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

Блог · Mirko Peters

Принудительный выход пользователей во время ramp-down для AVD: что происходит и что видят пользователи

Партнёр · Нейтральный партнёр: Nerdio

By ·

Если включён принудительный выход в фазе ramp-down, автомасштабирование переводит узел с наименьшим количеством сеансов в режим дренирования, уведомляет пользователей, ждёт, завершает оставшиеся сеансы и освобождает виртуальную машину. Статья содержит рабочий сценарий от Microsoft и описание того, где находятся настройки.

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

Принудительный выход — это настройка в фазе ramp-down расписания автомасштабирования. Когда она включена, автомасштабирование выбирает узел узла сеанса с наименьшим количеством сеансов, переводит его в режим дренирования, отправляет пользователям на нём уведомление, ждёт заданное время, завершает оставшиеся сеансы и освобождает виртуальную машину. И время ожидания, и текст уведомления задаются в расписании. В этой статье разобран каждый шаг, показан рабочий пример от Microsoft и описано, что Learn оставляет открытым. Нужно ли вообще включать эту настройку, рассмотрено в статье «Force sign out vs wait for sign-out: choosing the ramp-down behaviour».

Ключевые выводы

  • Принудительный выход работает только в фазе ramp-down. Learn указывает, что в других фазах пользователи не завершаются принудительно, а автомасштабирование не может принудительно выводить пользователей из персонального рабочего стола.
  • Последовательность такая: выбрать узел с наименьшим количеством сеансов, перевести его в режим дренирования, уведомить его пользователей, подождать, завершить оставшиеся сеансы, освободить виртуальную машину.
  • Простаивающие, отключённые и активные сеансы принудительно завершаются, если пользователи не выходят из системы в течение времени ожидания.
  • Время ожидания и текст уведомления — это настройки расписания: в PowerShell им соответствуют RampDownWaitTimeMinute и RampDownNotificationMessage. В примере командлета используется 30 минут.
  • Learn не указывает значения по умолчанию и допустимый диапазон для времени ожидания. Как уведомление отображается в клиенте, стоит проверить на пилотном пуле узлов.

Что представляет собой параметр

В глоссарии Microsoft Learn принудительный выход определён как завершение службой активного или отключённого сеанса пользователя без его согласия. В расписании плана масштабирования эта настройка находится на вкладке ramp-down. Метка на портале для пулов с автомасштабированием управления питанием — Force logoff of users. Для динамического автомасштабирования метка — Force logoff users, а в разделе часто задаваемых вопросов сказано, что логика принудительного выхода и консолидации одинакова для обоих методов.

По статусу: в июле 2026 года Microsoft объявила общедоступность расширенного управления пулами узлов, включая динамическое автомасштабирование, настройку и обновление узлов сеансов и эфемерные диски ОС (Tech Community). Некоторые страницы Learn, например страницы сценариев и глоссария, а также версия модуля 5.4.2-preview, всё ещё содержат формулировки для предварительной версии, поэтому перед опорой на ограничение проверьте актуальную страницу. Автомасштабирование управления питанием общедоступно. Связанные объекты описаны в статьях о принудительном выходе и о плане масштабирования.

Из Learn следуют три правила области действия:

  • Только ramp-down. На странице сценариев сказано, что настройка принудительного выхода не завершает пользователей ни в одной другой фазе. В разделе часто задаваемых вопросов добавлено, что если время ожидания больше длительности фазы, расписание переходит в режим вне пиковой нагрузки и сеансы не завершаются принудительно. В его примере фаза длится 15 минут, а время ожидания — 20 минут.
  • Только пулы с общим доступом. В FAQ на вопрос «Можно ли настроить автомасштабирование так, чтобы принудительно выводить пользователей из их персонального рабочего стола?» дан отрицательный ответ: автомасштабирование для персональных рабочих столов освобождает хост только в том случае, если пользователь завершил сеанс. Документация Learn здесь неоднозначна, поскольку в другом разделе FAQ говорится о сеансе, который «завершён или отключён», а в расписании для персональных пулов есть параметр When disconnected for (min) с действием освобождения. Однако для персональных пулов Learn не предусматривает принудительного выхода из системы.
  • Консолидация по-прежнему применяется. Автомасштабирование выключает хосты только в том случае, если все существующие сеансы, активные и отключённые, помещаются на меньшем количестве хостов без превышения порога загрузки, и при этом соблюдается минимальный процент хостов.

Последовательность действий по шагам

  1. Проверка консолидации. На странице сценариев минимальное количество хостов определяется как общее число сеансов (активных и отключённых), деленное на произведение максимального лимита сеансов и порога загрузки. В глоссарии добавлено, что результат округляется в большую сторону до целого числа. Кандидатами на выключение являются только хосты сверх этого количества.
  2. Выбор хоста. Автомасштабирование выбирает хост с наименьшим количеством сеансов. Если у нескольких хостов одинаковое количество, на странице сценариев сказано, что выбор производится случайным образом.
  3. Режим очистки. Хост переходит в режим очистки и не принимает сеансы новых пользователей.
  4. Уведомление. Пользователи на этом хосте получают уведомление о том, что через определённое время они будут выведены из системы.
  5. Ожидание. Автомасштабирование ждёт заданное время. Пользователи могут завершить сеанс самостоятельно.
  6. Принудительный выход. Пользователи, которые всё ещё подключены, простаивают или отключены, выводятся из системы.
  7. Освобождение. Автомасштабирование освобождает виртуальную машину, а для динамических планов может её удалить. Затем оно возвращает для AllowNewSessions значение true, что отключает режим очистки.

Даже при включённом принудительном выходе автомасштабирование сначала консолидирует отключённых пользователей. Принудительный выход применяется только к пользователям, которые остались после истечения времени ожидания.

Наглядный пример из Learn

Сценарий 3 на странице сценариев использует шесть хостов сеансов, балансировку нагрузки по принципу «в глубину», порог загрузки 75 процентов, минимум 10 процентов хостов и максимальный лимит сеансов 5. Доступны четыре хоста, значит, ёмкость составляет 20, а работают четыре сеанса, то есть занято 20 процентов ёмкости.

  • Автомасштабирование может выключить два хоста без превышения 75 процентов. У каждого хоста есть сеансы, поэтому используется принудительный выход. Количество сеансов одинаковое, поэтому выбираются два хоста случайным образом: они переводятся в режим очистки, пользователи получают уведомление, те, кто остался после времени ожидания, выводятся из системы, а хосты выключаются. Остаются два хоста с ёмкостью 10.
  • Два пользователя переподключаются, сеансов становится четыре, занято 40 процентов. Автомасштабирование не выключает ещё один хост, поскольку один хост с ёмкостью 5 и четырьмя пользователями был бы загружен на 80 процентов.
  • Один пользователь завершает сеанс, и на двух хостах остаётся три сеанса, то есть 30 процентов. Теперь можно выключить ещё один хост. Автомасштабирование выбирает хост с наименьшим количеством сеансов, переводит его в режим очистки, уведомляет его пользователей и после ожидания выводит остальных из системы.
  • Пользователь, которого вывели принудительно, переподключается, и три сеанса теперь работают на одном хосте, то есть 60 процентов. Последний хост остаётся включённым, потому что его выключение нарушило бы минимальный процент хостов.

Вы можете выполнить ту же проверку со своими значениями. Допустим, в начале фазы снижения нагрузки работают четыре хоста с 12 сеансами в общей сложности, максимальный лимит сеансов равен 20, а порог загрузки составляет 75 процентов. По формуле получаем 12 / (20 x 0,75) = 0,8, что округляется до одного хоста, как в формуле из глоссария. Таким образом, кандидатами являются три хоста с учётом минимального процента хостов, и автомасштабирование в первую очередь очищает хосты с наименьшим количеством сеансов. Числа иллюстративные и не взяты из Learn.

Что видят пользователи и где это настраивается

Работа со стороны пользователя состоит из трёх частей.

Уведомление. На странице создания и назначения в Learn сказано, что автомасштабирование отправляет пользователям уведомление о том, что их сеанс будет завершён, а на странице сценариев описано уведомление о том, что узел сеанса будет выключен. Текст уведомления задаёте вы: в расписании есть свойство «сообщение уведомления» для периода снижения нагрузки. Шаги в портале на странице создания и назначения упоминают уведомление и «указанное время ожидания», но не называют поле для того или другого, поэтому проверьте свой портал или используйте свойства PowerShell и ARM, приведённые ниже.

Время ожидания. В расписании также задаётся количество минут ожидания перед остановкой узлов. Ниже приведены параметры PowerShell командлета New-AzWvdScalingPlanPooledSchedule со значениями из примера в справочнике по командлету:

-RampDownForceLogoffUser:$true
-RampDownWaitTimeMinute 30
-RampDownNotificationMessage "Log out now, please."
-RampDownStopHostsWhen ZeroSessions

В справочнике по командлету время ожидания описано как количество минут, в течение которых нужно ждать перед остановкой узлов в период снижения нагрузки, а сообщение — как текст уведомления для пользователей в этот период. В справочнике по шаблонам ARM эти свойства называются rampDownWaitTimeMinutes, rampDownNotificationMessage, rampDownForceLogoffUsers и rampDownStopHostsWhen, а для последнего допустимы значения ZeroActiveSessions и ZeroSessions. Learn не указывает минимального, максимального или значения по умолчанию для этих свойств, а в справочнике по командлету не показано значение по умолчанию ни для одного из них. Значения 30 минут и пример текста приведены как примеры, а не как рекомендуемые.

Завершение сеанса. По истечении времени ожидания сеанс завершается. Learn называет это принудительным выходом из системы, а не отключением, поэтому заранее учитывайте, что несохранённая работа будет потеряна. Пользователя, который переподключается, пока узел переведён в режим дренирования, обрабатывает балансировщик нагрузки: по данным Learn, пользователь с активным или отключённым сеансом на узле в режиме дренирования всё равно перенаправляется туда, а новые пользователи на такой узел никогда не направляются. Когда принудительный выход завершил старый сеанс, следующее подключение идёт на другой узел. Для персональных рабочих столов автомасштабирование не использует режим дренирования при освобождении ресурсов, а пользователь, который подключается во время освобождения, получает сообщение «No resources available».

Составьте текст сообщения так, чтобы он был понятен сам по себе, с указанием времени и действия, и проверьте в пилотном пуле узлов, как он отображается в клиенте удалённого рабочего стола или в приложении Windows App и как приложения реагируют на выход из системы.

Связанные параметры

Выбор между принудительным выходом и ожиданием, ограничение времени для отключённых сеансов и стоимость каждого варианта рассмотрены в статье «Force sign out vs wait for sign-out: choosing the ramp-down behaviour». Для самой последовательности важны два факта:

  • Тег исключения. Узлы с тегом исключения не запускаются, не останавливаются и не переводятся в режим дренирования, поэтому их пользователи не выходят из системы при уменьшении масштаба.
  • Ручной режим дренирования. Автомасштабирование переопределяет режим дренирования на всех виртуальных машинах, включённых в масштабирование, независимо от того, кто его установил. См. статью «Drain mode in Azure Virtual Desktop explained».

Практические проверки

  • Задавайте время ожидания короче фазы снижения нагрузки, с запасом.
  • Укажите в тексте сообщения поведение в конце рабочего дня и крайний срок выхода из системы, а пользователям заранее сообщите, что выход из системы означает для открытых файлов.
  • Проверьте в пилотной среде, как ведёт себя ваше решение для профилей, например FSLogix, при принудительном выходе из системы.
  • Держите максимальный лимит сеансов реалистичным, поскольку расчёт консолидации зависит от него. См. статью «How to size the maximum session limit per session host».
  • Для одного узла вне автомасштабирования Send-AzWvdUserSessionMessage принимает заголовок и текст сообщения, а у Remove-AzWvdUserSession есть переключатель -Force. В статье «How to use drain mode for patching and maintenance of session hosts» показан порядок выполнения команд.

Источники

Дата обращения: 17 ноября 2026 г.

FAQ

Принудительный выход также завершает отключённые сеансы?

Да. Microsoft Learn говорит, что простаивающие, отключённые и активные сеансы принудительно завершаются, если пользователи не выходят из системы в течение времени ожидания в фазе ramp-down. В глоссарии принудительный выход определён как завершение активного или отключённого сеанса без согласия пользователя.

Можно ли изменить текст уведомления и время ожидания?

Да. В расписании плана масштабирования есть время ожидания в минутах и текст уведомления для периода ramp-down. В примере из справки по командлету New-AzWvdScalingPlanPooledSchedule задано 30 минут и текст «Log out now, please.». Learn не указывает значения по умолчанию и допустимый диапазон для обоих параметров.

Может ли пользователь, которого принудительно отключили, начать новый сеанс на хосте, который вот-вот выключится?

Нет, не как новый пользователь. Автомасштабирование сначала переводит узел в режим дренирования, и балансировщик нагрузки не учитывает такие узлы для новых пользователей. Режим дренирования выключается снова только после того, как виртуальная машина освобождена.

Entities in this article

Темы этой статьи:

Force sign out users during ramp-down (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