RabbitMQ脑裂问题

脑裂问题

RabbitMQ 集群的网络分区容错性并不高，在网络质量较差的环境中会比较容易出现问题，其中最明显的就是脑裂问题

所谓的脑裂问题，就是在多机热备的高可用 HA 系统中，当两个节点心跳突然断开，就分裂为了两个独立的个体，由于互相失去联系，都认为对方出现了故障，因此都会去争抢对方的资源，争抢启动，由此就会发生严重的后果

举个形象的例子，A 和 B 作为一个双机热备集群的两个节点，各自持有集群的一部分数据 -- a 和 b，这时，两机器之间突然无法通信，A 认为 B 已经挂掉，B 认为 A 已经宕机，于是会出现：

1. 如果 A 拥有 b 数据的备份，则 A 将以完整数据运行，B 也同样以完整数据运行，这将很可能导致两个节点同时读写共享数据造成数据损坏
2. 如果 A、B 各自仅拥有 a、b 数据，那么两个节点要么均无法启动，要么以瓜分完整共享数据的方式启动

总之，无论是哪一种，都不是我们希望见到的

因此，在 RabbitMQ 官方文档中，明确建议了，不要在广域网环境下使用，否则，应该使用 federation 或者 shovel 插件

脑裂问题的解决

当然，我们不能要求集群的可用性或网络的健康达到 100%，即使在局域网中，发生故障的可能性也是存在的

RabbitMQ 3.1 以上版本提供了配置来解决这个问题：

[

{rabbit,

[{tcp_listeners,[5672]},

{cluster_partition_handling, ignore}]

}

]

RabbitMQ 提供了三种配置：

1. ignore：默认配置，发生网络分区时不作处理，当认为网络是可靠时选用该配置
2. autoheal：各分区协商后重启客户端连接最少的分区节点，恢复集群（CAP 中保证 AP，有状态丢失）
3. pause_minority：分区发生后判断自己所在分区内节点是否超过集群总节点数一半，如果没有超过则暂停这些节点（保证 CP，总节点数为奇数个）

使用 pause_minority 可以有效解决脑裂问题，但是会让集群在出现问题后无法使用

参考资料

RabbitMQ Clustering and Network Partitions -- http://www.rabbitmq.com/partitions.html

高可用方案之脑裂问题探讨(原创) -- http://czmmiao.iteye.com/blog/1180851

RabbitMQ 网络分区问题 -- http://88250.b3log.org/rabbitmq-network-partition

文章来源：https://techlog.cn/article/list/10183027