Как работает округление минимального процента хостов: разбор на примерах
Партнёр · Нейтральный партнёр: Nerdio
By Mirko Peters ·
В Learn сказано, что минимальный процент, не являющийся целым числом, округляется вверх, поэтому любое значение выше 0 процентов оставляет включённым как минимум один хост. В этой статье разбирается это правило на таблицах и примерах из Learn.
Automatically translated with AI from the original post. Read the English original
В Learn сказано, что если введённый вами процент минимального количества хостов не является целым числом, он округляется вверх до ближайшего целого. В примерах Learn это означает для хостов: тридцать процентов от шести хостов дают 1,8, поэтому остаются включёнными два хоста. По этому правилу любой процент выше 0 оставляет включённым как минимум один хост. В этой статье правило показано на таблицах, которые можно проверить вручную. Затем рассматривается второе округление вверх в формуле консолидации при снижении нагрузки и случаи, которые Learn не описывает. Источники перечислены в конце. Саму концепцию см. в смежной статье «Minimum percentage of hosts in AVD autoscale explained».
Ключевые выводы
- В Learn сказано, что процент, не являющийся целым числом, округляется вверх до ближайшего целого. В его примерах это означает для хостов: 30 процентов от шести — это 1,8, поэтому автомасштабирование включает два хоста.
- Из правила округления следует (это не цитата Learn), что любой процент выше 0 оставляет включённым как минимум один хост, а фактическая доля в небольших пулах может заметно превышать введённое значение.
- При снижении нагрузки (ramp-down) и в нерабочее время округление происходит снова: Required Hosts = CEILING(sessions / (max session limit x threshold)). Автомасштабирование использует большее из этого значения и минимального процента активных хостов.
- Чтобы получить ровно k хостов из N, выберите процент больше (k-1)/N и не больше k/N. Таблицы в этой статье — арифметика по правилу Learn, а не таблицы Learn.
- В справочнике ресурсов Azure минимальный процент хостов задаётся целым числом от 0 до 100. Learn не говорит, принимает ли портал дробные значения, поэтому граничные случаи проверяйте на пилотном пуле.
Правило в формулировке Learn
Правило задают два утверждения:
- В статье о планах масштабирования описано поле наращивания (ramp-up): «Если введённый процент не является целым числом, он округляется вверх до ближайшего целого». Пример там такой: пул из семи узлов сеансов с 10 процентами, где один узел сеансов остаётся включённым и не отключается автомасштабированием.
- В статье о сценариях приведён пример из шести хостов с минимумом 30 процентов и двумя включёнными хостами. По словам Learn, 30 процентов от шести — не целое число, поэтому автомасштабирование округляет вверх.
В глоссарии определена база расчёта: процент применяется ко всем узлам сеансов в пуле узлов. В виде формулы (это пересказ, а не формула Learn):
количество включённых хостов = CEILING(всего узлов сеансов x процент / 100)
Learn указывает округление в поле ramp-up и в сценарии 1. Его сценарии ramp-down и off-peak согласуются с тем же правилом: десять процентов от шести хостов дают 0,6, и сценарии оставляют один хост включённым. Применение правила к этим фазам — вывод из сценариев. В предложении Learn говорится о «percentage», а не о «hosts»; трактовка как округление количества хостов следует из его примера с семью хостами и из сценария 1. Краткое определение есть на странице сущности minimum percentage of hosts.
Таблица: количество включённых хостов
Таблица ниже рассчитана по приведённой выше формуле. Она не скопирована из Learn. Ячейки, совпадающие с собственными примерами Learn: 30 процентов для 6 хостов (2), 10 процентов для 7 хостов (1) и 10 процентов для 6 хостов (1), которая соответствует сценариям 3 и 4.
| Хостов в пуле | 0% | 5% | 10% | 15% | 20% | 25% | 30% | 50% |
|---|---|---|---|---|---|---|---|---|
| 3 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 2 |
| 6 | 0 | 1 | 1 | 1 | 2 | 2 | 2 | 3 |
| 7 | 0 | 1 | 1 | 2 | 2 | 2 | 3 | 4 |
| 10 | 0 | 1 | 1 | 2 | 2 | 3 | 3 | 5 |
| 12 | 0 | 1 | 2 | 2 | 3 | 3 | 4 | 6 |
| 15 | 0 | 1 | 2 | 3 | 3 | 4 | 5 | 8 |
| 20 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 10 |
| 40 | 0 | 2 | 4 | 6 | 8 | 10 | 12 | 20 |
| 100 | 0 | 5 | 10 | 15 | 20 | 25 | 30 | 50 |
Из таблицы следуют три закономерности:
- Первый хост включается легко. Любой процент выше 0 оставляет включённым хотя бы один хост, независимо от размера пула. Только 0 процентов дают ноль хостов.
- Маленькие пулы смещаются вверх. В пуле из 6 хостов указанные 10 процентов оставляют 1 хост, что эквивалентно 16,7 процента. В пуле из 3 хостов указанные 5 процентов оставляют 1 хост, что эквивалентно 33 процентам.
- Точные результаты не округляются. Десять процентов от 10 хостов — ровно 1, а 25 процентов от 20 — ровно 5. Округление важно только тогда, когда произведение имеет дробную часть.
Обратная задача: какой процент даёт k хостов
Если вам нужно ровно k хостов из N, процент должен быть больше (k−1)/N и не больше k/N, умноженного на 100. Для целых процентов:
| Размер пула | Нужно хостов | Подходящие проценты |
|---|---|---|
| 7 | 1 | от 1 до 14 |
| 7 | 2 | от 15 до 28 |
| 7 | 3 | от 29 до 42 |
| 12 | 2 | от 9 до 16 |
| 12 | 3 | от 17 до 25 |
Строки для 7 хостов можно проверить вручную. Четырнадцать процентов от 7 — это 0,98, что округляется до 1. Пятнадцать процентов — это 1,05, что округляется до 2. Справочник Azure-ресурсов (версия API 2025-10-10) описывает свойства расписания rampUpMinimumHostsPct и rampDownMinimumHostsPct как целые числа от 0 до 100, а статья о планах масштабирования не говорит, принимает ли поле на портале дробные значения, поэтому в таблицах использованы целые проценты.
Результат зависит от размера пула. Если вы добавляете хосты в пул, тот же процент может оставить включёнными больше хостов. Пул, выросший с 20 до 21 хоста, переводит минимум в 30 процентов с 6 хостов (ровно 6,0) на 7 хостов (6,3 округляется вверх). Перепроверяйте процент каждый раз, когда меняется размер пула.
Второе округление вверх: консолидация
Округление вверх также возникает в том, как автомасштабирование определяет, сколько хостов нужно для сеансов, существующих во время ramp-down и off-peak. В глоссарии описана консолидация сеансов. Автомасштабирование учитывает все пользовательские сеансы, активные и отключённые, исходит из того, что отключённые пользователи переподключатся, вычисляет минимальное число необходимых хостов и освобождает лишние. В статье об устранении неполадок приведена формула:
Required Hosts = CEILING(Total User Sessions / (Max Session Limit x Capacity Threshold))
где порог ёмкости записан десятичной дробью. Строки 1–3 — примеры Learn, а строка 4 — расчёт для сценария 3 из Learn:
| Сеансы | Лимит сеансов на хост | Пороговое значение емкости | Расчёт | Результат |
|---|---|---|---|---|
| 8 отключённых | 10 | 80% | 8 / (10 x 0,8) = 1 | 1 хост |
| 6 отключённых | 5 | 90% | 6 / 4.5 = 1.33 | 2 хоста |
| 9 отключённых | 5 | 90% | 9 / 4.5 = 2 | 2 хоста |
| 4 сеанса | 5 | 75% | 4 / 3.75 = 1.07 | 2 хоста |
Первая строка — пример консолидации сеансов из глоссария. Вторая — пример из FAQ по автомасштабированию, третья встречается и в FAQ, и в статье об устранении неполадок. Последняя строка использует входные данные сценария 3 на странице сценариев (лимит 5, порог 75 процентов, 4 сеанса), где Learn указывает, что автомасштабирование может выключить два из четырёх хостов. Деление рассчитано по формуле Learn и не приводится на странице Learn. Значение 1,07 показывает, как мало нужно: значение чуть выше целого числа стоит одного лишнего хоста.
Совмещаем оба правила: побеждает большее значение
В статье об устранении неполадок сказано, что в фазах ramp-down и off-peak автомасштабирование использует большее из двух значений: результат формулы и параметр «Минимальный процент активных узлов» в фазе плана масштабирования. Так же называется поле динамического автомасштабирования, а на странице сказано, что её рекомендации относятся и к автомасштабированию управления питанием, и к динамическому автомасштабированию. На странице устранения неполадок никогда не используется метка портала «Минимальный процент узлов». Поэтому распространение этого правила на поле управления питанием является выводом. Он согласуется со статьёй о планах масштабирования, где сказано, что минимальный процент узлов по-прежнему учитывается в фазе ramp-down, и со сценарием 3, где минимум в 10 процентов оставляет включённым последний узел. Приведённые ниже примеры используют поле «Минимальный процент узлов» именно на этом основании. Они рассчитаны самостоятельно, а не взяты из документации Learn.
| Пул | Сеансы | Максимальный лимит сеансов | Пороговое значение | Формула | Минимум | Узлов остаётся включёнными |
|---|---|---|---|---|---|---|
| 20 узлов | 8 отключённых | 10 | 80% | 1 | 10% = 2 | 2, побеждает минимум |
| 12 узлов | 9 отключённых | 5 | 90% | 2 | 25% = 3 | 3, побеждает минимум |
| 20 узлов | 40 | 8 | 75% | 40 / 6 = 6,67, значит 7 | 30% = 6 | 7, побеждает формула |
| 20 узлов | 0 | 10 | 75% | 0 | 5% = 1 | 1 |
| 20 узлов | 0 | 10 | 75% | 0 | 0% = 0 | 0 |
Последние две строки опираются на утверждение из раздела часто задаваемых вопросов о том, что автомасштабирование может выключить все виртуальные машины только тогда, когда минимум равен 0 процентам и сеансов не осталось. Отключённые сеансы учитываются как сеансы, поэтому для случая с нулём узлов также нужно ограничение по времени для отключённых сеансов. В разделе часто задаваемых вопросов оно настраивается через групповую политику, а статья о планах масштабирования описывает то же самое с помощью Microsoft Intune.
Статус динамического автомасштабирования: в июле 2026 года Microsoft объявила о general availability расширенного управления пулами узлов, включая динамическое автомасштабирование, настройку и обновление узлов сеансов и эфемерные диски ОС (Tech Community). Некоторые страницы Learn, например страницы со сценариями и глоссарием, а также версия модуля 5.4.2-preview, всё ещё содержат формулировки о предварительной версии. Перед тем как полагаться на какой-либо лимит, проверьте актуальную страницу.
Что остаётся неясным в статьях о планах масштабирования и сценариях
- Дробные значения. В справочнике ресурсов Azure для свойств ramp-up и ramp-down указаны целые числа от 0 до 100. В статье о планах масштабирования диапазон для поля портала не указан, и не сказано, принимаются ли дробные проценты.
- Неисправные узлы. В глоссарии процент определяется относительно всех узлов сеансов. Не сказано, меняет ли подсчёт узел, который не проходит проверки работоспособности агента и поэтому не является доступным узлом сеансов.
- Узлы с тегом. В статье Learn о планах масштабирования отмечено, что узлы с тегом исключения всё равно учитываются при расчёте минимального процента. Поскольку автомасштабирование не может их включить, исключённый выключенный узел не может помочь выполнить минимум. См. тег исключения.
- Динамическое поле. Для динамического автомасштабирования поле «Минимальный процент активных узлов (%)» рассчитывается от минимального размера пула узлов. Пример Learn, 10 процентов от минимального размера 10, даёт ровно один узел, поэтому округление здесь не видно. В статье о сценариях не сказано, как обрабатывается дробный результат.
- Опечатка. На момент написания в итоговой таблице сценария 4 указано 19 процентов, тогда как в тексте — 10 процентов.
Проверка собственного пула
- Запишите количество узлов сеансов, включая узлы с тегами.
- Рассчитайте CEILING(hosts x percentage / 100) для каждой фазы и сравните результат с тем количеством, которое вы планировали. Например, 24 узла при 15 процентах дают 3,6, значит, включёнными остаются 4 узла.
- Для фаз ramp-down и off-peak вычислите формулу консолидации с вашими максимальным лимитом сеансов и пороговым значением загрузки для нескольких количеств сеансов и отметьте, какое значение больше.
- Проведите тестовый день и сравните количество работающих узлов в каждой фазе с расчётом.
- Повторяйте проверку каждый раз, когда меняется размер пула.
Источники
- Microsoft Learn: создание и назначение плана масштабирования автомасштабирования для Azure Virtual Desktop
- Microsoft Learn: планы масштабирования автомасштабирования и примеры сценариев в Azure Virtual Desktop
- Microsoft Learn: глоссарий автомасштабирования для Azure Virtual Desktop
- Microsoft Learn: Azure Virtual Desktop autoscale FAQ
- Microsoft Learn: Устранение неполадок автомасштабирования в Azure Virtual Desktop
- Справочник по шаблону Microsoft.DesktopVirtualization scalingPlans в Microsoft Learn, версия API 2025-10-10
- Tech Community: улучшенное управление пулами узлов для Azure Virtual Desktop теперь доступно общедоступно
FAQ
Какой процент оставляет включёнными ровно N хостов?
Чтобы оставить включёнными k хостов в пуле из N, используйте процент больше (k-1)/N и не больше k/N, умноженное на 100. В пуле из 7 хостов от 1 до 14 процентов оставляют один хост, от 15 до 28 процентов оставляют два, а от 29 до 42 процентов оставляют три. Это арифметика по правилу округления из Learn, а не таблица Learn.
Почему даже низкий процент в небольшом пуле оставляет хост работающим?
Потому что любой результат выше нуля округляется вверх как минимум до одного хоста; это следует из правила округления. Десять процентов от шести хостов дают 0,6, а в сценариях Learn один хост остаётся включённым. Только 0 процентов в сочетании с отсутствием пользовательских сеансов позволяет автомасштабированию отключить все хосты.
Округляется ли формула консолидации так же?
Да, она тоже округляет вверх. Learn приводит формулу: Required Hosts = CEILING(Total User Sessions / (Max Session Limit x Capacity Threshold)). При снижении нагрузки (ramp-down) и в нерабочее время, по словам статьи об устранении неполадок, автомасштабирование использует большее из этого результата и параметра «Minimum percentage of active hosts». Применение этого к минимальному проценту хостов — вывод, а не утверждение Learn.