蓝鲸rabbitmq监控实践

本文来自腾讯蓝鲸智云社区用户：vinco

蓝鲸rabbitmq监控实践

rabbitmq是蓝鲸所依赖的消息队列服务，影响着多个服务，如作业平台、标准运维、监控平台、节点管理、日志平台等。因为rabbitmq服务异常而导致的故障往往比较隐蔽，这类故障往往无法在页面直接反馈出来。在生产环境中曾遇到过因为rabbitmq异常，导致作业任务以及标准运维任务执行卡住的情况，如果故障发生在夜间，会导致一些重要的定时任务无法按照预期执行，容易造成一些重大运维事故。所以通过监控掌握rabbitmq服务的运行情况，对于整个蓝鲸服务的正常运行至关重要。这里提供一个rabbitmq监控实践总结。

rabbitmq_exporter

rabbitmq监控指标采集使用开源的rabbitmq_exporter，本身监控平台就支持各类exporter插件，这里我们可以拿来即用。如果是监控平台版本是V3.6.3029或者版本相近的，可以直接使用文末附件导入，其他版本的监控平台没有测试过。

启用rabbitmq_management插件

rabbitmq_exporter采集依赖于rabbitmq启用rabbitmq_management插件。

rabbitmq_management 插件是 RabbitMQ 提供的一个管理插件，让用户可以通过图形化的方式来管理 RabbitMQ，它还提供一系列接口，rabbitmq_exporter通过请求这些接口来获取rabbitmq的各项指标。

通过以下命令启用rabbitmq_management插件

rabbitmq-plugins enable rabbitmq_management

插件启用不需要重启rabbitmq，如果是rabbitmq集群，则每个rabbitmq节点都需要启用rabbitmq_management

rabbitmq_management插件启用成功后，会在节点上监听15672端口

下载rabbitmq_exporter

Release下载地址：https://github.com/kbudde/rabbitmq_exporter/releases

Linux选择最新版本即可: rabbitmq_exporter

下载并解压至本地

rabbitmq_exporter_1.0.0-RC19_linux_amd64.tar.gz
   |- LICENSE
   |- README.md
   |- rabbitmq_exporter

监控平台导入exporter插件

「插件」-「新建」- 「插件类型选择Exporter」-「上传rabbitmq_exporter」

绑定端口：9419

绑定主机：127.0.0.1

定义以下环境变量参数：

参数	类型	默认值类型	默认值
RABBIT_URL	环境变量	文本	http://127.0.0.1:15672
RABBIT_USER*	环境变量	文本	admin
RABBIT_PASSWORD	环境变量	密码	无
PUBLISH_PORT	环境变量	文本	${port}
PUBLISH_ADDR	环境变量	文本	${host}
RABBIT_EXPORTERS*	环境变量	文本	exchange,node,overview,queue,aliveness
ALIVENESS_VHOST*	环境变量	文本	/

RABBIT_USER：任意一个tag=management用户都可以，rabbitmqctl list_users命令可以查看用户tag

RABBIT_EXPORTERS：rabbitm_exporter把指标分成了module，可以认为是进行了分类，RABBIT_EXPORTERS表示要采集的指标类别

ALIVENESS_VHOST：利用rabbitmq 的aliveness接口探测服务状态，接口会默认在探测的vhost下创建名为aliveness-test的队列，接口通过对aliveness-test队列消息的发送和接收来判断rabbitmq服务状态，确保RABBIT_USER设置的用户具有对ALIVENESS_VHOST指定的vhost有创建queue的权限，比如RABBIT_USER指定为admin，执行rabbitmqctl set_permissions -p / admin ".*" ".*" ".*" 为admin用户授权

调试插件，选择一台rabbitmq进行调试，并保存指标，如果指标名和监控平台保留字冲突，需要先转换指标名才能保存

采集

「数据采集」-「新建」-「填写采集名称和RABBIT_PASSWORD」

RABBIT_PASSWORD为rabbitmq的admin密码，其他保持默认即可

采集目标选择「动态拓扑」-「蓝鲸 / 公共组件 / rabbitmq」-「完成采集下发」

监控仪表盘

rabbitmq_exporter采集的和rabbitmq相关的指标，都带有rabbimtq_的前缀

以下几个指标需要特别关注，其他指标请参考：https://github.com/kbudde/rabbitmq_exporter

指标名	描述	Label（维度）
aliveness_info	aliveness状态，1或0	无
up	节点存活状态，1或0	node
uptime	节点运行时长（ms）	cluster, node, self*
running	状态为running的节点数量	cluster, node, self
node_mem_used	节点已使用的内存数量（byte）	cluster, node, self
node_mem_limit*	节点内存限制（byte），默认是节点内存的40%	cluster, node, self
node_mem_alarm	rabbitmq内存使用率达到node_mem_limit时告警，1告警，0不告警	cluster, node, self
node_disk_free	内存空闲量（byte）	cluster, node, self
node_disk_free_limit	内存空闲量限制（byte），默认是50MB	cluster, node, self
node_disk_free_alarm	内存空闲量小于node_disk_free_limit时告警，1告警，0不告警	cluster, node, self
partitions	网络分区数，发生网络分区是为2，正常为0	cluster, node, self
queue_messages_ready	ready的消息数量	cluster, vhost, queue, durable, policy, self
queue_messages_unacknowledged	unacknowledged的消息数量	cluster, vhost, queue, durable, policy, self
queue_memory	队列占用的内存大小（byte）	cluster, vhost, queue, durable, policy, self

self：self=1表示该条数据是当前节点的数据，rabbitmq_exporter访问当前节点的management接口，可以获取到集群所有节点的数据，用self这个label就可能表示获取到的指标是否是属于当前节点，比如在节点rabbit@VM-240-33-centos.node.consul上采集的rabbitmq_uptime指标，就包含了所有节点的uptime数据。

# 在rabbit@VM-240-33-centos.node.consul节点上执行curl -s 127.0.0.1:9419/metrics | grep rabbitmq_uptime 
rabbitmq_uptime{cluster="rabbit@VM-240-18-centos",node="rabbit@VM-240-18-centos.node.consul",self="0"} 1.260266076e+09
rabbitmq_uptime{cluster="rabbit@VM-240-18-centos",node="rabbit@VM-240-33-centos.node.consul",self="1"} 1.433729125e+09  

node_mem_limit：对应vm_memory_high_watermark配置，默认情况下 vm_memory_high_watermark 的值为0.4，即内存阈值为 0.4， 表示当 RabbitMQ 使用的内存超过 40%时，就会产生内存告警井阻塞所有生产者的连接。一旦告警被解除(有消息被消费或者从内存转储到磁盘等情况的发生)， 一切都会恢复正常。

文末提供仪表盘附件导入

监控告警策略

建议设置以下指标告警：

指标名	静态阈值	描述
rabbitmq_uptime	<600000	服务重启告警
rabbitmq_up	<1	节点失活告警
rabbitmq_aliveness_info	<1	服务异常告警
rabbitmq_node_mem_alarm	>=1	内存使用达到阈值告警
rabbitmq_partitions	>=2	出现网络分区告警
rabbitmq_node_mem_used	>节点内存的35%	内存使用告警

建议再加上蓝鲸平台自带的应用内存率告警和磁盘使用率告警

附件

仪表盘
采集&策略&仪表盘
rabbitmq_exporter

查看更多蓝鲸运维文章，请跳转：蓝鲸运维手册大全