Il n’existe pas de limite universelle utile au nombre d’utilisateurs Plex ; votre nombre maximal de sessions simultanées stables correspond à la plus grande combinaison réelle de sessions qui fonctionne avant que le stockage, le réseau ou le transcodage ne manque de marge.
Dix utilisateurs en lecture directe peuvent solliciter moins le serveur que deux transcodages à distance exigeants. Un serveur qui semble fonctionner sans problème pendant une lecture continue peut ralentir lorsque plusieurs spectateurs lancent une lecture ou font une recherche en même temps. Tenez compte des modes de lecture réels, des débits, des parcours liés aux sous-titres et au HDR, ainsi que de l’utilisation du débit montant à distance. Ajoutez ensuite des sessions représentatives une par une et arrêtez-vous au premier goulot d’étranglement reproductible, au lieu d’estimer la capacité à partir du modèle de CPU ou du nombre de comptes.
Comptez les modes de lecture, pas les comptes
Le nombre de personnes ayant accès à Plex ne correspond pas au nombre de tâches simultanées. Commencez par observer la période réelle la plus chargée et classez chaque session active comme lecture directe, diffusion directe, conversion audio seule ou transcodage vidéo. Ces modes sollicitent très différemment les ressources du serveur.
Dix sessions simultanées ou plus peuvent tout de même entraîner des limites très différentes selon le nombre de lectures directes, de remultiplexages, de conversions audio et de transcodages vidéo actifs. Le simple nombre d’utilisateurs ne permet pas de prévoir le moment où le ralentissement surviendra.
Établissez un scénario de test à partir du nombre maximal réaliste de sessions simultanées, et non du nombre total de personnes du foyer ou de vos amis. Si six utilisateurs se connectent rarement en même temps et utilisent tous la lecture directe, le problème de capacité est différent de celui posé par trois transcodages 4K simultanés.
Repérez la première ressource partagée qui manque de marge
Les sessions simultanées partagent le stockage multimédia, l’interface réseau du serveur, le travail du CPU pour l’audio et les sous-titres, l’espace temporaire de transcodage et tout moteur vidéo matériel utilisé pour la conversion. La limite est la première ressource nécessaire qui atteint la saturation avec la combinaison réelle de tâches, et non le composant dont les caractéristiques chiffrées sont les plus élevées.
Les charges Plex à forte concurrence peuvent révéler plusieurs goulots d’étranglement au niveau des disques, du réseau, du transcodage et des voies de données internes. Appliquez la même analyse des ressources à plus petite échelle, sur un serveur domestique.
Consignez la latence des disques de stockage multimédia, le débit réseau, l’utilisation du CPU, les moteurs vidéo du GPU, la pression sur la mémoire et la vitesse de transcodage, en ajoutant les sessions une par une. La première métrique qui perd systématiquement de la marge au moment où la qualité de lecture se dégrade indique la limite de capacité utile.
Les utilisateurs à distance ajoutent une limite distincte liée au débit montant
Les flux locaux peuvent rester entièrement sur un réseau local rapide, tandis que chaque flux à distance partage la connexion internet du domicile. Même un serveur puissant peut sembler lent à l’utilisateur lorsque le débit cumulé des flux d’origine ou transcodés dépasse la capacité montante restante après le trafic des autres occupants du foyer.
La capacité à distance doit considérer la capacité du réseau et du transcodage comme deux limites distinctes. Un GPU plus rapide ne peut pas permettre à une liaison montante WAN saturée de transmettre davantage de données.
Testez le nombre de flux simultanés à distance depuis l’extérieur du domicile, et non en ouvrant plusieurs onglets de navigateur locaux. Si le débit montant est la première limite atteinte, réduisez les débits binaires à distance ou améliorez la connexion avant d’acheter un CPU plus puissant. Si le débit montant reste confortable et que la vitesse de transcodage baisse, la puissance de calcul constitue la limite la plus probable.
Les démarrages et les recherches révèlent la marge disponible pour les pics
La lecture à l’état stable est souvent plus facile à gérer que plusieurs démarrages ou recherches simultanés. Ces moments provoquent des lectures ponctuelles, le remplissage de nouveaux tampons, des requêtes de métadonnées et de nouvelles connexions réseau avant que la charge ne se stabilise.
Un nombre fixe de flux ne suffit pas pour planifier les transcodages simultanés ; le test de validation doit inclure les formats de fichiers, les débits binaires cibles, les chemins des sous-titres et les opérations de conversion susceptibles de démarrer en même temps.
Mesurez le délai d’affichage de la première image et la reprise après une recherche alors que le mix de sessions cible est déjà actif. Si seuls les démarrages synchronisés échouent, la limite peut être due aux accès ponctuels au stockage, à la latence liée à l’état des applications ou à la mise en file d’attente, plutôt qu’à la puissance de calcul soutenue.
Les tâches en arrière-plan peuvent réduire la marge disponible
Les analyses, les sauvegardes, les téléchargements et les tâches d’analyse peuvent consommer les mêmes ressources de stockage, de CPU, de mémoire ou de réseau dont les personnes qui regardent des flux ont besoin. Un serveur qui passe un test de référence en période calme peut donc ne pas tenir pendant le pic réel du foyer.
Lancez une fois le mix de sessions cible avec les tâches de maintenance non essentielles suspendues, puis une deuxième fois avec une tâche représentative en arrière-plan active. La différence indique si la planification, plutôt qu’un matériel plus puissant, peut rétablir une marge suffisante.
Si la lecture échoue toujours alors que les tâches en arrière-plan sont suspendues, maintenez la limite de flux simultanés dans le chemin de lecture. Si la défaillance disparaît, planifiez ou isolez la tâche concurrente et conservez la configuration de base du serveur, moins coûteuse.
Conservez ensemble dans le guide d’exploitation les définitions des charges de travail qui passent et qui échouent. Cela permet de reproduire la limite opérationnelle après une modification du client, du codec, du pool de stockage ou d’une tâche planifiée.
Définir une limite opérationnelle à partir d’un test répété
Une limite de flux simultanés utile correspond au mix de flux simultanés stable obtenu de façon répétée, et non au nombre maximal de flux qui fonctionnent pendant trente secondes. Faites passer du contenu représentatif dans des scènes exigeantes, effectuez une recherche dans la vidéo et surveillez le système assez longtemps pour que les températures, les files d’attente et la vitesse de transcodage se stabilisent.
Un test de charge 4K à distance ne permet de dimensionner le matériel qu’une fois les besoins en Direct Play, en débit montant et en transcodage connus, afin que la limite de flux simultanés reste liée au travail mesuré plutôt qu’au nombre de comptes.
Consignez le mix qui passe et le premier mode de défaillance. Si un flux Direct Play supplémentaire sature le réseau, votre limite est liée au réseau. Si un transcodage supplémentaire passe sous le temps réel, elle est liée à la puissance de calcul. Refaites le test après toute modification importante du client, du codec, du stockage ou du réseau, au lieu de considérer ce chiffre comme définitif.
Assistance et conseils
À lire aussi

Comment cacher les vidéos pour adultes stockées sur votre NAS à votre famille
Gardez les vidéos pour adultes privées sur un NAS familial. Vérifiez les autorisations des dossiers, l’accès aux bibliothèques Plex et Jellyfin, les vignettes, l’historique...

Ce qu’il faut vérifier avant de charger un modèle communautaire dans Transformers
Utilisez la mise à jour du bac à sable Jinja de Transformers pour examiner la provenance des modèles, les modèles de conversation, le code...

Exécutez Mirage localement : OCR et détection d’objets à partir d’une seule image
Essayez le petit modèle de vision local de Cactus Compute, testez la reconnaissance optique de caractères et l’extraction d’objets à partir de données réelles,...



