オンプレミス ロボットのシステム要件

オンプレミス パフォーマンス テスト ロボットのハードウェア、OS、多重化のガイドライン (ワークロードの種類別の CPU と RAM の比率、仮想マシンのベースラインの推奨事項など)

オンプレミス環境でパフォーマンス テスト ロボットを実行するための推奨システム要件と構成ガイドラインに従います。これらの推奨事項は、UiPath の社内ベンチマークとフィールドの調査に基づいています。

多重化

パフォーマンス テストのロボットは多重化を利用します。つまり、複数の仮想ユーザー (VU) を同じマシン上で並列実行できます。

1 台のロボットが同時に実行する VU の数は、多重化係数と呼ばれます (たとえば、並列の 10 個の VU は多重化係数 10 に等しくなります)。多重化係数はオートメーションの種類によって異なります。

• API オートメーションは、CPU/軽量で I/O バインドであるため、最大の多重化係数をサポートします。一般的な範囲は、API ペイロード サイズに応じて、CPU コアあたり 20–100+ VU です。
• Web オートメーションでは多重化がサポートされています。
• Windows セッションの制約により、デスクトップ オートメーションはマシンあたり 1 VU に制限されています。

効果的な多重化は、以下に依存します。

• CPU のアーキテクチャ/パフォーマンスと利用可能な RAM
• ワークロードの種類と複雑さ (多重化の可能性は API > Web >> デスクトップ)
• システム オーバーヘッドとバックグラウンド サービス
  ヒント:

  API ワークロードと Web ワークロードに別々のロボット プールを使用して、多重化を個別に調整し、リソースの競合を回避します。

仮想マシン

• 強力な CPU と SSD ストレージを搭載した、コンピューティングに最適化された VM を使用します。
• 推奨ベースライン: 16 物理 CPU コア、32 GB RAM、SSD。
• 代替設定 (低効率): 4 コア / 8 GB RAM、または 8 コア / 16 GB RAM。
• 仮想マシンから不要なバックグラウンド サービスを削除します。

ソフトウェアとオペレーティング システム

• Windows Server 2022 以降
• Web オートメーション用に Google Chrome (最新の安定版) がインストールされていること
  注:

  問題: Web オートメーションをオンプレミスで (ローカル マシンを使用して) 実行する場合は、グループ ポリシーを正しく設定していることを確認してください。デスクトップ版の Studio に移動し、[ UiPath 拡張機能 ] > [Chrome] に移動します。[グループ ポリシー オンライン] の値が設定されていない場合は、プラグインをアンインストールし、インストール中に [グループ ポリシー オンライン] を選択します。ポリシーについて詳しくは、「 Studio - グループ ポリシー」をご覧ください。

API オートメーションにブラウザーは必要ありませんが、上記の OS の要件は引き続き適用されます。

リソースの比率

• CPU: 物理コアあたり 0.5 から 1.8 VU (16 個の物理コアで測定)。
• RAM: GB RAM あたり 0.5 から 2 VU (32 GB で測定)。
• 物理コアのみをカウントします。ハイパースレッディングは、持続的な負荷の下ではほとんどメリットがありません。

これらのベースライン比率は、Web ワークロードに最も直接的に適用されます。多くの場合、API ワークロードはレンダリングのオーバーヘッドが少ないため、コア/GB あたりの VU 密度が高くなります。サイズの設定を完了する前に、ドライ ランと完全実行でワークロードを検証してください。

Capacity Planner

Rather than manually computing capacity from the ratios above, Capacity Planner runs a short series of progressive load probes against your actual hardware and extrapolates a virtual-user recommendation.

Probe design

Load group type	Probe design
API	10-user probes, 25 seconds each
Web	1-user probes, 40 seconds each
Desktop	A single probe (desktop automations don't multiplex, so there's nothing to extrapolate)

Capacity Planner calculates the recommendation via least-squares regression across probe results, then discounts it by a factor of 0.85 on the CPU slope to build in headroom. Guardrails cap the recommendation at CPU ≤ 96% and RAM ≤ 90%, with additional hard caps by application type.

Recommendation output

The ratios above serve as a planning baseline before your first dry run. Capacity Planner can then validate and refine that estimate for your specific environment.