监控、指标与告警

使用平台监控图表和告警策略来观察 RabbitMQ 的资源使用情况、broker 健康状态、队列增长和流量模式。监控应回答两个不同的问题：

指标采集

平台默认会收集 RabbitMQ 指标。内置监控图表展示了最常见的 broker 和资源信号，便于进行运维检查和性能调优。

默认情况下，RabbitMQ 指标由 broker 通过端口 15692 暴露。如果启用了独立 exporter 集成（spec.exporter.enabled=true），指标也可以从 exporter 服务的端口 9419 获取。

验证 broker listener 是否存在：

kubectl -n <namespace> exec <instance-name>-server-0 -- \
  rabbitmq-diagnostics listeners

验证 Service 是否暴露了预期端口：

kubectl -n <namespace> get svc <instance-name>

类别	关注内容	重要原因
实例可用性	`RabbitmqCluster` phase、就绪状态和服务可达性	表示从平台和网络视角看集群是否可用。
连接和 channel	连接数、channel 数、consumer 数	突然下降或激增通常表示客户端故障或连接风暴。
发布和投递速率	消息入站、投递、确认和重投递速率	表示 producer 和 consumer 是否保持平衡。
队列堆积量	`messages_ready`、`messages_unacknowledged`、队列数量	指示 consumer 堆积量、卡住的 consumer 或重试循环。
内存	内存使用率、high watermark、内存告警	内存告警会阻止 publisher 并降低吞吐量。
磁盘	可用磁盘空间和磁盘告警	磁盘告警会阻止 publisher，并表明存在堆积量或存储容量规划问题。
文件描述符和 socket	已使用的文件描述符和 socket 数量	保护 broker 避免耗尽与连接相关的资源。
插件和 listener	Management、Prometheus、TLS、Shovel 或 Federation listener	确认运维功能在更新后仍然保持启用。

RabbitMQ 默认主要导出 broker 级别的指标。当你需要更细粒度的按队列或按 exchange 分析时，请将 broker 指标与应用指标、队列检查命令以及工作负载特定的图表结合使用。

信号	推荐起点	运维含义
实例可用性	30 秒内 `!= 1`	集群对客户端并非完全可用。
节点内存利用率	30 秒内 `> 80%`	内存压力正在上升，可能触发 broker 告警。
节点存储利用率	30 秒内 `> 80%`	broker 正在接近磁盘压力和发布阻塞风险。
channel 数	基于应用设计的阈值	突然增长可能表示连接抖动或 channel 泄漏。
连接数	基于应用设计的阈值	大幅下降或激增通常表示客户端或网络问题。
消息写入频率	基于预期工作负载的阈值	下降可能表示 producer 问题；激增可能需要扩容或限制堆积量。
队列堆积量	ready 或 unacknowledged 消息持续增长	consumer 未能跟上，或重试模式不健康。

信号	解释	建议后续操作
磁盘告警处于激活状态	broker 正在进行自我保护，因为可用空间低于配置的 watermark。	检查堆积量、存储使用情况和消息保留策略。
内存告警处于激活状态	broker 正在承受内存压力，并且可能阻止 publisher。	检查连接抖动、队列增长和内存消耗较大的工作负载。
`messages_ready` 增长	consumer 未能足够快地从队列中取走消息。	检查 consumer 健康状况、扩缩容、堆积量控制和重试拓扑。
`messages_unacknowledged` 增长	consumer 持有消息投递的时间超过预期。	检查 consumer 延迟、prefetch、下游依赖以及卡住的 consumer。
连接数急剧下降	producer 或 consumer 失去了连通性。	检查服务暴露、TLS、凭据和 broker 告警。
连接数急剧上升	客户端可能在反复重连。	检查滚动重启、DNS、TLS 失败和应用重连循环。

前往 Application Service 的 Alerts > Alert Policies 页面，为 RabbitMQ 创建告警策略。内置指标是启用基础覆盖范围最快的方式。当内置指标不足以满足需求时，请创建基于自定义 PromQL 的告警，并在生产环境依赖它们之前先进行测试。

有关配置和使用告警的更多信息，请参阅平台的 Alert Management 文档。