Leitfaden · RabbitMQ

Leitfaden zum RabbitMQ-Performance-Tuning

Zehn Prüfschritte, in der Reihenfolge, die das Problem am schnellsten findet. Die meisten langsamen RabbitMQ-Cluster sind keine falsch konfigurierten Broker, sondern unterdimensionierte Hosts, langsame Platten oder Anwendungen, die pro Nachricht eine Verbindung öffnen. Die hier genannten Schwellenwerte stammen aus den Production Deployment Guidelines von RabbitMQ für die Versionsreihe 4.3, geprüft am 20. September 2026.

Tyler Eastridge

Von Tyler Eastridge, Head of Operations

LinkedIn · Aktualisiert am · 6 Min. Lesezeit · 10 Abschnitte

Auf dieser Seite

Tuning in einem Absatz

Tuning in einem Absatz

Der schnellste Weg zu einem performanten RabbitMQ: zuerst messen, dann vom Host nach außen bis zur Anwendung vorarbeiten. Geben Sie jedem Node mindestens 4 Kerne, 4 GiB RAM und schnellen lokalen Speicher. Halten Sie die Memory Watermark zwischen 0.4 und 0.7, setzen Sie disk_free_limit auf etwa die Größe der Watermark und erlauben Sie 50.000 oder mehr File Descriptors. Machen Sie Verbindungen und Channels langlebig, trennen Sie Publisher von Consumern und verzichten Sie auf Polling. Tunen Sie den Prefetch anhand der gemessenen Consumer-Auslastung. Legen Sie große Rückstaus auf Streams und dauerhafte Arbeit auf Quorum Queues. Prüfen Sie das Netzwerk mit der Bandbreitenformel und teilen Sie das System in getrennte Cluster auf, bevor die Node-Anzahl zweistellig wird.

Messen, bevor Sie etwas ändern

Die meisten Tuning-Versuche an RabbitMQ scheitern, weil geändert wurde, bevor der Engpass gefunden war. Bringen Sie zuerst drei Dinge in ein Diagramm: Publish- und Deliver-Raten pro Queue, die in der Anwendung gemessene Latenz der Publisher Confirms sowie CPU, Speicher, Disk-Latenz und Netzwerkdurchsatz auf Node-Ebene. Die Production Guidelines von RabbitMQ sagen es unverblümt: Monitoring, Benchmarking und Messen sind nötig, um die beste Einstellung für eine Umgebung zu finden. Reproduzieren Sie die Last anschließend mit PerfTest, dem Lasttest-Tool des RabbitMQ-Teams, damit jede Änderung gegen denselben Traffic getestet wird.

Die Hardware-Untergrenze prüfen

Das dokumentierte Minimum für die Produktion liegt pro Node bei 4 CPU-Kernen und 4 GiB RAM, ohne weiteren Datendienst oder I/O-intensive Anwendung auf dem Host. RabbitMQ wurde nicht für Single-Core-Umgebungen entwickelt. Ein überraschend großer Teil langsamer Cluster liegt unter dieser Grenze oder teilt sich den Host mit einer Datenbank.

Der Speicher ist heute wichtiger als früher, denn Quorum Queues und Streams sind auf dauerhaften Speicher mit stabiler Latenz ausgelegt. Bevorzugen Sie lokale SSDs oder NVMe gegenüber Netzwerkspeicher, teilen Sie nie ein Datenverzeichnis zwischen Nodes und legen Sie Node-Daten nicht auf ein verteiltes Dateisystem: Die Speicherschicht setzt eine lokale fsync-Semantik voraus, die solche Dateisysteme oft nicht einhalten.

Die Memory Watermark bewusst setzen

Standardmäßig nimmt ein Node keine neuen Nachrichten mehr an, sobald er mehr als 60 % des verfügbaren Speichers belegt (vm_memory_high_watermark.relative = 0.6). Der empfohlene Bereich liegt zwischen 0.4 und 0.7. Über 0.7 zu gehen, ist die klassische Scheinersparnis: Betriebssystem und Dateisystem brauchen mindestens 30 % des Speichers für den Page Cache. Fehlt er ihnen, kommt es zu Paging, das jede Disk-Operation des Brokers verlangsamt. Werden Publisher blockiert, liegt die Lösung fast immer in schnelleren Consumern oder mehr Nodes, nicht in einer höheren Watermark.

Das Disk Free Limit erhöhen

Der Standardwert für disk_free_limit liegt bei 50 MB – gewählt, damit RabbitMQ auch auf kleinen Entwicklungspartitionen startet. Für die Produktion ist das viel zu niedrig: Ein Node, dem der Plattenplatz ausgeht, kann nicht mehr schreiben und unter Umständen Daten verlieren. Die Empfehlung lautet, das Limit etwa auf die Größe der Memory Watermark zu setzen; ein Node mit einer Watermark von 4 GB bekommt also disk_free_limit.absolute = 4G. Planen Sie die Platte zudem großzügig, denn Quorum Queues und Streams geben den Platz konsumierter Nachrichten nicht immer schnell wieder frei.

Das Limit für offene File Handles erhöhen

Jede Verbindung und jede Queue belegt File Descriptors. Erlauben Sie dem RabbitMQ-Benutzer mindestens 50.000. Die Dimensionierungsregel aus der Dokumentation: das 95. Perzentil gleichzeitiger Verbindungen nehmen, mit zwei multiplizieren und die Anzahl der Queues addieren. Limits von bis zu 500.000 kosten so gut wie nichts und werden für die Produktion empfohlen. Ein Node, der dieses Limit erreicht, nimmt keine Verbindungen mehr an – das sieht aus wie ein Performance-Problem, ist aber keins.

Reaktionszeitziele ab 15 Minuten, je nach Plan. Namentlich zugeordnete Senior Engineers.

Kontakt

Verbindungs- und Channel-Verhalten in den Anwendungen korrigieren

Das Anwendungsverhalten ist die größte einzelne Ursache für Performance-Probleme mit RabbitMQ, und keine Broker-Einstellung kann es ausgleichen. Die Regeln sind überschaubar. Verbindungen und Channels sollten langlebig sein: Eine Verbindung pro Nachricht zu öffnen ist teuer und verursacht Connection Churn, der File Handles und Speicher erschöpft. Verwenden Sie getrennte Verbindungen für Publishing und Consuming, damit Consumer nicht von der Flow Control erfasst werden, die auf einen Publisher angewendet wird. Setzen Sie Heartbeat-Timeouts nicht unter 5 Sekunden, da dies unter Last zu falschen Verbindungsabbrüchen führt. Nutzen Sie die automatische Connection Recovery der Client-Library, sofern vorhanden. Und verzichten Sie auf Polling mit basic.get; es ist im Vergleich zu einem abonnierten Consumer grundsätzlich ineffizient.

Aus unseren Projekten. In unserem Ticket-Log betrafen 33 von 145 RabbitMQ-Tickets (23 %) Nachrichtenfluss, Load Balancer, Verbindungen oder Client-Einstellungen – gegenüber 8 (6 %) zu Limits bei Speicher, Disk, CPU oder File Descriptors (die Ticket-Analyse). Meldet ein Team, der Broker sei langsam, liegt die Ursache meist in einem falsch konfigurierten Prefetch, in synchronen Acknowledgements oder in einem einzelnen langsamen Consumer, der den Kopf einer Queue blockiert. Auf einer IoT-Plattform im Telekommunikationsbereich mit einer großen Flotte verbundener Geräte, die wöchentlich wegen Speichermangels abstürzte, gehörten zu den Maßnahmen von AceMQ: den Prefetch von 1 auf 20 erhöhen, Speicherlimits und TTLs pro Queue einführen und Scale-out statt Scale-up empfehlen (die Fallstudie).

Prefetch und Acknowledgements tunen

Der Prefetch ist die Einstellung auf Consumer-Seite mit der größten Wirkung auf den Durchsatz. Ist er zu niedrig, warten die Consumer untätig auf das Netzwerk; ist er zu hoch, hortet ein langsamer Consumer Nachrichten, während andere leerlaufen, und der Speicherbedarf steigt mit dem Rückstau unbestätigter Nachrichten. Gehen Sie von der Verarbeitungszeit pro Nachricht aus, messen Sie die Consumer-Auslastung und passen Sie den Wert an. Bestätigen Sie in Batches, wo die Reihenfolge es zulässt.

Den Queue-Typ an die Workload anpassen

Der Queue-Typ bestimmt die Leistungsobergrenze. Quorum Queues replizieren jeden Schreibvorgang und schreiben ihn auf die Platte, daher sinkt ihr Durchsatz mit steigender Zahl der Replikate; in größeren Clustern sollten Sie auf eine Mehrheit der Nodes replizieren statt auf alle. Streams wurden für Durchsatz und große Rückstaus entwickelt und belegen wenig Broker-Speicher – um den Preis von Queue-Funktionen wie Dead-Lettering. Classic Queues eignen sich nur für flüchtige Arbeit. Eine Queue, die Millionen Nachrichten halten muss, ist ein Stream, keine größere Quorum Queue.

Prüfen, ob das Netzwerk die Last trägt

Die Dokumentation nennt eine Faustregel für die Mindestbandbreite pro Node: Nachrichtenrate im 95. Perzentil mal Nachrichtengröße im 95. Perzentil mal 110 % für den Protokoll-Overhead mal 8 Bit. Bei 20.000 Nachrichten pro Sekunde und 6 KB Payload ergibt das knapp über 1 Gigabit pro Sekunde – noch vor dem Replikations-Traffic zwischen den Nodes. TLS verursacht messbare CPU-Kosten auf Broker und Clients; beziehen Sie es deshalb in den Benchmark ein, statt es nachträglich hinzuzufügen.

Den Cluster richtig skalieren

Verwenden Sie eine ungerade Anzahl von Nodes, damit sich immer eine Mehrheit bestimmen lässt. Mehr Nodes helfen bei der Zahl der Verbindungen, sofern ein Load Balancer die Verbindungen verteilt. Unbegrenzt helfen sie allerdings nicht: Alle Metadaten werden auf jeden Node repliziert, und die meisten Metadatenänderungen laufen synchron, sodass die Kosten jeder Deklaration mit der Cluster-Größe steigen. Wer auf eine zweistellige Node-Anzahl zusteuert, sollte das System laut Dokumentation stattdessen in unabhängige Cluster aufteilen.

Häufig gestellte Fragen

Wie optimiere ich die Performance von RabbitMQ?

In dieser Reihenfolge: Publish- und Deliver-Raten, Confirm-Latenz und Node-Ressourcen messen; sicherstellen, dass jeder Node mindestens 4 Kerne, 4 GiB RAM und schnelle lokale Platten hat; Anwendungsverhalten wie Connection Churn und Polling korrigieren; den Consumer-Prefetch tunen; und den passenden Queue-Typ wählen. Broker-Einstellungen spielen eine geringere Rolle als Anwendungsverhalten und Speicher.

Auf welchen Wert sollte vm_memory_high_watermark gesetzt werden?

Der Standard ist 0.6, der empfohlene Bereich liegt zwischen 0.4 und 0.7. Werte über 0.7 entziehen dem Page Cache des Betriebssystems Speicher und verschlechtern die Performance meist. Werden Publisher blockiert, erhöhen Sie die Consumer-Kapazität oder die Zahl der Nodes, statt die Watermark anzuheben.

Welches disk_free_limit ist für die Produktion richtig?

Der Standardwert von 50 MB ist für die Entwicklung gedacht. Setzen Sie das Limit auf etwa dieselbe Größe wie die Memory High Watermark, zum Beispiel 4G auf einem Node mit einer Watermark von 4 GB, und planen Sie die Platte großzügig.

Wie viele File Descriptors braucht RabbitMQ?

Mindestens 50.000. Dimensionieren Sie den Wert als das Doppelte des 95. Perzentils gleichzeitiger Verbindungen plus die Anzahl der Queues. Werte bis 500.000 kosten wenig und werden für die Produktion empfohlen.

Wird RabbitMQ mit mehr Nodes schneller?

Die Verbindungskapazität steigt, wenn ein Load Balancer die Clients auf die Nodes verteilt. Der Durchsatz einer einzelnen Queue steigt dadurch nicht, und der Durchsatz von Quorum Queues sinkt mit jedem zusätzlichen Replikat. Sehr große Cluster verlangsamen Metadatenoperationen; ab etwa zehn Nodes sollten Sie daher getrennte Cluster einsetzen.

Kostenlose Beratung

Lassen Sie Experten auf Ihre RabbitMQ-Cluster-Umgebung schauen

Ob Sie einen Produktionsvorfall beheben, eine Migration planen oder eine zweite Meinung zu Ihrer Architektur wünschen – unser Team steht bereit. Kein Verkaufsgespräch, nur Antworten.

E-Mail schreiben