Nesta página
O que é um health check ou avaliação RabbitMQ?
O que é analisado num health check?
- 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
/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.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.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?
- 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
A avaliação é útil se a minha implementação parece estável?
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.