Nesta página
O que é um health check ou uma avaliação de RabbitMQ?
O que um health check examina?
- Topologia do cluster e saúde dos nós. Quantidade de nós, distribuição entre hosts ou zonas de disponibilidade, uso de disco e de memória por nó e se a distribuição dos líderes das filas de quórum (quorum queues) está equilibrada.
- Configuração e tipo das filas. Se você está usando filas de quórum ou classic queues para cargas de trabalho que exigem alta disponibilidade, se ainda existem classic queues espelhadas, os padrões de profundidade das filas e o lag dos consumidores.
- Configuração de segurança. Credenciais padrão removidas ou alteradas, TLS habilitado, isolamento por virtual host, permissões de usuários com escopo adequado e logs de auditoria.
- Desempenho e balanceamento de carga. Como as conexões estão distribuídas entre os nós, se o publisher flow control está sendo acionado sob carga normal e a configuração de prefetch em relação ao throughput real dos consumidores.
- Dimensionamento de recursos. Se a alocação de memória e de disco dos nós é adequada para a profundidade atual das filas e para as taxas de mensagens, e se o dimensionamento deixa folga para picos de tráfego.
- Versão do Erlang e do RabbitMQ. Se a versão atual está dentro da janela de suporte da comunidade, como é o caminho de upgrade e se algum CVE conhecido se aplica.
- Configuração operacional. Configurações de heartbeat, de timeout TCP, políticas de persistência, configuração de dead-letter queues e de TTL de mensagens.
Os cinco problemas que as avaliações quase sempre encontram
/var/lib/rabbitmq) no escopo da varredura em tempo real são uma das causas mais comuns de degradação de desempenho sem explicação. A correção é simples, basta excluir esses diretórios, mas isso passa despercebido com frequência.guest ou usuários administrativos com permissões amplas aparecem nas avaliações com mais frequência do que as equipes imaginam. O isolamento por virtual host também muitas vezes não está implementado.Para onde isso leva em seguida: projetar a arquitetura futura do RabbitMQ e, se o ambiente envolve vários fornecedores, consolidar o suporte de infraestrutura.
O que você recebe ao final de uma avaliação?
- Uma descrição clara de cada achado e de por que ele importa
- Passos específicos de correção: não recomendações vagas, mas as mudanças de configuração ou as ações que de fato são necessárias
- Uma sequência priorizada para tratar os achados, com base em risco e esforço
- Uma recomendação de caminho de upgrade (se fizer sentido para a sua versão atual)
- Um resumo da saúde atual do cluster adequado para compartilhar com a gestão
A avaliação vale a pena se a minha implantação parece estável?
O que a avaliação encontra com mais frequência
Em mais de 130 projetos corporativos em 26 países, os mesmos achados continuam aparecendo. A maioria é barata de corrigir depois de identificada, e a maioria é invisível até algo falhar. Estes são os que mais registramos nos relatórios.
- Classic queues espelhadas ainda em uso antes da 4.x. O espelhamento de classic queues foi removido no RabbitMQ 4.0, então um cluster que ainda depende de policies ha-mode não tem caminho de upgrade até essas filas serem migradas. As filas espelhadas também têm o pior comportamento em falhas entre os tipos disponíveis. A correção é uma migração fila a fila para filas de quórum (quorum queues), com streams para as poucas cargas de trabalho que precisam de replay. Nossa comparação entre classic queues e quorum queues mostra onde cada uma se encaixa.
- Sem publisher confirms em fluxos que não podem perder mensagens. Sem confirms, o publisher considera uma escrita TCP bem-sucedida como entrega, e as mensagens somem em silêncio durante a falha de um nó ou um alarme de memória. Vemos isso principalmente em fluxos de pedidos, pagamentos e faturamento, que são exatamente os que não podem se dar a esse luxo. A correção é o modo confirm nesses canais, com retry em caso de nack, e geralmente é uma mudança pequena no código.
- Filas sem limite de tamanho nem TTL. Uma fila sem max-length e sem TTL cresce até disparar um alarme de memória ou de disco, e nesse momento todos os publishers do cluster ficam bloqueados, não só o que alimenta aquela fila. A correção é uma policy que defina max-length ou TTL de mensagem, com um comportamento de overflow aprovado pelo responsável pela aplicação.
- Prefetch no padrão ou ilimitado. Um prefetch ilimitado permite que um único consumidor puxe uma fila para a própria memória enquanto os outros ficam ociosos, e transforma a queda de um consumidor em uma grande reentrega. A correção é um valor de prefetch ajustado ao tempo de processamento do consumidor, normalmente entre 10 e algumas centenas.
- Uma única fila quente concentrando a maior parte do tráfego. Uma fila roda como um único processo Erlang em um único nó, então uma fila que concentra a maior parte do throughput do cluster limita o cluster inteiro a um núcleo. A correção é fazer sharding em várias filas com roteamento consistent-hash ou direct, ou usar um stream se os consumidores conseguirem trabalhar com um modelo baseado em offset.
- Feature flags nunca habilitadas depois dos upgrades. As feature flags controlam os formatos em disco e entre nós. Clusters que passaram por upgrades ao longo de várias versões minor muitas vezes ainda têm flags desabilitadas, o que bloqueia de vez o próximo upgrade major. A correção é habilitar todas as flags estáveis assim que todos os nós estiverem na mesma versão, e confirmar isso antes de planejar a migração da 3.x para a 4.x.
- Versão do Erlang atrás da matriz de suporte. Cada versão do RabbitMQ suporta uma faixa estreita de versões do Erlang/OTP, e uma combinação sem suporte é a primeira coisa que qualquer chamado de suporte vai pedir para corrigir. A correção é alinhar o Erlang com a versão de destino do RabbitMQ, geralmente na mesma janela de manutenção do upgrade do broker.
- Nenhum consumidor nem alerta para dead letters. As dead-letter exchanges geralmente estão configuradas. O que falta é algo que as leia. As mensagens se acumulam por meses, e a primeira vez que alguém olha é durante um incidente. A correção é um consumidor ou, no mínimo, um alerta sobre a profundidade da dead-letter queue, como descrito no nosso guia de dead-letter queues.
- Alarmes disparando sem ninguém olhando. Os alarmes de memória e de disco disparam, os publishers são bloqueados e a equipe fica sabendo pelo lado da aplicação. A correção é encaminhar os eventos de alarme e de nó fora do ar para o sistema que já aciona o plantão da equipe, com limites que deixem margem para agir.
- Definitions nunca exportadas. Exchanges, filas, bindings, usuários e policies existem apenas dentro do cluster em execução, então reconstruí-lo depois de um desastre significa reconstruir de memória. A correção é uma exportação agendada das definitions para o controle de versão, o que também deixa visível a divergência entre ambientes.
Como o projeto funciona e o que você recebe
Um health check é um projeto de escopo fechado, com início e fim definidos. Ele acontece em quatro etapas.
- Kick-off e acesso. Uma reunião curta para alinhar o escopo, definir os contatos e configurar o acesso somente leitura à interface de gerenciamento e às métricas. Nada no cluster é alterado em nenhum momento do projeto.
- Uma a duas semanas de coleta de dados e entrevistas. Coletamos definitions, policies, métricas de nós e de filas, logs e detalhes de versão, e conversamos com as pessoas responsáveis pela plataforma e pelas aplicações que rodam nela. As entrevistas importam porque as métricas mostram o que o cluster está fazendo, não o que ele deveria fazer.
- Uma revisão dos achados com a equipe. Antes de fechar o relatório, repassamos os achados com o cliente, confirmamos cada um com base no que a equipe sabe e definimos juntos a ordem de prioridade.
- O relatório por escrito. Ele contém os achados priorizados com a severidade de cada um, um plano de correção que a equipe consegue executar sem nós, um panorama de capacidade e de versões e uma avaliação go/no-go para o próximo upgrade. O plano de correção é escrito como itens de trabalho ordenados, com o motivo de cada um, e não como uma lista de boas práticas.
Do lado do cliente, precisamos de um responsável pela plataforma, um responsável pela aplicação e acesso de gerenciamento somente leitura. O custo em tempo do cliente é de poucas horas no total: o kick-off, uma ou duas entrevistas e a revisão dos achados.
Depois do relatório, há dois caminhos. A equipe executa o plano no próprio ritmo, ou a AceMQ o executa em um projeto de consultoria em RabbitMQ ou como parte de um contrato de suporte, que também traz resposta de P1 em 15 minutos para o cluster daqui em diante. Nenhum dos dois é pressuposto. Ter um parceiro revisando a arquitetura é prática normal para um sistema tão central, e a revisão não compromete você com nada além disso. Equipes que querem ver como é uma arquitetura-alvo sólida antes de começar podem ler o nosso guia de arquitetura de RabbitMQ em produção.
Para agendar a versão conduzida por um engenheiro, ou para começar pelo relatório self-service gratuito, veja o serviço de health check de RabbitMQ.
Perguntas frequentes
Um parceiro RabbitMQ pode revisar a nossa arquitetura?
Sim. A revisão de arquitetura é o núcleo de um health check de RabbitMQ, e é assim que começa a maioria dos projetos com a AceMQ. Como parceira MSP estratégica exclusiva da Broadcom para RabbitMQ, revisamos clusters rodando qualquer versão da 3.8.x à 4.x, on-premises ou em qualquer nuvem, usando apenas acesso somente leitura. A revisão cobre topologia, tipos de fila, policies, comportamento dos clientes, monitoramento e prontidão para upgrade, e termina em um relatório por escrito que fica com a equipe. Ela não exige contrato de suporte nem compromete você com um.
Precisamos de consultoria de arquitetura em RabbitMQ?
Nem sempre. Se o cluster está em uma versão com suporte, os tipos de fila combinam com as cargas de trabalho, confirms e prefetch foram configurados de forma deliberada e alguém está de olho nos alarmes, provavelmente está tudo bem. Se algum desses pontos é desconhecido, ou se um upgrade para a 4.x está chegando e ninguém sabe dizer se o cluster está pronto, um health check responde a pergunta com baixo custo. A maioria das equipes descobre que só a avaliação já cobre o que precisava, e apenas algumas seguem para um projeto de consultoria maior.
Quanto tempo leva um health check de RabbitMQ?
De duas a três semanas de ponta a ponta para um ambiente típico. O kick-off e a liberação de acesso levam um ou dois dias, a coleta de dados e as entrevistas levam de uma a duas semanas, e a revisão dos achados e o relatório por escrito saem em poucos dias. Ambientes maiores, com muitos clusters ou vários ambientes, levam mais tempo, e informamos isso no orçamento. O tempo que o próprio cliente dedica é de poucas horas ao longo de todo o projeto. Uma indisponibilidade em andamento é tratada primeiro pelo suporte, com resposta de P1 em 15 minutos, e a avaliação vem depois que o cluster estiver estável.
Quanto custa uma avaliação de RabbitMQ?
O escopo é definido pelo número de clusters e de ambientes, e enviamos o orçamento em até 24 horas após uma reunião de escopo. Geralmente é o projeto mais barato da AceMQ, porque o escopo é fechado, nada é alterado no cluster e o resultado é um relatório, não uma implementação. A correção, se você quiser que a gente faça, é orçada à parte, como consultoria ou suporte, e muitas equipes executam o plano por conta própria.