ブログRabbitMQ

RabbitMQのプリフェッチカウント:高スループットなリアルタイムクラスターで適切な設定が欠かせない理由

Scott Sternloff

執筆:Scott Sternloff(シニアエンタープライズアーキテクト)

LinkedIn · 更新日: · 16分で読めます

RabbitMQのプリフェッチカウント:高スループットなリアルタイムクラスターで適切な設定が欠かせない理由
On this page

RabbitMQのコンシューマー性能を左右するチューニングパラメーターの中で、最も効果が大きいのがプリフェッチカウントです。そして、本番環境で最も頻繁に設定を誤られているパラメーターでもあります。これまで数多くのエンタープライズのRabbitMQ案件に携わってきましたが、スループットが頭打ちになっている、コンシューマーの稼働率が60%から上がらない、コンシューマーのPodでメモリが急増している、本来なら難なく処理できるはずの負荷でクラスターがフロー制御に入ってしまう、といった問題に数多く遭遇してきました。そのうち決して少なくない割合で、根本原因はプリフェッチが0に設定されている、デフォルトのまま放置されている、あるいは別のワークロード向けに書かれたチュートリアルからコピー&ペーストされている、のいずれかでした。

プリフェッチは一見シンプルです。ただの整数にすぎません。しかし、コンシューマーのスループットとメモリ負荷、レイテンシーと確認応答のオーバーヘッド、そしてバーストを吸収できるコンシューマーとできないコンシューマー、といった根本的なトレードオフを左右します。トレーディングプラットフォーム、IoTのデータ取り込みパイプライン、決済処理システムなど、1秒あたりのメッセージ数が問われ、SLAがミリ秒単位で測られるリアルタイムかつ高スループットなRabbitMQクラスターでは、プリフェッチを正しく設定することは必須です。スケールするクラスターとスケールしないクラスターを分けるのは、まさにこの設定なのです。

プリフェッチカウントが実際に行っていること

プロトコルのレベルでは、プリフェッチカウントはAMQP 0-9-1のbasic.qosパラメーターです。ブローカーに対して「未確認応答のメッセージをN件より多く同時に送らないでほしい」と伝えるものです。コンシューマーが接続してキューをサブスクライブすると、ブローカーはプリフェッチの上限までそのコンシューマーにメッセージをプッシュし始めます。コンシューマーがメッセージに確認応答を返すと、ブローカーは代わりのメッセージを送ります。コンシューマーの処理中バッファに入っているメッセージは、どの時点でも最大でprefetch_count件です。

実際には、プリフェッチには3つのモードがあります。

  • プリフェッチ=0(無制限)。ブローカーはできる限りの速さでメッセージをプッシュし、コンシューマーはブローカーから送られてきたものをすべてバッファリングします。一見すると高速ですが、それも限界が来るまでの話です。コンシューマーのメモリが膨れ上がり、確認応答が遅れ、負荷がかかるとシステムの挙動が予測できなくなります。
  • プリフェッチ=1。ブローカーはメッセージを1件送り、ackを待ってから次を送ります。ほとんどのチュートリアルで紹介されているのがこの設定です。メッセージ1件ごとにラウンドトリップのレイテンシーがまるごと発生するため、高スループットなワークロードでは致命的に遅くなります。
  • プリフェッチ=N(適切な値)。コンシューマーはN件のメッセージを処理中として受け取り、ブローカーは代わりのメッセージを途切れなく送り続けてコンシューマーの処理に先行します。スループットの上限を決めるのは、ネットワークのラウンドトリップ時間ではなく、コンシューマーの処理速度になります。

目指すべきは常に3つ目のモードです。問題はNをいくつにすべきかであり、その答えは多くのチームが考えている以上にワークロードに依存します。

エキスパートの知見:高スループットなワークロードでの出発点

  • プリフェッチ=1。スループットを殺します。コンシューマーが飽和状態になることは決してありません。何よりもまず、これを修正してください。
  • プリフェッチ=0(無制限)。テスト環境では問題なく動きます。しかし、コンシューマーがパブリッシャーに追いつけなくなった最初のタイミングで、本番障害に変わります。
  • プリフェッチ=10,000。「スループットには値が大きいほどよい」という記述を読んで、文字どおりに受け取った結果です。コンシューマーは10,000件のメッセージをバッファリングし、確認応答が遅れ、メモリが増え続け、負荷がかかるとシステム全体の挙動が予測できなくなります。

「プリフェッチカウントが0なら、無制限を使っているということです。それでもかまいません。ただ、スループットが非常に大きいのであれば、100や200くらいに設定することをお勧めします。」

— Felipe Gutierrez(AceMQ、シニアエンジニア)。大規模なエンタープライズRabbitMQ環境で、コンシューマーの確認応答の障害を診断したAceMQの案件より

これは高スループットなワークロードに対するAceMQの標準的な初期推奨値であり、明確な技術的根拠があります。100〜200の範囲のプリフェッチであれば、ブローカーはコンシューマーを常に飽和状態に保てるだけのパイプラインの深さを確保できます。コンシューマーが次のメッセージを待つことはなく、それでいて、未処理の処理中メッセージを何千件も抱え込んでコンシューマーのメモリがあふれることもありません。ほとんどのリアルタイムワークロードにとって最適なポイントであり、AceMQはここから始めて、メトリクスが実際に示す内容に基づいて値を上下に調整します。

誤った設定を、よく見かける順に挙げます。

大規模環境でプリフェッチがこれほど重要な理由

コンシューマーのキャパシティ使用率を左右する

RabbitMQの管理UIには「consumer capacity(コンシューマーキャパシティ)」というメトリクスがあり、コンシューマーが次のメッセージの到着を待つのではなく、実際にメッセージを処理している時間の割合を示します。適切にチューニングされたコンシューマーは100%のキャパシティで稼働し、常に処理を続けています。プリフェッチが低すぎるコンシューマーは、次のメッセージをネットワーク越しに待つ時間が無視できないほど長いため、キャパシティが40%、60%、80%にとどまります。そのアイドル時間は、費用を払っているのに得られていないスループットです。

Felipeはこれについて、明確な運用ルールを持っています。コンシューマーキャパシティが100%を下回ったら、そのコンシューマーはメッセージの流量に追いつけていないので、開発者に通知すべきだというものです。プリフェッチが誤っているか、コンシューマーの処理が遅すぎるか、コンシューマーのインスタンスを増やす必要があるかのいずれかです。どの場合でも、最初に確認すべきはプリフェッチです。

フロー制御の挙動を左右する

RabbitMQには、コンシューマーが追いつけないときにパブリッシャーを抑制するフロー制御の仕組みがあります。これはブローカーに際限なくバックログがたまるのを防ぐ安全弁ですが、上流のどこかで不整合が起きているというシグナルでもあります。プリフェッチが正しくチューニングされていれば、コンシューマーはラインレートでキューを処理し、フロー制御が作動することはほとんどありません。プリフェッチが低すぎると、負荷がかかったときにキューが滞留し、ブローカーがフロー制御に入り、パブリッシャーがブロックされ、システム全体のレイテンシー特性が変わってしまいます。

高スループットな環境では、「すべて正常」と「プロデューサーがブロックされている」状態の差が、たった1つの不適切なプリフェッチ値で生じることがあります。

クォーラムキューのRaftの挙動と相互に作用する

2026年時点でほとんどのエンタープライズRabbitMQ環境が使っているクォーラムキューでは、プリフェッチの影響はさらに大きくなります。クォーラムキューへの移行がまだ完了していないなら、今が取り組むべきタイミングです。クォーラムキューはRaftコンセンサスを使うため、すべての確認応答が過半数のノードにまたがるRaftログへの書き込みになります。クォーラムキューでプリフェッチを1にすると、メッセージ1件ごとにRaftのラウンドトリップが強制され、スループットが壊滅的に落ちます。プリフェッチを100や200にすると、ブローカーは確認応答のコミットをまとめてRaftログに書き込めるため、効率が劇的に向上します。

クォーラムキューでプリフェッチをチューニングした結果、持続的なスループットが2倍、3倍になったワークロードも見てきました。理屈は明快で、メッセージあたりのRaftコミットが減れば、1秒あたりに処理できるメッセージが増えるということです。

globalプリフェッチと個別プリフェッチ:今でも重要な歴史的経緯

RabbitMQ 3.xでは、クライアントライブラリが設定できるプリフェッチにglobalと個別(individual)の2つのモードがありました。globalプリフェッチはチャネル上のすべてのコンシューマーに適用されるため、globalプリフェッチを1,000に設定し、そのチャネルに5つのコンシューマーがあれば、各コンシューマーは実質的に200ずつになります。個別プリフェッチはコンシューマーごとに適用されるため、プリフェッチを1,000にすると、各コンシューマーがそれぞれ1,000件を処理中として持つことができました。

RabbitMQ 4.xでは、プリフェッチまわりのセマンティクスが明確化・簡素化されましたが、根本的なトレードオフは変わっていません。1つのチャネル上で複数のコンシューマーを立ち上げるアーキテクチャの場合、クライアントライブラリがプリフェッチをコンシューマー単位で設定しているのかチャネル単位で設定しているのかを理解しておく必要があります。実際の処理中メッセージ数が根本的に異なるからです。

実践的な推奨事項は、高スループットな本番システムでは、コンシューマー単位のプリフェッチのセマンティクスを選び、1チャネルにつき1コンシューマーにすることです。これにより、コンシューマーごとのメモリとスループットの挙動が予測可能になり、コンシューマーのインスタンスを追加したときに線形にスケールします。各コンシューマーの性能特性が互いに独立するため、キャパシティの問題のデバッグもはるかに簡単になります。

ワークロードに合わせたプリフェッチの実際の調整方法

どこにでも当てはまる正しいプリフェッチ値は存在しません。ただし、当て推量よりも速く、ワークロードに合った適切な値にたどり着くための方法論はあります。

ステップ1:100から始める

まだ計測していない高スループットなRabbitMQワークロードでは、プリフェッチ100から始めてください。この値が致命的に間違っていることはまずありません。ブローカーからコンシューマーへの経路をパイプライン化するのに十分な高さがあり、コンシューマーのメモリ負荷を一定範囲に抑えられるほど低く、チューニングの出発点となる計測可能なベースラインが得られます。

ステップ2:本番に近い負荷でコンシューマーキャパシティを計測する

  • コンシューマーキャパシティが100%を下回っている場合、プリフェッチが低すぎる可能性があります。コンシューマーがメッセージを待っている状態です。
  • コンシューマーのメモリが増え続け、確認応答が遅れている場合、プリフェッチが高すぎる可能性があります。コンシューマーが処理できる以上のメッセージをバッファリングしている状態です。
  • キャパシティが100%で、かつメモリが安定している場合、プリフェッチは適切です。そのままにしておいてください。

本番に近い負荷をキューに流し、RabbitMQ管理UIでコンシューマーキャパシティのメトリクスを観察します。コンシューマーのメモリ使用量もあわせて確認してください。クラスターレベルの可視化については、KubernetesでのRabbitMQモニタリングのガイドを参照してください。確認すべき状態は次の3つです。

ステップ3:意味のある幅で調整する

値を上げる必要がある場合は、200、次に500と試してください。100からいきなり10,000にしてはいけません。プリフェッチとスループットの関係は線形ではないからです。倍にするたびに、最初は計測可能なスループットの改善が見られますが、やがて効果が逓減し、最終的にはコンシューマーが自身のバッファを処理しきれなくなって逆効果になります。

ステップ4:メッセージサイズを考慮する

1KBのメッセージでプリフェッチが200なら、コンシューマーあたりの処理中メモリは200KBです。1MBのメッセージでプリフェッチが200なら、コンシューマーあたり200MBになります。メッセージが大きい場合(リアルタイムパイプラインではよくあることです)、プリフェッチは小さなメッセージの場合よりも低くする必要があります。最大の処理中メモリをprefetch_count × p99_message_sizeで計算し、それに合わせてコンシューマーのメモリを見積もってください。メッセージサイズがばらばらな環境では、この計算を忘れないようにしてください。

ステップ5:障害時の境界条件でテストする

適切なプリフェッチ値とは、定常負荷のもとでも、復旧シナリオの最中でも良好に動作する値です。キューにメッセージがたまった状態でコンシューマーが停止する状況をシミュレーションしてください。代わりのコンシューマーが起動したとき、想定どおりの速度でバックログをきれいに処理できるでしょうか。それとも、プリフェッチの設定のせいでメッセージが届かなくなったり、逆にあふれたりするでしょうか。定常状態では問題なく見えるプリフェッチ値でも、フェイルオーバー時に誤動作することがあります。そして、正しく動作してほしいのはまさにそのタイミングなのです。

メッセージサイズの落とし穴:プリフェッチだけでは不十分な理由

高スループットなRabbitMQ環境でよく見かける運用上の落とし穴の1つが、本当の問題はメッセージサイズにあるのに、プリフェッチを唯一の調整項目として扱ってしまうことです。RabbitMQはメッセージブローカーであり、データベースではありません。ファイル転送システムでもありません。

スループットが「原因不明のまま」想定のごく一部で頭打ちになっていると運用担当者が訴えていた本番のRabbitMQ環境を調査したところ、アプリケーションが数MBのPDF、動画クリップ、シリアライズしたデータベースのスナップショットをメッセージのペイロードとして送っていた、というケースを何度も見てきました。プリフェッチをどれだけチューニングしても、これは解決しません。ブローカーは求められたことをしているだけで、そもそも求められている内容が不適切なのです。

アーキテクチャ上のルールは、RabbitMQのメッセージを小さく保つことです。RabbitMQのアーキテクチャレビューを受ければ、ペイロードのサイズがどこでスループットを損なっているかを特定できます。大きなペイロードをシステム内で受け渡す必要がある場合は、オブジェクトストレージに書き込み、その参照をRabbitMQで送ってください。プリフェッチの設定がまったく同じでも、4KBのメッセージは4MBのメッセージよりも桁違いに速くクラスター内を流れます。理由は次のとおりです。

  • メッセージが小さいほど、メッセージあたりのネットワーク帯域の消費が少なくなります。
  • メッセージが小さいほど、ブローカーとコンシューマーの両方のバッファで消費するメモリが少なくなります。
  • メッセージが小さいほど、クォーラムキューでのディスクへの永続化が速くなります。
  • メッセージが小さいほど、Raftのフォロワーへのレプリケーションが速くなります。

厳密に言えば、これはプリフェッチの問題ではありません。しかし、高スループットなリアルタイムシステム向けのプリフェッチのチューニングを議論するなら、必ずサイズの監査も含める必要があります。4MBのメッセージが流れるパイプラインでプリフェッチをチューニングしても、最適化する層を間違えているからです。

プリフェッチを見直すべきタイミング

プリフェッチは、一度設定すれば終わりというパラメーターではありません。次のような場合は、プリフェッチの設定を見直してください。

  • スループットの要件が変わったとき。メッセージ量が10倍に増えると、以前の規模では問題なかったプリフェッチが、新しい規模では不適切になっていることがよくあります。
  • メッセージサイズの分布が変わったとき。より大きなメッセージを送る新機能がアプリケーションに加わると、メモリの計算が変わります。
  • クォーラムキューに移行したとき。Raftのコミットのオーバーヘッドによって最適なプリフェッチ値が変わり、通常は上がる方向に変わります。
  • コンシューマーのアーキテクチャを変更したとき。1つのチャネル上のN個のコンシューマーから、それぞれ専用のチャネルを持つN個のコンシューマーに移行すると、プリフェッチの計算はまったく変わります。
  • 負荷がかかった状態でコンシューマーキャパシティが100%を下回っているとき。これは、プリフェッチ、コンシューマー、ブローカーのパイプラインのどこかで不整合が起きていることを示す、最も明確なシグナルです。
  • 本来なら起きないはずの負荷でフロー制御が作動しているとき。フロー制御は、コンシューマーが追いつけていないことをブローカーが知らせているサインです。プリフェッチは最初に確認すべき項目の1つです。

実践のためのまとめ

プリフェッチは、RabbitMQのコンシューマー側で最もレバレッジの大きいチューニングパラメーターです。高スループットな環境で設定を誤ると、原因不明のキャパシティの頭打ち、予測できないメモリの挙動、本来起きないはずの負荷でのフロー制御、そして具体的な原因を示さずに「RabbitMQが遅い気がする」とだけ書かれたサポートチケット、といった形で表れます。

正しく設定できていれば、何も起きません。それこそが目指す状態です。コンシューマーは100%のキャパシティで稼働し、メモリは安定し、レイテンシーは一定範囲に収まり、コンシューマーのインスタンスを追加すればスループットが予測どおりにスケールします。

今日、新しいリアルタイムのRabbitMQワークロードを立ち上げようとしていて、本格的なチューニングの時間がないまま出発点が必要なら、プリフェッチ=100、コンシューマー単位、1チャネルにつき1コンシューマー、としてください。コンシューマーキャパシティを計測し、そこから調整し、ほかのチューニングパラメーターに手を付ける前にメッセージサイズを監査してください。この1つの推奨事項を一貫して適用するだけで、AceMQが診断を依頼される性能問題の多くを防ぐことができます。

1秒あたり数十万メッセージ、10ms未満のSLA、金融グレードの耐久性といった限界に挑むワークロードでは、チューニングはより繊細になり、クォーラムキュー、Raft、コンシューマーのアーキテクチャとの相互作用にもっと注意を払う必要があります。それでも出発点は同じで、方法論も同じです。100から始め、計測し、調整し、メッセージを小さく保つことです。

高スループットなRabbitMQクラスターのチューニングで頭打ちになっていませんか?

AceMQのエンジニアリングチームは、トレーディングプラットフォーム、決済システム、グローバルなヘルスケアのパイプライン、1秒あたり数十万メッセージ規模のリアルタイム分析環境など、極限の条件で稼働するRabbitMQクラスターをチューニングしてきました。プリフェッチはパズルの1ピースにすぎません。クラスターの性能が本来あるべき水準を下回って頭打ちになっているなら、ブローカー、コンシューマー、キューの種類、ネットワーク、ディスクのどこにボトルネックがあるのかを突き止め、線形にスケールする状態に戻します。

新しい高スループットなワークロードを構築していて、最初からアーキテクチャとチューニングを正しく設計したい場合や、既存のクラスターが本来の性能を発揮できていない場合は、パフォーマンスアセスメントについてAceMQのチームにご相談ください。AceMQは、世界中のエンタープライズのお客様にRabbitMQコンサルティング、RabbitMQの商用サポート、そして踏み込んだRabbitMQのトラブルシューティングを提供しています。これがAceMQの専門領域のすべてです。

プリフェッチカウント:要点まとめ

プリフェッチカウントとは、RabbitMQがコンシューマー(またはチャネル)にプッシュする未確認応答メッセージの最大数であり、この数に達するとブローカーは送信を止めてackを待ちます。ほかのすべての挙動は、この1つの上限から導かれます。

どこから始めるか。ほとんどのワークロードでは、プリフェッチを10〜30に設定して計測します。コンシューマー間で厳密な順序が必要な場合や、メッセージ1件の処理に数秒かかる場合は1を使います。それより大きな値にすると、処理に手が回らないコンシューマーのもとに仕事が滞留してしまうからです。100〜300の範囲まで上げるのは、コンシューマーが高速かつ冪等で、クライアントホストのメモリに余裕があることを負荷テストで確認できた場合に限ります。コンシューマーが飽和状態になってからは、値を大きくしても速くはなりません。バックログがブローカーからクライアントに移るだけです。

0が最も多くのトラブルを招く理由。プリフェッチ0は無制限を意味します。ブローカーは配信可能なメッセージをすべて、チャネルを開いている最初のコンシューマーにプッシュするため、1つのコンシューマーがキューを独占し、残りは待機状態になります。AceMQに寄せられるコンシューマー側のメモリ逼迫の相談も、ほとんどがこの設定に起因しています。ackを十分な速さで返せない1つのプロセスにキューの中身が流れ込み、そのプロセスがスワップするか、強制終了されてしまうのです。キューが空に見えるのにスループットが悪く、1つのコンシューマーのCPUが100%に張り付いている場合は、まずプリフェッチが0になっていないか確認してください。

プリフェッチが意味を持つのは手動ackのコンシューマーだけ。auto-ackでは、ブローカーはメッセージを送信した瞬間に確認応答済みとして扱うため、上限に対してカウントされる未処理のメッセージがそもそも存在しません。auto-ackのコンシューマーにプリフェッチを設定しても、何の効果もありません。

クォーラムキューとストリームはクラシックキューとは違う。クォーラムキューはプリフェッチに従いますが、メッセージごとの配信回数も追跡し、delivery-limit(4.xのデフォルトは20)を適用します。大きなプリフェッチを設定したコンシューマーがクラッシュすると、未確認応答のメッセージはすべて配信回数が加算された状態で戻されるため、数回の再起動だけで、問題のないメッセージまでデッドレター化されてしまうことがあります。ストリームはさらに異なります。ストリームプロトコルでは、フロー制御はプリフェッチベースではなくクレジットベースです。AMQP 0-9-1経由では、ストリームのコンシューマーは0以外のプリフェッチを設定し、手動ackを使う必要があります。また、ackは何も削除せず、ブローカーが次のメッセージを送れるようにクレジットを返すだけです。より詳しい比較はクラシックキューとクォーラムキューの比較を参照してください。

負荷テストでプリフェッチが「効かない」3つの理由。1つ目は、コンシューマーがauto-ackになっていて設定が無視されていることです。2つ目はglobalフラグです。RabbitMQでは、global=falseは各コンシューマーを、global=trueはチャネル全体を制限しますが、クライアントライブラリによってはこのフラグのデフォルト値や解釈が異なります。3つ目は、クライアントのフレームワークが、アプリケーションのコードが実行された後に独自のデフォルト値(多くは1、ときには250)を適用しているか、設定したものとは別のチャネルに適用していることです。コードを信用するのではなく、rabbitmqctl list_consumersで実際に有効になっている値を確認してください。

プリフェッチは、RabbitMQ信頼性ガイドで取り上げる10パターンのうちの5番目であり、クラスタリングとサイジングのガイドのステップ7でもあります。後者では、同じスループットの課題をクラスター側から解説しています。

よくある質問

RabbitMQのプリフェッチカウントはいくつに設定するのが適切ですか?

一般的なコンシューマーなら10〜30から始め、負荷テストを行いながら調整します。処理に時間のかかるタスクや、コンシューマー間で順序が重要な場合は1を使います。100〜300は、高速かつ冪等なコンシューマーで、それだけの数の処理中メッセージを抱えてもクライアントホストのメモリに余裕があることを実測で確認できた場合に限って使います。本番環境で0のままにしておくのは絶対に避けてください。0は無制限を意味し、1つのコンシューマーがキューを独占して残りが待機状態になる、最もよくある原因です。適切な値とは、コンシューマーを常に稼働させておける最小の値です。

RabbitMQのプリフェッチカウントが効かないのはなぜですか?

これまで調査してきたケースのほとんどは、3つの原因のいずれかに当てはまります。1つ目は、コンシューマーがauto-ackを使っているため、プリフェッチがまったく無視されているケースです。2つ目は、globalフラグが想定と逆に設定されていて、上限がコンシューマー単位ではなくチャネル単位で(またはその逆で)適用されているケースです。3つ目は、クライアントのフレームワークが、アプリケーションのコードが実行された後に独自のデフォルト値を設定しているか、設定したものとは別のチャネルに設定しているケースです。実際に有効になっている値はrabbitmqctl list_consumersで確認してください。それでも想定どおりに動かない場合は、RabbitMQのトラブルシューティングでよくある10の問題で関連する障害パターンを解説しています。

プリフェッチカウントはクォーラムキューやストリームにも適用されますか?

クォーラムキューはクラシックキューとまったく同じようにプリフェッチに従いますが、1点だけ追加の動作があります。再配信のたびにメッセージごとの配信回数が加算され、delivery-limitを超えるとそのメッセージはデッドレター化されるか破棄されます。大きなプリフェッチを設定したコンシューマーがクラッシュすると、多数のメッセージが一度にその上限に近づくため、クォーラムキューではプリフェッチを控えめにしてください。AMQP 0-9-1経由のストリームでは、0以外のプリフェッチと手動ackが必須ですが、ackはクレジットを返すだけで、メッセージを削除するわけではありません。ネイティブのストリームプロトコルでは、フロー制御はクレジットベースで行われ、プリフェッチという仕組み自体が使われません。

プリフェッチはチャネル単位とコンシューマー単位のどちらで設定すべきですか?

ほぼすべてのケースでコンシューマー単位です。RabbitMQでは、global=false(ほとんどのクライアントのデフォルト)を指定すると、上限が各コンシューマーに個別に適用されます。これは多くの人が想定している動作であり、チューニングの予測がしやすくなります。global=trueを指定すると、チャネル上のすべてのコンシューマーで1つの上限を共有します。これが役に立つのは、1つのチャネル上の複数のコンシューマーで、処理中メッセージの固定枠を共有する必要がある場合だけです。両方を設定した場合、ブローカーは両方の上限を適用します。AceMQがマネージドサポートとしてRabbitMQ 3.8〜4.xの環境を引き継ぐ際、このフラグの確認は最初に行う作業の1つです。スループットに関する不満の多くが、驚くほどこのフラグで説明できるからです。

Scott Sternloff

著者

Scott Sternloffシニアエンタープライズアーキテクト

AceMQのシニアエンタープライズアーキテクト。RabbitMQ、Kafka、Redisのアーキテクチャ、クラスタリング、移行といった技術記事を担当しています。

無料相談

お客様のRabbitMQ クラスターを専門家がチェックします

本番環境のインシデント対応、移行の計画、アーキテクチャのセカンドオピニオンなど、どのようなご相談にもAceMQのチームが対応します。売り込みは一切なく、ご質問に的確にお答えします。

メールで問い合わせる