M365Con 2027 – бесплатная онлайн-конференция · 11–22 Jan 2027 · 120 sessions m365con.net

Блог · Mirko Peters

Обход в ширину и в глубину: какой алгоритм балансировки нагрузки выбрать для пула узлов сеансов

Партнёр · Нейтральный партнёр: Nerdio

By ·

Используйте обход в ширину, когда на первом месте стоит удобство работы пользователей, и обход в глубину, когда нужно собрать сеансы на как можно меньшем числе узлов сеансов, чтобы остальные можно было выключить. В этом руководстве приведены критерии выбора, пример работы для каждого из алгоритмов и шаги по изменению настройки.

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

Выбирайте обход в ширину, когда приоритет — отзывчивый рабочий стол для каждого пользователя, а обход в глубину — когда приоритет в том, чтобы работали как можно меньше узлов сеансов. Microsoft Learn формулирует то же разделение: обход в ширину подходит организациям, которые ставят на первое место удобство пользователей, а обход в глубину — организациям, чувствительным к затратам, которым нужен детальный контроль над тем, сколько узлов включено. Это руководство превращает такое разделение в критерии, пример работы и шаги по изменению настройки.

Ключевые выводы

  • В Learn обход в ширину описан как выбор, когда важнее всего удобство пользователей, а обход в глубину — для организаций, чувствительных к затратам, которым нужен контроль над числом включенных узлов.
  • Обходу в глубину обязательно нужно максимальное ограничение числа сеансов. Обходу в ширину оно не нужно, а его ограничение по умолчанию 999999 является также наибольшим значением, которое можно задать.
  • Обход в ширину случайным образом выбирает один из половины подходящих узлов с наименьшим числом сеансов, поэтому сеансы могут распределяться неравномерно. Обход в глубину выбирает подходящий узел с наибольшим числом сеансов.
  • Оба алгоритма возвращают пользователя с активным или отключенным сеансом на тот же узел, даже если на нем включен режим очистки. Балансировка нагрузки не применяется к пулам персональных узлов сеансов.
  • Алгоритм можно менять в любой момент. Если назначен план масштабирования, Learn указывает, что автомасштабирование применяет алгоритм из расписания, а не настройку пула узлов сеансов.

Статья охватывает только пулы узлов сеансов с общим доступом, так как Learn указывает, что балансировка нагрузки не применяется к персональным пулам. Принцип работы каждого алгоритма описан в статьях «Балансировка нагрузки обходом в ширину в Azure Virtual Desktop: подробное объяснение» и «Балансировка нагрузки обходом в глубину в Azure Virtual Desktop: подробное объяснение»; здесь они сравниваются. Источники перечислены в конце.

Как два алгоритма выбирают узел

Оба алгоритма срабатывают, когда пользователь без существующего сеанса начинает подключение. Они различаются тем, какой узел выбирают.

Обход в ширинуОбход в глубину
ЦельРавномерно распределять новые сеансы по узламПродолжать заполнять один узел до его ограничения
Правило выбораЗапросить узлы, которые разрешают новые подключения, затем выбрать случайный из половины с наименьшим числом сеансовЗапросить узлы, которые разрешают новые подключения и не достигли ограничения, затем выбрать узел с наибольшим числом сеансов; при равенстве — первый узел из запроса
Максимальный лимит сеансовНе требуетсяОбязательна
Сценарий, для которого подходит по мнению LearnУдобство пользователей, так как ЦП, память и диск, как правило, меньше испытывают конкуренциюЗатраты, так как меньше узлов должны оставаться включенными

Пример обхода в ширину от Learn: при девяти узлах с 11–19 сеансами новый сеанс может попасть на любой из пяти узлов с наименьшим числом сеансов. Он не всегда попадает на один самый свободный узел, и Learn указывает, что из-за рандомизации сеансы могут распределяться неравномерно.

Правила, общие для обоих алгоритмов

  • Пользователь, у которого уже есть активный или отключенный сеанс в пуле, возвращается на тот же узел, даже если для него включен режим очистки.
  • Пользователь без сеанса никогда не направляется на узел в режиме очистки.
  • Снижение максимального лимита сеансов на узле с активными сеансами не влияет на эти сеансы.
  • На странице терминологии Learn сказано, что при высокой нагрузке одновременных подключений количество сеансов на узле может превысить лимит, поэтому воспринимайте лимит как целевое значение, которое стремится выдержать алгоритм, а не как гарантию.

Практический пример: 4 узла, лимит 10, 25 пользователей

Приведённые ниже цифры — иллюстрация, построенная на основе описанных выше правил выбора, а не пример из Learn.

Depth-first. Все четыре узла стартуют пустыми, поэтому первый пользователь попадает в ничью и уходит на первый узел, который вернул запрос; назовём его H1. Learn не определяет порядок выдачи запроса, а H1–H4 — это лишь обозначения. Далее H1 имеет больше всего сеансов среди узлов ниже лимита, поэтому сеансы со 2-го по 10-й тоже попадают на H1. H2 получает следующие 10, а H3 — последние 5. H4 остаётся пустым. Если H1 и H2 заполнены до 10 и приходит 26-й пользователь, его получает H3.

Breadth-first. Каждый новый сеанс отправляется на случайный из двух узлов с наименьшим количеством сеансов. При 25 пользователях и 4 узлах в среднем получается около 6 сеансов на узел. Поскольку новые сеансы попадают только на два наименее загруженных узла, значения выравниваются и в этом примере обычно составляют 6 или 7 на узел (собственный расчёт), хотя Learn отмечает, что равномерность распределения не гарантируется. В реальных пулах разница растёт, потому что пользователи выходят из системы в разное время (собственная интерпретация).

Что это означает на практике:

  • При depth-first узел H4 не имеет сеансов и является кандидатом на отключение. Это и есть аргумент экономии, который приводит Learn.
  • При breadth-first все четыре узла несут нагрузку, поэтому ни один из них не является кандидатом на выключение, пока сеансы не завершились.
  • При depth-first первый узел оказывается самым загруженным. В рекомендациях Learn по планированию сказано, что вход в систему требует много ресурсов процессора, и что нужно учитывать шаблоны входа, например начало рабочего дня, когда много пользователей входят одновременно. Всплеск входов в пуле depth-first, таким образом, направляется на узел, который уже заполнен больше всех. Это вывод из двух утверждений, поэтому проверьте его в пилотном проекте.

Критерии выбора

ВопросАргументы в пользу breadth-firstАргументы в пользу depth-first
Что важнее: время отклика или стоимость работы?Время откликаСтоимость работы
Нужно ли, чтобы простаивающие узлы выпадали из работы, пока другие ещё несут пользователей?Сеансы остаются распределёнными по всем работающим узлам, поэтому реже освобождаются узлы (собственная интерпретация правила выбора)Узлы, которые приходят позже, остаются пустыми и их легче масштабировать вниз (Learn)
Можете ли вы задать и поддерживать реалистичный лимит сеансов?Лимит необязателенЛимит обязателен и должен соответствовать нагрузке
Тяжела ли нагрузка на одного пользователя?Распределение снижает конкуренцию за ресурсы, что Learn называет причиной такого подходаНизкий лимит нужен, чтобы перегруженный узел не был перегружен (вывод)
Приходят ли пользователи короткими всплесками?Всплеск распределяется между узлами (вывод)Всплеск сначала приходится на один узел (вывод)

На странице балансировки нагрузки Learn есть примечание для depth-first: чтобы сохранить хороший пользовательский опыт, измените максимальный лимит сеансов на число, соответствующее вашим требованиям. Начальные значения на vCPU, рекомендация на 20 пользователей и оговорка о том, что страница рекомендаций по размеру не полностью согласована, приведены в статье «How to size the maximum session limit per session host»; статья о depth-first перечисляет те же исходные значения. Learn называет их общими рекомендациями, которые применяются только для первичных оценок производительности, а для планирования мощностей описывает пилотный подход и подход с моделированием.

Шаги по смене алгоритма

Нужна роль Desktop Virtualization Host Pool Contributor.

  1. Войдите на портал Azure и откройте Azure Virtual Desktop.
  2. Выберите Host pools, затем выберите нужный пул узлов.
  3. Выберите Свойства.
  4. Выберите алгоритм в поле Load balancing algorithm. Введите значение в поле Max session limit.
  5. Нажмите Сохранить.

Learn также предоставляет вкладки Azure PowerShell и Azure CLI для этого параметра; для них нужен модуль Az.DesktopVirtualization или расширение CLI desktopvirtualization. Команды приведены на странице Learn и здесь не воспроизводятся.

Если при создании пула узлов выбрать breadth-first, лимит по умолчанию составляет 999999, это также максимально допустимое значение. Для depth-first задайте число, соответствующее вашей нагрузке.

Что делать, когда в depth-first заканчивается место

Документация Learn отмечает важный момент: когда все узлы сеанса достигают максимального лимита сеансов, нужно либо увеличить лимит, либо добавить узлы сеансов. Алгоритм «в глубину» учитывает только узлы ниже лимита, поэтому подходящих кандидатов не остаётся (это наша трактовка правила выбора); Learn не описывает, что видят пользователи. Чтобы отслеживать сеансы на каждом узле и производительность узлов, используйте Azure Virtual Desktop Insights. Именно такой мониторинг Learn рекомендует при выборе лимита.

Взаимодействие с автомасштабированием

Если вы используете план масштабирования, алгоритм задаётся для каждой фазы в расписании. На странице сценариев автомасштабирования Learn сказано, что для пулов узлов с общими сеансами автомасштабирование игнорирует алгоритм из параметров пула узлов и применяет алгоритм из конфигурации расписания. В статье о плане масштабирования сказано то же самое для фазы роста нагрузки: выбранное предпочтение переопределяет исходную настройку пула узлов. Для фазы роста рекомендуется алгоритм «вширь», для периода низкой нагрузки — «в глубину». В пиковой фазе доступен любой из алгоритмов, а на вкладке снижения нагрузки есть поле балансировки без рекомендации.

В FAQ по автомасштабированию Learn объясняет причину: алгоритм «вширь» обеспечивает равномерное распределение в начале дня, а алгоритм «в глубину» позволяет автомасштабированию консолидировать сеансы, пока не будет достигнуто минимально возможное количество узлов. В глоссарии автомасштабирования эта консолидация описывается так: общее количество сеансов, подключённых и отключённых, делится на максимальный лимит сеансов, умноженный на пороговое значение загрузки, и результат округляется вверх. В этой статье рассматривается автомасштабирование управления энергопотреблением, которое на странице сценариев помечено как общедоступное. Для пула с планом масштабирования выбор на практике делается в расписании; подробности о настройках расписания приведены в статье «Балансировка нагрузки в глубину и автомасштабирование: как расписание переопределяет настройку пула узлов».

Для автомасштабирования в пуле с общими сеансами Learn рекомендует задавать пользовательский максимальный лимит сеансов, а не использовать значение по умолчанию.

Краткая процедура выбора

  1. Сформулируйте приоритет одним предложением: пользовательский опыт или стоимость.
  2. Посчитайте, сколько узлов можно было бы отключить в самый тихий период, если бы сеансы были уплотнены.
  3. Выберите лимит, исходя из рекомендуемых Learn отправных значений на vCPU и вашей собственной нагрузки.
  4. Начните с алгоритма, соответствующего приоритету, и запустите пилотную группу.
  5. Сравните количество сеансов на узел и оценки производительности, которые сообщают пользователи, в Insights.
  6. Смените алгоритм, если пилот показывает иное. Learn указывает, что это можно сделать в любой момент.

Источники

Подписаться на подкастApple PodcastsSpotify

FAQ

Можно ли позже переключиться между обходом в ширину и обходом в глубину?

Да. Microsoft Learn указывает, что для каждого пула узлов сеансов с общим доступом одновременно можно настроить только один алгоритм, но менять его можно в любой момент. В Learn не описано, что происходит с уже запущенными сеансами, поэтому сначала проверьте изменение на пилотном пуле.

Зачем обходу в глубину нужно максимальное ограничение числа сеансов?

Обход в глубину заполняет один узел до его ограничения, а затем переходит к следующему. Без ограничения у алгоритма нет момента, когда можно перейти дальше. В Learn сказано, что ограничение обязательно, а когда все узлы его достигнут, нужно либо повысить ограничение, либо добавить узлы.

Применяется ли алгоритм к пулам персональных узлов сеансов?

Нет. В Learn сказано, что балансировка нагрузки не применяется к пулам персональных узлов сеансов, так как каждый пользователь сопоставлен с узлом сеансов по схеме 1:1. Вместо этого в персональных пулах используется автоматическое или прямое назначение.

Entities in this article

Темы этой статьи:

Breadth-first load balancing (Azure Virtual Desktop) – Подтема в рамках темы «Host pool (Azure Virtual Desktop)» Depth-first load balancing (Azure Virtual Desktop) – Подтема в рамках темы «Host pool (Azure Virtual Desktop)» Host pool (Azure Virtual Desktop) – Подтема в рамках темы «Azure Virtual Desktop»

Related articles

Другие статьи на тему Host pool (Azure Virtual Desktop):

RSS