BlogueRabbitMQ

Os 5 pontos a monitorizar para garantir que o seu cluster RabbitMQ em Kubernetes está saudável

Scott Sternloff

Por Scott Sternloff, Arquiteto empresarial sénior

LinkedIn · Atualizado a · 17 min de leitura

Os 5 pontos a monitorizar para garantir que o seu cluster RabbitMQ em Kubernetes está saudável
On this page

Correr o RabbitMQ em Kubernetes não é o mesmo que corrê-lo em bare metal. Os sinais de monitorização que importam num cluster estático de três VMs não são os mesmos que indicam se um StatefulSet de RabbitMQ está saudável dentro de um cluster Kubernetes que pode não controlar por completo. E os modos de falha são diferentes — evictions de nós, reagendamento de pods, contenção de I/O entre inquilinos partilhados e a forma específica como o consenso Raft interage com a stack de rede do Kubernetes podem provocar indisponibilidades que quem opera em bare metal nunca encontra.

Já resolvemos incidentes destes em número suficiente para ser claro o que realmente importa no meio do ruído. Se monitorizar apenas cinco coisas num cluster RabbitMQ em Kubernetes, monitorize estas cinco. São as métricas que, na nossa experiência em serviços financeiros, plataformas SaaS e implementações empresariais de alto débito, detetam as falhas antes de se tornarem indisponibilidades visíveis para os clientes.

Porque é que a monitorização do RabbitMQ em Kubernetes é diferente

Um cluster RabbitMQ em bare metal ou em VMs dedicadas tem um adversário principal: a sua própria carga de trabalho. Um cluster RabbitMQ em Kubernetes tem vários:

  • Computação partilhada. A menos que tenha nós dedicados, os pods do RabbitMQ disputam CPU, memória e I/O de disco com tudo o resto que o Kubernetes agenda ao lado deles.
  • Camadas de abstração de rede. A stack de rede do Kubernetes acrescenta latência entre pods, overhead do CNI e uma camada de heartbeats com a qual o consenso Raft tem de partilhar largura de banda.
  • Semântica dos StatefulSets. O RabbitMQ em Kubernetes é implementado como StatefulSet pelo Cluster Operator, e os pods de um StatefulSet não são reagendados automaticamente quando um nó falha — um facto que surpreende as equipas de operações no pior momento possível.
  • Acoplamento aos volumes persistentes. Com armazenamento local-path ou local ao nó, um pod reagendado pode não conseguir recuperar o estado anterior. O armazenamento ligado em rede introduz a sua própria variabilidade de I/O.

Cada um destes fatores acrescenta uma classe de falhas que seria impossível em infraestrutura dedicada. A monitorização tem de os contemplar a todos.

1. Saúde da replicação Raft nas filas de quórum

Se usa filas de quórum (quorum queues) — e, em 2026, se está no RabbitMQ 4.x, deveria usar —, a saúde da replicação Raft é a métrica mais importante do seu dashboard. Se ainda não o fez, consulte o nosso guia sobre a migração para filas de quórum. As filas de quórum funcionam com um líder e seguidores que participam no consenso Raft, escrevendo cada mensagem numa maioria de nós antes de confirmar ao publicador. Quando o Raft se degrada, tudo o que depende dele degrada-se também.

Em Kubernetes, em particular, a pressão sobre o Raft agrava-se depressa. O protocolo de consenso exige comunicação fiável e de baixa latência entre nós, desempenho de escrita em disco consistente e margem de CPU suficiente para processar as entradas do log. Quando qualquer uma destas condições aperta — e em Kubernetes aperta com mais frequência do que em bare metal —, o Raft começa a atrasar-se e as filas começam a deixar de responder.

O que monitorizar de facto

  • rabbitmq_queue_messages discriminado por estado de líder vs seguidor.
  • rabbitmq_raft_log_commit_index e rabbitmq_raft_log_last_applied — a diferença entre os dois é o atraso do Raft.
  • Frequência das eleições de líder. Um cluster saudável tem líderes estáveis; se os líderes estão sempre a mudar, há algo a montante (rede, disco, CPU) que não está bem.
  • Estado Raft por fila através da API de gestão: estado dos seguidores, índice do snapshot, utilização de disco.

Limiares de alerta

Alerte se o log Raft de um seguidor estiver atrasado em relação ao líder em mais de alguns milhares de entradas durante mais de 30 segundos. Alerte se ocorrerem eleições de líder mais de uma vez por hora num cluster estável. E alerte de imediato se alguma fila de quórum tiver perdido o quórum — o broker indica-o através das suas métricas, e convém sabê-lo em segundos, não em minutos.

Porque é que isto importa mais em Kubernetes

Em Kubernetes, é perfeitamente possível o Raft entrar num estado em que a fila fica inutilizável e os procedimentos de recuperação habituais não funcionam de forma limpa. Um padrão que já vimos em produção: uma fila de quórum fica bloqueada, o rabbitmqctl delete_queue falha porque o broker não consegue estabelecer consenso para a eliminar, e repor o serviço obriga a matar pods por uma ordem específica para forçar uma nova eleição de líder. Não quer descobrir esta situação através de uma reclamação de um cliente. Quer ver o atraso do Raft a subir 10 minutos antes.

2. Watermark de memória e estado do controlo de fluxo

O RabbitMQ tem um mecanismo de proteção integrado chamado memory high-watermark. Quando a utilização de memória de um broker ultrapassa o limiar do watermark, o RabbitMQ bloqueia os publicadores para evitar que o nó fique totalmente sem memória. Isto é intencional — é um mecanismo de segurança —, mas em Kubernetes as definições predefinidas do watermark estão muitas vezes erradas.

Visão de especialista: afinação do watermark específica para Kubernetes

"Para Kubernetes, devem fazer o teste com um watermark de 40% e um net tick time de 60. Estamos a dar mais espaço ao Raft para fazer o que tem de fazer, e mais algum espaço para a rede. A rede no RabbitMQ não é só entre os nós; é também a rede do Kubernetes e os heartbeats dos pods. Estão a disputar recursos."— Felipe Gutierrez, Senior Engineer, AceMQ

O watermark de memória predefinido do RabbitMQ de 0.4 (40%) existe porque, em Kubernetes, o broker não é a única coisa a usar memória no pod ou no nó. O kubelet do Kubernetes, o plugin CNI, o runtime de contentores e quaisquer contentores sidecar consomem memória, e o Raft e o broker precisam de margem à volta disso. Um watermark que faz sentido numa VM dedicada precisa muitas vezes de ser reduzido em Kubernetes para preservar margem suficiente para as operações do Raft e para a rede entre pods.

O que monitorizar de facto

  • rabbitmq_resident_memory_limit_bytes e rabbitmq_process_resident_memory_bytes — o rácio entre os dois é a utilização atual do watermark.
  • rabbitmq_connections_blocked_total — quantas ligações de publicadores o RabbitMQ está a bloquear ativamente.
  • Estado do controlo de fluxo por ligação. Se vê produtores a entrar em controlo de fluxo, há um problema de pressão algures no pipeline — comece por verificar a afinação do prefetch dos consumidores.
  • Utilização de memória do pod Kubernetes face ao limite de memória do pod — atingir o limite do pod resulta num OOMKilled, uma falha muito pior do que atingir o watermark do RabbitMQ.

Limiares de alerta

Alerte aos 80% do watermark configurado — nesse ponto está perto de bloquear os publicadores. Alerte de imediato quando qualquer ligação for bloqueada. E alerte aos 90% do limite de memória do pod Kubernetes — é o último aviso antes de o kubelet matar o pod.

3. Contenção de I/O de disco e latência de escrita

É nesta métrica que o Kubernetes morde com mais força. As filas de quórum do RabbitMQ são, por conceção, intensivas em disco — cada escrita passa pelo log Raft antes de ser confirmada. Se o armazenamento subjacente for lento, variável ou disputado, todos os produtores do sistema o sentem.

Em Kubernetes, a questão do desempenho do disco complica-se com um modo de falha específico que vemos repetidamente: o RabbitMQ a partilhar um nó com outra carga de trabalho intensiva em I/O, tipicamente PostgreSQL, Kafka ou Elasticsearch. Quando a carga vizinha tem um pico, as escritas do log Raft do RabbitMQ abrandam, o atraso dos seguidores aumenta, os líderes são reeleitos e o cluster parece degradar-se misteriosamente, por razões que a equipa de operações não consegue identificar de imediato.

Visão de especialista: o padrão de contenção de I/O

"Se continuam a disputar recursos com o Postgres no mesmo nó, lembrem-se de que o Raft não é só memória e quórum — também precisa de disco. Se houver uma utilização intensa do Postgres ao mesmo tempo, isso vai desencadear a mesma discussão que estou a ter convosco. Devem separá-los, ou pelo menos reduzir o número de nós RabbitMQ para não estarem a disputar recursos."— Felipe Gutierrez, Senior Engineer, AceMQ

O que monitorizar de facto

  • rabbitmq_io_write_time_seconds_total e rabbitmq_io_write_bytes_total — as tendências da latência de escrita são o seu aviso antecipado.
  • Histogramas de latência de escrita em disco ao nível do nó (fornecidos pelo node_exporter no Kubernetes).
  • IOPS consumidas pelos pods do RabbitMQ face às IOPS consumidas por tudo o resto no mesmo nó.
  • Profundidade da fila de disco — se se mantiver consistentemente acima de 1–2, está à espera do disco.
  • Ritmo de enchimento dos volumes persistentes — a utilização de disco das filas de quórum cresce com o volume de mensagens e com a retenção do log.

Limiares de alerta

Alerte quando a latência de escrita em disco p99 ultrapassar 50ms em qualquer nó RabbitMQ. Alerte quando a utilização dos volumes persistentes passar os 75%. E alerte quando a profundidade da fila de disco se mantiver acima de 2 durante mais de um minuto.

Recomendação de arquitetura

Sempre que possível, dedique nós Kubernetes ao RabbitMQ usando taints e tolerations. Corra as cargas de trabalho com estado e intensivas em I/O no seu próprio node pool. Se isso não for viável, use volumes persistentes separados, em discos físicos separados, para o RabbitMQ e para os seus vizinhos — o custo de um disco adicional é irrisório face ao custo de uma indisponibilidade em produção causada por contenção de I/O.

4. Agendamento de pods, contagem de reinícios e comportamento do StatefulSet

Eis a armadilha específica do Kubernetes que apanha as equipas de operações desprevenidas: o RabbitMQ é implementado como StatefulSet pelo Cluster Operator oficial, e os pods de um StatefulSet não são reagendados automaticamente para outro nó quando o nó atual falha. Isto é intencional — o StatefulSet garante identidade e armazenamento estáveis —, mas a consequência operacional é que a falha de um nó pode deixar um pod RabbitMQ offline durante todo o tempo em que o nó estiver em baixo.

Esta não é uma preocupação teórica. Já acompanhámos clientes em incidentes em que um nó Kubernetes foi abaixo, o pod do StatefulSet do RabbitMQ ficou preso e a aplicação esteve indisponível durante bastante tempo, porque a equipa de operações contava com um reagendamento automático que o Kubernetes simplesmente não faz para StatefulSets.

O que monitorizar de facto

  • Contagem de reinícios por pod RabbitMQ, acompanhada ao longo do tempo. Um pod com mais de 10 reinícios num dia está a dizer-lhe alguma coisa.
  • Estado de agendamento dos pods — especificamente, qualquer pod RabbitMQ em Pending, Unschedulable ou ContainerCreating durante mais de 60 segundos.
  • Estado dos nós que alojam pods RabbitMQ. Um nó NotReady é uma contagem decrescente para a indisponibilidade de um pod.
  • Prontidão do StatefulSet — quantas das réplicas pretendidas estão atualmente Ready.
  • Taxas de falha das liveness e readiness probes. Falhas de probes sob carga indicam normalmente que o broker está sobrecarregado antes de falhar por completo.

Limiares de alerta

Alerte de imediato quando qualquer réplica do StatefulSet do RabbitMQ descer abaixo do número pretendido. Alerte em qualquer reinício de pod. Alerte quando qualquer nó que aloje um pod RabbitMQ passar a NotReady. Todas estas situações exigem ação — convém ter uma pessoa a olhar para elas, e não um mecanismo de autorrecuperação que pode ou não funcionar com StatefulSets.

Nota de arquitetura

Se precisa de uma recuperação automática mais rápida após a falha de um nó do que a que o comportamento predefinido do StatefulSet proporciona, tem algumas opções: usar pod disruption budgets combinados com automatização do drain dos nós, implementar o RabbitMQ em várias zonas de disponibilidade do Kubernetes para que a falha de uma zona não deite abaixo o cluster ou — em alguns casos — correr o broker em VMs dedicadas, totalmente fora do Kubernetes. A escolha certa depende do seu objetivo de tempo de recuperação e da maturidade operacional da sua equipa em Kubernetes.

5. Heartbeats de rede e latência entre nós

Os nós RabbitMQ mantêm comunicação Erlang distribuída entre si, e a saúde dessa comunicação determina se o cluster continua a ser um cluster. Em Kubernetes, a camada de rede introduz variabilidade adicional de latência que pode provocar falsas falhas de nós — o broker julga que um par está em baixo porque um heartbeat falhou a sua janela, quando na realidade o CNI do Kubernetes esteve apenas momentaneamente lento.

O net_ticktime predefinido do Erlang, de 60 segundos, é muitas vezes demasiado agressivo para ambientes Kubernetes, sobretudo os que usam redes overlay ou tráfego entre zonas. Afiná-lo é uma das primeiras coisas que fazemos quando reforçamos um cluster RabbitMQ em Kubernetes para produção.

O que monitorizar de facto

  • Eventos de partição de rede — o RabbitMQ regista-os, e devem gerar alertas imediatos.
  • Latência entre os pods do RabbitMQ (mensurável através de um sidecar de ping simples ou das métricas de um service mesh).
  • Utilização do buffer de distribuição do Erlang — o rabbitmq_erlang_distribution_buffer_busy indica quando a comunicação entre nós está a acumular.
  • Distribuição dos estados das ligações TCP ao nível do nó. Um número crescente de ligações em TIME_WAIT ou CLOSE_WAIT pode indicar problemas de rede em formação.
  • Métricas ao nível do CNI, se disponíveis (Calico, Cilium, etc.) — a perda de pacotes entre pods do RabbitMQ é um sinal de alarme precoce.

Limiares de alerta

Alerte em qualquer evento de partição de rede. Alerte quando a latência p99 entre pods do RabbitMQ ultrapassar 10ms. Alerte quando a utilização do buffer de distribuição do Erlang passar os 50%.

Recomendação de afinação

Em Kubernetes, aumente o net_ticktime dos 60 segundos predefinidos para 120 segundos como base. Isto dá mais margem à camada CNI e reduz drasticamente os falsos eventos de partição do cluster perante o jitter normal da rede. Tempos de tick mais longos significam uma deteção ligeiramente mais lenta dos nós que falharam de facto, mas o compromisso favorece claramente a estabilidade em ambientes Kubernetes.

Juntar tudo: a sua filosofia de alertas

Monitorizar estas cinco áreas não é criar mais alertas — é criar os alertas certos. Na nossa experiência, as equipas de operações que recebem menos alertas críticos não são as que monitorizam menos; são as que monitorizam as coisas certas com os limiares certos.

Uma hierarquia sensata para um cluster RabbitMQ em Kubernetes:

  • P1 (acionar o piquete de imediato): Perda de quórum em qualquer fila. Nó NotReady. Réplicas do StatefulSet abaixo do pretendido. Qualquer ligação de publicador bloqueada. Partição de rede detetada.
  • P2 (acionar em horário laboral): Atraso dos seguidores Raft a crescer de forma persistente. Watermark de memória acima de 80%. Latência de disco p99 acima de 50ms. Reinício de um pod. Eleições de líder sucessivas.
  • P3 (apenas dashboard, revisão semanal): Tendências de capacidade. Ritmo de enchimento do disco. Crescimento do número de ligações. Crescimento da profundidade das filas.

Tudo o resto é ruído. Se o seu piquete está a ser acionado por coisas que não cabem em P1 ou P2, os seus alertas não estão alinhados com o que realmente importa.

Conclusão prática

O Kubernetes é uma boa plataforma para o RabbitMQ — desde que monitorize aquilo que o Kubernetes torna diferente. Os modelos mentais de monitorização de bare metal não se transferem de forma limpa. As cinco categorias de métricas acima são o que monitorizamos em todos os projetos de RabbitMQ em Kubernetes que suportamos, e são o que recomendamos que todas as equipas que correm RabbitMQ em Kubernetes instrumentem desde o primeiro dia.

Se herdar um cluster RabbitMQ em Kubernetes e quiser avaliar rapidamente a sua monitorização, verifique estes cinco pontos por ordem:

  • A saúde da replicação Raft é visível por fila? Se não for, está às cegas quanto ao quórum.
  • O watermark de memória está definido para Kubernetes (mais perto de 0.4 do que de 0.8)? Se não estiver, está a um pico de tráfego de ter publicadores bloqueados.
  • A latência de disco de cada nó RabbitMQ é monitorizada e tem alertas? Se não tiver, não vai conseguir diagnosticar a contenção de I/O quando ela surgir.
  • O número de réplicas do StatefulSet e o estado de agendamento dos pods têm alertas? Se não tiverem, a falha de um nó vai apanhá-lo de surpresa.
  • O net_ticktime está afinado para o seu ambiente Kubernetes? Se ainda estiver no valor predefinido, está a ter partições falsas.

Qualquer cluster que responda "não" a duas ou mais destas perguntas está a um incidente operacional de descobrir exatamente porque é que a resposta tinha de ser "sim".

Checklist de monitorização do RabbitMQ para SRE

Se só ler uma secção deste artigo, leia esta. Tudo o que está acima explica porque é que cada sinal importa; esta é a lista que vai para o runbook. Ative o plugin rabbitmq_prometheus (integrado desde a 3.8), recolha as métricas de todos os nós e importe os dashboards oficiais do Grafana. Depois, acompanhe quatro grupos de métricas.

Cluster. Todos os nós a reportar (up em cada alvo de recolha), sem partições (o health check da API de gestão ou rabbitmqctl cluster_status; veja a secção sobre partições de rede acima), estabilidade dos líderes Raft nas filas de quórum (rabbitmq_raft_term_total deve manter-se estável; um term a subir significa que estão a ocorrer eleições) e ambos os alarmes de recursos desativados (rabbitmq_alarms_memory_used_watermark e rabbitmq_alarms_free_disk_space_watermark devem estar a 0). Acompanhe também a margem em bruto: rabbitmq_disk_space_available_bytes e rabbitmq_process_resident_memory_bytes face a rabbitmq_resident_memory_limit_bytes.

Filas. Profundidade (rabbitmq_queue_messages_ready), mensagens sem acknowledgement (rabbitmq_queue_messages_unacked), número de consumidores (rabbitmq_queue_consumers) e utilização dos consumidores (rabbitmq_queue_consumer_utilisation, em que um valor baixo significa que os consumidores estão parados à espera do broker e um valor perto de 1 significa que o broker está à espera dos consumidores), taxa de reentregas (rabbitmq_queue_messages_redelivered_total) e taxa de dead-lettering. A profundidade, por si só, não é um problema; uma profundidade que não para de subir enquanto o número de consumidores se mantém estável é.

Débito e latência. Taxas de publicação e de entrega (rabbitmq_queue_messages_published_total e rabbitmq_queue_messages_delivered_total, calculadas sobre uma janela temporal) e latência dos publisher confirms. O broker não exporta diretamente a latência de confirmação, pelo que deve medi-la na aplicação que publica ou com um publicador canário. Uma diferença entre a taxa de publicação e a taxa de entrega que não se fecha é o sinal de capacidade mais precoce que vai obter.

Plataforma. Reinícios de pods (kube_pod_container_status_restarts_total para o StatefulSet do RabbitMQ), latência dos volumes persistentes a partir da sua storage class ou do node exporter, e throttling de CPU (container_cpu_cfs_throttled_periods_total face a container_cpu_cfs_periods_total). Um throttling acima de alguns pontos percentuais num pod do broker aparece como latência de confirmação muito antes de qualquer coisa no próprio RabbitMQ parecer errada. As secções acima sobre agendamento de pods e I/O de disco explicam o mecanismo.

Os oito alertas que consideramos obrigatórios, com limiares iniciais. Ajuste-os à sua carga de trabalho; o objetivo é ter um aviso antes do alerta crítico.

MétricaAvisoAlerta crítico
Nó em baixo (up == 0)1 nó durante 2 min2 ou mais nós, ou 1 nó durante 10 min
Partição de rede detetadaqualquer uma, de imediatoqualquer uma que dure 5 min
Taxa de rabbitmq_raft_term_totalmais de 1 eleição em 10 minmais de 3 em 10 min
rabbitmq_alarms_memory_used_watermarkmemória acima de 70% do limitealarme ativo (publicadores bloqueados)
rabbitmq_disk_space_available_bytesabaixo de 20% livreabaixo de 2 × o limite de espaço livre em disco
rabbitmq_queue_messages_readya crescer durante 15 minacima da profundidade máxima acordada durante 5 min
rabbitmq_queue_consumer_utilisationabaixo de 0,6 durante 10 minabaixo de 0,3 com a profundidade a crescer
Reinícios de pods1 numa hora3 numa hora, ou CrashLoopBackOff

Há duas coisas que esta tabela não cobre. Primeiro, mensagens sem ack a subir com um número de consumidores estável significam normalmente que um consumidor está bloqueado ou que o prefetch está demasiado alto; crie esse alerta por fila crítica, e não de forma global. Segundo, a taxa de dead-lettering depende da carga de trabalho, pelo que deve alertar sobre desvios face à linha de base, e não sobre um valor fixo.

Encaminhe o nível de aviso para um canal que alguém leia durante o dia e o nível crítico para o piquete. Se está a construir o cluster de raiz, o nosso playbook de implementação em Kubernetes cobre os requests de recursos, as storage classes e as regras de anti-affinity que mantêm a maioria destes alertas em silêncio. Quando um deles dispara na mesma, o guia de resolução de problemas associa cada sintoma a uma correção.

Precisa de ajuda para reforçar o seu cluster RabbitMQ em Kubernetes?

A AceMQ opera RabbitMQ em produção sobre Kubernetes para clientes empresariais dos serviços financeiros, SaaS, saúde e operações Fortune 1000. Construímos a stack de monitorização, afinamos o broker para os modos de falha específicos do Kubernetes, validamos os seus procedimentos de failover e continuamos disponíveis em produção para tratar os incidentes que espera nunca vir a ter.

Se a sua equipa tem dificuldades com a estabilidade do RabbitMQ em Kubernetes — ou está a planear uma implementação Kubernetes de raiz e quer acertar na monitorização desde o início —, fale com a nossa equipa sobre uma avaliação de saúde do RabbitMQ. Auditamos a sua monitorização atual, identificamos as lacunas e preparamos um plano para as colmatar. Se precisa de suporte comercial para RabbitMQ ou de consultoria em RabbitMQ, é exatamente isso que fazemos.

Perguntas frequentes

Como devem as equipas de SRE monitorizar clusters RabbitMQ?

Ative o plugin rabbitmq_prometheus em todos os nós, recolha as métricas juntamente com o kube-state-metrics e o cAdvisor e importe os dashboards oficiais do Grafana. Crie alertas sobre quatro grupos: saúde do cluster (nós ativos, partições, mudanças de term do Raft, alarmes de memória e de disco), saúde das filas (mensagens prontas, sem ack, número e utilização de consumidores, reentregas), débito (taxa de publicação face à de entrega, latência de confirmação medida no publicador) e saúde da plataforma (reinícios de pods, latência dos PV, throttling de CPU). Use um nível de aviso que vai para um canal e um nível de alerta crítico que aciona o piquete. A tabela acima indica limiares iniciais para os oito alertas que consideramos obrigatórios.

Que métricas do RabbitMQ indicam problemas de capacidade?

O primeiro sinal é a taxa de publicação a exceder de forma consistente a taxa de entrega. Segue-se o rabbitmq_queue_messages_ready a crescer enquanto o rabbitmq_queue_consumers se mantém estável, o que significa que são precisos mais consumidores ou consumidores mais rápidos. Um rabbitmq_queue_consumer_utilisation perto de 1 significa que o estrangulamento está nos consumidores; perto de 0, está no broker. Do lado do broker, a memória residente a subir em direção ao rabbitmq_resident_memory_limit_bytes, o rabbitmq_disk_space_available_bytes a descer e o throttling de CPU no pod apontam todos para um nó subdimensionado. Alarmes de memória ou de disco a disparar significam que a capacidade já se esgotou e que os publicadores estão a ser bloqueados.

O que causa instabilidade num cluster RabbitMQ?

Na nossa experiência, as causas são, por ordem aproximada: partições de rede provocadas por pressão nos nós ou por pod disruption budgets mal configurados; alarmes de memória desencadeados por filas profundas ou por um número ilimitado de ligações; contenção de disco em volumes persistentes partilhados, que torna as escritas do Raft lentas ao ponto de provocar eleições de líder; pods do StatefulSet reagendados para nós para onde o respetivo volume não os pode acompanhar; e divergência de versões entre nós durante um rolling upgrade. Quase todas surgem primeiro como um rabbitmq_raft_term_total a subir ou como o reinício de um pod, e é por isso que esses dois alertas estão no topo da tabela. Cada causa tem a sua própria secção acima.

Precisamos de monitorização comercial para o RabbitMQ?

Não. O plugin rabbitmq_prometheus, o Prometheus e os dashboards oficiais do Grafana são gratuitos, bem mantidos e suficientes para a maioria dos ambientes, incluindo os de grande dimensão. O que não lhe dão é uma pessoa que os leia às 3 da manhã, que saiba qual dos oito alertas é o verdadeiro quando disparam três ao mesmo tempo e que já tenha resolvido o problema na sua versão. É isso que um contrato de suporte acrescenta. Cobrimos da 3.8.x à 4.x com objetivos de resposta a partir de 15 minutos, consoante o plano, pelo que o valor está na resposta, não nos dashboards. Mantenha a sua própria monitorização; chame-nos para a interpretação e para a correção.

A monitorização é o passo seis de oito do guia do RabbitMQ em Kubernetes, que aborda por ordem o Operator, o armazenamento, a rede, os requests e limits e os rolling updates.

Scott Sternloff

Autor

Scott SternloffArquiteto empresarial sénior

Arquiteto empresarial sénior na AceMQ. Escreve aqui os conteúdos técnicos: arquitetura, clustering e migrações de RabbitMQ, Kafka e Redis.

Talk to an engineer

Need a hand with RabbitMQ?

Senior engineers who run it in production. Get a quote or a free consultation, no sales pitch.

Consulta gratuita

Obtenha uma análise especializada de cluster RabbitMQ

Quer esteja a resolver um incidente em produção, a planear uma migração ou queira uma segunda opinião sobre a sua arquitetura, a nossa equipa está pronta. Sem discursos de vendas, apenas respostas.

Enviar e-mail