RabbitMQ

O que uma avaliação ou health check RabbitMQ realmente entrega

Tyler Eastridge

Por Tyler Eastridge, Diretor de operações

LinkedIn · Atualizado a

Cluster HealthQueue ConfigSecurity AuditCVE ReviewHealth Check & Assessment
Nesta página
Um health check RabbitMQ é um daqueles serviços que parecem uma venda adicional até se fazer um. As equipas que mais partido tiram das avaliações são normalmente as que entraram céticas — convencidas de que a sua implementação estava estável — e saíram com uma lista priorizada de problemas que a monitorização andava a deixar escapar havia meses.
Este artigo explica o que uma avaliação RabbitMQ realmente cobre, o que recebe no final e as categorias de conclusões que surgem de forma consistente, seja qual for a maturidade da implementação.

O que é um health check ou avaliação RabbitMQ?

Um health check RabbitMQ é uma revisão técnica de âmbito fixo da sua implementação. Não é uma ferramenta de monitorização, nem um teste de intrusão, nem um serviço contínuo. É um projeto estruturado em que um especialista analisa a configuração do cluster, a topologia, as definições de segurança, a utilização de recursos e os padrões operacionais, e produz um relatório de conclusões com recomendações priorizadas.
A AceMQ oferece dois tipos principais de projeto:
Health check autónomo / auditoria de configuração: Uma revisão pontual, de âmbito fixo, sem qualquer compromisso contínuo. Abrange a saúde do cluster, a topologia das filas, as definições de configuração, a base de segurança, o balanceamento de carga e o dimensionamento de recursos. Entrega um relatório de conclusões priorizado. O âmbito típico é de uma a duas semanas.
Discovery + projeto de arquitetura: Uma avaliação mais abrangente que inclui os elementos do health check, além de recomendações de arquitetura, planeamento do caminho de atualização e um roadmap operacional. É muitas vezes o ponto de partida antes de uma migração, de uma atualização de versão ou de uma nova implementação em Kubernetes.

O que é analisado num health check?

Um health check RabbitMQ completo abrange várias camadas da sua implementação:
  • Topologia do cluster e saúde dos nós. Número de nós, distribuição por hosts ou zonas de disponibilidade, utilização de disco e de memória por nó e se a distribuição dos líderes das filas de quórum está equilibrada.
  • Configuração e tipo de filas. Se está a usar filas de quórum ou filas clássicas para cargas de trabalho que exigem alta disponibilidade, se ainda existem filas clássicas espelhadas, os padrões de profundidade das filas e o atraso dos consumidores.
  • Configuração de segurança. Credenciais por omissão removidas ou alteradas, TLS ativado, isolamento por virtual host, permissões dos utilizadores com o âmbito adequado e registo de auditoria.
  • Desempenho e balanceamento de carga. Como as ligações estão distribuídas pelos nós, se o controlo de fluxo dos publishers está a disparar sob carga normal e a configuração do prefetch face ao débito real dos consumidores.
  • Dimensionamento de recursos. Se a memória e o disco atribuídos a cada nó são adequados à profundidade atual das filas e às taxas de mensagens, e se o dimensionamento deixa margem 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 atualização e se há CVE conhecidas que se apliquem.
  • Configuração operacional. Definições de heartbeat, configuração do timeout TCP, políticas de persistência, configuração das dead-letter queues e do TTL das mensagens.

Os cinco problemas que as avaliações encontram quase sempre

Nas avaliações de implementações RabbitMQ empresariais — de bancos e utilities a plataformas SaaS e sistemas de saúde — há cinco categorias de conclusões que se repetem de forma consistente:
1. Filas clássicas espelhadas ainda em uso. As organizações que implementaram o RabbitMQ antes de as filas de quórum serem a recomendação por omissão têm muitas vezes ainda filas clássicas espelhadas nas suas cargas de trabalho críticas. As filas clássicas espelhadas estão descontinuadas (foram removidas no RabbitMQ 4.x) e têm modos de falha conhecidos, incluindo cenários de split-brain.
2. Antivírus ou ferramentas de segurança a analisar os diretórios de dados do RabbitMQ. As ferramentas de proteção de endpoints que incluem os diretórios de dados do RabbitMQ (/var/lib/rabbitmq) no âmbito da análise em tempo real são uma das causas mais comuns de degradações de desempenho inexplicadas. A correção é simples — excluir esses diretórios — mas passa despercebida com frequência.
3. Credenciais por omissão ou utilizadores com permissões a mais. O utilizador por omissão guest ou utilizadores administrativos com permissões amplas aparecem nas avaliações mais vezes do que as equipas esperam. O isolamento por virtual host também fica muitas vezes por implementar.
4. Heartbeat e timeout TCP mal configurados para ambientes cloud. As definições por omissão de heartbeat e de timeout TCP do RabbitMQ estão afinadas para redes locais de baixa latência. Em implementações na cloud — sobretudo entre zonas de disponibilidade ou com NAT gateways — esses valores por omissão provocam quedas de ligação falsas e reconexões desnecessárias dos clientes.
5. Clusters subdimensionados ou desequilibrados. Ou clusters em que três nós estão distribuídos por apenas dois hosts físicos (o que anula a antiafinidade), ou clusters em que o dimensionamento da memória ou do disco não corresponde ao conjunto de trabalho real. As definições do memory high watermark ficam muitas vezes nos valores por omissão, que não refletem os padrões de carga reais.

O passo seguinte: desenhar a arquitetura RabbitMQ futura e, se o parque abrange vários fornecedores, consolidar o suporte à infraestrutura.

O que recebe no final de uma avaliação?

Um relatório de conclusões estruturado e organizado por gravidade (crítica, alta, média, baixa), com:
  • Uma descrição clara de cada conclusão e da razão pela qual é importante
  • Passos de correção concretos — não recomendações vagas, mas as alterações de configuração ou ações efetivamente necessárias
  • Uma sequência priorizada para tratar as conclusões, com base no risco e no esforço
  • Uma recomendação de caminho de atualização (se aplicável à sua versão atual)
  • Um resumo da saúde atual do cluster, adequado para partilhar com a direção
Nos projetos que incluem âmbito de arquitetura, o resultado inclui também um diagrama de arquitetura, orientações de planeamento de capacidade e um roadmap operacional.

Objetivos de resposta a partir de 15 minutos, consoante o plano. Engenheiros seniores designados.

Contacte-nos

A avaliação é útil se a minha implementação parece estável?

Normalmente sim — e é muitas vezes a estabilidade que torna uma avaliação mais valiosa. As equipas cujas implementações estão ativamente avariadas estão concentradas na resposta a incidentes. As equipas com implementações estáveis têm disponibilidade para implementar de facto as recomendações e, muitas vezes, têm problemas menos urgentes que se andam a acumular há meses sem terem ainda provocado um incidente.
As avaliações com maior impacto que fizemos foram para clientes que diziam «está tudo a correr bem, só queremos que um especialista dê uma vista de olhos» — e descobriram decisões de configuração com três anos que estavam silenciosamente a limitar o desempenho ou a criar exposição de segurança.
Pronto para marcar um health check RabbitMQ ou discutir o âmbito de um projeto de discovery? Contacte a nossa equipa de suporte RabbitMQ para conversarmos sobre o que faz sentido para a sua implementação.

O que a avaliação encontra com mais frequência

Em mais de 130 projetos empresariais em 26 países, as mesmas conclusões continuam a aparecer. A maioria é barata de corrigir assim que é identificada, e a maioria é invisível até que algo falhe. Estas são as que mais vezes pomos por escrito.

  • Filas clássicas espelhadas ainda em uso antes da 4.x. O espelhamento de filas clássicas foi removido no RabbitMQ 4.0, pelo que um cluster que ainda depende de políticas ha-mode não tem caminho de atualização enquanto essas filas não forem migradas. As filas espelhadas têm também o pior comportamento em caso de falha de todos os tipos disponíveis. A correção é uma migração fila a fila para filas de quórum, com streams para as poucas cargas de trabalho que precisam de replay. A nossa comparação entre filas clássicas e filas de quórum explica onde cabe cada uma.
  • Sem publisher confirms em fluxos que não podem perder mensagens. Sem confirms, um publisher trata uma escrita TCP bem-sucedida como uma entrega, e as mensagens desaparecem silenciosamente durante a falha de um nó ou um alarme de memória. Vemos isto sobretudo em fluxos de encomendas, pagamentos e faturação, que são precisamente os que não se podem dar a esse luxo. A correção é ativar o modo confirm nesses canais, com nova tentativa em caso de nack, e costuma ser uma pequena alteração de código.
  • Filas ilimitadas, sem limite de tamanho nem TTL. Uma fila sem max-length nem TTL cresce até disparar um alarme de memória ou de disco e, nesse momento, todos os publishers do cluster ficam bloqueados, e não apenas o que alimenta essa fila. A correção é uma política que define max-length ou o TTL das mensagens, com um comportamento de overflow acordado com o responsável pela aplicação.
  • Prefetch deixado no valor por omissão ou ilimitado. Um prefetch ilimitado deixa um consumidor puxar uma fila inteira para a sua própria memória enquanto os outros ficam parados, e transforma a falha de um consumidor numa grande reentrega. A correção é um valor de prefetch ajustado ao tempo de processamento do consumidor, tipicamente algures entre 10 e algumas centenas.
  • Uma única fila quente com a maior parte do tráfego. Uma fila corre como um único processo Erlang num único nó, por isso uma fila que concentra a maior parte do débito do cluster limita todo o cluster a um núcleo. A correção é distribuir a carga por várias filas com encaminhamento consistent-hash ou direct, ou usar um stream se os consumidores conseguirem trabalhar com um modelo baseado em offsets.
  • Feature flags nunca ativadas após as atualizações. As feature flags controlam os formatos em disco e entre nós. Os clusters que foram atualizados ao longo de várias versões minor têm muitas vezes flags ainda desativadas, o que bloqueia por completo a atualização principal seguinte. A correção é ativar todas as flags estáveis quando todos os nós estiverem na mesma versão, e confirmá-lo antes de planear a passagem da 3.x para a 4.x.
  • Versão do Erlang fora da matriz suportada. Cada versão do RabbitMQ suporta um intervalo estreito de versões de Erlang/OTP, e uma combinação sem suporte é a primeira coisa que qualquer pedido de suporte vai pedir para corrigir. A correção é alinhar o Erlang com a versão de destino do RabbitMQ, normalmente na mesma janela de manutenção que a atualização do broker.
  • Sem consumidor nem alerta para as dead letters. As dead-letter exchanges costumam estar configuradas. O que falta é algo que as leia. As mensagens acumulam-se durante meses, e a primeira vez que alguém olha para elas 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 a disparar sem ninguém a ver. Os alarmes de memória e de disco disparam, os publishers bloqueiam e a equipa só sabe pelo lado da aplicação. A correção é encaminhar os eventos de alarme e de nó em baixo para o sistema de alertas que a equipa já usa, com limiares que deixem margem para agir.
  • Definições nunca exportadas. Exchanges, filas, bindings, utilizadores e políticas existem apenas dentro do cluster em execução, pelo que reconstruí-lo após um desastre significa reconstruí-lo de memória. A correção é uma exportação agendada das definições para controlo de versões, o que também torna visíveis as divergências entre ambientes.

Como decorre o projeto e o que recebe

Um health check é um projeto de âmbito fixo, com início e fim definidos. Decorre em quatro passos.

  • Arranque e acessos. Uma chamada curta para acordar o âmbito, indicar os contactos e configurar o acesso só de leitura à interface de gestão e às métricas. Nada no cluster é alterado em momento algum do projeto.
  • Uma a duas semanas de recolha de dados e entrevistas. Recolhemos definições, políticas, métricas dos nós e das filas, logs e detalhes das versões, e falamos com quem é responsável pela plataforma e pelas aplicações que nela correm. As entrevistas são importantes porque as métricas mostram o que o cluster está a fazer, e não o que devia estar a fazer.
  • Uma revisão das conclusões com a equipa. Antes de o relatório ser finalizado, percorremos as conclusões com o cliente, confirmamos cada uma face ao que a equipa sabe e definimos em conjunto a ordem de prioridades.
  • O relatório escrito. Contém conclusões priorizadas, com uma gravidade para cada uma, um plano de correção que a equipa pode executar sem nós, uma posição sobre capacidade e versões e uma opinião go/no-go sobre a próxima atualização. O plano de correção está escrito como tarefas ordenadas, cada uma com a sua justificação, e não como uma lista de boas práticas.

Do lado do cliente, precisamos de um responsável pela plataforma, de um responsável pelas aplicações e de acesso de gestão só de leitura. O custo em tempo do cliente é de algumas horas no total: o arranque, uma ou duas entrevistas e a revisão das conclusões.

Depois do relatório há dois caminhos. A equipa executa o plano ao seu próprio ritmo, ou a AceMQ executa-o no âmbito de um projeto de consultoria RabbitMQ ou como parte de um contrato de suporte, que traz também uma resposta P1 em 15 minutos para o cluster daí em diante. Nenhum dos dois é dado como certo. Ter um parceiro a rever a arquitetura é prática normal para um sistema tão central, e a revisão não o compromete com mais nada. As equipas que queiram ver como é uma arquitetura-alvo sólida antes de começar podem ler o nosso guia de arquitetura RabbitMQ para produção.

Para marcar a versão conduzida por um engenheiro, ou para começar pelo relatório self-service gratuito, consulte o serviço de health check RabbitMQ.

Perguntas frequentes

Um parceiro RabbitMQ pode rever a nossa arquitetura?

Sim. A revisão da arquitetura é o núcleo de um health check RabbitMQ, e é assim que começa a maioria dos projetos com a AceMQ. Enquanto parceiro MSP estratégico exclusivo da Broadcom para RabbitMQ, revemos clusters com qualquer versão entre a 3.8.x e a 4.x, on-premises ou em qualquer cloud, apenas com acesso só de leitura. A revisão abrange topologia, tipos de fila, políticas, comportamento dos clientes, monitorização e preparação para atualizações, e termina num relatório escrito que fica na posse da equipa. Não exige um contrato de suporte nem o compromete com um.

Precisamos de consultoria de arquitetura RabbitMQ?

Nem sempre. Se o cluster está numa versão suportada, os tipos de fila correspondem às cargas de trabalho, os confirms e o prefetch estão definidos de forma deliberada e alguém está atento aos alarmes, provavelmente está tudo bem. Se alguma destas coisas é uma incógnita, ou se vem aí uma atualização para a 4.x e ninguém sabe dizer se o cluster está preparado, um health check responde à pergunta com pouco custo. A maioria das equipas conclui que a avaliação, por si só, cobre aquilo de que precisava, e só algumas avançam para um projeto de consultoria maior.

Quanto tempo demora um health check RabbitMQ?

Duas a três semanas, do início ao fim, num ambiente típico. O arranque e os acessos levam um ou dois dias, a recolha de dados e as entrevistas decorrem durante uma a duas semanas, e a revisão das conclusões e o relatório escrito seguem-se em poucos dias. Ambientes maiores, com muitos clusters ou vários ambientes, demoram mais, e dizemo-lo no orçamento. O tempo exigido ao cliente é de algumas horas ao longo de todo o projeto. Uma indisponibilidade em curso é tratada primeiro ao abrigo do suporte, com resposta P1 em 15 minutos, e a avaliação segue-se quando o cluster estiver estável.

Quanto custa uma avaliação RabbitMQ?

O âmbito é definido pelo número de clusters e de ambientes, e enviamos o orçamento no prazo de 24 horas após uma chamada de definição do âmbito. É normalmente o projeto mais barato da AceMQ, porque o âmbito é fixo, nada é alterado no cluster e o resultado é um relatório e não uma implementação. As correções, se quiser que sejamos nós a fazê-las, são orçamentadas à parte, como consultoria ou suporte, e muitas equipas executam o plano por conta própria.

Consulta gratuita

Peça a um especialista que analise o seu 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