前言

这篇文章是2014年7月对OpenStack RPC问题的总结，因为去年给py-amqp提交的keepalive patch[1]终于被引起重视并merged了 ，所以把笔记公布出来，希望对OpenStacker有所帮助。目前来看，文章所说的问题和方法还没过时。

问题分类

我们使用OpenStack RPC(RabbitMQ)会遇到的多种故障， 社区对这些问题也一直是修修补补，详见 https://bugs.launchpad.net/mos/+bug/856764  。

消息持久性

通过设置各个openstack服务的配置文件和rabbitmq的policy来解决。

RabbitMQ高可用

两种解决办法：

• Haproxy + Rabbitmq集群 + Mirror Queue
• conf.rabbit_hosts + Rabbimq集群 + Mirror Queue

Socket Close

由于一台rabbitmq服务器宕机了，导致连接这台服务器的consumer无法接收到消息，consumer无法觉察到这个idle connection已经被terminated，所以consumer不会重连（即时RabbitMQ服务器已经重启）。则会导致nova-scheduler，nova-compute，cinder-scheduler，cinder-volume，neturon agent无法正常工作。

社区目前的解决办法是：在oslo.messaging，使用heartbeat check线程不断向RabbitMQ发送heartbeat消息，检查connection是否中断。最后的实现版本是 https://review.openstack.org/#/c/146047/  。

在去年的时候，heartbeat check方法没有被merged到oslo.messaging里面，而且我们觉得这个方法把问题弄复杂了，因此使用了一个简单的方法，详见下文。

Consumer Cancel Notifications (CNNs)

当一个queue的slave被提升为master时(旧的master宕机了，导致rabbitmq集群重新选举)，它会向它所连接的所有consumer发送CNN消息，但是不会关闭connections，这导致consumer再也收不到消息了，除非重连。社区的解决办法是：在oslo.messaging，增加channel_error异常处理：https://review.openstack.org/#/c/77276/

Kombu Reconnect Hang

当rabbitmq在选举的时候，client发起连接，rabbitmq不会相响应它的请求，导致client一直处于等待状态。社区的解决办法是：在client重连之前，先迟延1秒钟，等待rabbitmq选举结束之后再重连。

https://review.openstack.org/#/c/76686/

更简单的办法

针对于Socket Close， 我们有更简单的解决办法，只需要给kombu pyamqp transport增加简单的keepalive参数，而不需要实现heartbeat check线程。我们的方法需要修改py-amqp和oslo.messaging 。

OpenStack RPC的调用链是  nova -> rpc -> oslo.messaging -> kombu -> pyamqp(or others)

修改oslo.messaging，增加了几个参数  https://github.com/zhurongze/oslo.messaging/commit/71c3380c4c411eed261ab0a4741931d07d5c44c7

oslo.messaging会强制kombu使用 pyamqp transport，并把keepalive options通过kombu传给 pyamqp transport。

在kombu的代码中 https://github.com/celery/kombu/blob/master/kombu/transport/__init__.py 可以看到

在 https://github.com/celery/kombu/blob/master/kombu/transport/pyamqp.py 中 import 了 amqp 模块。在CentOS 6.5中 amqp 模块对应的代码是py-amqplib，目前已经不维护了。在Ubuntu 14.04 中的 amqp 模块对应的代码是 py-amqp，目前是由celery团队维护的。kombu模块也是celery团队维护的。

我们在py-amqp增加keepalive参数[1]，使得默认tcp keepalive检查时间由7200秒(Linux默认值)变为30秒(可设置)，这样就能快速检测除已经被terminated的connection。

假如你没有指定transport类型，而且host支持librabbitmq，kombu会默认使用 librabbitmq作为transport。

[1] https://github.com/celery/py-amqp/commit/b9a6601a93927449fa6f524750e3842cc5c181bd