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

Blog · Mirko Peters

Balanceamento de carga em profundidade e dimensionamento automático: como a programação substitui a configuração do pool de hosts

Parceiro · Parceiro neutro: Nerdio

By ·

Quando um plano de escala é atribuído a um pool de hosts agrupado e está habilitado, o algoritmo de balanceamento de carga de cada fase da programação substitui a configuração do pool de hosts, segundo a Learn. Este guia mostra onde definir a profundidade primeiro e como verificar essa configuração.

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

Com um plano de escala atribuído a um pool de hosts agrupado e habilitado, o algoritmo de balanceamento de carga em execução é o da fase da programação, não o do pool de hosts. A Microsoft Learn afirma isso para a fase de ramp-up ("a preferência de balanceamento de carga selecionada aqui substitui a que você selecionou para as configurações originais do pool de hosts") e declara, de forma mais geral, que, em pools de hosts agrupados, o dimensionamento automático ignora o algoritmo de balanceamento de carga das configurações do pool de hosts e aplica o balanceamento com base na configuração da programação. Este guia é a referência campo a campo para isso: o campo de algoritmo em cada fase, os valores que são mantidos e as verificações a fazer depois.

Pontos-chave

  • A Learn diz que o balanceamento de carga do plano de escala substitui a configuração do pool de hosts e que, em pools agrupados, o dimensionamento automático sobrescreve o modo de drenagem enquanto estiver habilitado para o pool.
  • Cada fase de programação de pool agrupado tem seu próprio campo de algoritmo. A Learn recomenda amplitude primeiro para o ramp-up e profundidade primeiro para fora de pico, e permite qualquer uma das duas para o pico.
  • A profundidade primeiro permite que o dimensionamento automático consolide as sessões. Ele desliga um host somente se todas as sessões couberem sem ultrapassar o limite de capacidade e se o percentual mínimo de hosts for mantido.
  • Pools de hosts agrupados com dimensionamento automático precisam de um limite máximo de sessões personalizado. A Learn recomenda não usar o valor padrão.
  • O dimensionamento automático altera o modo de drenagem de todos os hosts no escopo, independentemente de quem o definiu. Use uma tag de exclusão para manter um host fora do dimensionamento.

Isso abrange o dimensionamento automático de gerenciamento de energia em pools agrupados, que está disponível de forma geral. A Microsoft anunciou a disponibilidade geral do gerenciamento aprimorado de pools de hosts, incluindo o dimensionamento automático dinâmico, em julho de 2026 (Tech Community). No entanto, algumas páginas da Learn ainda trazem linguagem de prévia, por exemplo as páginas de cenários e glossário. Verifique a página atual antes de confiar em algum limite. Artigos relacionados nesta série: "Balanceamento de carga em profundidade no Azure Virtual Desktop explicado" trata do próprio algoritmo, e "Forçar usuários a encerrar a sessão durante o ramp-down do AVD: o que acontece e o que o usuário vê" trata do comportamento de encerramento de sessão.

Onde a substituição acontece

Um plano de escala contém programações, e cada programação tem quatro fases. No portal do Azure, cada fase de pool agrupado tem seu próprio campo:

FaseCampo de algoritmoO que a Learn diz
Ramp-upAlgoritmo de balanceamento de cargaRecomenda amplitude primeiro e indica que a escolha substitui a configuração do pool de hosts
Horário de picoBalanceamento de cargaEm largura ou em profundidade
Rampa de descidaAlgoritmo de balanceamento de cargaSem recomendação na página
Horário fora de picoAlgoritmo de balanceamento de cargaRecomenda profundidade primeiro, para reduzir gradualmente o número de hosts com base nas sessões em cada VM

A FAQ do dimensionamento automático explica o raciocínio: a amplitude primeiro nas duas primeiras fases distribui as sessões de forma uniforme, o que, segundo a Learn, otimiza o desempenho, e a profundidade primeiro nas duas últimas ajuda o dimensionamento automático a consolidar as sessões até atingir o menor número possível de hosts de sessão.

A página de cenários do Learn usa breadth-first para a rampa de subida, o pico e o fora de pico em seus exemplos, e depth-first para a rampa de descida. São exemplos, não uma regra, então siga o texto da recomendação ao desenhar uma programação.

Qual valor confiar

O Learn documenta a substituição na programação, então o campo de balanceamento de carga do próprio pool de hosts não é a configuração que vale enquanto o autoscale estiver habilitado para o pool. O Learn diz que um plano de escalonamento entra em vigor assim que você o habilita, e que, se você habilitou o plano durante a implantação, pode desabilitá-lo para o pool de hosts selecionado no menu Plano de escalonamento, desmarcando a caixa de seleção Habilitar autoscale. Nossa interpretação: enquanto o autoscale estiver desabilitado para um pool, a programação não é aplicada, então verifique a configuração do pool de hosts nesse caso. Isso importa quando você desabilita o autoscale temporariamente, por exemplo antes de uma tarefa de manutenção.

Não use a página Propriedades do pool de hosts para descobrir qual algoritmo se aplica enquanto o plano estiver habilitado; leia a programação. Para confirmar isso no seu ambiente, crie um pool de teste, atribua um plano com depth-first no fora de pico e observe para onde as novas sessões são direcionadas.

O Learn também diz que alterações em um plano já atribuído a pools de hosts são aplicadas imediatamente. Portanto, uma edição de programação é uma mudança em tempo real.

Configurações que precisam estar alinhadas com o depth-first

O depth-first só consolida bem se as configurações vizinhas forem compatíveis. Os pré-requisitos e os cenários do Learn trazem estas:

  • Limite máximo de sessões personalizado. O Learn diz que o autoscale em pools compartilhados precisa de um limite máximo de sessões configurado, e não o valor padrão. O depth-first também exige um. Um pool criado com breadth-first recebe o padrão de 999999, o que tornaria o cálculo de capacidade sem sentido; isso é uma inferência a partir da fórmula, então substitua o valor.
  • Limite de capacidade. Informado na rampa de subida e transferido para o pico, onde o Learn diz que ele não pode ser alterado separadamente. A rampa de descida tem campo próprio, e o fora de pico usa esse valor. O autoscale só desliga hosts se a capacidade utilizada permanecer igual ou abaixo do limite.
  • Porcentagem mínima de hosts. A menor parcela de hosts que deve permanecer ligada. O Learn diz que o resultado é arredondado para cima até um número inteiro: em um pool de sete hosts, 10% na rampa de subida mantém um host ligado.
  • Forçar logoff. Aplica-se apenas na rampa de descida. Sem ele, você escolhe entre aguardar até não haver sessões ativas nem desconectadas, ou até não haver sessões ativas.
  • Sessões desconectadas. Elas contam como sessões. As perguntas frequentes do Learn dizem que atingir zero hosts exige zero sessões, incluindo as desconectadas, e recomendam um timeout de Diretiva de Grupo para sessões desconectadas.

O que o depth-first acrescenta à consolidação

O Learn descreve a consolidação de sessões como o processo que o autoscale usa durante a rampa de descida e o fora de pico para reduzir o número de hosts em execução: ele divide o total de sessões, ativas mais desconectadas, pelo limite máximo de sessões multiplicado pelo limite de capacidade, e arredonda para cima. Seu cenário 3 faz esse cálculo com depth-first, seis hosts, limite de 75% e limite de 5 sessões; o passo a passo está em "Forcing users to sign out during AVD ramp-down: what happens and what users see", e a aritmética do limite está em "Choosing the right capacity threshold for pooled host pools".

O Learn apresenta esse cálculo sem vinculá-lo a um único algoritmo. Nossa interpretação: o algoritmo decide para onde vão as novas sessões, e a consolidação decide quais hosts podem ser desligados; por isso o depth-first ajuda, porque menos hosts concentram sessões quando o cálculo é executado. O Learn não afirma isso.

Dois pontos são específicos do desenho da programação:

  1. O logoff forçado para na fase de ramp-down. A FAQ diz que o autoscale não força os usuários a fazer logoff durante o horário de baixa demanda (off-peak). Se um host estiver em modo de drenagem na fase de ramp-down e ainda houver usuários conectados quando a fase mudar para off-peak, o autoscale aguarda até que todos os usuários façam logoff antes de desalocar a VM. Nossa leitura: a estratégia depth-first no off-peak, portanto, só consolida até onde os usuários saem por conta própria.
  2. O ramp-up não desliga hosts. O cenário 2 do Learn diz que o autoscale de pool não desliga session hosts na fase de ramp-up, então a escolha breadth-first ali serve para distribuir a carga, não para economizar custo.

Passos: definir depth-first para o off-peak

O Learn lista estas abas para criar ou alterar um agendamento de pool.

  1. No portal do Azure, abra Azure Virtual Desktop e depois Planos de escalonamento, e selecione o plano.
  2. Em Gerenciar, selecione Agendamentos e abra o agendamento que você quer alterar. Se o plano ainda não tiver um agendamento, crie um primeiro.
  3. Em Ramp-up, defina o horário de início, o algoritmo (breadth-first), a porcentagem mínima de hosts e o limite de capacidade.
  4. Em Horário de pico, escolha breadth-first ou depth-first.
  5. Em Ramp-down, defina o horário de início, o algoritmo, a porcentagem mínima, o limite de capacidade e a opção de forçar o logoff dos usuários.
  6. Em Horário de baixa demanda (off-peak), defina o horário de início e escolha depth-first. O limite de capacidade não é definido aqui; o valor do Ramp-down é mantido.
  7. Confirme a alteração. Se o plano já estiver atribuído, a alteração é aplicada imediatamente.

O Learn acrescenta que, nos dias não selecionados em um agendamento, as últimas configurações de off-peak são mantidas até o próximo ramp-up. Assim, uma configuração de off-peak depth-first na sexta-feira também é o que vale no fim de semana, caso não exista um agendamento para o fim de semana.

Mantendo um host fora da lógica

O Learn diz que, em pools de hosts agrupados, o autoscale sobrescreve o modo de drenagem, e a FAQ afirma que isso vale independentemente de quem colocou o host em modo de drenagem. Para excluir um host, use uma tag de exclusão; a configuração é explicada em "Exclusion tags in AVD autoscale: keeping individual VMs out of scaling". No caso do depth-first, observe que o autoscale não inicia, para nem drena um host marcado, embora o Learn diga que hosts marcados ainda contam na porcentagem mínima de hosts. Nossa leitura: as sessões que caem em um host marcado não são consolidadas para longe dele; o Learn não diz se hosts marcados entram no cálculo de consolidação.

Verificações após a alteração

  1. Confirme que o limite máximo de sessões do pool de hosts é um valor personalizado.
  2. No horário off-peak, verifique as sessões por host no Insights. Nossa recomendação: as sessões devem se concentrar em poucos hosts; esta é uma verificação prática, não uma afirmação do Learn.
  3. No ramp-down, acompanhe se os hosts entram em modo de drenagem e são desligados.
  4. Procure sessões desconectadas que mantenham hosts ligados.
  5. Verifique se o autoscale está habilitado para o pool de hosts; se estiver desabilitado, o agendamento não é o que posiciona as sessões.
  6. Revise o agendamento sempre que alguém editar o algoritmo do pool de hosts, para não presumir que os dois coincidem.

Fontes

Seguir o podcastApple PodcastsSpotify

Perguntas frequentes

Se eu definir profundidade primeiro no pool de hosts, essa configuração continuará valendo depois que um plano de escala for atribuído e habilitado?

A Microsoft Learn diz que a preferência selecionada na programação substitui a configuração do pool de hosts e que, em pools de hosts agrupados, o dimensionamento automático ignora o algoritmo do pool de hosts e aplica o balanceamento de carga conforme a configuração da programação. A Learn também informa que um plano de escala entra em vigor assim que você o habilita, e descreve uma opção para desabilitar o plano em um pool de hosts selecionado. Enquanto o dimensionamento automático estiver habilitado, considere a programação, não a configuração do pool de hosts. Para confirmar isso no seu ambiente, crie um pool de teste e observe para onde as novas sessões são direcionadas.

Quais fases devem usar profundidade primeiro?

O artigo da Learn sobre planos de escala recomenda profundidade primeiro para fora de pico e amplitude primeiro para o ramp-up, e permite qualquer uma das duas para o pico. Já a FAQ sugere profundidade primeiro para o ramp-down e para fora de pico, para que o dimensionamento automático consolide as sessões no menor número possível de hosts.

Isso se aplica a pools de hosts pessoais?

Não. A Learn informa que o balanceamento de carga não se aplica a pools de hosts pessoais. Nas programações pessoais, em vez disso, você define a ação a ser tomada quando uma sessão é desconectada ou encerrada.

Entities in this article

Temas deste artigo:

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 temas relacionados:

RSS