Как определить максимальный лимит сеансов на узел сеансов
Партнёр · Нейтральный партнёр: Nerdio
By Mirko Peters ·
В документации Learn нет рекомендуемого максимального лимита сеансов, а вместо этого указано обратиться к Insights. В руководстве по определению размера при этом перечислено максимальное число пользователей на vCPU. В этом руководстве значение выводится как отправная точка и корректируется по данным мониторинга.
Automatically translated with AI from the original post. Read the English original
На странице Learn о балансировке нагрузки пула узлов не указано рекомендуемое значение максимального лимита сеансов, а для его выбора предлагается Azure Virtual Desktop Insights. В рекомендациях по размеру виртуальных машин приведено максимальное число пользователей на vCPU для четырёх типов нагрузки. На практике удобно сочетать оба подхода: взять отправное значение из количества vCPU виртуальной машины и типа нагрузки, задать его для пула узлов и скорректировать по данным мониторинга. Это руководство проходит по этому процессу в шесть шагов, опираясь на страницы Learn о балансировке нагрузки, определении размера узлов сеансов и автомасштабировании. Смысл значения и то, как оно определяет ёмкость, описаны в статье «Maximum session limit in Azure Virtual Desktop: how it defines host pool capacity», поэтому здесь основное внимание уделено выбору числа.
Ключевые выводы
- Learn не называет рекомендуемого максимального лимита сеансов и отсылает к Insights. Его рекомендации по размеру указывают максимальное число пользователей на vCPU: 6 для легкой, 4 для средней, 2 для тяжёлой и 1 для мощной нагрузки.
- Learn называет свои цифры по размеру первоначальными оценками, поэтому умножьте число пользователей на vCPU на количество vCPU, чтобы получить отправное значение. Затем проверьте его на пилотной группе и следите за количеством пользователей на ядро, задержкой ввода, загрузкой ЦП и памяти.
- Ёмкость равна лимиту, умноженному на количество доступных узлов. По арифметике из этой статьи лимит 32 на двух узлах даёт 64 сеанса, а порог 75 процентов запускает третий узел при превышении 48.
- Балансировка «в глубину» требует лимита. Пул с балансировкой «в ширину» начинает с 999999, и Learn рекомендует не использовать значение по умолчанию, если автомасштабирование управляет пулом с общими рабочими столами.
- Уменьшение лимита не влияет на активные сеансы. При высокой одновременной нагрузке число сеансов на узле может превысить лимит, поэтому относитесь к нему как к целевому значению и оставляйте запас.
Что контролирует это значение
Максимальный лимит сеансов — это свойство пула узлов сеансов, которое задает, сколько пользовательских сеансов балансировщик нагрузки стремится разместить на одном узле сеансов. Это не жесткое ограничение: на странице терминологии Learn сказано, что при высокой параллельной нагрузке подключений, когда несколько пользователей одновременно подключаются к пулу узлов, число сеансов, созданных на узле сеансов, может превысить лимит. Балансировка «в глубину» требует его задавать, пул, созданный с балансировкой «вширь», стартует со значением 999999, а Learn советует не использовать значение по умолчанию, когда автомасштабирование управляет пулом узлов с общими сеансами. В глоссарии автомасштабирования Learn определяет доступную ёмкость как лимит, умноженный на количество доступных узлов сеансов.
Learn формулирует требование к автомасштабированию, не объясняя причину. Последствия, описанные ниже, — это трактовка формулы в данной статье, а не утверждения Learn: слишком высокий лимит позволяет узлу заполняться сверх того, что выдерживают его процессор и память, а слишком низкий лимит снижает ёмкость и заставляет автомасштабирование запускать узлы раньше.
Шаг 1: Определите тип нагрузки
На странице Learn о планировании ресурсов описаны четыре типа рабочих нагрузок:
| Рабочая нагрузка | Примеры пользователей | Примеры приложений |
|---|---|---|
| Light | Простой ввод данных | Приложения для ввода в базы данных, интерфейсы командной строки |
| Средний | Консультанты, специалисты по маркетинговым исследованиям | Приложения light плюс Microsoft Word, статические веб-страницы |
| Heavy | Инженеры-программисты, создатели контента | Приложения medium плюс Outlook, PowerPoint, динамические веб-страницы, разработка программного обеспечения |
| Power | Графические дизайнеры, специалисты по 3D-моделированию, исследователи машинного обучения | Приложения heavy плюс редактирование фото и видео, CAD и CAM |
Выберите тип, который подходит большинству ваших пользователей. Learn не объясняет, как подобрать размер для смешанной группы. Разделение групп между пулами узлов сеансов — практичный вариант, но это скорее суждение, а не правило Learn.
Шаг 2: Выберите размер ВМ
Для узлов с несколькими сеансами Learn рекомендует ограничивать размер ВМ значением от 6 до 24 vCPU. Там же сказано, что четыре ядра — минимальное рекомендуемое количество для стабильной ВМ с несколькими сеансами, а ВМ не должна иметь более 32 ядер. Отдача снижается примерно на 16 ядрах, а пользовательский опыт лучше при двух ВМ по 16 ядер, чем при одной ВМ с 32 ядрами. При 20 и более пользователях на одном узле Learn утверждает, что несколько небольших ВМ будут работать лучше, чем одна-две крупные.
Страница не полностью согласована: в одном из последующих предложений рекомендуется диапазон от 4 до 24 ядер, а в таблице рабочих нагрузок минимумом для light, medium и heavy указаны 8 vCPU. Относитесь к этим цифрам как к ориентирам и тестируйте размер на собственной нагрузке.
Ёмкость масштабируется не линейно. Learn указывает, что коэффициент масштабирования обычно находится в диапазоне от 1,5 до 1,9, поэтому дополнительное ядро добавляет пропорциональную, но не линейную пользовательскую ёмкость. Также Learn называет потерю ёмкости в 15–20 процентов при работе на виртуальных машинах по сравнению с физическими серверами (bare metal).
Шаг 3: Рассчитайте начальное значение
В таблице Learn для многосеансовых конфигураций приведено максимальное количество пользователей на vCPU:
| Рабочая нагрузка | Максимум пользователей на vCPU | Минимум vCPU / RAM / хранилище ОС |
|---|---|---|
| Light | 6 | 8 vCPU, 16 ГБ, 32 ГБ |
| Средний | 4 | 8 vCPU, 16 ГБ, 32 ГБ |
| Heavy | 2 | 8 vCPU, 16 ГБ, 32 ГБ |
| Power | 1 | 6 vCPU, 56 ГБ, 340 ГБ |
Умножьте количество пользователей на vCPU на число vCPU вашего размера ВМ. Само умножение — это арифметика данной статьи, а не значение из Learn. Learn описывает все эти числа как общие ориентиры только для первичной оценки производительности. Наше понимание такое: таблица задает максимумы, а Learn указывает, что ёмкость не масштабируется линейно с количеством ядер, поэтому полученное произведение стоит считать верхней границей для пилотного внедрения, а не средним значением для планирования.
Рабочий пример: нагрузка medium на узле с 8 vCPU дает 4 × 8 = 32 как начальный лимит. Нагрузка heavy на том же узле дает 2 × 8 = 16. Нагрузка light на узле с 16 vCPU дает 6 × 16 = 96 — это случай, который нужно тщательно проверить, поскольку ограничивающим фактором может стать память. Learn указывает, что увеличение памяти с 8 ГБ до 16 ГБ может более чем удвоить число пользователей, если ограничивающий фактор — память. Значения памяти на одного пользователя Learn не приводит, поэтому фиксируйте потребление памяти в пилотном внедрении.
Шаг 4: Задайте лимит для пула узлов сеансов
Нужен существующий пул узлов сеансов (host pool) с общим доступом и роль Desktop Virtualization Host Pool Contributor. На портале Azure нужный параметр находится в разделе Свойства пула узлов, рядом с Алгоритм балансировки нагрузки. Шаги для портала описаны в пояснении, поэтому ниже приведён скриптовый путь из Learn, который также считывает значение обратно. Пример Learn назван для обхода в глубину (depth-first) с лимитом 10. В нём также задана строка LoadBalancerType = 'DepthFirst', поэтому измените или удалите эту строку, если в вашем пуле используется обход в ширину (breadth-first).
$parameters = @{
Name = '<HostPoolName>'
ResourceGroupName = '<ResourceGroupName>'
LoadBalancerType = 'DepthFirst'
MaxSessionLimit = '10'
}
Update-AzWvdHostPool @parameters
Get-AzWvdHostPool -Name '<HostPoolName>' -ResourceGroupName '<ResourceGroupName>' |
Format-Table Name, LoadBalancerType, MaxSessionLimitЭквивалент в Azure CLI — az desktopvirtualization hostpool update с параметром --max-session-limit, а az desktopvirtualization hostpool show считывает его обратно. Значение 10 — это placeholder из Learn; используйте число из шага 3.
Шаг 5: Проверьте влияние на автомасштабирование
Автомасштабирование включает узел, когда используемая емкость превышает пороговое значение емкости, причём используемая емкость учитывает активные и отключённые сеансы. Применим это к начальному значению из шага 3. При лимите 32 два узла дают 64 сеанса емкости, а порог 75 процентов означает, что третий узел запустится, когда сеансов станет больше 48. Если третий узел запускается слишком рано или слишком поздно для вашего графика входа, измените лимит или порог, но не оба сразу, чтобы видеть, какое изменение на что повлияло. Learn указывает, что одновременные входы могут поднять узел выше его лимита, поэтому держите запас ниже расчётного значения и измеряйте пиковую нагрузку на входе в пилотном проекте. Пороговое значение емкости и настройки фаз описаны в статьях о плане масштабирования.
Та же арифметика даёт приблизительное количество узлов. Для 200 одновременных пользователей со средней нагрузкой и лимитом 32 пулу нужно не менее 200 / 32 = 6,25, то есть 7 узлов, если каждый узел заполнен полностью. При 7 узлах емкость составляет 224 сеанса, а 200 сеансов — примерно 89 процентов, что выше порога 75 процентов. Чтобы используемая емкость не превышала 75 процентов, нужно 200 / (32 × 0,75) = 8,3, то есть 9 узлов. Здесь формула консолидации из страницы сценариев автомасштабирования Learn, которую Learn использует для фазы снижения нагрузки, применяется к расчёту пиковой нагрузки. Использование формулы для планирования размера — решение этой статьи, а не пример из Learn. Оно показывает, почему лимит, порог и количество узлов нужно планировать вместе.
На странице Learn о размере говорится, что вход в систему требователен к процессору, и рекомендуется планировать пиковые часы входа, например начало рабочего дня в 9:00. В примере: если 30 и более пользователей входят в систему в течение 10 минут на узле с 16 ядрами, две ВМ по 8 ядер справятся с нагрузкой лучше.
Шаг 6: Проверьте с помощью Insights и скорректируйте
Learn рекомендует Azure Virtual Desktop Insights для мониторинга количества сеансов на каждом узле сеансов и производительности узла. Для Insights нужно, чтобы диагностика, счётчики производительности и журналы событий Windows собирались в рабочую область Log Analytics, а пользователям, которые выполняют мониторинг, нужны роли Desktop Virtualization Reader и Log Analytics Reader.
Полезные показатели из глоссария Insights:
- Пользователи на ядро: количество пользователей на ядро ВМ. Learn советует отслеживать максимальное значение во времени, чтобы понять, стабильно ли нагрузка высокая, низкая или колеблется.
- Задержка ввода: измеряется каждые 30 секунд для каждого сеанса. Диапазоны Learn: менее 150 мс — хорошо, от 150 до 500 мс — приемлемо, от 500 до 2 000 мс — слабо, более 2 000 мс — плохо.
- Счётчики производительности: счётчики времени процессора и памяти, например available MBytes и percent committed bytes in use, которые собираются каждые 30 секунд.
Ни страница балансировки нагрузки, ни страница размера не дают порогового значения загрузки ЦП или памяти для лимита. Рабочее правило, которое предлагает эта статья: после каждого изменения сравнивайте задержку ввода в пиковые часы с диапазонами выше. Если пиковая задержка ввода выходит за пределы хорошего диапазона, а пользователи на ядро находятся на уровне вашего лимита, уменьшите значение. Если загрузка ЦП и памяти остаётся низкой на уровне лимита, увеличивайте его небольшими шагами. Learn говорит только, что снижение лимита не влияет на существующие сеансы. В нём не описано, как новое значение применяется потом, поэтому подтвердите результат в Insights после следующего пика входов и проверьте в этот пик, не оказались ли узлы выше лимита.
Распространённые ошибки
- Оставлять 999999 в пуле с depth-first. Режим depth-first требует лимит, Learn советует не использовать значение по умолчанию, когда пул управляется автомасштабированием, и указывает на Insights как на способ подобрать значение, подходящее для вашей среды.
- Принимать минимумы из таблицы за размеры. В строке Power минимум составляет 6 vCPU, а примеры размеров, такие как D16ds_v5 и NV6, различаются по количеству vCPU. Проверьте количество vCPU у размера, который вы развёртываете.
- Игнорировать отключённые сеансы. Автомасштабирование учитывает их как занятую мощность, поэтому слишком жёсткий лимит в сочетании с долго живущими отключёнными сеансами запустит хосты раньше, чем вы ожидаете.
- Считать лимит гарантией. Learn указывает, что при высокой нагрузке одновременных подключений хост может получить больше сеансов, чем лимит, поэтому пул, рассчитанный без запаса, может быть перегружен в пиковые моменты входа в систему.
- Считать число фиксированным. Learn описывает свои показатели как первоначальные оценки, поэтому проведите пилотное внедрение, прежде чем принимать окончательное решение.
Связанное
- пул узлов AVD
- Максимальный лимит сеансов
- Azure Virtual Desktop Insights
Источники
Дата обращения: 17 ноября 2026 г.
- Microsoft Learn: Configure host pool load balancing
- Microsoft Learn: Рекомендации по определению размеров виртуальных машин узла сеансов
- Microsoft Learn: Azure Virtual Desktop terminology
- Microsoft Learn: Autoscale glossary
- Microsoft Learn: сценарии автомасштабирования для Azure Virtual Desktop
- Microsoft Learn: создание и назначение плана автомасштабирования
- Microsoft Learn: Глоссарий Azure Virtual Desktop Insights
- Microsoft Learn: Azure Virtual Desktop Insights
- Microsoft Learn: Update-AzWvdHostPool
FAQ
Есть ли рекомендуемое значение максимального лимита сеансов?
Единого числа нет. На странице Learn о балансировке нагрузки пула узлов рекомендуемого значения нет, там предлагается использовать Azure Virtual Desktop Insights, чтобы подобрать лимит для вашей среды. В рекомендациях Learn по размеру виртуальных машин указано максимальное число пользователей на vCPU для каждого типа нагрузки. Это руководство использует их как отправную точку и подчёркивает, что это только первоначальные оценки.
Что произойдёт, если оставить значение по умолчанию 999999?
При балансировке «в ширину» пул, созданный без пользовательского значения, получает 999999, то есть максимально допустимое значение. Learn рекомендует не использовать значение по умолчанию, если автомасштабирование управляет пулом с общими рабочими столами, но причину не приводит. Разумное предположение: ёмкость такого размера никогда не достигнет порога ёмкости. Балансировка «в глубину» требует реального лимита.
Отключает ли изменение лимита пользователей?
Нет. Learn указывает, что уменьшение максимального лимита сеансов на узле сеансов с активными сеансами пользователей не влияет на эти существующие сеансы.