消息追踪与排查专题
专题说明
本专题聚焦 RabbitMQ 消息追踪与问题排查能力，从消息生命周期追踪、日志分析、插件工具到线上故障定位，系统性构建专家级排查能力。
学习目标
- 掌握 RabbitMQ Tracer 插件与消息追踪机制
- 学会通过日志与管理界面定位消息丢失、积压、重复消费等问题
- 具备生产环境复杂故障的快速排查与根因分析能力
学习建议
专家级内容需要深入理解底层原理，建议结合源码学习。
📝 配套习题（20 题）
💡 参考答案在文末
判断题
1
要确保 RabbitMQ 中的消息在节点重启后不丢失，必须同时满足以下三个条件：(1) 队列声明时设置 durable=true；(2) 发布消息时设置 delivery_mode=2（持久化消息）；(3) 发布消息时设置 mandatory=true。如果其中任何一个条件不满足，消息在重启后都可能丢失。
2
在 RabbitMQ 中，如果消费者使用自动 ACK 模式（autoAck=true），当消息从队列投递给消费者后，RabbitMQ 会立即将该消息标记为已确认并从队列中删除。如果消费者在处理消息时发生异常（如抛出未捕获异常或进程崩溃），该消息不会被重新投递，从而导致消息丢失。
3
当 RabbitMQ 的内存使用量达到 vm_memory_high_watermark（默认物理内存的 40%）时，系统会自动进入 Flow Control 状态。此时，所有已建立的连接上的生产者会被阻塞（阻塞发布），但消费者可以继续正常消费消息，管理界面和 API 也可以正常访问。
4
在搭建 RabbitMQ 监控大盘时，Prometheus 负责采集和存储指标数据，Grafana 负责可视化和告警。Grafana 内置了 RabbitMQ 的官方 Dashboard 模板，可以直接从 Grafana.com 导入使用，无需自行编写 PromQL 查询语句。
5
在 RabbitMQ 集群监控中，node_mem_used 和 node_disk_free 等指标是每个节点独立上报的。告警系统应该针对每个节点分别设置告警阈值，而不应该对集群所有节点的指标取平均值后进行告警，因为平均值可能掩盖单个节点的异常情况。
单选题
6
关于 RabbitMQ Prometheus 集成方案，以下说法正确的是：
7
关于 RabbitMQ 的 Firehose 消息追踪功能，以下说法正确的是：
8
RabbitMQ Prometheus 插件提供了两个指标端点：/metrics（聚合指标）和 /metrics/per-object（按对象拆分的详细指标）。关于这两个端点的对比，以下说法正确的是：
9
以下关于 RabbitMQ 核心监控指标的描述，说法正确的是：
10
在 RabbitMQ 中，一条消息从生产者发布到消费者确认消费的完整链路涉及多个环节。以下哪个环节最不可能导致消息丢失？
多选题
11
关于 RabbitMQ rabbitmq_prometheus 插件的配置和指标特性，以下说法哪些是正确的？
12
关于 RabbitMQ Firehose 消息追踪的使用场景和操作，以下说法哪些是正确的？
13
在 RabbitMQ 监控中，以下哪些指标可以用来判断消息积压问题？
14
排查 RabbitMQ 消息丢失问题时，以下哪些方法可以帮助快速定位消息在哪个环节丢失？
填空题
15
RabbitMQ 消息丢失的常见根因可以分为以下四类： (1) ____________ 问题：未启用 Publisher Confirm，消息未到达 Broker 即丢失； (2) ____________ 问题：交换机未绑定队列或路由键不匹配，消息被丢弃； (3) ____________ 问题：队列或消息未持久化，节点重启后数据丢失； (4) 消费者端 问题：自动 ACK 模式下消息被消费但业务处理失败，或手动 ACK 时未正确处理异常导致消息被确认但业务未成功。
16
在 Grafana 中使用 PromQL 查询 RabbitMQ 集群指标时，以下查询语句的含义：
(1) sum(rabbitmq_queue_messages{state="running"}) 表示 ____________ ；
(2) rate(rabbitmq_queue_messages_published_total[5m]) 表示 ____________ ；
(3) avg(rabbitmq_process_resident_memory_bytes) by (node) 表示 ____________ 。
17
为 RabbitMQ 设计合理的告警规则时，每个告警应包含以下关键要素：(1) ____________ — 被监控的具体指标；(2) ____________ — 触发告警的条件（如 > 10000 或持续 5 分钟超过水位线）；(3) ____________ — 如 Warning、Critical、Emergency；(4) 响应动作 — 告警触发后应采取的操作或排查步骤。
简答题
18
请描述 RabbitMQ 集群接入 Prometheus + Grafana 监控的完整实施步骤，包括：
- RabbitMQ 端启用 Prometheus 插件并验证
- Prometheus 配置 scrape 目标
- Grafana 导入 Dashboard 并设置告警规则
19
某电商系统的订单服务报告"部分订单消息丢失"。请给出一个系统化的排查方案，按照消息从生产者到消费者的完整链路，列出每个排查步骤、使用的工具和命令、以及判断标准。
20
请为 RabbitMQ 生产集群设计一套完整的监控告警体系，涵盖以下三个级别，每个级别列出 2-3 个关键指标、告警阈值和响应动作：
- Warning 级别（需要关注，暂未影响服务）
- **Critical 级别（需要立即处理）
- **Emergency 级别（服务已受影响）
参考答案
1.错误
2.正确
3.正确
4.正确
5.正确
6.C
7.B
8.B
9.A
10.D
11.A;B;D;E
12.A;B;D
13.A;B;C;D;E
14.A;B;C;D;E
15.生产者端;路由;存储## 解析
RabbitMQ 消息丢失的四类根因：
**1. 生产者端问题**
- 未启用 Publisher Confirm：生产者发送消息后，Broker 在消息到达之前崩溃或网络中断，生产者不知道消息丢失。
- 网络连接异常：TCP 连接断开，消息未完整传输。
- **排查方法**：启用 Publisher Confirm + Return Listener，确认消息到达和路由状态。
**2. 路由问题**
- 交换机未绑定任何队列：消息到达交换机但无目标队列。
- 路由键不匹配：路由键和绑定键不匹配（如 topic 交换机的通配符不匹配）。
- **排查方法**：检查绑定关系、路由键；配置 `alternate-exchange` 捕获未路由消息。
**3. 存储问题**
- 队列未设置 `durable=true`：重启后队列消失。
- 消息未设置 `delivery_mode=2`：重启后消息丢失。
- 磁盘空间不足：RabbitMQ 无法写入持久化数据。
- **排查方法**：确认队列和消息的持久化配置；监控磁盘空间。
**4. 消费者端问题**
- 自动 ACK：消息一旦投递就自动确认，消费者处理失败也无法重发。
- 手动 ACK 但逻辑错误：无论业务成功与否都发送 ACK。
- 消费者崩溃未 NACK：消息卡在 unacknowledged 状态。
- **排查方法**：使用手动 ACK；正确处理业务异常；配置 DLX 处理失败消息。
16.集群中所有运行中队列的消息总数 ; 过去5分钟内各队列的消息发布速率（条/秒） ; 按节点分组的平均内存使用量
17.指标名称;告警阈值;严重级别## 解析
告警规则设计的四个关键要素：
**1. 指标名称（Metric Name）**
明确指定被监控的指标，如 `queue_messages_ready`、`mem_used`、`fd_used` 等。指标名称应与管理 API 或 Prometheus Exporter 返回的字段名一致。
**2. 告警阈值（Alert Threshold）**
设置触发告警的条件，建议包含：
- **绝对值阈值**：如 `queue_messages_ready > 10000`。
- **持续时间**：如持续 5 分钟超过阈值（避免瞬时毛刺误报）。
- **变化率**：如 5 分钟内消息数增长率 > 200%。
**3. 严重级别（Severity Level）**
- **Warning**：潜在问题，需要关注（如队列消息数接近上限的 80%）。
- **Critical**：需要立即处理（如内存达到水位线、磁盘剩余不足）。
- **Emergency**：服务受影响（如队列无消费者、节点宕机）。
**4. 响应动作（Runbook / Response Action）**
为每个告警编写 Runbook，说明：
- 排查步骤（如检查消费者日志、查看积压队列详情）。
- 应急措施（如临时增加消费者实例、手动触发 Flow Control 解除）。
- 升级路径（如多长时间未解决需要上报）。
18.略
19.略
20.略
想在手机上练习这套专题？
使用微信卷王开发者小程序，打开首页顶部扫码功能识别二维码
