Share via


Azure Sanal Masaüstü'nde konak havuzu yük dengeleme algoritmaları

Azure Sanal Masaüstü, havuza alınan konak havuzları için iki yük dengeleme algoritmasını destekler. Her algoritma, bir kullanıcı uzak oturum başlattığında hangi oturum konağı kullanılacağını belirler. Kullanıcıların her zaman konak havuzundaki bir oturum konağıyla eşlemesi 1:1 olduğundan, yük dengeleme kişisel konak havuzları için geçerli değildir.

Havuza alınan konak havuzları için aşağıdaki yük dengeleme algoritmaları kullanılabilir:

  • İlk olarak, yeni kullanıcı oturumlarını bir konak havuzundaki oturum konakları arasında eşit olarak dağıtmayı amaçlar. Oturum sayısı için en yüksek oturum sınırını belirtmeniz gerekmez.

  • Derinlik öncelikli, en yüksek oturum sınırına ulaşılana kadar bir oturum ana bilgisayarında yeni kullanıcı oturumlarını başlatmaya devam eder. Oturum sınırına ulaşıldıktan sonra yeni kullanıcı bağlantıları, oturum sınırına ulaşana kadar konak havuzundaki bir sonraki oturum konağına yönlendirilir ve bu şekilde devam eder.

Havuza alınan konak havuzu başına bir kerede yük dengelemeden yalnızca birini yapılandırabilirsiniz, ancak konak havuzu oluşturulduktan sonra hangisinin kullanılacağını değiştirebilirsiniz. Ancak, her iki yük dengeleme algoritması da aşağıdaki davranışları paylaşır:

  • Bir kullanıcının konak havuzunda zaten etkin veya bağlantısı kesilmiş bir oturumu varsa ve yeniden oturum açarsa, yük dengeleyici onu mevcut oturumuyla birlikte oturum konağına başarıyla yeniden yönlendirir. Bu davranış, o oturum konağı için boşaltma modu etkinleştirilmiş olsa bile geçerlidir.

  • Kullanıcının konak havuzundaki bir oturum konasında oturumu yoksa yük dengeleyici, boşaltma modunun etkinleştirildiği bir oturum konasını dikkate almaz.

  • Etkin kullanıcı oturumları varken bir oturum konağındaki en yüksek oturum sınırını düşürürseniz, değişiklik mevcut kullanıcı oturumlarını etkilemez.

İçerik öncelikli yük dengeleme algoritması

İçerik öncelikli yük dengeleme algoritması, oturum performansını iyileştirmek için kullanıcı oturumlarını oturum konakları arasında dağıtmayı amaçlar. İlk içerik, uzak kaynaklarına bağlanan kullanıcılar için cpu, bellek ve disk gibi oturum ana bilgisayar kaynakları genellikle daha az tartışmalı olarak en iyi deneyimi sağlamak isteyen kuruluşlar için idealdir.

İçerik öncelikli algoritma ilk olarak oturum konaklarını yeni bağlantılara izin veren bir konak havuzunda sorgular. Ardından algoritma, en az oturuma sahip kullanılabilir oturum konakları kümesinin yarısından rastgele bir oturum konağı seçer. Örneğin, 11, 12, 13, 14, 15, 16, 17, 18 ve 19 oturumu olan dokuz oturum konağı varsa, yeni bir oturum en az oturuma sahip oturum konağına otomatik olarak gitmez. Bunun yerine, rastgele en az oturuma sahip ilk beş oturum ana bilgisayarlarından herhangi birine gidebilir. Rastgele hale getirme nedeniyle bazı oturumlar tüm oturum konaklarına eşit olarak dağıtılamayabilir.

Derinlik öncelikli yük dengeleme algoritması

Derinlik öncelikli yük dengeleme algoritması, bir kerede bir oturum konağı doygunluğunu sağlamayı amaçlar. Bu algoritma, bir konak havuzunda bulunan oturum konaklarının sayısı üzerinde daha ayrıntılı denetim sahibi olmak isteyen ve daha az kullanıcı olduğunda ölçeği daha kolay azaltmanızı sağlayan maliyet bilincine sahip kuruluşlar için idealdir.

Derinlik öncelikli algoritma ilk olarak yeni bağlantılara izin veren ve en yüksek oturum sınırına ulaşmamış oturum konaklarını sorgular. Algoritma daha sonra çoğu oturumu içeren oturum ana bilgisayarını seçer. Bir bağlama varsa, algoritma sorgudan ilk oturum konağından seçer.

Derinlik öncelikli algoritmayı kullanırken en yüksek oturum sınırını ayarlamanız gerekir. Azure Sanal Masaüstü İçgörüleri'ni kullanarak ortamınız için en iyi oturum sınırını belirlemeye yardımcı olmak üzere her oturum konağındaki oturum sayısını ve oturum ana bilgisayar performansını izleyebilirsiniz.

Önemli

Tüm oturum konakları en yüksek oturum sınırına ulaştıktan sonra, sınırı artırmanız veya konak havuzuna daha fazla oturum ana bilgisayarı eklemeniz gerekir.

Sonraki adımlar