En esta página
¿Cómo se despliega RabbitMQ en Kubernetes?
- Desplegar RabbitMQ como un StatefulSet con nombres de pod adecuados e identidades de red estables
- Administrar los PersistentVolumeClaims (PVCs) para el almacenamiento de datos de cada nodo del clúster
- Gestionar la membresía del clúster, el descubrimiento de nodos y la Erlang cookie
- Ofrecer un custom resource RabbitmqCluster para configurar el clúster de forma declarativa
¿Qué es el termination grace period y por qué importa?
"Lo que hace el pre-stop hook es verificar que ninguna de las colas esté en estado crítico de quórum antes de permitir que el pod salga. Está protegiendo el quórum. Pero cuando se pasa de tres a cero réplicas, se genera un deadlock: bajar un pod vuelve crítico el quórum, eso impide que ese pod termine, y eso impide que el clúster se apague."
— Scott Sternloff, arquitecto principal de AceMQ, sesión del proyecto con Adeptia, abril de 2026
¿Cómo se escala de forma segura un clúster de RabbitMQ a cero en Kubernetes?
kubectl patch rabbitmqcluster <cluster-name> -n <namespace> \
--type merge \
-p '{"spec": {"terminationGracePeriodSeconds": 30}}'kubectl patch rabbitmqcluster <cluster-name> -n <namespace> \
--type merge \
-p '{"spec": {"replicas": 0}}'kubectl patch rabbitmqcluster <cluster-name> -n <namespace> \
--type merge \
-p '{"spec": {"replicas": 3, "terminationGracePeriodSeconds": 604800}}'¿Qué pasa cuando se hace drain de un nodo de Kubernetes durante una actualización del clúster?
"Sus clientes tienen un proceso automatizado para actualizar el clúster. Se puede bajar un nodo a la vez. Y como el pod de RabbitMQ que corre en ese nodo se niega a terminar por la protección del quórum, no permite que se haga drain del nodo. Su proceso de actualización se queda atascado."
— Scott Sternloff, arquitecto principal de AceMQ, sesión con Adeptia, abril de 2026
- Reducir el termination grace period por defecto antes de las ventanas de actualización automatizadas y restablecerlo después
- Configurar un temporizador de vigilancia: si un pod no terminó N segundos después de recibir un SIGTERM, forzar su eliminación (con precaución)
- Usar pod disruption budgets (PDBs): un PDB que permita como máximo un pod no disponible a la vez garantiza que Kubernetes respete las restricciones de quórum durante los drains de nodos
¿Qué nunca debe hacer con los pods de RabbitMQ en Kubernetes?
kubectl delete pod --force --grace-period=0) se saltea por completo el pre-stop hook. Si el pod eliminado a la fuerza es el líder de quórum de alguna cola, esas colas pierden el quórum de inmediato.kubectl exec -n <namespace> <rabbitmq-pod> -- rabbitmq-diagnostics check_running
kubectl exec -n <namespace> <rabbitmq-pod> -- rabbitmq-queues check_if_node_is_quorum_criticalConsideraciones de almacenamiento y monitoreo
- Use una StorageClass con volumeBindingMode: WaitForFirstConsumer para que los pods y sus volúmenes queden en la misma zona de disponibilidad
- Se recomienda enfáticamente almacenamiento SSD o NVMe: las escrituras del WAL de las colas de quórum son sensibles a la latencia
- Configure la política de retención de los PVCs en Retain para que los datos sobrevivan a la eliminación del pod
- No use almacenamiento compartido (NFS, sistemas de archivos compartidos) para los volúmenes de datos de RabbitMQ
rabbitmq_quorum_queue_stat_voters: verifica que el quórum se mantenga entre los nodos- Cantidad de reinicios de pods: los reinicios frecuentes indican problemas de quórum o de recursos
- Capacidad de los PVCs: monitoree el uso de disco en el PVC de cada pod
rabbitmq_node_disk_free: alerte antes de que se dispare la alarma de disco
Las imágenes base son una pregunta recurrente de cadena de suministro en estos despliegues: consulte la seguridad de las imágenes de Bitnami y las alternativas empresariales.
RabbitMQ en Kubernetes o en máquinas virtuales: cómo decidir
RabbitMQ funciona bien en ambos. Los factores decisivos son quién opera la plataforma y cómo es el almacenamiento que hay debajo.
- Quién lo opera. Si un equipo de plataforma ya corre cargas con estado en Kubernetes, con un operator, PodDisruptionBudgets y actualizaciones de StatefulSets como rutina diaria, RabbitMQ es un StatefulSet más. Si su equipo de infraestructura opera bien las VMs y Kubernetes es solo el lugar donde viven las aplicaciones sin estado, llevar el broker ahí significa que el equipo de mensajería va a aprender los modos de falla de Kubernetes en un sistema de producción.
- Almacenamiento. Las colas de quórum y los streams hacen fsync en cada lote de escrituras. En una VM con NVMe local eso tarda menos de un milisegundo. En Kubernetes, lo habitual es un PersistentVolume conectado por red, y cada fsync atraviesa la red de almacenamiento. Solemos ver de 2 a 5 ms por fsync en almacenamiento en bloque en la nube, lo que se traduce directamente en latencia de publisher confirms en las colas de quórum. Existen provisioners de PV locales, pero atan el pod a un nodo. Colas clásicas vs. colas de quórum explica por qué a las colas de quórum les importa esto más que a las clásicas.
- Actualizaciones. Kubernetes hace un reinicio progresivo del StatefulSet, un pod a la vez, con el operator esperando al quórum antes de cada paso. En VMs, la actualización se hace en el lugar, nodo por nodo y en sus propios tiempos. La versión de Kubernetes está más automatizada y perdona menos un supuesto equivocado.
- Dominios de falla. En Kubernetes, los nodos se drenan, los pods se desalojan y el autoscaler recupera capacidad sin preguntarle. Un PDB y el pod anti-affinity son lo único que separa un drain de rutina de un quórum perdido. Las VMs fallan con menos frecuencia y en horarios que usted controla, pero fallan más fuerte, sin un scheduler que reinicie el broker en otro lugar.
- Redes. Los pods reciben hostnames del headless service e IPs que cambian en cada reinicio. Los clientes se conectan a través de un Service o un ingress y deben reconectarse limpiamente, porque los van a reconectar. Todo lo que fije la IP de un broker se rompe. En VMs, los hostnames se mantienen estables durante años y los bugs de reconexión de los clientes permanecen ocultos.
- Licenciamiento. Tanzu RabbitMQ, la distribución comercial, se empaqueta primero para Kubernetes, con una imagen para VM además. RabbitMQ open source corre en cualquier lado.
Nuestra recomendación: VMs cuando el equipo es pequeño y predominan las cargas de colas de quórum sensibles a la latencia. Kubernetes cuando hay un equipo de plataforma, un operator en uso y el resto del parque ya vive ahí. En nuestros proyectos la división es más o menos pareja, y los despliegues en Kubernetes que salen mal son casi siempre los que se adoptaron porque Kubernetes estaba disponible, no porque alguien estuviera preparado para operar cargas con estado sobre él.
Operator, chart de Helm o StatefulSet hecho a mano
El RabbitMQ Cluster Kubernetes Operator es la opción mantenida upstream y la que usamos por defecto. Usted declara un recurso RabbitmqCluster y el operator crea el StatefulSet, el headless service para el descubrimiento de pares, el Service para clientes, los Secrets de la Erlang cookie y del usuario por defecto, y la configuración del servidor. Maneja los reinicios progresivos con un preStop hook que espera a tener quórum más uno antes de bajar un nodo, y configura TLS a partir del Secret que usted le indique. No crea un PodDisruptionBudget por su cuenta; agregue uno con maxUnavailable: 1. Junto a él, el Messaging Topology Operator convierte usuarios, vhosts, permisos, colas, exchanges, bindings, políticas, shovels y upstreams de Federation en CRDs, para que la topología viva en Git junto a la definición del clúster.
Un clúster mínimo con forma de producción:
apiVersion: rabbitmq.com/v1beta1
kind: RabbitmqCluster
metadata:
name: orders
spec:
replicas: 3
resources:
requests:
cpu: "2"
memory: 8Gi
limits:
cpu: "2"
memory: 8Gi
persistence:
storageClassName: fast-ssd
storage: 100Gi
rabbitmq:
additionalConfig: |
cluster_partition_handling = pause_minority
vm_memory_high_watermark.relative = 0.6
disk_free_limit.absolute = 5GBEn RabbitMQ 4.3 y posteriores, elimine la línea cluster_partition_handling: la versión 4.3.0 quitó las estrategias de manejo de particiones y esa clave no tiene efecto. Mantenga los requests iguales a los limits. El operator deriva el override de memoria de RabbitMQ a partir de la configuración de memoria del pod, de modo que el high watermark y el límite del cgroup coincidan. Agregue spec.affinity con pod anti-affinity entre nodos, o entre zonas si las tiene.
- Los charts de Helm de la comunidad generan un StatefulSet más los services, la configuración y los secrets en un solo
helm install. Sirven para levantar un clúster. No hacen nada después de la instalación: no hay actualizaciones progresivas ordenadas que esperen al quórum ni gestión de la topología, y cadahelm upgradereescribe el StatefulSet y espera que todo salga bien. Si usted estandariza todo en Helm, use el operator y administre el recursoRabbitmqClustercon un chart. - Un StatefulSet hecho a mano se justifica en dos casos: un clúster donde no se permite instalar CRDs ni operators con alcance de clúster, o un equipo que ya tiene un patrón de StatefulSet endurecido para otros sistemas con estado y quiere que RabbitMQ lo siga. Lo que asume es todo lo anterior: la configuración del descubrimiento de pares, el preStop hook de drenado, el ajuste de las probes, la rotación de secrets y la coreografía de las actualizaciones. El bug recurrente que heredamos es una actualización que reinició dos pods a la vez.
Los modos de falla en Kubernetes por los que nos llaman
- Un drain se llevó al líder de quórum y el PDB lo permitió. Síntoma: los publishers se bloquean esperando confirms durante 10 a 30 segundos en una actualización de nodos de rutina, o una cola reporta que no tiene líder porque dos de tres réplicas están caídas. Causa: no hay PDB, o hay uno que permite más de un pod no disponible, combinado con una actualización del clúster que drena nodos más rápido de lo que las colas de quórum tardan en reelegir líder y ponerse al día. Solución: un PDB con
maxUnavailable: 1, pod anti-affinity para que las réplicas nunca compartan nodo, y el preStop hook del operator (o su propiorabbitmq-upgrade await_online_quorum_plus_one) para que el drain espere. - Reconexión del PV después de una falla de nodo. Síntoma: cuando un nodo muere, su pod de RabbitMQ queda en ContainerCreating con un error Multi-Attach o un conflicto de afinidad de nodo del volumen durante seis minutos o más. Causa: el almacenamiento en bloque atado a una zona solo puede conectarse en su propia zona, y la conexión del nodo muerto no se libera hasta que el node controller lo da por perdido. Solución: el clúster sigue funcionando con dos de tres réplicas si el anti-affinity las distribuyó, así que no luche contra eso. Use una storage class con
WaitForFirstConsumerpara que el volumen se cree en la zona del pod, y asuma la ventana de reconexión como un costo conocido del almacenamiento en red. - OOMKilled antes del control de flujo. Síntoma: un pod se reinicia con código de salida 137 y sin ningún error de RabbitMQ en el log; la alarma de memoria nunca se disparó. Causa: el límite de memoria del contenedor está por debajo del punto en que se activaría el high watermark, ya sea porque RabbitMQ leyó la memoria del host en lugar del límite del cgroup, o porque el watermark no deja margen para los asignadores y el binary heap de la VM de Erlang. Solución: requests iguales a los limits, un watermark que quede entre 20 y 30 por ciento por debajo del límite, y
rabbitmq-diagnostics memory_breakdownpara confirmar que el total que ve RabbitMQ coincide con el del pod. - Reinicios por la liveness probe durante la recuperación. Síntoma: después de un reinicio no limpio, un nodo con colas grandes entra en CrashLoopBackOff y cada intento avanza un poco más en la reconstrucción de índices antes de que el kubelet lo mate. Causa: una liveness probe que ejecuta
rabbitmq-diagnostics check_runningo algo similar falla mientras el nodo reproduce Mnesia o Khepri y reconstruye los índices de las colas, lo que en un nodo grande tarda más que el umbral de fallas de la probe. Solución: una startup probe con un failureThreshold generoso, una readiness probe solo sobre el puerto 5672 y ninguna liveness probe agresiva. El operator viene sin liveness probe justamente por eso. - Un cambio de DNS o del headless service rompió el descubrimiento de pares. Síntoma: los pods arrancan pero cada uno forma un clúster de uno, o se niegan a arrancar porque el directorio de datos pertenece a un nodo con otro nombre. Causa: los nombres de nodo se derivan del hostname del pod y del headless service, así que renombrar el service, el namespace o el dominio DNS del clúster cambia el nombre de todos los nodos y deja huérfanos los datos en disco. Solución: no renombre. Si el cambio de nombre es inevitable, trátelo como una migración a un clúster nuevo: exporte las definiciones, use Shovel o drene las colas y pase los clientes al nuevo clúster.
Para la lista más amplia de lo que se rompe cuando la mensajería llega a Kubernetes, consulte qué se rompe con la mensajería en Kubernetes. Para saber qué vigilar para que estos problemas lleguen como alertas y no como tickets, consulte monitoreo de RabbitMQ en Kubernetes. Si prefiere contar con alguien que ya resolvió estos problemas antes, conozca nuestra consultoría de Kubernetes y contenedores y nuestro soporte de RabbitMQ.
La secuencia completa (si Kubernetes es el lugar adecuado, el Operator, las storage classes, las network policies, los requests y limits, el monitoreo y las actualizaciones progresivas) está en la guía de RabbitMQ en Kubernetes.
Preguntas frecuentes
¿RabbitMQ debería correr en Kubernetes o en máquinas virtuales?
Ambas opciones funcionan. Córralo en VMs cuando el equipo es pequeño, la carga de trabajo depende de colas de quórum o streams con una latencia de publisher confirms ajustada y usted todavía no opera cargas con estado en Kubernetes. Córralo en Kubernetes cuando hay un equipo de plataforma, usa el Cluster Operator y las aplicaciones que se comunican con el broker ya viven ahí. El almacenamiento es la pregunta que duele: los volúmenes conectados por red suman milisegundos a cada fsync, y las colas de quórum hacen fsync todo el tiempo. Operamos ambas variantes para nuestros clientes. Ninguna está mal en sí misma; lo que está mal es elegir Kubernetes sin nadie preparado para operarlo.
¿Qué operator de Kubernetes para RabbitMQ deberíamos usar?
El RabbitMQ Cluster Kubernetes Operator, mantenido upstream por el equipo de RabbitMQ, junto con el Messaging Topology Operator. El Cluster Operator administra el recurso RabbitmqCluster: StatefulSet, services, secrets, configuración, TLS y reinicios progresivos que respetan el quórum. El Topology Operator administra usuarios, vhosts, colas, exchanges, bindings y políticas como recursos de Kubernetes, para que la topología viva en Git. Agregue su propio PodDisruptionBudget. Los charts de Helm sirven para una primera instalación, pero no administran nada después. Un StatefulSet hecho a mano solo tiene sentido donde no se permiten CRDs.
¿RabbitMQ funciona bien en OpenShift?
Sí. Operamos RabbitMQ en OpenShift para clientes empresariales, además de en EKS, AKS y GKE. El Cluster Operator se instala desde OperatorHub, y sus pods corren bajo la SCC restricted siempre que el security context del pod quede en manos de OpenShift y no lo fije el operator, algo que spec.override permite. Lo que cambia respecto de Kubernetes estándar son las Routes en lugar de Ingress para AMQP sobre TLS, los permisos de volúmenes determinados por la SCC y la propia cadencia de actualización de nodos de OpenShift, que vuelve indispensables, y no opcionales, las recomendaciones anteriores sobre PDB y anti-affinity.
¿Cuántas réplicas de RabbitMQ debería tener un clúster en Kubernetes?
Tres, distribuidas entre nodos y, de ser posible, entre zonas con pod anti-affinity. Tres réplicas toleran una pérdida mientras las colas de quórum conservan la mayoría, y una pérdida es justamente lo que produce un drain, una falla de nodo o un paso de actualización. Cinco solo valen la pena cuando debe sobrevivir a la caída de una zona y a un evento de mantenimiento al mismo tiempo. Nunca dos: las colas de quórum necesitan mayoría y dos nodos la pierden ante cualquier falla individual. Escalar el throughput es una cuestión distinta de la cantidad de réplicas, y HA, DR y dimensionamiento de clústeres cubre el dimensionamiento.