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.