RabbitMQ 集群常见“坑”全攻略：从根本原因到救命排查技巧

RabbitMQ 集群常见“坑”全攻略：从根本原因到救命排查技巧

RabbitMQ 集群是保障消息队列 高可用 和 高性能 的核心架构，但在实际部署和运维过程中，往往会踩到各种“坑”。
本文将系统梳理这些常见问题、根本原因，并总结关键的排查和修复技巧，帮助你在生产环境中更好地稳定 RabbitMQ 集群。

一、RabbitMQ 集群常见“坑”与根本原因

RabbitMQ 集群故障大多可以归纳为 网络、磁盘、配置、资源 四大类问题。

1. 网络分区（Network Partition） —— 最致命的问题

• 现象：
  • rabbitmqctl cluster_status 出现 partitions。
  • 管理 UI 出现红色警告 “Network partition detected”。
  • 节点之间失联，各自为政，可能导致 消息重复消费或丢失。
• 根本原因：
  • 防火墙/安全组未放行 4369（epmd）、25672（Erlang 通信）。
  • 网络延迟高、丢包严重或设备故障。
  • 节点负载过高导致心跳延迟。

2. 磁盘空间不足（Disk Alarm）

• 现象：生产者被阻塞，publish 失败，管理 UI 显示连接被阻塞。
• 根本原因：
  • 队列消息堆积未消费。
  • 日志未清理占满磁盘。
  • 磁盘容