¿Tiene ahora mismo el clúster caído, un split-brain o el disco lleno? Llame al +1 305-204-2607. Con un contrato de soporte, un ingeniero sénior de AceMQ atiende cualquier P1 con objetivos de respuesta desde 15 minutos, según el plan, 24/7. Este es nuestro soporte de emergencia para RabbitMQ; la guía que sigue sirve para averiguar qué ha fallado.
La mayoría de los problemas de RabbitMQ en producción se reducen a una lista corta: una alarma de memoria o de disco que bloquea a los publicadores, una partición del clúster que ha dejado a una cola de quórum sin mayoría, un fallo de TLS o de autenticación en la ruta de conexión, consumidores que han dejado de confirmar mensajes o un bug propio de una versión introducido durante una actualización. Revisarlos en ese orden (estado del servicio, alarmas, estado del clúster, conexiones, consumidores) resuelve la mayoría de las incidencias antes de que haga falta un análisis más profundo.
A continuación se describen los doce problemas de RabbitMQ que vemos con más frecuencia en clústeres empresariales, cada uno con el comando de diagnóstico que lo confirma. Varios proceden de proyectos en producción que nuestros ingenieros han llevado a cabo este año.
Los problemas más habituales de RabbitMQ, en el orden en que aparecen
Antes de abrir un solo archivo de log, responda a tres preguntas en este orden:
¿Está funcionando el broker? Un proceso rabbitmq-server detenido o un nodo caído se ven exactamente igual que un problema de red desde el lado del cliente.
¿Hay alguna alarma activa? Cuando salta una alarma de memoria o de disco, RabbitMQ bloquea deliberadamente las conexiones de publicación. El broker está sano: se está protegiendo.
¿Coinciden todos los nodos en la pertenencia al clúster? Una partición en la que cada lado cree que el otro ha desaparecido es el problema más dañino de RabbitMQ, porque puede seguir habiendo escrituras en ambos lados.
rabbitmq-diagnostics check_running # is the node up and the app started?
rabbitmq-diagnostics alarms # memory / disk alarms
rabbitmqctl cluster_status # membership, partitions, running nodes
Ejecutar primero esos tres comandos evita el error más común al diagnosticar: reiniciar un nodo que estaba bien y destruir las pruebas.
Una nota sobre la detección. Si se entera de una caída porque le llama un cliente, el problema no es RabbitMQ, sino la observabilidad. Resuelva eso antes de optimizar cualquier otra cosa.
1. Escenarios de split-brain y particiones del clúster
Problema. Los nodos pierden la conectividad y cada lado cree tener la autoridad, lo que provoca divergencia de datos y posible pérdida de mensajes. Es especialmente peligroso en despliegues multisede y en la nube.
Solución. Las colas de quórum usan el protocolo de consenso Raft y necesitan que la mayoría de sus miembros esté disponible para elegir un líder y aceptar escrituras. Un clúster de tres nodos tolera la pérdida de uno; si pierde dos, la cola deja de aceptar escrituras por diseño. Ese comportamiento es correcto: forzar el reinicio de un nodo para «arreglarlo» es precisamente como los equipos pierden mensajes.
cluster_partition_handling = pause_minority
pause_minority es la opción segura por defecto para despliegues empresariales: el lado minoritario se pausa en lugar de aceptar escrituras que no podría conciliar. autoheal prioriza la alta disponibilidad sobre la consistencia, e ignore solo debe usarse si usted mismo gestiona la conciliación. En RabbitMQ 4.3 y versiones posteriores esto ya no aplica: la 4.3.0 eliminó Mnesia y, con ella, las estrategias de gestión de particiones; cluster_partition_handling se sigue aceptando en rabbitmq.conf, pero no tiene ningún efecto, y el almacén de metadatos, las colas de quórum y los streams se basan todos en Raft, de modo que solo la regla de mayoría de Raft decide qué lado sigue dando servicio. Elimine esa clave al actualizar.
Cómo detectar y superar una partición en 4.3 y versiones posteriores. Los nodos que se pierden de vista registran la desconexión y las elecciones de líder Raft que le siguen. rabbitmq-diagnostics cluster_status muestra los nodos alcanzables bajo los nodos en ejecución, así que un nodo inalcanzable simplemente no aparece; rabbitmq-queues quorum_status <queue> indica dónde están el líder y los seguidores de cada cola de quórum; y rabbitmq-diagnostics check_if_node_is_quorum_critical le dice si detener un nodo dejaría alguna cola o stream sin mayoría en línea. La disponibilidad depende del número de nodos: tres nodos toleran un fallo, cinco toleran dos, y los números pares (cuatro, seis) solo sobreviven a una partición si uno de los lados conserva la mayoría. Una partición tampoco requiere un fallo de red: un hipervisor que suspende una máquina virtual, como ocurre en algunas migraciones en caliente, parece una partición para el resto del clúster. Las particiones fueron dos de los ocho tickets de RabbitMQ abiertos en nuestra cola de soporte la última semana de septiembre de 2026.
Dos patrones con los que nos encontramos una y otra vez sobre el terreno:
Mantenimiento de nodos de Kubernetes sin drenar RabbitMQ. Durante una evaluación de clúster en 2026, rastreamos una pérdida de quórum recurrente hasta tareas de mantenimiento de nodos realizadas sin drenar antes RabbitMQ. Un drain de Kubernetes desaloja el pod, pero el nodo de RabbitMQ necesita su propio apagado ordenado para que los miembros de las colas de quórum traspasen el liderazgo. Saltarse ese paso convierte un parcheo rutinario en una partición. La misma secuencia se aplica al actualizar RabbitMQ de 3.x a 4.x sin tiempo de inactividad.
Defectos de quórum propios de una versión. En ese mismo proyecto aislamos unos errores de reconocimiento de nodos en un defecto de la versión 4.2.3, corregido en compilaciones 4.2.x posteriores y en la serie 4.3. Si los errores de pertenencia persisten tras un reinicio limpio y con la configuración correcta, consulte las notas de la versión de su parche exacto antes de rediseñar nada.
En los clústeres de recuperación ante desastres, confirme que el sitio de DR se activa solo si falla el principal. Un clúster de DR que arranca junto a un principal sano es una fábrica de split-brain; la recuperación exige entonces recrear nodos y repetir elecciones a mano, no una conmutación por error automática.
2. Alarmas de memoria y de disco que bloquean a los publicadores
Problema. Los publicadores se quedan colgados mientras los consumidores siguen vaciando colas. En los logs no parece haber nada roto.
Solución. RabbitMQ bloquea las conexiones de publicación cuando el uso de memoria supera el high watermark (por defecto, el 40 % de la RAM disponible) o cuando el espacio libre en disco baja del límite configurado (por defecto, 50 MB).
El desglose importa más que el total. Si la memoria la ocupa el contenido de las colas, los mensajes no se consumen lo bastante rápido: es un problema de consumidores disfrazado de problema de memoria. Si la ocupa el estado de las conexiones y canales de los clientes, normalmente alguna aplicación los está filtrando, a menudo porque abre un canal por mensaje en lugar de reutilizar uno.
Subir vm_memory_high_watermark es un parche provisional, no una solución. Averigüe primero por qué se retiene la memoria; un límite más alto ante una acumulación real solo retrasa la misma caída. Las alarmas se desactivan solas en cuanto el uso vuelve a bajar del umbral.
3. Acumulación de mensajes y control de flujo
Problema. Las colas crecen o el uso de disco llega a un límite, RabbitMQ activa el control de flujo y los publicadores se ralentizan o se detienen, lo que interrumpe los procesos anteriores y provoca timeouts.
Solución. Diseñe para colas cortas. Añada consumidores para que los mensajes se procesen más rápido y configure los límites de segmentos de las colas de quórum según sus necesidades de retención. Ajuste los umbrales de memoria y disco de forma deliberada en lugar de dejar los valores por defecto en un host grande, y configure las alertas sobre la tendencia de la profundidad de la cola, no sobre su valor absoluto: una cola que crece de forma sostenida durante diez minutos es mejor señal que una que tuvo un pico breve.
4. Mensajes sin confirmar y consumidores bloqueados
Problema. Los consumidores reciben mensajes pero nunca los confirman. Los mensajes sin ack se acumulan, la memoria sube y la cola se bloquea.
Solución. Identifique cuál de los tres patrones de fallo tiene:
rabbitmqctl list_queues name messages messages_unacknowledged consumers
Muchos mensajes, cero consumidores: la aplicación consumidora está caída o su suscripción apunta a la cola o al virtual host equivocados.
Muchos mensajes, consumidores presentes y muchos sin confirmar: los consumidores reciben, pero nunca envían el ack. Suele tratarse de un cliente que se cae a mitad del procesamiento o que no envía el ack en una ruta de excepción. Defina un consumer_timeout para que las entregas atascadas se vuelvan a encolar en lugar de quedar retenidas indefinidamente.
Muchos mensajes y casi ninguno sin confirmar: los consumidores no dan abasto. Escale horizontalmente o revise el prefetch.
El prefetch es el error de configuración más común. Un prefetch ilimitado permite que un consumidor acapare miles de mensajes mientras los demás están ociosos; un prefetch de 1 añade un viaje de ida y vuelta por la red por cada mensaje. Analizamos ese equilibrio en cómo ajustar el prefetch count de RabbitMQ, y la misma lógica se aplica a cualquier topología pub/sub que se reparta entre varias colas de mensajes.
La métrica consumer capacity de la interfaz de gestión de RabbitMQ es la lectura más rápida en este caso. Una consumer capacity baja y sostenida con una cola profunda indica que el cuello de botella está aguas abajo de RabbitMQ, no en el broker.
5. Un tipo de cola inadecuado para la carga de trabajo
Problema. Las colas clásicas sufren en entornos con mucha rotación y con grandes acumulaciones, y se vuelven inestables con cargas elevadas.
Solución. Use colas de quórum para obtener durabilidad de nivel empresarial. Ofrecen un comportamiento predecible bajo carga y una recuperación mucho mejor en escenarios de conmutación por error. Confirme que sus clientes admiten publisher confirms para proteger los datos y, si el orden estricto es importante, valide explícitamente el comportamiento de los consumidores: las colas de quórum cambian la semántica de reentrega de maneras que algunas aplicaciones notan. Consulte cómo migrar de colas clásicas a colas de quórum para conocer el proceso de migración.
6. Colas espejo obsoletas y políticas de HA mal configuradas
Problema. Las colas clásicas espejo (mirrored queues), ya obsoletas, conmutan por error de forma inconsistente, lo que provoca retrasos de sincronización y posible pérdida de datos. Las políticas de mirroring demasiado amplias consumen recursos y reducen el rendimiento.
Solución. Migre a colas de quórum para disponer de una alta disponibilidad moderna. Evite las políticas de mirroring generalizadas; defina el comportamiento de HA de forma explícita y pruebe la conmutación por error de forma periódica, en lugar de descubrirla durante una incidencia. Si sigue usando colas espejo, monitorice el retraso de sincronización y verifique que la topología de réplicas coincide con lo previsto: un patrón de política que, por error, abarca todas las colas es una causa habitual de presión de recursos inexplicable.
7. TLS, certificados y fallos de conexión
Problema. Los clientes no pueden conectarse, o se conectan y son rechazados de inmediato.
Solución. Divida el diagnóstico. No hay forma de conectarse: confirme que el listener está en el puerto que espera. RabbitMQ usa el puerto 5672 para AMQP sin cifrar y el 5671 para AMQP sobre TLS. Los despliegues bastionados desactivan por completo el 5672, un cambio que rompe todos los clientes que todavía apuntan al puerto antiguo. Capture el tráfico TCP con tcpdump y analícelo en Wireshark para demostrar dónde muere la conexión.
Se conecta y luego falla: revise los permisos concedidos y el virtual host. Unas credenciales válidas sin permisos sobre el virtual host de destino se autentican correctamente y luego fallan en cada operación.
Con backends OAuth 2.0 y LDAP, active el registro de decisiones antes de suponer que las credenciales son incorrectas: los fallos de control de acceso suelen deberse a un scope de OAuth o a un filtro de búsqueda mal configurados, no a una contraseña errónea.
Los fallos de handshake TLS merecen una atención especial. En un proyecto de soporte reciente, la mensajería segura fallaba en el puerto 5671 pese a que los certificados PEM estaban bien instalados en todos los nodos. El handshake terminaba en el balanceador de carga. La causa era un certificado que no coincidía: el common name y los campos SAN deben coincidir con el hostname al que se conecta realmente el cliente, que en un clúster con balanceo de carga es la dirección del balanceador, no el hostname de cada nodo. Cuando el TLS mutuo no es un requisito obligatorio, prescindir del certificado de cliente elimina toda una categoría de estos fallos.
Dos detalles operativos que conviene documentar ahora en lugar de descubrirlos más tarde: un certificado de CA propio debe instalarse en todas las máquinas cliente, incluidos los clientes Windows, que no lo incorporan automáticamente, y los certificados de CA emitidos con una validez de 10 años también necesitan un procedimiento de rotación documentado. Un certificado que caduca sin responsable es una caída programada.
¿Tiene un problema en un clúster de RabbitMQ que no consigue aislar? Los ingenieros de AceMQ trabajan a diario con clústeres en producción, incluida la recuperación de colas de quórum y el análisis forense de particiones. Hable con un ingeniero de AceMQ: normalmente podemos decirle en una sola sesión si se trata de la configuración, de la infraestructura o de un defecto conocido.
8. Cookie de Erlang, cambios de hostname y conectividad de la CLI
Problema.rabbitmqctl no consigue llegar al nodo y parece que el servidor de RabbitMQ está caído cuando en realidad funciona sin problemas.
Solución. Tres causas explican casi todos estos casos:
Cookie de Erlang que no coincide. Todos los nodos y herramientas de CLI deben compartir el mismo valor de cookie (/var/lib/rabbitmq/.erlang.cookie en la mayoría de los despliegues Linux, o el directorio del perfil de usuario desde un símbolo del sistema de Windows). Una cookie de Erlang que no coincide genera errores de autenticación que imitan a un broker caído. En Windows suele romperse cuando el servicio se ejecuta como SYSTEM pero la CLI se ejecuta como Administrador: hay que copiar la cookie entre perfiles y corregir sus permisos.
Resolución del hostname. Los nodos se identifican como rabbit@hostname. Si el hostname cambia, algo habitual tras reconstruir un contenedor o una máquina virtual, el nodo no puede volver a unirse a su propio clúster de RabbitMQ.
Puertos entre nodos bloqueados. Además de AMQP en el 5672, un clúster necesita el 4369 (epmd) y el 25672 para el tráfico TCP entre nodos. Las reglas de firewall que solo abren el puerto de cliente rompen el clúster sin dar ningún aviso.
Para reiniciar un nodo de forma limpia en lugar de matar el proceso:
rabbitmqctl stop_app && rabbitmqctl start_app
Así se detiene la aplicación RabbitMQ pero la máquina virtual de Erlang sigue en marcha, lo que conserva mucho más estado de diagnóstico que un reinicio completo del servicio de RabbitMQ.
9. Análisis antivirus y contención de E/S en disco
Problema. La base de datos Mnesia y los archivos de cola de RabbitMQ son analizados por el antivirus del endpoint o por herramientas de seguridad en tiempo real, sobre todo en servidores Windows corporativos. El resultado es una degradación grave del rendimiento y ralentizaciones inexplicables de los nodos que parecen un fallo de RabbitMQ.
Solución. Añada los directorios de datos de RabbitMQ a la lista de exclusiones de su antivirus o de su producto de protección de endpoints. Así se evitan la E/S elevada y los bloqueos de archivos que pueden dejar un nodo casi paralizado. Confirme las rutas exactas de su despliegue con rabbitmq-diagnostics status, que indica el directorio de datos configurado. Este caso es fácil de pasar por alto porque nada en los archivos de log de RabbitMQ apunta a él.
10. Contención de recursos en máquinas virtuales
Problema. Los nodos que se ejecutan en máquinas virtuales comparten CPU, RAM y E/S de disco con otras cargas de trabajo, lo que produce latencias impredecibles, colas bloqueadas e incluso caídas de nodos.
Solución. Asigne núcleos de CPU dedicados a RabbitMQ y reserve memoria en cada máquina virtual que ejecute un nodo. Monitorice el CPU steal time, la latencia de disco y la presión de memoria en Grafana junto a sus métricas de RabbitMQ: el steal time, en concreto, es invisible desde dentro del broker y explica buena parte de los avisos de «RabbitMQ va lento» que no tienen nada que ver con RabbitMQ. Evite los hipervisores sobrecargados y el almacenamiento compartido para los nodos de producción.
11. Ajuste de heartbeats y timeouts de red
Problema. En despliegues con alta latencia, en la nube o sobre WAN, los heartbeats y timeouts TCP por defecto generan falsos positivos de caída de nodos y particiones de red innecesarias.
Solución. Alargue los intervalos de heartbeat y ajuste tcp_listen_options al entorno en lugar de aceptar valores por defecto pensados para una LAN de baja latencia. Ajuste la configuración de distribución de Erlang para mejorar la fiabilidad entre nodos. Un clúster repartido entre zonas de disponibilidad necesita timeouts distintos que uno instalado en un solo rack, y una configuración inadecuada aquí se manifiesta como particiones sin ningún fallo de red subyacente.
12. Fallos de actualización y de plugins
Problema. El broker no arranca tras una actualización, con un error que no indica la causa real.
Solución. Hay dos riesgos distintos. Cada serie de versiones de RabbitMQ requiere un rango de versiones de Erlang/OTP compatible; actualizar sobre una compilación de Erlang no compatible provoca fallos de arranque que parecen problemas de configuración. Revise la matriz de compatibilidad antes de la ventana de mantenimiento, no durante ella.
Los plugins son la segunda causa. Un plugin compilado para una versión anterior del broker puede negarse a cargar tras una actualización. Desactive los plugins de terceros, confirme que el nodo arranca y vuelva a activarlos de uno en uno.
Por último, haga seguimiento de los avisos de seguridad de su serie. El proyecto RabbitMQ publica notificaciones de CVE y versiones de parche con regularidad; mantener un despliegue open source sin nadie encargado de vigilar esos avisos significa enterarse de las vulnerabilidades por un auditor. Si está sopesando esa carga operativa frente a una suscripción comercial, desglosamos las opciones en licencias y soporte comercial de RabbitMQ.
Cuatro modos de fallo de proyectos recientes en producción
Los doce problemas anteriores cubren lo que aparece con más frecuencia en clústeres empresariales. Hay cuatro modos de fallo concretos que merecen un análisis más detallado, porque cada uno se diagnostica mal una y otra vez de la misma manera: el equipo trata un comportamiento de diseño como un bug, o una señal transitoria como algo sin importancia, y pierde tiempo persiguiendo la solución equivocada.
Pérdida de quórum al drenar un nodo de Kubernetes sin un apagado ordenado
Un drain de Kubernetes desaloja el pod. Por sí solo, no le indica al nodo de RabbitMQ que se ejecuta dentro de ese pod que traspase el liderazgo de las colas de quórum que lidera en ese momento. Si el proceso simplemente se mata al agotarse el periodo de gracia, todas las colas de quórum lideradas desde ese nodo pierden su líder a la vez y el clúster tiene que celebrar una elección completa bajo carga en lugar de un traspaso limpio.
La solución es un hook PreStop que llame a rabbitmqctl stop_app antes de que Kubernetes termine de desalojar el pod:
stop_app detiene limpiamente la aplicación RabbitMQ mientras el nodo sigue siendo alcanzable, de modo que los líderes de las colas de quórum de ese nodo traspasan el liderazgo antes de que el pod termine realmente. Asígnele un terminationGracePeriodSeconds suficiente para completarlo y confirme que el traspaso ha funcionado antes de fiarse de la automatización: rabbitmqctl list_queues name type leader online_members no debería mostrar ninguna cola que siga apuntando al nodo que acaba de drenar. La misma secuencia se aplica a un reinicio manual a nivel de sistema operativo, no solo a Kubernetes: primero detenga la aplicación y después el proceso.
Un defecto de reconocimiento de nodos ligado a una versión concreta
Si un nodo vuelve a unirse a un clúster y sigue lanzando errores de pertenencia que no se resuelven con un reinicio limpio ni con una configuración verificada, no dé por hecho que el problema es su topología. RabbitMQ ya ha publicado antes defectos propios de una versión en este ámbito, entre ellos uno que afectaba al reconocimiento de nodos en la versión 4.2.3 y que se corrigió en compilaciones 4.2.x posteriores y en la serie 4.3. Antes de rediseñar la red o el descubrimiento de nodos para sortear un síntoma, consulte las notas de la versión y el changelog de su parche exacto. Obtenga la salida de rabbitmqctl cluster_status en todos los nodos, no solo en el que da problemas, y compare las cadenas de versión de RabbitMQ y de Erlang/OTP en todo el clúster: una versión de parche distinta en un solo nodo es un precursor habitual de este tipo de error.
Alarmas de memoria que saltan en los picos y desaparecen antes de que pueda mirarlas
Una alarma de memoria que salta durante un pico de tráfico y se desactiva sola cinco minutos después no deja ninguna prueba cuando alguien abre la interfaz de gestión. La alarma cumplió su función, pero usted sigue sin saber por qué saltó, y volverá a saltar en el siguiente pico. Hay tres fuentes que permiten detectarla a posteriori. Ejecute rabbitmq-diagnostics memory_breakdown a intervalos cortos durante las franjas de pico conocidas, no solo cuando alguien detecta un problema, para disponer de un desglose del momento que importaba y no de una media de un periodo tranquilo. Busque en el log de RabbitMQ las entradas alarm_handler y vm_memory_high_watermark; cada cambio de estado de una alarma queda registrado con su marca de tiempo aunque la alarma ya se haya desactivado. Y si usa Prometheus, configure alertas para cuando rabbitmq_alarms_memory_used_watermark y rabbitmq_alarms_file_descriptor_limit superen cero en cualquier ventana, no solo en el valor del scrape actual: un pico de cinco minutos entre dos scrapes de 30 segundos puede quedar reflejado en el histórico de la métrica aunque la vista actual del dashboard parezca limpia.
Recuperación de particiones según un plan, no improvisada
pause_minority hace su trabajo automáticamente: el lado que no ve una mayoría se pausa en lugar de aceptar escrituras que no podría conciliar. El error de los equipos llega después, cuando alguien se apresura a recuperar el nodo pausado sin comprobar nada antes. Antes de dejar que un nodo recuperado vuelva a recibir tráfico, confirme tres cosas: que el lado pausado realmente no aceptó escrituras mientras estuvo separado (es lo esperable con pause_minority, pero confírmelo en lugar de suponerlo), que rabbitmqctl cluster_status en el nodo que se reincorpora muestra que se está sincronizando con la mayoría actual y no con su propia visión desfasada, y que rabbitmq-diagnostics check_running pasa sin errores antes de que reciba tráfico de producción. Documéntelo en un runbook con un aprobador designado para el paso de reincorporación. Una partición gestionada con una secuencia improvisada de comandos bajo la presión de una incidencia es como un evento recuperable acaba convirtiéndose en un proyecto de conciliación manual de datos.
Comandos de diagnóstico que debe ejecutar primero
Tenga esta lista junto al runbook de incidencias. Cada comando le dice algo distinto, y ejecutarlos en un orden lógico antes de tocar la configuración conserva las pruebas que necesitará si el problema resulta ser un defecto y no un error de configuración.
rabbitmqctl cluster_status # membership, partitions, which nodes are up
rabbitmq-diagnostics check_running # is the app started on this node
rabbitmq-diagnostics alarms # active memory or disk alarms right now
rabbitmq-diagnostics memory_breakdown # what's actually holding the memory
rabbitmqctl list_queues name type leader online_members # queue type, current leader, replica health
rabbitmqctl list_connections name peer_host state # who's connected and from where
rabbitmqctl list_channels connection prefetch_count messages_unacknowledged # prefetch and ack backlog per channel
rabbitmq-diagnostics environment # effective config, not just the config file
rabbitmq-diagnostics status # version, uptime, data directory, listeners
rabbitmqctl list_permissions -p /your-vhost # confirm access isn't the actual problem
Ejecute los tres primeros antes que nada. Le indican, por este orden, si el nodo está en marcha, si se está protegiendo deliberadamente con una alarma y si el clúster está de acuerdo sobre su propia pertenencia. Reiniciar un nodo antes de comprobar estos tres puntos es, con diferencia, la forma más común de destruir las pruebas que necesita para encontrar la causa real.
Si el diagnóstico apunta concretamente a Kubernetes, consulte monitorización de RabbitMQ en Kubernetes para ver las métricas sobre las que merece la pena alertar más allá de lo que se recoge aquí. Si la columna messages_unacknowledged sigue saliendo alta, el prefetch count es lo siguiente que debe revisar. Para un clúster que se está quedando pequeño para la topología con la que se diseñó, consulte arquitectura de RabbitMQ en producción para empresas. Y si alguno de los cuatro modos de fallo anteriores le resulta familiar en su propio clúster, nuestro servicio de resolución de problemas de RabbitMQ y nuestro equipo de soporte realizan este diagnóstico a diario, con objetivos de respuesta desde 15 minutos, según el plan, y línea directa con el equipo principal (Core Team) de RabbitMQ cuando la causa resulta ser un defecto y no la configuración.
Monitorización: detectarlos antes de que salte la alerta
La mayoría de los problemas de RabbitMQ se ven en las métricas mucho antes de convertirse en caídas.
rabbitmq-plugins enable rabbitmq_management # management UI on 15672
rabbitmq-plugins enable rabbitmq_prometheus # metrics on 15692
La interfaz de gestión de RabbitMQ le ofrece la pestaña Queues, vistas del ciclo de vida de las conexiones y de los canales, y desgloses de memoria por nodo sin tocar la CLI. El plugin de gestión es la forma más rápida de verificar el estado del broker durante una incidencia.
Una configuración práctica de un despliegue reciente: un intervalo de scrape de 30 segundos ofrece una captura continua sin saturar el almacenamiento, y las métricas a nivel de cola se dejaron deliberadamente desactivadas en un clúster con poco tráfico. La cardinalidad por cola en un broker con miles de colas genera enormes volúmenes de datos que nadie lee. Las comprobaciones de salud a nivel de nodo y de clúster detectaron todas las incidencias reales de ese sistema.
Como mínimo, haga seguimiento de: el estado de las alarmas de memoria y de disco, la profundidad de las colas, la consumer capacity, el número de mensajes sin confirmar, la disponibilidad de los nodos y los eventos de partición. Esas seis métricas cubren todos los modos de fallo de esta guía.
En cuanto a los archivos de log, suba el nivel de log temporalmente y no de forma permanente: el registro en modo debug en un broker con mucha actividad genera volumen suficiente para provocar la misma alarma de disco que está diagnosticando:
rabbitmqctl set_log_level debug
# reproduce the issue, then
rabbitmqctl set_log_level info
Si un nodo se ha caído por completo, busque un archivo de volcado erl_crash.dump en el directorio de datos de RabbitMQ. El visor de volcados de Erlang (cdv) muestra qué proceso murió y cuánta memoria ocupaba, lo que a menudo es el camino más rápido hacia la causa raíz cuando el nodo no dejó entradas útiles en el log.
También conviene hacer de forma rutinaria: copias de seguridad de la configuración del clúster y de las definiciones de usuarios, para que la recuperación ante desastres no sea arqueología; simulaciones de tráfico real y de escenarios de fallo en preproducción; y seguimiento de los cambios de configuración y topología en su repositorio de infraestructura como código, para poder vincular una regresión a un cambio concreto.
Cuándo escalar al soporte de RabbitMQ
Puede gestionarlo internamente: reinicios de un solo nodo, investigación de alarmas, corrección de permisos y virtual hosts, ajuste del prefetch, conflictos de plugins y exclusiones del antivirus.
Escale cuando se encuentre con:
Una partición del clúster en la que ambos lados aceptaron escrituras y necesita conciliarlas
Colas de quórum que siguen sin estar disponibles después de confirmar que todos los nodos están sanos
Caídas repetidas sin una causa clara en los archivos de log ni en el análisis de los volcados
Una pérdida de mensajes que no consigue explicar
Una ruta de actualización que abarca varias versiones principales en un clúster que no puede dejar fuera de servicio
Avisos de seguridad que afectan a una versión que no puede parchear con rapidez
Todos tienen algo en común: el coste de un paso en falso supera el de una segunda opinión. Forzar que una cola de quórum vuelva a estar en línea sin saber qué lado tiene los datos de referencia convierte una partición recuperable en una pérdida de datos permanente. Para una revisión escrita de su clúster, una revisión de salud de RabbitMQ cubre estos doce problemas.
Si el broker que está diagnosticando usa una versión que el proyecto open source ya no mantiene (la 3.13 y todas las anteriores, en 2026), compruebe si la corrección que necesita llegó a publicarse para su serie antes de pasarse una noche con una solución provisional. Muchos de los problemas anteriores solo se corrigieron en origen en versiones posteriores. No tiene que actualizar para estar protegido: el soporte extendido para versiones anteriores de RabbitMQ adapta las correcciones de seguridad a los brokers 3.x, de modo que puede mantener el clúster antiguo en funcionamiento mientras planifica la actualización como es debido.
AceMQ ofrece consultoría de RabbitMQ para despliegues empresariales: respuesta a incidencias 24/7 respaldada por SLA, evaluaciones de clústeres, planificación de actualizaciones y parcheo de CVE. Tanto si usa RabbitMQ open source como una suscripción comercial, podemos ayudarle a resolver los problemas de RabbitMQ antes de que provoquen una caída del servicio.
Preguntas frecuentes sobre la resolución de problemas de RabbitMQ
¿Por qué RabbitMQ no acepta mensajes?
La causa más habitual es una alarma de memoria o de disco activa. RabbitMQ bloquea las conexiones de publicación cuando el uso de memoria supera el high watermark (por defecto, el 40 % de la RAM) o cuando el espacio libre en disco baja del límite configurado (por defecto, 50 MB). Ejecute rabbitmq-diagnostics alarms para confirmarlo.
¿Cómo compruebo si un clúster de RabbitMQ está particionado?
Ejecute rabbitmqctl cluster_status en cada nodo. Si los nodos informan de una pertenencia distinta, o si aparece una sección de particiones en la salida, el clúster de RabbitMQ está particionado. Compare la salida de todos los nodos: la visión de un solo nodo no basta.
¿Qué hace que una cola de quórum de RabbitMQ deje de estar disponible?
Las colas de quórum necesitan que la mayoría de sus miembros esté en línea para elegir un líder. Una cola de tres nodos tolera la pérdida de uno, pero deja de aceptar escrituras si caen dos. Compruebe primero la disponibilidad de los nodos y, después, verifique que ningún defecto propio de su versión de parche le afecte.
¿Por qué fallan mis conexiones TLS a RabbitMQ en el puerto 5671?
Normalmente se debe a un certificado cuyo common name o campos SAN no coinciden con el hostname al que se conecta el cliente. En clústeres con balanceador de carga, ese hostname es la dirección del balanceador, no el de cada nodo. Si no coincide, el handshake falla aunque el certificado sea válido en todo lo demás.
¿Cómo recupero mensajes atascados en una cola de RabbitMQ?
Averigüe si los consumidores no están conectados, no envían el ack o son demasiado lentos, con rabbitmqctl list_queues name messages messages_unacknowledged consumers. Los mensajes que figuran como no confirmados vuelven a la cola automáticamente cuando se cierra la conexión del cliente: no se pierden.
¿Por qué RabbitMQ va lento si no hay errores en los logs?
Busque fuera del broker. El análisis antivirus de los directorios de Mnesia y de las colas, el CPU steal time en un hipervisor compartido y la contención de E/S en disco degradan seriamente RabbitMQ sin dejar una sola entrada en sus logs.
¿Dónde están los archivos de log de RabbitMQ?
Normalmente en /var/log/rabbitmq/ en Linux y en el directorio de datos de RabbitMQ en Windows. Confirme la ruta exacta con rabbitmq-diagnostics status, que indica dónde están configurados los archivos de log.
¿Puedo usar RabbitMQ 3.x en producción con seguridad?
Sí, pero solo si dispone de una vía de parcheo. El nuevo desarrollo y el trabajo de seguridad se centran en la serie 4.x, así que un clúster 3.x sin soporte va acumulando avisos de seguridad sin parchear. Si no puede migrar en los plazos que marca el calendario de versiones de la comunidad, el soporte extendido más allá de 3.12.x mantiene el flujo de parches, correcciones de rendimiento y actualizaciones de seguridad para versiones anteriores, que suele ser la diferencia entre usar 3.x con seguridad y usarlo con los días contados.
¿Por qué mi clúster de RabbitMQ pierde el quórum durante el mantenimiento de Kubernetes?
Un drain de Kubernetes desaloja el pod, pero no le pide antes a RabbitMQ que traspase el liderazgo de las colas de quórum. Si el nodo se mata al agotarse el periodo de gracia, todas las colas que lideraba pierden su líder a la vez y el clúster tiene que elegir otros bajo carga. Añada un hook PreStop que ejecute `rabbitmqctl stop_app` antes de que termine el pod y asígnele un `terminationGracePeriodSeconds` suficiente para completar el traspaso. Antes de dar el drain por seguro, confirme con `rabbitmqctl list_queues name type leader online_members` que ninguna cola sigue apuntando al nodo drenado.
¿Cuál es el primer comando que debo ejecutar cuando RabbitMQ se comporta de forma anómala?
Ejecute `rabbitmq-diagnostics check_running` para confirmar que la aplicación está realmente arrancada, `rabbitmq-diagnostics alarms` para ver si RabbitMQ está bloqueando a los publicadores de forma deliberada y `rabbitmqctl cluster_status` para comprobar si todos los nodos coinciden en la pertenencia al clúster. Ejecute los tres antes de reiniciar nada. La mayoría de las incidencias se resuelven en cuanto sabe en cuál de esos tres estados se encuentra, y reiniciar primero destruye las pruebas que le permitirían encontrar la causa real.
Los diez patrones que hay detrás de la mayoría de estos problemas, cada uno con su síntoma, causa raíz y solución, se recogen por orden en la guía de fiabilidad de RabbitMQ.
Tanto si está resolviendo un incidente en producción como si planifica una migración o quiere una segunda opinión sobre su arquitectura, nuestro equipo está preparado. Sin discursos comerciales, solo respuestas.