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

Блог · Mirko Peters

Проектирование расписания автомасштабирования AVD под реальный рабочий график

Партнёр · Нейтральный партнёр: Nerdio

By ·

Постройте расписание автомасштабирования Azure Virtual Desktop на основе измеренного количества сеансов, а не офисных часов «на бумаге». В этом руководстве вы пройдёте путь от почасовых данных о сеансах до времени начала фаз, минимального процента, порога ёмкости и проверки.

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

Хорошее расписание автомасштабирования начинается с измеренного количества сеансов: найдите часы, когда сеансы растут, держатся и снижаются, и поставьте четыре времени начала фаз на эти поворотные точки. Затем задайте минимальный процент узлов и порог ёмкости для наращивания и снижения, сделайте время ожидания снижения короче самой фазы и проверьте результат в Insights.

Ключевые выводы

  • Начните с данных: почасовые новые подключения из WVDConnections показывают, когда начинаются входы, а счётчики сеансов показывают, где сеансы держатся, снижаются и доходят до вечернего минимума. Времена начала фаз определяются по ним.
  • Наращивание должно начинаться достаточно рано, чтобы узлы успели запуститься до прихода первых пользователей. Измеряйте время запуска в своей среде: на страницах Learn такой цифры нет.
  • Время ожидания снижения должно быть короче самой фазы снижения. В примере из FAQ Learn фаза длится 15 минут, а ожидание — 20 минут, поэтому принудительный выход из системы никогда не происходит.
  • Автомасштабирование не может снижать нагрузку в конкретные даты, а план работает в одном часовом поясе. Используйте отдельные расписания для будних дней и выходных, а праздники планируйте вручную.
  • Отключённые сеансы поддерживают узлы в работе. Документированный способ довести число узлов до нуля в нерабочее время — политика ограничения времени, которая завершает такие сеансы, в сочетании с минимумом 0 процентов.

Соседние статьи объясняют фазы («Ramp-up, peak, ramp-down and off-peak: the four AVD autoscale phases explained») и создание плана («How to create and assign an AVD scaling plan step by step»). Эта статья охватывает шаг, который идёт перед ними: определение значений.

Шаг 1: сбор реальных данных об использовании

Офисные часы «на бумаге» могут отличаться от реального поведения при входе. Измеряйте как минимум несколько типичных недель.

  1. Включите диагностические параметры для пула узлов и его рабочей области и отправляйте их в рабочую область Log Analytics. В пуле узлов включите Autoscale logs for pooled host pools; страница Insights в Learn указывает эту категорию среди минимальных. Для просмотра данных нужны роли Desktop Virtualization Reader и Log Analytics Reader; данные могут появиться через несколько часов.
  2. Выполните запрос к WVDConnections, чтобы получить профиль входов. Learn описывает состояния подключения Started, Connected и Completed; Connected означает, что пользователь успешно подключился к виртуальной машине. Подсчёт событий Connected по часам даёт количество новых подключений в час: когда начинается первая волна и насколько она большая, а не сколько сеансов открыто. Запрос адаптирует шаблон Learn «по дням» к почасовым подсчётам; проверьте имена столбцов в своей рабочей области. В таблице категорий Learn есть категория Connections, которая нужна диагностическому параметру для этой таблицы:
WVDConnections
| where State == "Connected"
| summarize NewConnections = dcount(CorrelationId) by bin(TimeGenerated, 1h)
| order by TimeGenerated asc

В справочнике таблицы указано, что TimeGenerated хранится в UTC. Переведите часы в часовой пояс плана, прежде чем читать времена начала, например с помощью функции KQL datetime_utc_to_local, и учитывайте переход на летнее время. При смещении на полчаса одночасовые интервалы не совпадут с местными часами.

  1. Открытые сеансы показывают пик, спад и вечерний минимум. Azure Virtual Desktop Insights собирает счётчики производительности через правило сбора данных в рабочую область, которую вы выбрали для данных узлов сеансов. Она может отличаться от рабочей области диагностики, поэтому запрашивайте ту, где лежат счётчики. На странице Learn о стоимости перечислены счётчики Terminal Services Active Sessions, Inactive Sessions и Total Sessions, каждый из которых снимается раз в 60 секунд на каждой виртуальной машине. На странице они не определены, поэтому запросите их сами, проверьте, что именно они показывают, и сложите значения по хостам, чтобы получить показатель для всего пула.
  2. После того как план назначен пулу узлов сеансов и его журналы автомасштабирования поступают в Log Analytics, вкладка Autoscale в Insights показывает изменения состояния питания узлов сеансов во времени и сводную информацию. Базовая таблица WVDAutoscaleEvaluationPooled содержит столбцы SessionCount, SessionOccupancyPercent, ActiveSessionHostCount и ConfigSchedulePhase, так что эти значения можно смотреть отдельно для каждой фазы расписания. Learn определяет SessionCount как количество сеансов на узлах, которые автомасштабирование считает активными.

Для каждого дня недели запишите четыре числа: когда впервые появляются входы в систему (профиль входа), а по счётчикам сеансов — когда сеансы достигают дневного максимума, когда начинают снижаться и когда доходят до вечернего минимума.

Шаг 2: расставьте четыре времени начала фаз

Learn определяет фазы по поведению сеансов: нарастание — когда сеансы растут, пик — когда их количество стабильно, спад — когда они уменьшаются, а нерабочее время — это дневной минимум (фазы расписания автомасштабирования).

  • Начало нарастания: до первой волны входов в систему. Learn говорит, что именно в это время автомасштабирование начинает «подготавливать узлы сеансов» к часам пик. Измерьте, сколько времени требуется выключенному узлу, чтобы начать принимать подключения, и добавьте запас; на странице не указана продолжительность запуска.
  • Начало пика: там, где кривая выравнивается. Это также конец нарастания. Используйте часовой пояс, который вы задали для плана.
  • Начало спада: там, где одновременные сеансы начинают устойчиво снижаться, а не в официальное время окончания рабочего дня.
  • Начало нерабочего времени: там, где кривая доходит до вечернего минимума. Это конец спада.

Learn указывает, что план работает только в заданном для него часовом поясе, и время начала пика должно быть в этом поясе. На своих страницах он не даёт рекомендаций по переходу на летнее время, поэтому после смены времени проверяйте Insights.

Шаг 3: задайте минимальный процент и пороговое значение загрузки

Этот шаг относится к автомасштабированию управления питанием для пулов узлов сеансов. Динамическое автомасштабирование имеет другие поля в собственном разделе страницы Learn о создании и назначении.

Пороговое значение загрузки и минимальный процент узлов вводятся только для нарастания и спада. На странице Learn о создании и назначении сказано:

  • Пороговое значение загрузки для нарастания переносится на пик, а значение для спада — на нерабочее время. У пика и нерабочего времени нет собственных полей порога или минимума.
  • На странице Learn по устранению неполадок минимальный процент применяется во время спада и в нерабочее время, но на странице создания и назначения перенос указан только для порогового значения загрузки. После изменения расписания проверьте в Insights, что узлы действительно доходят до нуля.

Используйте свои данные так:

  • Минимум для нарастания: количество узлов, необходимых для первой волны, делённое на общее число узлов. Автомасштабирование округляет дробный результат вверх.
  • Порог нарастания: насколько заполненными могут быть узлы, прежде чем запустится следующий. Learn говорит, что автомасштабирование не включает виртуальные машины, пока использованная ёмкость пула узлов больше порогового значения загрузки.
  • Порог и минимум для спада: третий сценарий Learn сочетает высокий порог с низким минимальным процентом, что, по его словам, уменьшает необходимость включать новые узлы сеансов в конце рабочего дня.
  • Минимум для спада: нижняя граница, которую вы допускаете при снижении нагрузки. Установите 0 процентов, если узлы должны иметь возможность доходить до нуля после окончания рабочего дня, потому что в FAQ Learn сказано, что автомасштабирование может выключить все виртуальные машины, если минимальный процент узлов равен 0 и сеансов не осталось.

Выбор порогового значения описан в статье «Choosing the right capacity threshold for pooled host pools». Сначала задайте пользовательский максимальный лимит сеансов: на странице Microsoft Learn «Создание и назначение» указано, что не следует использовать значение MaxSessionLimit по умолчанию.

Шаг 4: настройте ramp-down под модель выхода пользователей

Поле ramp-down Принудительный выход пользователей определяет, что происходит с пользователями на хостах, которые автомасштабирование хочет отключить:

  • Вкл. Автомасштабирование выбирает хост с наименьшим количеством сеансов, переводит его в режим drain, уведомляет пользователей, завершает их сеансы после времени ожидания и освобождает ВМ. См. принудительный выход.
  • Выкл. Нужно выбрать У ВМ нет активных или отключенных сеансов или У ВМ нет активных сеансов. В FAQ по автомасштабированию рекомендуется второй вариант («Stop VMs when no active sessions»). В примере ниже используется именно он.

В FAQ Microsoft Learn описана ловушка принудительного выхода, которая срабатывает только в ramp-down: при ramp-down 15 минут и времени ожидания 20 минут расписание переходит во внепиковый режим раньше, чем происходит выход. Делайте фазу длиннее времени ожидания.

Чтобы довести количество хостов до нуля, в FAQ Microsoft Learn указано следующее: нужно, чтобы не было ни активных, ни отключенных сеансов, минимальный процент во внепиковые часы был 0 процентов, а ограничение времени для отключенных сеансов групповой политикой (например, от 15 до 30 минут) завершалось до окончания ramp-down. На странице «Создание и назначение» есть аналог в Intune: параметр Set time limit for disconnected sessions в профиле Session Time Limits.

Шаг 5: учтите будни, выходные и праздники

  • Создавайте отдельные расписания там, где поведение различается. В плане может быть несколько расписаний, например для будних дней и выходных, каждое с настройкой «Repeat on».
  • В невыбранные дни действуют последние настройки внепиковых часов выбранных дней до следующего ramp-up.
  • Автомасштабирование не поддерживает ramp-down в конкретные даты, например в праздники. В FAQ обходного пути не описано. Поскольку изменения назначенного плана применяются сразу, один из вариантов: вручную править план в нужный день. Тег исключения позволяет исключить отдельные хосты из масштабирования.
  • Nerdio Manager, отдельный продукт, предлагает расписания Default и Alternative для конкретных дат, например праздников: автомасштабирование Nerdio.

Практический пример: три группы пользователей

Цифры условные. В пуле хостов с назначенными пользователями 15 хостов, максимальный лимит сеансов 10 и порог 75 процентов в обеих фазах. Microsoft Learn приводит формулу (количество сеансов, деленное на максимальный лимит сеансов, умноженное на порог, с округлением вверх) для ramp-down и внепиковых часов. Для ramp-up и пиковых часов указан только триггер: автомасштабирование включает хост, когда используемая мощность превышает порог мощности. В таблице та же арифметика применена к этим фазам как приближение.

ВремяОдновременные сеансыНужно хостовЛогика рассуждений
С 06:30 до 08:0020 (группа поддержки)20 / 7,5 = 2,7, округляем до 3Минимум 20 процентов от 15 хостов тоже дает 3
С 08:00 до 08:30От 20 до 100От 3 до 14Автомасштабирование добавляет хосты по мере роста сеансов
С 08:30 до 17:00100 (офисные сотрудники)100 / 7,5 = 13,3, округляем до 14Пиковые часы, порог переносится из ramp-up
С 17:00 до 20:0020 (финансовый отдел)20 / 7,5 = 2,7, округляем до 3Расчет по нагрузке, минимум не нужен
С 20:00 до 21:0000, когда отработал лимит отключенных сеансовRamp-down еще идет; если пользователи отключаются, а не выходят, лимит завершится в 20:30
После 21:0000Нужен минимум 0 процентов (задается в ramp-down; проверьте в Insights, что он действует во внепиковые часы) и отсутствие отключенных сеансов

Столбец «Нужно хостов» — это расчет мощности, а не прогноз количества работающих хостов. При выключенной настройке Принудительный выход пользователей может остаться включенными больше 3 хостов, если сеансы финансового отдела распределены по нескольким из них.

Расписание, собранное из этой таблицы:

  1. Ramp-up в 06:00: breadth-first, минимум 20 процентов, порог 75 процентов. 06:00 — запас перед входом в систему в 06:30; подберите время по измеренному времени запуска.
  2. Пик в 08:30: breadth-first, как в примере из FAQ Microsoft Learn. Порог 75 процентов переносится из ramp-up.
  3. Ramp-down 17:00: обход в глубину (depth-first), минимум 0 процентов, порог 75 процентов. Условие остановки: на ВМ нет активных сеансов, а принудительный выход пользователей отключён.
  4. Off-peak 21:00: обход в глубину (depth-first), порог переносится из ramp-down, плюс лимит отключённых сеансов в 30 минут, заданный через политику. Если пользователи отключаются в 20:00, лимит срабатывает в 20:30, то есть до окончания ramp-down.

Шаг 6: проверка и корректировка

Через неделю выполните запрос со страницы Learn о мониторинге автомасштабирования:

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 asc

Learn не даёт правила для чтения этих значений, поэтому ниже приведено практическое эмпирическое правило. Автомасштабирование включает ещё один хост только тогда, когда используемая мощность больше порога мощности, поэтому достижение порога ожидаемо. Загрузка, заметно превышающая порог во время ramp-up, или близкая к 100 процентам вскоре после начала пика, говорит о том, что ramp-up начался слишком поздно. Загрузка, far below порога на протяжении ramp-up и пика, говорит о том, что ramp-up начался слишком рано или минимум задан слишком высоким. Низкая загрузка в ramp-down и off-peak не является ошибкой, так как минимум поддерживает работу хостов. Learn определяет ScalingReasonMessage как действия, которые автомасштабирование решило выполнить, и причины этих решений; изучите его для тех фаз, которые вызывают вопросы.

Источники

FAQ

За какое время до первого входа пользователей нужно начинать наращивание?

Засеките, сколько времени занимает запуск узла сеансов в вашей среде, и начинайте наращивание на это время раньше плюс запас. В сценариях автомасштабирования и страницах создания и назначения нет данных ни о времени запуска, ни о минимальном опережении.

Может ли один план масштабирования иметь разные расписания для будних дней и выходных?

Да. Microsoft Learn сообщает, что план может содержать несколько расписаний, например отдельные расписания для будних дней и выходных, каждое со своим параметром «Повторять в дни». В дни, которые вы не выбрали, последние настройки вне пиковых часов действуют до следующего наращивания.

Умеет ли автомасштабирование учитывать государственные праздники?

Самостоятельно — нет. В FAQ по автомасштабированию указано, что сейчас оно не поддерживает снижение нагрузки в конкретные даты, например в праздники. На страницах справки Nerdio описаны альтернативные расписания для конкретных дат в Nerdio Manager, который является отдельным продуктом.

Entities in this article

Темы этой статьи:

Autoscale schedule phases (Azure Virtual Desktop) – Подтема в рамках темы «AVD scaling plan» AVD scaling plan – Часть Azure Virtual Desktop

Related articles

Другие статьи на тему AVD scaling plan:

RSS