Soporte de emergencia para RabbitMQ

Ayuda con RabbitMQ: soporte de emergencia ante split brain y discos llenos

Si RabbitMQ está caído, en split brain o sin disco, llame al +1 305-204-2607. Con un contrato de soporte, un ingeniero sénior de AceMQ se pone con su incidente con objetivos de respuesta desde 15 minutos, según el plan, 24/7; sin contrato, un nuevo proyecto de emergencia arranca el mismo día. Después, esos mismos ingenieros encuentran la causa raíz y le entregan el cambio que evita que vuelva a ocurrir, para que el incidente no se repita.

Acceso directo al equipo principal (Core Team) de RabbitMQ

expertos sénior en RabbitMQ
11+
min, el objetivo de respuesta más rápido, según el plan
15
clientes empresariales
160+
países atendidos
26+

La confianza de equipos de finanzas, sanidad, defensa, telecomunicaciones y más para RabbitMQ de misión crítica

Clientes

  • Microsoft logo
  • Henry Schein logo
  • Enbridge logo
  • Gojek logo

Partners

  • Broadcom logo
  • Redis logo
  • VMware Tanzu logo
  • OSSeva logo
AceMQ es el partner autorizado destacado de RabbitMQ

Designado por el equipo principal (Core Team) de RabbitMQ

El partner autorizado destacado de RabbitMQ, designado por los ingenieros que lo desarrollan

AceMQ es el partner autorizado destacado de RabbitMQ, designado por el equipo principal de ingeniería (Core Engineering Team) de RabbitMQ: las personas que escriben y mantienen el broker. Ese reconocimiento abarca soporte, licencias y servicios profesionales de RabbitMQ, y da a AceMQ acceso directo al equipo principal de RabbitMQ. Cuando un escalado necesita una respuesta que no está en la documentación, no se queda atascado en un nivel de soporte.

No tiene por qué creernos: RabbitMQ incluye a AceMQ en su propio sitio web.

Ver a AceMQ en rabbitmq.com (se abre en una pestaña nueva)
Único
partner de RabbitMQ con línea directa con el equipo principal de ingeniería
Soporte · Licencias · Servicios
todo el alcance que cubre la condición de partner
Menos de 72 núcleos
concediendo licencias de RabbitMQ comercial por debajo del mínimo estándar de 72 núcleos de Broadcom en las Américas, algo que no hace ningún otro proveedor

¿Es su caso?

Probablemente lo necesita si…

  1. 01

    Su clúster dispara una alarma de memoria o de disco y usted reinicia nodos para desactivarla, sin saber por qué se llenó

  2. 02

    Las colas acumulan decenas de miles de mensajes sin confirmar y los consumidores parecen sanos

  3. 03

    Las colas de quórum funcionan con menos miembros de los configurados y no sabe cuándo los perdieron

  4. 04

    Los enlaces de federation o shovel se reinician cada vez que añade o retira un nodo

  5. 05

    rabbitmqctl y rabbitmq-diagnostics dejaron de funcionar tras desplegar un agente de seguridad

  6. 06

    Una partición se resolvió sola, pero no puede saber si se perdieron mensajes

  7. 07

    El throughput se ha desplomado sin que haya cambiado nada en su aplicación

  8. 08

    Ha abierto incidencias con un proveedor que no deja de pedir logs y nunca llega a ninguna conclusión

Resultados

Dónde está hoy y adónde llegará

Cambios concretos de estado, no recuento de entregables. Esto es lo que realmente cambia en su entorno de RabbitMQ al cerrar el proyecto.

  1. Antes

    Alarmas de memoria recurrentes que se resuelven reiniciando nodos según un runbook que nadie ha puesto por escrito.

    Después

    Se identifican la cola y el patrón de consumo concretos que hacen crecer la memoria, con una configuración corregida de prefetch y control de flujo que aguanta los picos de carga.

  2. Antes

    Un backlog de mensajes sin confirmar que crece en horario laboral y nunca llega a vaciarse del todo.

    Después

    Comportamiento de confirmación de los consumidores y tamaño del prefetch corregidos, backlog vaciado y una alerta que salta ante el crecimiento de los mensajes sin confirmar antes de que lo noten los usuarios.

  3. Antes

    Colas de quórum que funcionan en silencio con menos miembros de los configurados tras sustituciones de nodos anteriores.

    Después

    Conjuntos completos de miembros restaurados, corregido el procedimiento de sustitución que los hizo perder y una comprobación que detecta automáticamente las colas con réplicas insuficientes.

  4. Antes

    Nadie en el equipo puede afirmar con seguridad si en el último evento de partición se perdieron mensajes.

    Después

    Una estrategia documentada de gestión de particiones, publisher confirms verificados y un método de conciliación que responde a la pregunta de forma definitiva.

  5. Antes

    Incidentes diagnosticados por quien esté disponible, con un conocimiento que se marcha cuando esa persona se va.

    Después

    Un runbook de diagnóstico por escrito, específico para su topología, para que el próximo incidente se resuelva de la misma forma esté quien esté de guardia.

¿Reconoce aquí su entorno? Solicite a un ingeniero sénior un presupuesto de soporte de emergencia de RabbitMQ.

Contacto

Alcance

Qué incluye

  • 01

    Alarmas de memoria y disco

    Ajuste del umbral alto de memoria, comportamiento de la paginación, límites de espacio libre en disco y el patrón de colas o consumidores que impulsa realmente el crecimiento. Averiguamos qué llena el broker, no solo cómo desactivar la alarma.

  • 02

    Backlogs y retraso de los consumidores

    Crecimiento de los mensajes sin confirmar, prefetch mal configurado, consumidores lentos o bloqueados y patrones de confirmación que retienen mensajes en memoria en silencio sin llegar a completarlos nunca.

  • 03

    Clustering y particiones

    Estrategia de gestión de particiones de red, recuperación de split-brain, fallos en el descubrimiento de nodos y problemas de distribución de Erlang, incluido el caso en el que un agente de seguridad bloquea en silencio los binarios de Erlang de los que depende la CLI.

  • 04

    Colas de quórum y clásicas

    Colas de quórum con réplicas insuficientes, pérdida de miembros tras sustituir nodos, fallos al crear colas de quórum con grandes volúmenes de mensajes y el comportamiento de las colas clásicas con mirroring en las versiones en las que todavía se aplica.

  • 05

    Federation y Shovel

    Enlaces que se reinician cuando cambia la topología del clúster, flujo de mensajes en un solo sentido, rotación de conexiones con el upstream y comportamiento de federation sobre enlaces WAN poco fiables.

  • 06

    Rendimiento y throughput

    Latencia de los publisher confirms, rotación de canales, tormentas de conexiones, efectos del tamaño de los mensajes y la interacción entre prefetch, concurrencia y tiempo de procesamiento de los consumidores, que es lo que determina el throughput real.

¿Quiere que un ingeniero sénior de RabbitMQ defina el alcance con usted? Solicite un presupuesto o envíenos un mensaje.

Contacto

El proyecto

Cómo se desarrolla en la práctica

Cada fase tiene una duración definida y un entregable concreto al final. Siempre sabe en qué fase está y qué ha recibido.

  1. Fase 1Primeras 24 horas

    Triaje rápido

    Un ingeniero sénior obtiene acceso de lectura a su clúster, sus métricas y sus logs. Determinamos qué ha cambiado, cuál es la firma real del fallo y si sigue expuesto a otro incidente, antes de proponer nada.

    Usted recibe

    • Evaluación de riesgos de la situación actual, con cualquier asunto urgente señalado de inmediato
    • Firma del fallo confirmada y separada de los síntomas derivados
    • Mitigación provisional si sigue expuesto
  2. Fase 22–5 días

    Diagnóstico a fondo

    Reproducimos o rastreamos el fallo a través de los componentes internos del broker: estado de colas y canales, desglose de procesos y memoria de Erlang, control de flujo, comportamiento del disco y la red, y el patrón de confirmación en el lado del cliente. La mayoría de los problemas de RabbitMQ no son bugs del broker; son la configuración y el comportamiento de los clientes interactuando mal bajo carga.

    Usted recibe

    • Causa raíz establecida con pruebas que la respaldan, no una hipótesis
    • Factores contribuyentes ordenados por impacto
    • Pasos de reproducción cuando el fallo puede reproducirse de forma segura
  3. Fase 31–2 semanas

    Corrección

    Implementamos la solución con usted: cambios de configuración, correcciones de topología, cambios en las bibliotecas cliente o una actualización de versión cuando la causa es un defecto conocido. Los cambios se preparan por fases y se validan, en lugar de aplicarse directamente en producción.

    Usted recibe

    • Solución aplicada y validada, con plan de vuelta atrás
    • Métricas de antes y después que demuestran que el cambio ha funcionado
    • Recomendaciones para el lado del cliente cuando la solución corresponde al código de la aplicación
  4. Fase 41 semana

    Prevención y traspaso

    Terminamos asegurándonos de que este tipo de fallo se detecte pronto la próxima vez. Eso supone cerrar los huecos de monitorización y alertas que permitieron que llegara a producción, y entregar a su equipo un runbook por escrito para la topología concreta que opera.

    Usted recibe

    • Documento de análisis de causa raíz por escrito
    • Reglas de monitorización y alertas que cubren el modo de fallo
    • Runbook de diagnóstico específico para la topología de su clúster
    • Sesión de traspaso en directo con su equipo de guardia

Soporte de emergencia para RabbitMQ: split brain, discos llenos y otras caídas

El soporte de emergencia para RabbitMQ consiste en un ingeniero sénior trabajando en su incidente con objetivos de respuesta desde 15 minutos, según el plan, con un contrato de soporte, 24/7, a partir del estado real del broker y no de suposiciones. La primera hora decide si el resto del incidente se dedica a reparar el clúster o a recuperarse de un reinicio que destruyó las pruebas. Estas son las situaciones por las que más nos llaman y el primer paso en cada una.

Emergencias habituales en RabbitMQ: la primera comprobación y lo que debe evitar
Primera comprobaciónNo haga estoQué hace AceMQ
Split brain (partición de red)rabbitmqctl cluster_status en cada nodo, comparando los nodos en ejecución y la lista de particionesReiniciar nodos al azar antes de guardar los logs y el estadoDecide qué lado conserva el estado que merece la pena mantener, reincorpora el otro lado y establece la estrategia de gestión de particiones de red que evita que se repita
Disco lleno o alarma de discorabbitmq-diagnostics alarms y, después, qué está ocupando el volumen: datos de colas, logs o volcadosBorrar a mano archivos del directorio de datosLibera o amplía espacio de forma segura, encuentra el fallo de cola o consumidor que lo llenó y desactiva la alarma para que los publicadores se reanuden
Alarma de memoriarabbitmq-diagnostics memory_breakdownReiniciar el nodo para desactivarlaEncuentra el patrón de colas y consumidores que hace crecer la memoria y corrige el prefetch y el control de flujo
Cola de quórum sin mayoríarabbitmq-queues quorum_status para la cola, y qué miembros están activosBorrar la cola y volver a declararlaRestaura los miembros que faltan y comprueba qué se ha perdido

Split brain: primero recuperar, después evitar que se repita

Un split brain se produce cuando los nodos pierden el contacto entre sí y cada lado sigue funcionando por su cuenta. Con la gestión de particiones de red por defecto, el clúster permanece particionado hasta que alguien interviene, y las escrituras pueden continuar en ambos lados. Recuperarse implica elegir la partición cuyo estado es fiable, detener los nodos del otro lado y volver a arrancarlos para que se reincorporen. Esa elección es lo difícil, porque decide qué mensajes sobreviven. La prevención en RabbitMQ 4.2 y anteriores pasa por una estrategia de gestión de particiones de red como pause-minority con un número impar de nodos; a partir de 4.3 ese ajuste ya no existe, y el almacén de metadatos (metadata store) basado en Raft y las colas de quórum (quorum queues) necesitan mayoría para aceptar escrituras.

Discos llenos: la alarma es el síntoma

Cuando el espacio libre en disco cae por debajo del límite configurado, RabbitMQ bloquea a los publicadores para protegerse, de modo que las aplicaciones ven conexiones bloqueadas mientras el broker parece sano. Bajar el límite desactiva la alarma y deja al nodo libre para llenar el disco por completo. Las preguntas útiles son qué lo llenó, si se trata de un backlog porque los consumidores se detuvieron y cuánto margen tiene el volumen en los picos. Las respondemos durante el incidente y le dejamos alertas que saltan mucho antes de llegar al límite.

Primero la emergencia, después el contrato

No necesita un contrato para llamar. Sin contrato, un nuevo proyecto de emergencia arranca el mismo día. Un contrato de soporte garantiza que la próxima emergencia se atienda con objetivos de respuesta desde 15 minutos, según el plan, y los servicios gestionados de RabbitMQ son el siguiente paso para los equipos que prefieren no llevar el busca en absoluto.

¿Hablamos de RabbitMQ? Solicite un presupuesto o envíenos un mensaje.

Contacto

Éxito de clientes

Resultados reales con RabbitMQ

Vea por qué las empresas confían en AceMQ para sus cargas de trabajo de RabbitMQ más críticas.

1 / 8 casos de éxito

Todos los casos de uso

Preguntas frecuentes

Preguntas sobre soporte de emergencia de RabbitMQ

Mi clúster de RabbitMQ tiene split brain. ¿Qué debo hacer primero?

Guarde las pruebas antes de reiniciar nada: ejecute rabbitmqctl cluster_status en cada nodo, copie los logs y anote a qué lado están conectadas sus aplicaciones. Después decida qué partición contiene el estado que quiere conservar, porque eso determina qué mensajes sobreviven. Si no puede tomar esa decisión con seguridad, llámenos al +1 305-204-2607 y la trabajaremos con sus ingenieros. Con un contrato de soporte, nos ponemos con el incidente con objetivos de respuesta desde 15 minutos, según el plan.

RabbitMQ ha dejado de aceptar mensajes y el disco está lleno. ¿Qué hago?

Ejecute rabbitmq-diagnostics alarms para confirmar que hay una alarma de disco activa. RabbitMQ bloquea a los publicadores mientras está activa, por eso los productores se quedan colgados sin ningún error del broker. Averigüe qué está ocupando el volumen antes de actuar. Un backlog creciente significa que los consumidores se han detenido, algo que hay que corregir o el disco volverá a llenarse. No borre a mano archivos del directorio de datos. Amplíe el volumen o libere espacio de forma segura y deje que la alarma se desactive.

¿En qué se diferencia la resolución de problemas de RabbitMQ de su soporte 24/7?

El soporte es un contrato continuo con un SLA para los incidentes a medida que se producen. La resolución de problemas es un proyecto acotado centrado en un problema persistente o recurrente que no ha conseguido resolver, normalmente algo abierto desde hace semanas que ha resistido varios intentos de solución. Muchos clientes empiezan con un proyecto de resolución de problemas para eliminar una incidencia concreta y después pasan a un contrato de soporte para evitar que se repita.

¿Con qué rapidez pueden empezar con una incidencia en producción?

Ante una incidencia en producción activa, podemos tener a un ingeniero sénior trabajando con objetivos de respuesta desde 15 minutos, según el plan, con un contrato de soporte, o en el mismo día en un nuevo proyecto de emergencia. Para un problema persistente no urgente, los proyectos suelen empezar en pocos días laborables. Indíquenos la severidad al contactarnos y le diremos con claridad a qué podemos comprometernos.

¿Qué acceso necesitan para resolver los problemas de nuestro clúster?

Como mínimo, acceso de lectura a la API de gestión o a las métricas, los logs del broker y la configuración. Una sesión interactiva en directo con sus ingenieros es mucho más rápida que un intercambio asíncrono de logs. Trabajamos habitualmente en entornos restringidos y aislados (air-gapped) donde el acceso directo es imposible, y en ese caso podemos guiar a su equipo por los pasos de diagnóstico: lleva más tiempo, pero funciona.

¿Y si resulta que el problema no es RabbitMQ?

Ocurre a menudo, y se lo diremos. Los síntomas de RabbitMQ suelen originarse en la latencia del almacenamiento, la network policy, el comportamiento de la JVM o de la biblioteca cliente, la planificación de Kubernetes o un agente de seguridad que interfiere con el runtime de Erlang. Diagnosticamos todo el stack porque ahí suele estar la causa, y preferimos darle una respuesta exacta sobre su capa de almacenamiento que una plausible sobre su broker.

¿Solucionan el problema o solo nos dicen qué falla?

Ambas cosas, y la solución está incluida. Implementamos la corrección con su equipo en lugar de entregar un informe y marcharnos. Cuando la solución correcta corresponde al código de su aplicación, especificamos exactamente qué debe cambiar y por qué, y lo revisamos con sus desarrolladores; lo único que no haremos es hacer merge en los repositorios de su aplicación en su nombre.

¿Pueden ayudarnos si usamos una versión de RabbitMQ en fin de vida útil (EOL)?

Sí. Muchos entornos regulados no pueden actualizar al ritmo de la comunidad, y es una limitación empresarial normal, no un motivo de exclusión. Resolvemos problemas de RabbitMQ desde 3.8.x hasta 4.x, aplicamos soluciones alternativas cuando no hay correcciones upstream para su versión y le diremos con honestidad cuándo un problema concreto realmente no puede resolverse sin actualizar.

¿Qué recibimos exactamente al final?

Un análisis de causa raíz (RCA) por escrito, la solución aplicada y validada con métricas de antes y después, reglas de monitorización y de alerta que habrían detectado el problema antes, y un runbook de diagnóstico redactado para su topología concreta. El runbook es lo más importante: garantiza que el próximo incidente de este tipo se gestione de forma coherente, esté quien esté de guardia.

Hablemos

Deje de reiniciar nodos y cruzar los dedos

Cuéntenos ese problema de RabbitMQ que no deja de repetirse. Un ingeniero sénior le dirá qué lo está causando realmente y qué cambiar, en concreto, para que deje de ocurrir.

Escríbanos

Póngase en contacto

Hablar con un experto en RabbitMQ

Envíenos un mensaje y le responderemos en menos de 1 hora, o reserve directamente una consulta gratuita de 30 minutos.

305-204-2607
info@acemq.com
66 W. Flagler St. 9th Floor
Miami, FL 33130

¿Prefiere hablar ahora? Llámenos directamente o utilice la pestaña de consulta para encontrar un horario que le venga bien.

Respondemos en menos de 1 hora.

Elija el horario que le venga bien: sin presión ni discursos comerciales. Solo 30 minutos con un experto.

Respondemos en menos de 1 hora.