On this page
Ejecutar RabbitMQ en Kubernetes no es lo mismo que ejecutarlo en bare metal. Las señales de monitoreo que importan en un clúster estático de tres VM no son las mismas que le indican si un StatefulSet de RabbitMQ está sano dentro de un clúster de Kubernetes que quizá usted no controla del todo. Y los modos de falla son distintos: los desalojos de nodos, la reprogramación de pods, la contención de E/S entre inquilinos compartidos y la forma específica en que el consenso de Raft interactúa con la pila de red de Kubernetes pueden provocar interrupciones que los operadores de bare metal nunca enfrentan.
A estas alturas hemos resuelto suficientes incidentes de este tipo como para tener claro qué señales importan de verdad y cuáles son ruido. Si solo va a monitorear cinco cosas en un clúster de RabbitMQ en Kubernetes, monitoree estas cinco. Son las métricas que, según nuestra experiencia en servicios financieros, plataformas SaaS y despliegues empresariales de alto throughput, detectan las fallas antes de que se conviertan en interrupciones visibles para los clientes.
Por qué monitorear RabbitMQ en Kubernetes es distinto
Un clúster de RabbitMQ en bare metal o en VM dedicadas tiene un adversario principal: su propia carga de trabajo. Un clúster de RabbitMQ en Kubernetes tiene varios:
- Cómputo compartido. A menos que haya dedicado nodos, sus pods de RabbitMQ compiten por CPU, memoria y E/S de disco con todo lo demás que Kubernetes programe junto a ellos.
- Capas de abstracción de red. La pila de red de Kubernetes agrega latencia entre pods, overhead del CNI y una capa de heartbeats con la que el consenso de Raft tiene que compartir el ancho de banda.
- Semántica de StatefulSet. RabbitMQ en Kubernetes se despliega como un StatefulSet mediante el Cluster Operator, y los pods de un StatefulSet no se reprograman automáticamente cuando falla un nodo, algo que sorprende a los operadores en el peor momento posible.
- Acoplamiento con los volúmenes persistentes. Con almacenamiento local-path o local del nodo, es posible que un pod reprogramado no pueda recuperar su estado anterior. El almacenamiento conectado por red introduce su propia variabilidad de E/S.
Cada uno de estos factores agrega un tipo de falla que sería imposible en una infraestructura dedicada. Su monitoreo tiene que tenerlos todos en cuenta.
1. Salud de la replicación Raft en las colas de quórum
Si usa colas de quórum (quorum queues), y en 2026, si está en RabbitMQ 4.x, debería usarlas, la salud de la replicación Raft es la métrica más importante de su dashboard. Si todavía no lo hizo, consulte nuestra guía para migrar a colas de quórum. Las colas de quórum funcionan con un líder y seguidores que participan en el consenso de Raft y escriben cada mensaje en la mayoría de los nodos antes de confirmarlo al publicador. Cuando Raft se degrada, todo lo que depende de él se degrada también.
En Kubernetes en particular, la presión sobre Raft se acumula rápido. El protocolo de consenso necesita una comunicación confiable y de baja latencia entre los nodos, un rendimiento de escritura en disco constante y suficiente margen de CPU para procesar las entradas del log. Cuando cualquiera de esas condiciones se ajusta, y en Kubernetes eso pasa más seguido que en bare metal, Raft empieza a quedarse atrás y las colas dejan de responder.
Qué monitorear realmente
- rabbitmq_queue_messages desglosado por estado de líder o seguidor.
- rabbitmq_raft_log_commit_index y rabbitmq_raft_log_last_applied: la diferencia entre ambos es su lag de Raft.
- Frecuencia de elecciones de líder. Un clúster sano tiene líderes estables; si los líderes cambian una y otra vez, algo aguas arriba (red, disco, CPU) no está bien.
- Estado de Raft por cola mediante la API de administración: estado de los seguidores, índice del snapshot, uso de disco.
Umbrales de alerta
Genere una alerta si el log de Raft de un seguidor está más de unos pocos miles de entradas por detrás del líder durante más de 30 segundos. Genere una alerta si hay más de una elección de líder por hora en un clúster estable. Y genere una alerta inmediata si alguna cola de quórum perdió el quórum: el broker se lo informará a través de sus métricas, y usted querrá saberlo en segundos, no en minutos.
Por qué esto importa más en Kubernetes
En Kubernetes es perfectamente posible que Raft llegue a un estado en el que la cola queda inutilizable y los procedimientos de recuperación estándar no funcionan limpiamente. Un patrón que hemos visto en producción: una cola de quórum se queda atascada, rabbitmqctl delete_queue falla porque el broker no puede lograr consenso para eliminarla, y restablecer el servicio exige eliminar pods en un orden específico para forzar una nueva elección de líder. No le conviene descubrir esta situación por la queja de un cliente. Le conviene ver el lag de Raft subiendo 10 minutos antes.
2. Watermark de memoria y estado del control de flujo
RabbitMQ tiene un mecanismo de protección integrado llamado memory high-watermark. Cuando el uso de memoria de un broker cruza el umbral del watermark, RabbitMQ bloquea a los publicadores para evitar que el nodo se quede sin memoria por completo. Esto es intencional, es un mecanismo de seguridad, pero en Kubernetes la configuración predeterminada del watermark suele ser incorrecta.
La visión del experto: ajuste del watermark específico para Kubernetes
"Para Kubernetes, deberían hacer la prueba con un watermark del 40 % y un net tick time de 60. Le estamos dejando más espacio a Raft para que haga lo suyo, y otro espacio más para la red. La red en RabbitMQ no es solo la que hay entre los nodos; también es la red de Kubernetes y los heartbeats de los pods. Están compitiendo por recursos."— Felipe Gutierrez, ingeniero sénior, AceMQ
El watermark de memoria predeterminado de RabbitMQ de 0.4 (40 %) existe porque en Kubernetes el broker no es lo único que usa memoria en el pod o en el nodo. El kubelet de Kubernetes, el plugin de CNI, el runtime de contenedores y cualquier contenedor sidecar consumen memoria, y Raft y el broker necesitan margen alrededor de ella. Un watermark que tiene sentido en una VM dedicada a menudo hay que bajarlo en Kubernetes para conservar suficiente margen para las operaciones de Raft y la red entre pods.
Qué monitorear realmente
- rabbitmq_resident_memory_limit_bytes y rabbitmq_process_resident_memory_bytes: la relación entre ambos es su utilización actual del watermark.
- rabbitmq_connections_blocked_total: cuántas conexiones de publicadores está bloqueando RabbitMQ en este momento.
- Estado del control de flujo por conexión. Si ve productores que entran en control de flujo, tiene un problema de presión en algún punto del pipeline: revise el ajuste del prefetch de los consumidores como primer paso.
- Uso de memoria del pod de Kubernetes frente al límite de memoria del pod: llegar al límite del pod provoca un OOMKilled, una falla mucho peor que llegar al watermark de RabbitMQ.
Umbrales de alerta
Genere una alerta al 80 % del watermark configurado: en ese punto está cerca de bloquear a los publicadores. Genere una alerta inmediata ante cualquier conexión bloqueada. Y genere una alerta al 90 % del límite de memoria del pod de Kubernetes: es su última advertencia antes de que el kubelet elimine el pod.
3. Contención de E/S de disco y latencia de escritura
Esta es la métrica en la que Kubernetes muerde más fuerte. Las colas de quórum de RabbitMQ hacen un uso intensivo del disco por diseño: cada escritura pasa por el log de Raft antes de confirmarse. Si el almacenamiento subyacente es lento, variable o está en contención, todos los productores de su sistema lo sienten.
En Kubernetes, el rendimiento del disco se complica por un modo de falla específico que vemos una y otra vez: RabbitMQ comparte un nodo con otra carga de trabajo con mucha E/S, normalmente PostgreSQL, Kafka o Elasticsearch. Cuando la carga vecina tiene un pico, las escrituras del log de Raft de RabbitMQ se vuelven lentas, el lag de los seguidores crece, se vuelven a elegir líderes y el clúster parece degradarse misteriosamente por razones que el operador no logra rastrear de inmediato.
La visión del experto: el patrón de contención de E/S
"Si siguen compitiendo con Postgres en el mismo nodo, Raft no es solo memoria y quórum; también necesita disco. Si al mismo tiempo hay un uso intenso de Postgres, eso va a provocar la misma discusión que estoy teniendo con ustedes. Deberían separarlos o, al menos, reducir la cantidad de nodos de RabbitMQ para no competir por recursos."— Felipe Gutierrez, ingeniero sénior, AceMQ
Qué monitorear realmente
- rabbitmq_io_write_time_seconds_total y rabbitmq_io_write_bytes_total: las tendencias de latencia de escritura son su alerta temprana.
- Histogramas de latencia de escritura en disco a nivel de nodo (node_exporter de Kubernetes los proporciona).
- IOPS que consumen los pods de RabbitMQ frente a las IOPS que consume todo lo demás en el mismo nodo.
- Profundidad de la cola de disco: si se mantiene de forma constante por encima de 1–2, está esperando al disco.
- Velocidad de llenado de los volúmenes persistentes: el uso de disco de las colas de quórum crece con el volumen de mensajes y la retención del log.
Umbrales de alerta
Genere una alerta si la latencia p99 de escritura en disco supera los 50ms en cualquier nodo de RabbitMQ. Genere una alerta si la utilización de un volumen persistente supera el 75 %. Y genere una alerta si la profundidad de la cola de disco se mantiene por encima de 2 durante más de un minuto.
Recomendación de arquitectura
Siempre que sea posible, dedique nodos de Kubernetes a RabbitMQ mediante taints y tolerations. Ejecute las cargas de trabajo con estado y mucha E/S en su propio node pool. Si eso no es viable, use volúmenes persistentes separados en discos físicos distintos para RabbitMQ y para sus vecinos: el costo de un disco adicional es insignificante comparado con el de una interrupción en producción causada por contención de E/S.
4. Scheduling de pods, cantidad de reinicios y comportamiento del StatefulSet
Este es el detalle propio de Kubernetes que toma desprevenidos a los operadores: el Cluster Operator oficial despliega RabbitMQ como un StatefulSet, y los pods de un StatefulSet no se reprograman automáticamente en otro nodo cuando falla su nodo actual. Esto es intencional, ya que el StatefulSet ofrece identidad y almacenamiento estables, pero la consecuencia operativa es que la falla de un nodo puede dejar fuera de servicio un pod de RabbitMQ durante todo el tiempo que el nodo esté caído.
No es una preocupación teórica. Hemos acompañado a clientes en incidentes en los que se cayó un nodo de Kubernetes, el pod del StatefulSet de RabbitMQ quedó varado y la aplicación sufrió una indisponibilidad prolongada porque el operador esperaba una reprogramación automática que Kubernetes simplemente no ofrece para los StatefulSets.
Qué monitorear realmente
- Cantidad de reinicios de cada pod de RabbitMQ, con seguimiento en el tiempo. Un pod con más de 10 reinicios en un día le está diciendo algo.
- Estado de scheduling de los pods: en concreto, cualquier pod de RabbitMQ en Pending, Unschedulable o ContainerCreating durante más de 60 segundos.
- Estado de los nodos que alojan pods de RabbitMQ. Un nodo NotReady es una cuenta regresiva hacia la caída de un pod.
- Readiness del StatefulSet: cuántas de las réplicas deseadas están Ready en este momento.
- Tasas de falla de las sondas de liveness y readiness. Las fallas de las sondas bajo carga suelen indicar que el broker está sobrecargado antes de que falle por completo.
Umbrales de alerta
Genere una alerta inmediata si alguna réplica del StatefulSet de RabbitMQ cae por debajo de la cantidad deseada. Genere una alerta ante cualquier reinicio de pod. Genere una alerta si cualquier nodo que aloja un pod de RabbitMQ pasa a NotReady. Todas son condiciones accionables: le conviene que una persona las revise, no un mecanismo de autorreparación que puede funcionar o no con StatefulSets.
Nota de arquitectura
Si necesita una recuperación automática ante fallas de nodo más rápida que la que ofrece el comportamiento predeterminado del StatefulSet, tiene algunas opciones: usar pod disruption budgets combinados con automatización del drenado de nodos, desplegar RabbitMQ en varias zonas de disponibilidad de Kubernetes para que la falla de una zona no tumbe el clúster o, en algunos casos, ejecutar el broker en VM dedicadas completamente fuera de Kubernetes. La opción correcta depende de su objetivo de tiempo de recuperación y de la madurez operativa de su equipo con Kubernetes.
5. Heartbeats de red y latencia entre nodos
Los nodos de RabbitMQ mantienen entre sí una comunicación de Erlang distribuido, y la salud de esa comunicación determina si el clúster sigue siendo un clúster. En Kubernetes, la capa de red introduce una variabilidad de latencia adicional que puede provocar falsos positivos de falla de nodo: el broker cree que un par está caído porque un heartbeat no llegó a tiempo, cuando en realidad el CNI de Kubernetes solo estuvo lento por un momento.
El net_ticktime predeterminado de Erlang, de 60 segundos, suele ser demasiado agresivo para entornos de Kubernetes, sobre todo los que usan redes overlay o tráfico entre zonas. Ajustarlo es una de las primeras cosas que hacemos al endurecer un clúster de RabbitMQ en Kubernetes para producción.
Qué monitorear realmente
- Eventos de partición de red: RabbitMQ los registra en sus logs y deben generar una alerta inmediata.
- Latencia entre pods de RabbitMQ (se puede medir con un simple sidecar de ping o con métricas de la service mesh).
- Utilización del buffer de distribución de Erlang: rabbitmq_erlang_distribution_buffer_busy le indica cuándo se está atascando la comunicación entre nodos.
- Distribución de los estados de las conexiones TCP a nivel de nodo. Una cantidad creciente de conexiones TIME_WAIT o CLOSE_WAIT puede indicar que se está gestando un problema de red.
- Métricas del CNI, si están disponibles (Calico, Cilium, etc.): la pérdida de paquetes entre pods de RabbitMQ es una señal de alerta temprana.
Umbrales de alerta
Genere una alerta ante cualquier evento de partición de red. Genere una alerta si la latencia p99 entre pods de RabbitMQ supera los 10ms. Genere una alerta si la utilización del buffer de distribución de Erlang supera el 50 %.
Recomendación de ajuste
En Kubernetes, aumente net_ticktime de los 60 segundos predeterminados a 120 segundos como punto de partida. Esto le da a la capa del CNI más margen y reduce drásticamente los falsos positivos de partición del clúster ante el jitter normal de la red. Un tick time más largo implica una detección un poco más lenta de los nodos que realmente fallaron, pero en entornos de Kubernetes el equilibrio favorece ampliamente a la estabilidad.
Cómo unir todo: su filosofía de alertas
Monitorear estas cinco áreas no se trata de crear más alertas, sino de crear las alertas correctas. Según nuestra experiencia, los operadores a los que menos llaman de guardia no son los que menos monitorean, sino los que monitorean lo correcto con los umbrales correctos.
Una clasificación razonable para un clúster de RabbitMQ en Kubernetes:
- P1 (llamar de inmediato): pérdida de quórum en cualquier cola. Nodo NotReady. Réplicas del StatefulSet por debajo de lo deseado. Cualquier conexión de publicador bloqueada. Partición de red detectada.
- P2 (llamar en horario hábil): lag de los seguidores de Raft en aumento sostenido. Watermark de memoria por encima del 80 %. Latencia p99 de disco por encima de 50ms. Reinicio de pod. Cambios repetidos de líder.
- P3 (solo dashboard, revisión semanal): tendencias de capacidad. Velocidad de llenado del disco. Crecimiento de la cantidad de conexiones. Crecimiento de la profundidad de las colas.
Todo lo demás es ruido. Si a su equipo de guardia lo llaman por cosas que no encajan en P1 o P2, sus alertas no están alineadas con lo que realmente importa.
Conclusión práctica
Kubernetes es una buena plataforma para RabbitMQ, siempre que monitoree lo que Kubernetes cambia. Los modelos mentales del monitoreo en bare metal no se trasladan tal cual. Las cinco categorías de métricas anteriores son las que monitoreamos en cada proyecto de RabbitMQ en Kubernetes al que damos soporte, y son las que recomendamos que instrumente desde el primer día cualquier equipo que ejecute RabbitMQ en Kubernetes.
Si hereda un clúster de RabbitMQ en Kubernetes y quiere evaluar rápidamente su estado de monitoreo, revise estas cinco cosas en orden:
- ¿La salud de la replicación Raft es visible por cola? Si no, está volando a ciegas en cuanto al quórum.
- ¿El watermark de memoria está configurado para Kubernetes (más cerca de 0.4 que de 0.8)? Si no, está a un pico de tráfico de tener publicadores bloqueados.
- ¿La latencia de disco de cada nodo de RabbitMQ se monitorea y tiene alertas? Si no, no podrá diagnosticar la contención de E/S cuando ocurra.
- ¿La cantidad de réplicas del StatefulSet y el estado de scheduling de los pods tienen alertas? Si no, la falla de un nodo lo tomará por sorpresa.
- ¿net_ticktime está ajustado para su entorno de Kubernetes? Si sigue con el valor predeterminado, está recibiendo falsos positivos de partición.
Cualquier clúster que responda “no” a dos o más de estas preguntas está a un incidente operativo de descubrir exactamente por qué la respuesta tenía que ser “sí”.
Checklist de monitoreo de RabbitMQ para SRE
Si solo va a leer una sección de este artículo, lea esta. Todo lo anterior explica por qué importa cada señal; esta es la lista que va en el runbook. Active el plugin rabbitmq_prometheus (integrado desde la versión 3.8), recolecte las métricas de cada nodo e importe los dashboards oficiales de Grafana. Después, vigile cuatro grupos de métricas.
Clúster. Que todos los nodos reporten (up en cada objetivo de recolección), que no haya particiones (el health check de la API de administración o rabbitmqctl cluster_status; vea la sección de particiones de red más arriba), estabilidad de los líderes de Raft en las colas de quórum (rabbitmq_raft_term_total debería mantenerse plano; un term en aumento significa que hay elecciones) y que ambas alarmas de recursos estén desactivadas (rabbitmq_alarms_memory_used_watermark y rabbitmq_alarms_free_disk_space_watermark deberían estar en 0). Haga también seguimiento del margen bruto: rabbitmq_disk_space_available_bytes y rabbitmq_process_resident_memory_bytes frente a rabbitmq_resident_memory_limit_bytes.
Colas. Profundidad (rabbitmq_queue_messages_ready), mensajes sin confirmar (rabbitmq_queue_messages_unacked), cantidad de consumidores (rabbitmq_queue_consumers) y utilización de los consumidores (rabbitmq_queue_consumer_utilisation, donde un valor bajo significa que los consumidores están inactivos esperando al broker y un valor cercano a 1 significa que el broker está esperando a los consumidores), tasa de reentrega (rabbitmq_queue_messages_redelivered_total) y tasa de dead-letter. La profundidad por sí sola no es un problema; sí lo es una profundidad que no deja de subir mientras la cantidad de consumidores se mantiene estable.
Throughput y latencia. Tasas de publicación y de entrega (rabbitmq_queue_messages_published_total y rabbitmq_queue_messages_delivered_total, calculadas como tasa sobre una ventana) y latencia de los publisher confirms. El broker no exporta directamente la latencia de confirmación, así que mídala en la aplicación que publica o con un publicador canary. Una brecha entre la tasa de publicación y la de entrega que no se cierra es la señal de capacidad más temprana que va a obtener.
Plataforma. Reinicios de pods (kube_pod_container_status_restarts_total para el StatefulSet de RabbitMQ), latencia de los volúmenes persistentes según su storage class o node exporter, y throttling de CPU (container_cpu_cfs_throttled_periods_total frente a container_cpu_cfs_periods_total). Un throttling de más de un pequeño porcentaje en el pod de un broker se manifiesta como latencia de confirmación mucho antes de que algo en el propio RabbitMQ parezca andar mal. Las secciones anteriores sobre scheduling de pods y E/S de disco explican la mecánica.
Las ocho alertas que consideramos obligatorias, con umbrales iniciales. Ajústelas a su carga de trabajo; lo importante es recibir una advertencia antes de la llamada de guardia.
| Métrica | Advertencia | Llamada de guardia |
|---|---|---|
Nodo caído (up == 0) | 1 nodo durante 2 min | 2 o más nodos, o 1 nodo durante 10 min |
| Partición de red detectada | cualquiera, de inmediato | cualquiera que dure 5 min |
Tasa de rabbitmq_raft_term_total | más de 1 elección en 10 min | más de 3 en 10 min |
rabbitmq_alarms_memory_used_watermark | memoria por encima del 70 % del límite | alarma activada (publicadores bloqueados) |
rabbitmq_disk_space_available_bytes | menos del 20 % libre | menos de 2 × el límite de espacio libre en disco |
rabbitmq_queue_messages_ready | en aumento durante 15 min | por encima de la profundidad máxima acordada durante 5 min |
rabbitmq_queue_consumer_utilisation | por debajo de 0.6 durante 10 min | por debajo de 0.3 con la profundidad en aumento |
| Reinicios de pods | 1 en 1 hora | 3 en 1 hora, o CrashLoopBackOff |
Hay dos cosas que esta tabla no cubre. Primero, si los mensajes sin confirmar aumentan con una cantidad de consumidores estable, normalmente significa que un consumidor está colgado o que el prefetch es demasiado alto; configure esa alerta por cola crítica y no de forma global. Segundo, la tasa de dead-letter depende de cada carga de trabajo, así que genere la alerta ante un cambio respecto de la línea base y no ante una cifra fija.
Conecte el nivel de advertencia a un canal que alguien lea durante el día y el nivel de llamada al equipo de guardia. Si está construyendo el clúster desde cero, nuestro playbook de despliegue en Kubernetes cubre los resource requests, las storage classes y las reglas de anti-affinity que mantienen en silencio a la mayoría de estas alertas. Cuando alguna se dispara de todos modos, la guía de resolución de problemas relaciona cada síntoma con su solución.
¿Necesita ayuda para endurecer su clúster de RabbitMQ en Kubernetes?
AceMQ opera RabbitMQ en producción sobre Kubernetes para clientes empresariales de servicios financieros, SaaS, salud y operaciones de empresas Fortune 1000. Construimos la pila de monitoreo, ajustamos el broker para los modos de falla propios de Kubernetes, validamos sus procedimientos de failover y seguimos disponibles durante la etapa de producción para atender los incidentes que usted espera no ver nunca.
Si su equipo tiene problemas de estabilidad con RabbitMQ en Kubernetes, o planea un despliegue de Kubernetes desde cero y quiere hacer bien el monitoreo desde el principio, hable con nuestro equipo sobre una evaluación de salud de RabbitMQ. Auditaremos su estado de monitoreo actual, identificaremos las brechas y le armaremos un plan para cerrarlas. Si necesita soporte comercial de RabbitMQ o consultoría de RabbitMQ, eso es exactamente lo que hacemos.
Preguntas frecuentes
¿Cómo deben monitorear los SRE los clústeres de RabbitMQ?
Active el plugin rabbitmq_prometheus en cada nodo, recolecte sus métricas junto con kube-state-metrics y cAdvisor, e importe los dashboards oficiales de Grafana. Configure alertas en cuatro grupos: salud del clúster (nodos activos, particiones, cambios de term de Raft, alarmas de memoria y disco), salud de las colas (ready, unacked, cantidad y utilización de consumidores, reentregas), throughput (tasa de publicación frente a tasa de entrega, latencia de confirmación medida en el publicador) y salud de la plataforma (reinicios de pods, latencia de los PV, throttling de CPU). Use un nivel de advertencia que vaya a un canal y un nivel de guardia que llame al equipo on-call. La tabla anterior da umbrales iniciales para las ocho alertas que consideramos obligatorias.
¿Qué métricas de RabbitMQ indican problemas de capacidad?
La señal más temprana es una tasa de publicación que supera de forma sostenida a la tasa de entrega. Le sigue rabbitmq_queue_messages_ready en aumento mientras rabbitmq_queue_consumers se mantiene estable, lo que significa que necesita más consumidores o consumidores más rápidos. Un rabbitmq_queue_consumer_utilisation cercano a 1 significa que el cuello de botella son los consumidores; cercano a 0, que es el broker. Del lado del broker, la memoria residente que sube hacia rabbitmq_resident_memory_limit_bytes, un rabbitmq_disk_space_available_bytes que baja y el throttling de CPU en el pod indican que el nodo está subdimensionado. Si se disparan las alarmas de memoria o de disco, ya se quedó sin capacidad y los publicadores están bloqueados.
¿Qué causa inestabilidad en un clúster de RabbitMQ?
Según nuestra experiencia, las causas son, aproximadamente en este orden: particiones de red por presión en los nodos o pod disruption budgets mal configurados; alarmas de memoria provocadas por colas profundas o por una cantidad ilimitada de conexiones; contención de disco en volúmenes persistentes compartidos que vuelve las escrituras de Raft tan lentas que provocan elecciones de líder; pods de StatefulSet reprogramados en nodos a los que su volumen no puede seguirlos; y diferencias de versión entre nodos durante una actualización progresiva. Casi todas aparecen primero como un aumento de rabbitmq_raft_term_total o como un reinicio de pod, y por eso esas dos alertas encabezan la tabla. Cada causa tiene su propia sección más arriba.
¿Necesitamos monitoreo comercial para RabbitMQ?
No. El plugin rabbitmq_prometheus, Prometheus y los dashboards oficiales de Grafana son gratuitos, tienen buen mantenimiento y alcanzan para la mayoría de los entornos, incluidos los grandes. Lo que no le dan es una persona que los lea a las 3 a. m., que sepa cuál de las ocho alertas es la real cuando se disparan tres a la vez y que ya lo haya resuelto antes en su versión. Eso es lo que aporta un contrato de soporte. Cubrimos desde 3.8.x hasta 4.x con objetivos de respuesta desde 15 minutos, según el plan, así que el valor está en la respuesta, no en los dashboards. Conserve su propio monitoreo y llámenos para la interpretación y la solución.
El monitoreo es el paso seis de ocho de la guía de RabbitMQ en Kubernetes, que aborda en orden el Operator, el almacenamiento, la red, los requests y limits y las actualizaciones progresivas.
Talk to an engineer
Need a hand with RabbitMQ?
Senior engineers who run it in production. Get a quote or a free consultation, no sales pitch.
Guías, comparativas e investigación

