Quantos utilizadores pode suportar um pequeno servidor Plex?
Um pequeno servidor Plex pode suportar muitos utilizadores registados se apenas alguns estiverem ativos, enquanto um punhado de transcodificações simultâneas pode esgotá-lo rapidamente.
O número de contas não consome os mesmos recursos que a reprodução simultânea. A Reprodução Direta, a conversão remota, a largura de banda de carregamento, o processamento de legendas e as análises em segundo plano alteram o custo por sessão. Crie um cenário de concorrência máxima com base no comportamento real do agregado familiar e, em seguida, adicione utilizadores até que um dos recursos medidos se aproxime da saturação.
As Sessões Simultâneas Importam Mais do que o Total de Contas
Dez contas com duas sessões simultâneas de Reprodução Direta podem ser mais fáceis de gerir do que três contas que acionem todas uma conversão 4K intensiva. O denominador relevante é o trabalho ativo, não os registos de utilizador.
Os sistemas de vídeo multiutilizador enfrentam contenção da largura de banda partilhada quando a procura simultânea se aproxima da capacidade disponível na extremidade da rede, razão pela qual a sobreposição de sessões deve fazer parte do modelo de capacidade.
Registe a hora de maior utilização durante uma semana e separe as sessões de Reprodução Direta local, Reprodução Direta remota e transcodificação. Utilize essa distribuição como teste de carga, em vez de multiplicar um valor estimado de “streams por utilizador”.
A Transcodificação Altera o Custo de Computação por Utilizador
Um único cliente incompatível pode transferir para o servidor trabalho que vários clientes compatíveis evitariam. A aceleração por hardware pode alterar o número de conversões simultâneas que um processador pequeno consegue suportar.
Um Intel N100 de baixo consumo pode suportar várias sessões de transcodificação por hardware quando o seu motor multimédia suporta a carga de trabalho, pelo que a capacidade de utilizadores muda significativamente entre cenários de Reprodução Direta e cenários intensivos em conversão.
Teste os codecs exatos, as legendas, as condições HDR e os limites de qualidade utilizados pelo agregado familiar. Não contabilize um resultado de transcodificação por hardware se um percurso comum do cliente continuar a recorrer a software.
Os Utilizadores Remotos Partilham a Capacidade de Carregamento
A Reprodução Direta remota pode exigir pouco da CPU, mas continuar a competir pela mesma ligação de saída. Adicionar CPU não resolve uma ligação WAN que já esteja próxima da saturação.
O método de saturação de recursos aplica-se ao percurso de rede da mesma forma que à CPU ou ao armazenamento: as filas persistentes e os erros são mais importantes do que uma única amostra de utilização elevada.
Execute sessões remotas simultâneas a partir de uma rede externa e observe a margem disponível no carregamento. O percurso de transmissão remota deve ser testado com as mesmas definições de qualidade que os utilizadores irão realmente selecionar.
O Trabalho em Segundo Plano Reduz a Margem Segura de Utilizadores
As análises da biblioteca, a geração de pré-visualizações, as cópias de segurança e os contentores complementares podem ocorrer durante a visualização e consumir a mesma CPU, memória e armazenamento. Os testes de capacidade que ignoram estas tarefas sobrestimam o número de utilizadores estável.
O trabalho da base de dados e dos metadados em segundo plano pode consumir bastante CPU e memória em bibliotecas grandes, reduzindo a margem disponível para a reprodução simultânea.
Repita o teste de utilizadores no pico uma vez com as tarefas agendadas ativas. Defina a margem suportada como a carga máxima que continua saudável num pior caso normal, e não como o melhor resultado obtido com um servidor inativo.
Produtos recomendados
Centro de Tecnologia e IA
Mais para Ler
Como afeta a redução da frequência de amostragem de séries temporais a deteção de anomalias em casas inteligentes?
Veja como a largura dos intervalos, a agregação, o anti-aliasing, os dados em falta, a duração dos eventos e a retenção multiescala alteram a...
Como é que uma grelha de ocupação combina sinais fracos de uma casa inteligente?
Saiba como células espaciais, modelos de sensores, atualizações de log-odds, decaimento, evidências correlacionadas e limiares transformam sinais domésticos fracos em estimativas de ocupação.
Como é que a normalização fotométrica afeta o agrupamento privado de rostos?
Veja como a correção da iluminação altera recortes faciais, embeddings, distâncias entre clusters, limiares, sobre-normalização e a avaliação da pesquisa privada de fotografias.
