista os mesmos pontos de partida. O Learn os chama de diretrizes genéricas, a serem usadas apenas para estimativas iniciais de desempenho, e, para planejamento de capacidade, descreve uma abordagem de piloto e uma abordagem de simulação.

Etapas para alterar o algoritmo

Você precisa da função Colaborador de Pool de Host de Área de Trabalho Virtualizada.

  1. Entre no portal do Azure e abra Azure Virtual Desktop.
  2. Selecione Pools de hosts e, em seguida, o pool de hosts do tipo pooled.
  3. Selecione Propriedades.
  4. Escolha o algoritmo em Algoritmo de balanceamento de carga. Informe um valor em Limite máximo de sessões.
  5. Selecione Salvar.

O Learn também oferece abas com Azure PowerShell e Azure CLI para essa configuração, que exigem o módulo Az.DesktopVirtualization ou a extensão de CLI desktopvirtualization. Os comandos estão na página do Learn e não são reproduzidos aqui.

Se você escolher breadth-first ao criar um pool de hosts, o limite padrão é 999999, que também é o maior valor permitido. Para depth-first, defina um número adequado à sua carga de trabalho.

O que fazer quando o depth-first fica sem espaço

A Learn destaca isto como importante: quando todos os hosts atingem o limite máximo de sessões, você precisa aumentar o limite ou adicionar hosts de sessão. O depth-first considera apenas hosts abaixo do limite, então nenhum candidato permanece (nossa interpretação da regra de seleção); a Learn não diz o que os usuários veem. Use Azure Virtual Desktop Insights para acompanhar as sessões por host e o desempenho dos hosts, que é o monitoramento que a Learn recomenda ao escolher o limite.

Interação com o autoscale

Se você usar um plano de escalonamento, o algoritmo é definido por fase na programação. A página de cenários de autoscale da Learn diz que, para pools de hosts agrupados, o autoscale ignora o algoritmo nas configurações do pool de hosts e aplica o definido na configuração da programação. O artigo sobre planos de escalonamento diz o mesmo para a fase de ascensão (ramp-up), em que a preferência selecionada substitui a configuração original do pool de hosts. Ele recomenda breadth-first para a fase de ascensão e depth-first para o período fora de pico. O pico permite qualquer um dos algoritmos, e a aba de redução (ramp-down) tem um campo de balanceamento de carga sem recomendação.

A FAQ de autoscale da Learn explica o motivo: o breadth-first proporciona uma distribuição uniforme no início do dia, enquanto o depth-first permite que o autoscale consolide sessões até atingir o menor número possível de hosts. O glossário de autoscale descreve essa consolidação como a divisão do número total de sessões, conectadas e desconectadas, pelo limite máximo de sessões multiplicado pelo limite de capacidade, arredondado para cima. Este artigo trata do autoscale de gerenciamento de energia, que a página de cenários identifica como disponibilidade geral. Para um pool com plano de escalonamento, a programação é onde a escolha é feita na prática; "Balanceamento de carga depth-first e autoscale: como a programação substitui a configuração do pool de hosts" aborda em detalhes as configurações da programação.

Para o autoscale em um pool de hosts agrupado, a Learn recomenda configurar um limite máximo de sessões personalizado e não usar o padrão.

Um procedimento curto de seleção

  1. Defina a prioridade em uma frase: experiência do usuário ou custo.
  2. Liste quantos hosts você poderia desligar no período de menor uso se as sessões fossem concentradas.
  3. Escolha um limite a partir dos pontos de partida por vCPU da Learn e da sua própria carga de trabalho.
  4. Comece com o algoritmo que corresponde à prioridade e execute um grupo piloto.
  5. Compare as sessões por host e o desempenho relatado pelos usuários no Insights.
  6. Altere o algoritmo se o piloto apontar outro caminho. A Learn diz que você pode fazer isso a qualquer momento.

Fontes

Seguir o podcastApple PodcastsSpotify

Perguntas frequentes

Posso trocar entre breadth-first e depth-first depois?

Sim. A Microsoft Learn informa que você pode configurar apenas um algoritmo por pool de hosts agrupado por vez, mas pode alterá-lo a qualquer momento. A Learn não descreve o que acontece com as sessões que já estão em execução, então teste a mudança primeiro em um pool piloto.

Por que depth-first exige um limite máximo de sessões?

O depth-first preenche um host até atingir o limite e só então passa para o próximo. Sem um limite, ele não teria um ponto em que possa avançar. A Learn diz que o limite é obrigatório e que, quando todos os hosts o atingirem, você precisa aumentar o limite ou adicionar hosts.

O algoritmo se aplica a pools de hosts pessoais?

Não. A Learn informa que o balanceamento de carga não se aplica a pools de hosts pessoais, porque cada usuário tem um mapeamento 1:1 com um host de sessão. Os pools pessoais usam atribuição automática ou direta.

Entities in this article

Temas deste artigo:

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