Mon cluster RabbitMQ est en split brain. Que faire en premier ?
Sauvegardez les preuves avant de redémarrer quoi que ce soit : lancez rabbitmqctl cluster_status sur chaque nœud, copiez les logs et notez à quel côté vos applications sont connectées. Décidez ensuite quelle partition détient l'état à conserver, car c'est ce qui détermine quels messages survivent. Si vous ne pouvez pas trancher avec certitude, appelez-nous au +1 305-204-2607 et nous travaillerons avec vos ingénieurs. Sous contrat de support, nous intervenons sur l'incident avec des objectifs de réponse à partir de 15 minutes, selon le plan.
RabbitMQ n'accepte plus de messages et le disque est plein. Que faire ?
Lancez rabbitmq-diagnostics alarms pour confirmer qu'une alarme disque est active. RabbitMQ bloque les producteurs tant qu'elle est active, d'où des producteurs figés sans aucune erreur du broker. Identifiez ce qui occupe le volume avant d'agir. Un backlog croissant signifie que les consommateurs se sont arrêtés : il faut corriger cela, sinon le disque se remplira de nouveau. Ne supprimez pas à la main des fichiers du répertoire de données. Étendez le volume ou libérez de l'espace en toute sécurité, et laissez l'alarme se lever.
En quoi le diagnostic et la résolution RabbitMQ diffèrent-ils de votre support 24/7 ?
Le support est un contrat continu, assorti d'un SLA, pour les incidents au fil de l'eau. Une mission de diagnostic et de résolution est une mission cadrée qui cible un problème persistant ou récurrent que vous n'avez pas réussi à résoudre, généralement ouvert depuis des semaines et qui a résisté à plusieurs tentatives de correction. De nombreux clients commencent par une mission de diagnostic pour régler un problème précis, puis passent à un contrat de support pour éviter qu'il ne revienne.
Sous quel délai pouvez-vous intervenir sur un problème de production ?
Pour un incident de production en cours, un ingénieur senior peut être mobilisé avec des objectifs de réponse à partir de 15 minutes, selon le plan, sous contrat de support, ou le jour même pour une nouvelle mission d'urgence. Pour un problème persistant non urgent, les missions démarrent généralement sous quelques jours ouvrés. Indiquez-nous la gravité lorsque vous nous contactez et nous vous dirons franchement ce sur quoi nous pouvons nous engager.
De quels accès avez-vous besoin pour diagnostiquer notre cluster ?
Au minimum, un accès en lecture à l'API de management ou aux métriques, aux logs du broker et à la configuration. Une session interactive en direct avec vos ingénieurs est nettement plus rapide qu'un échange asynchrone de logs. Nous intervenons régulièrement dans des environnements restreints et air-gapped où l'accès direct est impossible, et pouvons alors guider votre équipe dans les étapes de diagnostic : c'est plus long, mais cela fonctionne.
Et si le problème ne venait pas de RabbitMQ ?
Cela arrive souvent, et nous vous le dirons. Les symptômes RabbitMQ trouvent fréquemment leur origine dans la latence du stockage, une network policy, le comportement de la JVM ou de la bibliothèque cliente, l'ordonnancement Kubernetes, ou un agent de sécurité qui perturbe le runtime Erlang. Nous diagnostiquons sur toute la pile, car c'est là que se trouve généralement la cause, et nous préférons vous donner une réponse exacte sur votre couche de stockage qu'une réponse plausible sur votre broker.
Corrigez-vous le problème ou vous contentez-vous de nous dire ce qui ne va pas ?
Les deux, et la correction est incluse. Nous mettons en œuvre la remédiation avec votre équipe au lieu de livrer un rapport et de partir. Lorsque la bonne correction relève de votre code applicatif, nous précisons exactement ce qui doit changer et pourquoi, et nous la revoyons avec vos développeurs ; nous ne fusionnons simplement pas dans vos dépôts applicatifs à votre place.
Pouvez-vous nous aider si nous utilisons une version RabbitMQ en fin de vie (EOL) ?
Oui. De nombreux environnements réglementés ne peuvent pas effectuer de mise à niveau au rythme de la communauté : c'est une contrainte normale en entreprise, pas un motif d'exclusion. Nous assurons le diagnostic et la résolution de RabbitMQ de la 3.8.x à la 4.x, appliquons des contournements lorsque les correctifs upstream ne sont pas disponibles pour votre version, et vous dirons honnêtement lorsqu'un problème précis ne peut vraiment pas être résolu sans mise à niveau.
Que recevons-nous concrètement à la fin ?
Une analyse de cause racine (RCA) écrite, la correction appliquée et validée avec des métriques avant/après, du monitoring et des règles d'alerte qui auraient détecté le problème plus tôt, et un runbook de diagnostic rédigé pour votre topologie. Le runbook est le plus important : il garantit que le prochain incident de ce type sera traité de façon cohérente, quelle que soit la personne d'astreinte.