Auf dieser Seite
Kubernetes in einem Absatz
Kubernetes in einem Absatz
Setzen Sie den RabbitMQ Cluster Operator ein statt eines selbst geschriebenen StatefulSets. Geben Sie jedem Knoten ein Persistent Volume aus einer Storage Class, deren Fehlerdomäne Sie geprüft haben, Resource Requests, die sich an der Spitzenlast statt am Durchschnitt orientieren, und eine Pod-Anti-Affinity-Regel, die die Knoten auf getrennten Hosts und Zonen hält. Geben Sie in der Network Policy die Ports für Erlang Distribution und EPMD frei, stimmen Sie die Heartbeats auf das Cluster-Netzwerk ab, überwachen Sie mit dem Prometheus-Plugin und den Metriken des Operators und rollen Sie Updates Knoten für Knoten aus, damit das Quorum nie verloren geht. Wenn Ihr Team all das nicht selbst verantworten möchte, ist ein Managed Service auf Ihrem Cluster die Alternative dazu, Kubernetes ganz zu verlassen.
Entscheiden, ob Kubernetes das richtige Zuhause ist
Kubernetes bietet RabbitMQ Scheduling, Self-Healing und ein einheitliches Deployment-Modell – nimmt Ihnen aber die Kontrolle über Platzierung, Netzwerk und Neustarts, solange Sie sie sich nicht per Konfiguration zurückholen. Das passt zu IT-Landschaften, die Kubernetes bereits mit persistenten Workloads betreiben. Es passt nicht zu einem Team, das Kubernetes nur für zustandslose Services nutzt und dann am Message Broker zum ersten Mal auf die Fehlerbilder zustandsbehafteter Workloads trifft.
Aus unseren Projekten. In unseren Projekten halten sich virtuelle Maschinen und Kubernetes ungefähr die Waage. Die Kubernetes-Deployments, die schiefgehen, sind fast immer diejenigen, die gewählt wurden, weil Kubernetes eben verfügbar war – nicht, weil jemand bereit war, zustandsbehaftete Workloads darauf zu betreiben. Das Ticket-Log zeigt, wie jung die Kubernetes-Arbeit ist: 16 von 145 Tickets nennen Kubernetes, einen Operator oder Helm, und 10 der 12 Tickets in der Kategorie Kubernetes wurden 2026 eröffnet. Sie drehen sich vor allem um den Abgleich durch den Operator, den Umgang mit Persistent Volumes, Security Contexts und die Frage, was beim Upgrade eines Knotens mit dem Quorum passiert (die Ticket-Analyse).
Was passt zu welcher Situation?
- Virtuelle Maschinen: Das Team ist klein, und latenzkritische Quorum-Queue-Workloads überwiegen.
- Kubernetes: Es gibt ein Plattformteam, der Operator ist im Einsatz, und der Rest der IT-Landschaft läuft bereits auf Kubernetes.
Den Cluster Operator verwenden
Der RabbitMQ Cluster Operator verwaltet das StatefulSet, den Headless Service, das Erlang-Cookie, die Aktivierung von Plugins und Rolling Updates über eine einzige RabbitmqCluster-Ressource; der Messaging Topology Operator verwaltet vhosts, Benutzer, Queues und Policies als Kubernetes-Objekte. Ein selbst geschriebenes StatefulSet kann funktionieren – doch jedes, das wir bisher übernommen haben, hatte einen Fehler bei Rolling Updates oder Peer Discovery, den der Operator bereits abfängt. Auf OpenShift ist der Operator der unterstützte Weg, und die Security Context Constraints müssen explizit gesetzt werden.
Persistent Volumes und die Fehlerdomäne der Storage Class
Jeder Knoten braucht ein eigenes Persistent Volume, und die Storage Class bestimmt, wie ein Ausfall aussieht: Zonale Disks binden den Pod an eine Zone und gehen mit ihr verloren, regionale Disks überstehen den Ausfall einer Zone und kosten mehr, und Netzwerkdateisysteme sind zu langsam für das Write-Ahead-Log der Quorum Queues. Prüfen Sie Fehlerdomäne, IOPS und Reclaim Policy, bevor Sie sich auf eine Replikatanzahl verlassen. Volume Snapshots sind ein Backup, kein Failover.
Netzwerk: Distribution-Ports, Policies und Heartbeats
Die Knoten kommunizieren über Erlang Distribution und finden sich gegenseitig über EPMD. Die Network Policy muss diese Ports daher zwischen den Pods freigeben, ebenso AMQP und den Management-Port für Clients. Clients sollten sich über einen Service oder Load Balancer verbinden, der mit langlebigen Verbindungen umgehen kann, und nicht über einen, der sie wegen Inaktivität trennt. Cluster-Netzwerke haben einen Jitter, den ein LAN nicht hat; stimmen Sie Heartbeats und net_ticktime darauf ab, sonst erklären die Peers einen ausgelasteten Knoten für tot.
Requests, Limits und Anti-Affinity
Requests auf Spitzenwerte für Memory und CPU setzen, nicht auf Durchschnittswerte – sonst packt der Scheduler Knoten auf Hosts, die sie unter Last nicht tragen können. Das Memory-Limit oberhalb des RabbitMQ-Watermarks ansetzen, mit Reserve für Erlang, sonst beendet der Kernel den Knoten, bevor RabbitMQ Flow Control anwenden kann. Pod-Anti-Affinity über Hosts und Topology Spread über Zonen, damit der Ausfall eines Knotens ein Knotenausfall bleibt und kein Cluster-Ausfall wird. Ein PodDisruptionBudget von eins, damit ein Cluster-Upgrade nicht zwei Knoten gleichzeitig verdrängen kann.
Monitoring auf Kubernetes
Das Prometheus-Plugin stellt Metriken pro Knoten und pro Objekt bereit; scrapen Sie beide und ergänzen Sie die Metriken des Operators sowie die des Kubelets für Pod-Neustarts und Volume-Zustand. Fünf Dinge zählen zuerst: Queue-Tiefe und Unacked-Zahlen, Memory im Verhältnis zum Watermark, freier Plattenplatz im Verhältnis zum Limit, Anzahl der Connections und Channels sowie der Partitionsstatus. Alarmieren Sie auf Trends und korrelieren Sie einen RabbitMQ-Alarm mit den Pod-Events, denn auf Kubernetes ist die Ursache oft ein Rescheduling.
Rolling Updates ohne Quorumverlust
Der Operator aktualisiert einen Knoten nach dem anderen und wartet, bis er dem Cluster wieder beigetreten ist – genau darum geht es. Das Fehlerbild ist ein Image-Wechsel, ein Node-Pool-Upgrade und eine Autoscaler-Entscheidung, die alle in dieselbe Stunde fallen. Planen Sie Plattform- und Broker-Upgrades nacheinander, respektieren Sie das PodDisruptionBudget und prüfen Sie die Verteilung der Quorum-Queue-Leader vorher und nachher. Versions-Upgrades folgen denselben Regeln für Zwischenschritte wie überall sonst, einschließlich der Erlang-Abhängigkeit und der Reihenfolge der Feature Flags.
Wer den Betrieb übernimmt
Ein Broker auf Kubernetes braucht jemanden, der beides versteht – und genau diese Person ist oft diejenige, die das Unternehmen verlassen hat. Die Alternativen dazu, Kubernetes aufzugeben, sind ein Supportvertrag, wenn das Plattformteam die Rufbereitschaft stemmen kann, oder ein Managed Service, der Operator, Volumes, Network Policies und Updates auf Ihrem Cluster betreibt, während die Daten in Ihrem Account bleiben. Wenn Sie den Operator nicht selbst betreiben möchten, übernimmt Managed RabbitMQ auf Kubernetes Upgrades, Patching und Bereitschaftsdienst.
Häufig gestellte Fragen
Sollte man RabbitMQ auf Kubernetes betreiben?
Wenn das Team bereits zustandsbehaftete Workloads auf Kubernetes betreibt: ja – mit dem Cluster Operator, geprüften Storage Classes und einer Network Policy für Erlang Distribution. Wird Kubernetes nur für zustandslose Services genutzt, treten die Fehlerbilder zustandsbehafteter Systeme zuerst beim Broker auf, und VMs oder ein Managed Service sind meist das bessere Zuhause.
Brauche ich den RabbitMQ Cluster Operator?
In der Praxis ja. Er übernimmt Peer Discovery, das Erlang-Cookie, Rolling Updates Knoten für Knoten und die Plugin-Verwaltung über eine einzige Ressource; der Messaging Topology Operator ergänzt vhosts, Benutzer und Policies als Kubernetes-Objekte. Selbst geschriebene StatefulSets funktionieren – bis das erste Rolling Update schiefgeht.
Warum startet mein RabbitMQ-Pod auf Kubernetes immer wieder neu?
Meistens liegt das Memory-Limit unter dem, was der Knoten bei Spitzenlast braucht, sodass der Kernel ihn beendet, bevor das Watermark von RabbitMQ greift. Am zweithäufigsten ist eine Liveness Probe, deren Timeout kürzer ist als die Antwortzeit eines ausgelasteten Knotens. Gleichen Sie die Pod-Events mit dem RabbitMQ-Log ab, bevor Sie irgendetwas anderes ändern.
Was eignet sich am besten für RabbitMQ: EKS, AKS oder GKE?
Alle drei können es; sie unterscheiden sich im Verhalten der Storage Classes, im Umgang der Load Balancer mit langlebigen Verbindungen und in der Mechanik der Node-Pool-Upgrades. Der Vergleichsbeitrag geht jeden Anbieter einzeln durch. Die Entscheidung fällt meist danach, wo der Rest der Umgebung bereits läuft.