Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Suggerimenti per la multi-sessione
Nel decidere il numero massimo di sessioni utente su un'istanza in un ambiente multi-sessione, devi considerare diversi fattori per garantire prestazioni e esperienza di streaming ottimali. Di seguito sono riportati alcuni suggerimenti per determinare il numero ottimale di sessioni utente su un'istanza:
-
Valuta i requisiti delle risorse: comprendi i requisiti di risorse delle applicazioni utilizzate nelle sessioni. Considerate fattori come la memoriaCPU, l'I/O del disco e la larghezza di banda della rete. Questa valutazione aiuterà a determinare la quantità di risorse richieste in generale da ogni sessione utente.
-
Prendi in considerazione le specifiche dell'istanza: prendi in considerazione le specifiche dell'istanza, incluso il numeroCPUs, la memoria disponibile e GPU le specifiche. Le istanze con specifiche più elevate possono gestire un numero maggiore di sessioni utente. Per ulteriori informazioni sui diversi tipi di istanze supportati dalla AppStream versione 2.0 e sui prezzi, consulta la pagina dei prezzi di Amazon AppStream 2.0
. -
Test delle prestazioni: esegui test delle prestazioni sulle applicazioni e sul carico di lavoro che si prevede vengano eseguiti all'interno delle sessioni utente. Misura l'utilizzo delle risorse, i tempi di risposta e le prestazioni complessive del sistema. Utilizza questi dati per valutare l'impatto delle sessioni utente simultanee sulle prestazioni e determinare il session-to-instance rapporto ottimale. È possibile eseguire queste valutazioni su diversi tipi di istanze offerti dalla AppStream versione 2.0 per trovare il tipo o la dimensione di istanza ottimali per gli utenti finali. Per ulteriori informazioni sui diversi tipi di istanze offerti dalla AppStream versione 2.0, consultaAppStream 2.0 Famiglie di istanze.
-
Monitoraggio dell'utilizzo delle risorse: monitora continuamente l'utilizzo delle risorse dell'istanza durante il normale utilizzo. OsservazioneCPU, utilizzo della memoria e del disco. Assicurati che l'utilizzo delle risorse rimanga entro limiti accettabili per evitare un peggioramento delle prestazioni. Per un ambiente multisessione, puoi visualizzare queste metriche sulla AppStream versione 2.0 e sulla console. CloudWatch Per ulteriori informazioni, consulta Monitoraggio delle risorse Amazon AppStream 2.0.
-
Considerazione i modelli di comportamento degli utenti: analizza i modelli di comportamento degli utenti per comprendere i periodi di picco di utilizzo e il potenziale utilizzo simultaneo. Alcuni utenti potrebbero avere modelli di utilizzo intermittenti o sporadici, mentre altri potrebbero avere un utilizzo costante nell'arco della giornata. Tieni conto di questi modelli quando determini il numero massimo di sessioni utente per evitare un conflitto di risorse durante i periodi di punta.
AppStream 2.0 consente di configurare un massimo di 50 sessioni utente per istanza, indipendentemente dal tipo o dalla dimensione dell'istanza scelta. Tuttavia, questo è solo un limite massimo e non un limite consigliato. Di seguito è riportata una tabella di esempio che consente di determinare il numero massimo di sessioni utente su un'istanza in un parco istanze multi-sessione. Il numero massimo consigliato di utenti elencato nella tabella si basa su linee guida e presupposti generali. I test con il carico di lavoro reale sono fondamentali, poiché le prestazioni effettive possono variare a seconda delle caratteristiche specifiche del carico di lavoro, dei requisiti di risorse dell'applicazione e del comportamento dell'utente.
| Categoria di utenti finali | Tipo di carico di lavoro | Utenti di esempio | Casi d'uso | Configurazione consigliata |
|---|---|---|---|---|
| Utenti finali che svolgono una singola attività e utilizzano un numero minimo di applicazioni | Leggero | Operatori, addetti alla reception | Applicazioni di immissione dati, modifica del testo, host bastione | 4 utenti per v CPU su stream.standard.xlarge/2xlarge o stream.compute.xlarge+ o stream.memory.xlarge+ |
| Utenti finali che svolgono una singola attività e utilizzano un numero minimo di applicazioni | Da leggero a medio | Operatori, addetti alla reception, dipendenti del contact center | Applicazioni di immissione dati, modifica del testo, host bastione, chat, e-mail, applicazioni di messaggistica | 2 utenti per v CPU su stream.standard.xlarge/2xlarge o stream.Compute.xlarge+ o stream.memory.xlarge+ |
| Utenti finali che creano fogli di calcolo complessi, presentazioni e documenti di grandi dimensioni | Media | Operatori, dipendenti dei contact center, analisti aziendali | Applicazioni di immissione dati, chat, e-mail, app di messaggistica, app di produttività | 2 utenti per v CPU su Stream.Memory.xLarge+ o Stream.Compute.xLarge+ |
| Utenti finali con carichi di lavoro a elevate prestazioni | Da medio a elevato | Lavoratori della conoscenza, sviluppatori di software, analisti di business intelligence | Script di software | 1 utente per v CPU su stream.memory.xlarge+ o stream.compute.xlarge+ |
| Utenti finali con carichi di lavoro a elevate prestazioni | Elevato | Operatori della conoscenza, sviluppatori di software, Data Scientist | Condivisione dello schermo, analisi dei dati, audioconferenza | 1 utente per 2 vCPUs su Stream.Memory.XLarge+ o Stream.Compute.xLarge+ |
| Utenti finali con carichi di lavoro che richiedono grafica ed elevate risorse di calcolo/memoria | Da elevato ad accelerato | CADDesigner CAM grafici/architettonici,//utenti | Audioconferenze, applicazioni a uso intensivo di grafica, come workstation grafiche remote | 1 utente per 2 Graphics.g4dn. vCPUs * |
| Utenti finali con carichi di lavoro che richiedono grafica ed elevate risorse di calcolo/memoria | Accelerata | Editor video, giocatori e sviluppatori di giochi, data miner, ingegneri di GIS dati, scienziati di intelligenza artificiale | Audioconferenze, transcodifica video e rendering 3D, progettazione fotorealistica, workstation grafiche, formazione su modelli ML, inferenza ML | 1 utente vCPUs per 2 Graphics.G5. * |
