Guide · RabbitMQ

Le guide de reprise après sinistre RabbitMQ

La haute disponibilité permet à un cluster de continuer à servir quand un nœud tombe. La reprise après sinistre, c'est ce qui se passe quand c'est le cluster, le site ou la région qui tombe. Ce guide traite les deux dans l'ordre, donne la réponse courte à chaque étape et renvoie vers l'article qui la détaille.

Tyler Eastridge

Par Tyler Eastridge, Directeur des opérations

LinkedIn · Mis à jour le · Lecture : 5 min · 7 sections

Sur cette page

Le PRA en un paragraphe

Le PRA en un paragraphe

Partez de la panne contre laquelle vous vous protégez réellement, car la conception diffère. Une panne de nœud se gère au sein du cluster grâce à des quorum queues réparties sur un nombre impair de nœuds dans des domaines de défaillance distincts. Une panne de site ou de région exige un second cluster et un mécanisme de réplication, federation ou Shovel, choisi selon que vous avez besoin de répliquer la topologie ou de déplacer des messages. Les définitions se sauvegardent séparément des messages, car une reconstruction part des définitions. Les objectifs de reprise déterminent jusqu'où aller. Et rien de tout cela ne compte tant que la bascule n'a pas été exécutée, délibérément, avec des clients connectés.

Distinguer haute disponibilité et reprise après sinistre

La HA, c'est la redondance au sein d'un même cluster : un nœud tombe et les nœuds restants prennent en charge les files. Le PRA, c'est la redondance entre clusters : un site tombe et un autre cluster reprend la charge de travail. Les quorum queues vous apportent la première ; elles ne font rien pour la seconde, car un cluster s'étend mal sur plusieurs régions et ne devrait pas avoir à le faire. Déterminez quelle panne vous ciblez avant de choisir un mécanisme.

Réussir d'abord la HA au sein du cluster

Trois ou cinq nœuds répartis sur des domaines de défaillance indépendants, des quorum queues pour chaque charge de travail qui doit survivre à la perte d'un nœud, la gestion des partitions pause_minority et l'abandon des files classiques mises en miroir. Un PRA construit sur un cluster qui utilise encore des files en miroir hérite de leur comportement de basculement, c'est-à-dire précisément ce que vous cherchiez à corriger.

Choisir federation ou Shovel pour le second site

Les deux déplacent des messages entre clusters via AMQP et résistent tous deux à une coupure de liaison ; ils diffèrent par ce qu'ils répliquent. La fédération relie exchanges et files, de sorte que la topologie est répliquée et que les consommateurs peuvent tourner de part et d'autre ; Shovel transfère les messages d'une source vers une destination, avec davantage de contrôle et un couplage moindre. Pour une reprise après sinistre en actif-passif, la plupart des parcs ont besoin de Shovels sur des files précises ; pour des consommateurs en actif-actif ou géodistribués, d'exchanges fédérés. Aucun des deux n'offre l'exactly-once : les consommateurs doivent donc être idempotents dans tous les cas.

Quelle solution pour quelle situation

  • Reprise après sinistre actif-passif, files précises à protéger : des Shovels sur ces files.
  • Actif-actif, ou consommateurs dans plusieurs régions : des exchanges fédérés.
  • Topologie à répliquer entre sites : la fédération.
  • Contrôle des messages transférés et du moment du transfert : Shovel.

Retour de nos missions. RabbitMQ multisite est désormais courant dans nos activités de support. Notre historique compte 1 ticket fédération ou Shovel en 2023, aucun en 2024, 5 en 2025 et 6 à ce jour en 2026, soit 12 sur 145 au total. Les pannes sont propres aux architectures à deux sites : liaisons qui redémarrent lorsqu'un nœud rejoint le cluster, files fédérées dupliquées et définitions impossibles à exporter (l'analyse des tickets). Ce sont ces cas qu'il faut répéter à l'étape 7 plutôt que de les découvrir lors d'un incident.

Objectifs de réponse à partir de 15 minutes, selon le plan. Ingénieurs seniors attitrés.

Nous contacter

Sauvegarder les définitions séparément des messages

Utilisateurs, vhosts, permissions, exchanges, files, bindings et politiques s'exportent sous forme d'un unique document JSON via l'API de management, et un nouveau cluster l'importe en quelques secondes. Les messages ne s'exportent pas ainsi : ils sont récupérés par la réplication de l'étape 3, ou leur perte est acceptée dans la limite de l'objectif de reprise. Exportez les définitions à chaque changement et stockez-les avec le code d'infrastructure, pour qu'une reconstruction parte d'une topologie connue plutôt que de souvenirs.

Fixer les objectifs de reprise avant de dimensionner

L'objectif de temps de reprise (RTO) détermine si le second site tourne à chaud, avec des shovels actifs, ou s'il est reconstruit à la demande à partir des définitions. L'objectif de point de reprise (RPO) détermine si les messages en transit doivent survivre, ce qui vous oriente vers les publisher confirms, les files durables et la réplication, ou s'ils peuvent être perdus, ce qui autorise une conception bien plus simple. La plupart des charges de travail RabbitMQ tolèrent un RPO court parce que les producteurs réessaient ; chiffrez-le malgré tout, car c'est l'aune à laquelle le reste de la conception sera mesuré.

Si RabbitMQ tourne sur Kubernetes, le PRA est aussi une question de stockage

Le Cluster Operator gère le remplacement des nœuds au sein d'un cluster, mais les volumes persistants sont zonaux ou régionaux selon la storage class, et la perte d'une région emporte les volumes avec elle. Un second cluster dans une seconde région, avec Shovel ou federation, reste la réponse ; les snapshots de volumes sont une sauvegarde des définitions et des données, pas un mécanisme de bascule. Vérifiez le domaine de défaillance de la storage class avant de vous fier au nombre de réplicas.

Exécuter la bascule, délibérément, avec des clients connectés

Une bascule documentée n'est qu'une hypothèse. Arrêtez brutalement un nœud et vérifiez que les quorum queues élisent leurs leaders et que les clients se reconnectent. Mettez ensuite le site principal hors ligne et vérifiez que les consommateurs du site secondaire reçoivent le trafic dans les limites de l'objectif de temps de reprise, que les définitions ont été importées sans erreur et que les shovels ou les liens de federation reprennent au retour du site principal. Notez le temps écoulé : c'est votre RTO réel. Recommencez après chaque changement de topologie, et au moins une fois par trimestre.

Questions fréquentes

Les quorum queues assurent-elles la reprise après sinistre ?

Non. Les quorum queues assurent la haute disponibilité au sein d'un même cluster : un nœud peut tomber et la file survit. La reprise après sinistre exige un second cluster sur un site ou dans une région distincts, alimenté par federation ou Shovel, ainsi qu'une sauvegarde des définitions à partir de laquelle reconstruire.

Faut-il utiliser federation ou Shovel pour le PRA RabbitMQ ?

Shovel pour un PRA actif-passif, lorsque des messages doivent passer de files précises vers un cluster de secours. Federation lorsque des consommateurs tournent des deux côtés ou que la topologie doit être répliquée. Les deux survivent aux coupures de liaison ; aucun n'offre l'exactly-once, les consommateurs doivent donc être idempotents.

Un cluster RabbitMQ peut-il s'étendre sur deux régions ?

Il le peut, mais il ne le devrait pas. La distribution Erlang entre nœuds suppose une faible latence, et une liaison WAN transforme une gigue ordinaire en partitions. Exploitez un cluster par région et répliquez entre eux.

À quelle fréquence tester la bascule RabbitMQ ?

Après chaque changement de topologie ou de version, et au moins une fois par trimestre. Le test consiste en un véritable arrêt brutal de nœud et une véritable bascule de site avec des clients connectés, chronométrés par rapport à l'objectif de reprise.

Consultation gratuite

Un regard expert sur votre cluster RabbitMQ

Que vous deviez résoudre un incident de production, planifier une migration ou obtenir un second avis sur votre architecture, notre équipe est prête. Pas d’argumentaire commercial, seulement des réponses.

Nous écrire