AI 助理
备案控制台
开发者社区 大数据与机器学习 文章 正文

RabbitMQ集群部署

2025-12-29 6
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 本文介绍RabbitMQ集群部署，包括普通模式与高可用方案。首先通过Docker搭建三节点集群，配置Erlang Cookie和rabbitmq.conf实现节点通信；接着演示队列创建、数据共享及宕机测试，发现普通模式无高可用能力；进而引入镜像模式，通过策略设置实现队列多副本，支持主从切换；最后重点介绍3.8版本后推荐的仲裁队列，其具备自动选举、强一致性等优势，配置更简便，是实现高可用的首选方案。

1 部署准备

1.1 需求

我们先来看普通模式集群，我们的计划部署3节点的mq集群：

集群中的节点标识默认都是：rabbit@[hostname]，因此以上三个节点的名称分别为：

rabbit@mq1

rabbit@mq2

rabbit@mq3

1.2.获取cookie

RabbitMQ底层依赖于Erlang，而Erlang虚拟机就是一个面向分布式的语言，默认就支持集群模式。集群模式中的每个RabbitMQ 节点使用 cookie 来确定它们是否被允许相互通信。

要使两个节点能够通信，它们必须具有相同的共享密钥，称为Erlang cookie。cookie 只是一串最多 255 个字符的字母数字字符。

每个集群节点必须具有相同的 cookie。实例之间也需要它来相互通信。

我们先在之前启动的mq容器中获取一个cookie值，作为集群的cookie。执行下面的命令：

docker exec -it mq cat /var/lib/rabbitmq/.erlang.cookie

可以看到cookie值如下：

FXZMCVGLBIXZCDEMMVZQ

1.3 准备配置文件

在/root/mq目录新建一个配置文件 rabbitmq.conf：

cd /root/mq

创建文件

touch rabbitmq.conf

文件内容如下：

loopback_users.guest = false
listeners.tcp.default = 5672
cluster_formation.peer_discovery_backend = rabbit_peer_discovery_classic_config
cluster_formation.classic_config.nodes.1 = rabbit@mq1
cluster_formation.classic_config.nodes.2 = rabbit@mq2
cluster_formation.classic_config.nodes.3 = rabbit@mq3

这段配置定义了一个包含三个节点的RabbitMQ集群，节点名称分别为 rabbit@mq1、rabbit@mq2 和 rabbit@mq3。这些节点将通过静态配置的方式互相发现对方，并形成集群。同时，配置禁用了guest用户通过环回接口登录，确保了基本的安全性，并且设置了默认的AMQP端口为5672。

配置项的具体含义：

  1. loopback_users.guest = false

这一行配置禁用了guest用户通过环回接口（localhost或127.0.0.1）登录RabbitMQ。默认情况下，guest用户只能通过环回接口登录。设置为 false 后，guest用户将不能通过环回接口登录，这有助于增强安全性。

  1. listeners.tcp.default = 5672

这一行配置指定了RabbitMQ监听的默认AMQP端口。在这里设置为5672，这是RabbitMQ的标准AMQP端口。

  1. cluster_formation.peer_discovery_backend = rabbit_peer_discovery_classic_config

这一行配置指定了集群节点之间如何发现彼此。rabbit_peer_discovery_classic_config 表示使用经典配置方式来发现集群中的其他节点。这是一种静态配置方式，需要显式地列出所有集群中的节点。

  1. cluster_formation.classic_config.nodes.1 = rabbit@mq1

这一行配置指定了集群中的第一个节点，即mq1节点，其节点名称为 rabbit@mq1。这里使用了Erlang节点命名约定，rabbit@ 后面跟着的是节点的主机名或别名。

  1. cluster_formation.classic_config.nodes.2 = rabbit@mq2

这一行配置指定了集群中的第二个节点，即mq2节点，其节点名称为 rabbit@mq2。

  1. cluster_formation.classic_config.nodes.3 = rabbit@mq3

这一行配置指定了集群中的第三个节点，即mq3节点，其节点名称为 rabbit@mq3。

再创建一个文件，记录cookie

cd /root/mq

创建cookie文件

touch .erlang.cookie

写入cookie

echo "CSFKFPKBBZGMXSGLDSYW" > .erlang.cookie

修改cookie文件的权限

chmod 600 .erlang.cookie

准备三个目录,mq1、mq2、mq3：

cd /root/mq

创建目录

mkdir mq1 mq2 mq3

然后拷贝rabbitmq.conf、cookie文件到mq1、mq2、mq3：

进入/root/mq

cd /root/mq

拷贝

cp rabbitmq.conf mq1
cp rabbitmq.conf mq2
cp rabbitmq.conf mq3
cp .erlang.cookie mq1
cp .erlang.cookie mq2
cp .erlang.cookie mq3

2 部署集群

2.1 创建三个节点

创建一个网络：

  • docker network create mq-net
  • docker volume create

运行命令创建三个节点 ：

节点1

docker run -d --net mq-net \
-v ${PWD}/mq1/rabbitmq.conf:/etc/rabbitmq/rabbitmq.conf \
-v ${PWD}/.erlang.cookie:/var/lib/rabbitmq/.erlang.cookie \
-e RABBITMQ_DEFAULT_USER=itcast \
-e RABBITMQ_DEFAULT_PASS=123321 \
--name mq1 \
--hostname mq1 \
-p 8071:5672 \
-p 8081:15672 \
rabbitmq:3.8-management

节点2：

docker run -d --net mq-net \
-v ${PWD}/mq2/rabbitmq.conf:/etc/rabbitmq/rabbitmq.conf \
-v ${PWD}/.erlang.cookie:/var/lib/rabbitmq/.erlang.cookie \
-e RABBITMQ_DEFAULT_USER=itcast \
-e RABBITMQ_DEFAULT_PASS=123321 \
--name mq2 \
--hostname mq2 \
-p 8072:5672 \
-p 8082:15672 \
rabbitmq:3.8-management

节点3

docker run -d --net mq-net \
-v ${PWD}/mq3/rabbitmq.conf:/etc/rabbitmq/rabbitmq.conf \
-v ${PWD}/.erlang.cookie:/var/lib/rabbitmq/.erlang.cookie \
-e RABBITMQ_DEFAULT_USER=itcast \
-e RABBITMQ_DEFAULT_PASS=123321 \
--name mq3 \
--hostname mq3 \
-p 8073:5672 \
-p 8083:15672 \
rabbitmq:3.8-management

苹果本在创建容器时注意添加：

-e RABBITMQ_CONFIG_FILE=/etc/rabbitmq/rabbitmq.conf

2.2 测试

2.2.1 创建队列

登录任意一个节点都会显示三个节点的情况。

节点 一：http://192.168.101.68:8081/#/，账号和密码：itcast/123321

节点 二 ：http://192.168.101.68:8082/#/，账号和密码：itcast/123321

节点 三：http://192.168.101.68:8083/#/，账号和密码：itcast/123321

在mq1这个节点上添加一个队列：

如图，在mq2和mq3两个控制台也都能看到：

2.2.2 数据共享

下边测试数据共享：

点击这个队列，进入管理页面：

然后利用控制台发送一条消息到这个队列：

结果在mq2、mq3上都能看到这条消息：

2.2.3 可用性测试

我们让其中一台节点mq1宕机：

docker stop mq1

然后登录mq2或mq3的控制台，发现simple.queue也不可用了：

说明数据并没有拷贝到mq2和mq3。

2.2.4 注意Java连接参数

Spring Boot应用连接RabbitMQ集群需要更改为如下配置，收发消息的程序和单机版一样。

spring:
  rabbitmq:
    addresses: 192.168.101.68:8071,192.168.101.68:8072,192.168.101.68:8073 # 你的虚拟机IP
#    host: 192.168.101.68
#    port: 5672 # 端口
    virtual-host: /hmall # 虚拟主机
    username: hmall # 用户名
    password: 123 # 密码

3.镜像模式

在刚刚的案例中，一旦创建队列的主机宕机，队列就会不可用。不具备高可用能力。如果要解决这个问题，必须使用官方提供的镜像集群方案。官方文档地址：https://www.rabbitmq.com/ha.html

3.1.镜像模式的特征

默认情况下，队列只保存在创建该队列的节点上。而镜像模式下，创建队列的节点被称为该队列的主节点，队列还会拷贝到集群中的其它节点，也叫做该队列的镜像节点。

但是，不同队列可以在集群中的任意节点上创建，因此不同队列的主节点可以不同。甚至，一个队列的主节点可能是另一个队列的镜像节点。

用户发送给队列的一切请求，例如发送消息、消息回执默认都会在主节点完成，如果是从节点接收到请求，也会路由到主节点去完成。镜像节点仅仅起到备份数据作用。

当主节点接收到消费者的ACK时，所有镜像都会删除节点中的数据。

总结如下：

  • 镜像队列结构是一主多从（从就是镜像）
  • 所有操作都是主节点完成，然后同步给镜像节点
  • 主宕机后，镜像节点会替代成新的主（如果在主从同步完成前，主就已经宕机，可能出现数据丢失）
  • 不具备负载均衡功能，因为所有操作都会有主节点完成（但是不同队列，其主节点可以不同，可以利用这个提高吞吐量）

3.2.镜像模式的配置

镜像模式的配置有3种模式：

ha-mode

ha-params

效果

精确模式exactly

队列的副本量count

集群中队列副本（主服务器和镜像服务器之和）的数量。count如果为1意味着单个副本：即队列主节点。count值为2表示2个副本：1个队列主和1个队列镜像。换句话说：count = 镜像数量 + 1。如果群集中的节点数少于count，则该队列将镜像到所有节点。如果有集群节点总数大于count，当包含镜像的节点出现故障，则将在另一个节点上创建一个新的镜像。

all

(none)

队列在群集中的所有节点之间进行镜像。队列将镜像到任何新加入的节点。镜像到所有节点将对所有群集节点施加额外的压力，包括网络I / O，磁盘I / O和磁盘空间使用情况。推荐使用exactly，设置副本数为（N / 2 +1）。

nodes

node names

指定队列创建到哪些节点，如果指定的节点全部不存在，则会出现异常。如果指定的节点在集群中存在，但是暂时不可用，会创建节点到当前客户端连接到的节点。

精确模式：设定镜像数量

all模式：在所有节点镜像

nodes：指定镜像节点

3.2.1.exactly模式

这里我们以rabbitmqctl命令作为案例来讲解配置语法。

下边是创建精确模式集群的语法。

rabbitmqctl set_policy -p / ha-two "^two\." '{"ha-mode":"exactly","ha-params":2,"ha-sync-mode":"automatic"}'
  • rabbitmqctl set_policy：固定写法
  • -p 或 --vhost：指定虚拟主机的名称。
  • ha-two：策略名称，自定义
  • "^two\."：匹配队列的正则表达式，符合命名规则的队列才生效，这里是任何以two.开头的队列名称
  • '{"ha-mode":"exactly","ha-params":2,"ha-sync-mode":"automatic"}': 策略内容
  • "ha-mode":"exactly"：策略模式，此处是exactly模式，指定副本数量
  • "ha-params":2：策略参数，这里是2，就是副本数量为2，1主1镜像
  • "ha-sync-mode":"automatic"：同步策略，默认是manual，即新加入的镜像节点不会同步旧的消息。如果设置为automatic，则新加入的镜像节点会把主节点中所有消息都同步，会带来额外的网络开销

3.2.2.all模式

rabbitmqctl set_policy ha-all "^all\." '{"ha-mode":"all"}'
  • ha-all：策略名称，自定义
  • "^all\."：匹配所有以all.开头的队列名
  • '{"ha-mode":"all"}'：策略内容
  • "ha-mode":"all"：策略模式，此处是all模式，即所有节点都会称为镜像节点

3.2.3.nodes模式

rabbitmqctl set_policy ha-nodes "^nodes\." '{"ha-mode":"nodes","ha-params":["rabbit@nodeA", "rabbit@nodeB"]}'
  • rabbitmqctl set_policy：固定写法
  • ha-nodes：策略名称，自定义
  • "^nodes\."：匹配队列的正则表达式，符合命名规则的队列才生效，这里是任何以nodes.开头的队列名称
  • '{"ha-mode":"nodes","ha-params":["rabbit@nodeA", "rabbit@nodeB"]}': 策略内容
  • "ha-mode":"nodes"：策略模式，此处是nodes模式
  • "ha-params":["rabbit@mq1", "rabbit@mq2"]：策略参数，这里指定副本所在节点名称

3.3.测试

我们使用exactly模式的镜像，因为集群节点数量为3，因此镜像数量就设置为2.

运行下面的命令：

docker exec -it mq1 rabbitmqctl set_policy -p /hmall ha-two "^two\." '{"ha-mode":"exactly","ha-params":2,"ha-sync-mode":"automatic"}'

下面，我们创建一个新的队列：

在任意一个mq控制台查看队列：

3.3.1.测试数据共享

给two.queue发送一条消息：

然后在mq1、mq2、mq3的任意控制台查看消息：

3.3.2.测试高可用

现在，我们让two.queue的主节点mq1宕机：

docker stop mq1

在mq2节点查看集群状态：

查看队列状态：

发现依然是健康的！并且其主节点切换到了rabbit@mq2上

4.仲裁队列(重点)

从RabbitMQ 3.8版本开始，引入了新的仲裁队列，他具备与镜像队列类似的功能，但使用更加方便。

4.1.添加仲裁队列

在任意控制台添加一个队列，一定要选择队列类型为Quorum类型。

在任意控制台查看队列：

可以看到，仲裁队列的 + 2字样。代表这个队列有2个镜像节点。

因为仲裁队列默认的镜像数为5。如果你的集群有7个节点，那么镜像数肯定是5；而我们集群只有3个节点，因此镜像数量就是2.

4.2.测试

可以参考对镜像集群的测试，效果是一样的。

文章标签：
消息中间件
容器
Docker
数据安全/隐私保护
Java
游客aucdvipmftp5m
目录
相关文章
阿里云安全_
|
4天前
第五届伏魔挑战赛如约来袭，诚邀各路高手来战！
伏魔再启，等你来战！
阿里云安全_
1158 3
第五届伏魔挑战赛如约来袭，诚邀各路高手来战！
阿里云安全_
|
12天前
|
数据采集 人工智能 安全
阿里云Web应用防火墙市场份额和技术能力双第一
喜报～～
阿里云安全_
1229 11
AI未闻花名
|
7天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体：七十、小树成林，聚沙成塔：随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法，通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性：Bootstrap采样（每棵树使用不同的训练子集）和特征随机选择（每棵树分裂时只考虑部分特征）。这种方法能有效处理大规模高维数据，避免过拟合，并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势，是机器学习中的常用基础模型。
AI未闻花名
344 164
1346981540777417
|
6天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能｜打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案，融合LLM与MRCP+WebSocket技术，实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同，自动化处理80%咨询，降本增效显著，适配金融、电商、医疗等多行业场景。
1346981540777417
345 155
bailiantest1
|
7天前
|
编解码 人工智能 自然语言处理
⚽阿里云百炼通义万相 2.6 视频生成玩法手册
通义万相Wan 2.6是全球首个支持角色扮演的AI视频生成模型，可基于参考视频形象与音色生成多角色合拍、多镜头叙事的15秒长视频，实现声画同步、智能分镜，适用于影视创作、营销展示等场景。
bailiantest1
582 4
云皓@
|
15天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**，开发框架采用 AgentScope，模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式，用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中，每个技能以文件夹形式存在，包含特定任务的指导性说明（SKILL.md 文件）、脚本代码和资源等 。大模型可以根据需要动态加载这些技能，从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
云皓@
1019 7