Problemas com alta iowait súbita no cluster RabbitMQ

Question

nós executamos um Cluster RabbitMQ com 6 nós c5.2xlarge no AWS. A versão é 3.6.14 em Erlang 19.1. Eles são executados em contêineres docker e montam um volume local em / var / lib / rabbitmq / mnesia.

O comando docker run é o seguinte:

docker run -d \
    --name rabbitmq \
    --net=host \
    --dns-search=eu-west-1.compute.internal \
    --ulimit nofile=65536:65536 \
    --restart on-failure:5 \
    -p 1883:1883 \
    -p 4369:4369 \
    -p 5672:5672 \
    -p 15672:15672 \
    -p 25672:25672 \
    -e AUTOCLUSTER_TYPE=aws \
    -e AWS_AUTOSCALING=true \
    -e AUTOCLUSTER_CLEANUP=true \
    -e CLEANUP_WARN_ONLY=false \
    -e AWS_DEFAULT_REGION=eu-west-1 \
    -v /mnt/storage:/var/lib/rabbitmq/mnesia \
    dockerregistry/rabbitmq-autocluster:3.6.14

Parte da configuração do RabbitMQ:

[
  {
    rabbit,
    [
      {loopback_users, []},
      {collect_statistics_interval, 10000},
      {cluster_partition_handling, autoheal},
      {delegate_count, 64},
      {fhc_read_buffering, false},
      {fhc_write_buffering, false},
      {heartbeat, 60},
      {background_gc_enabled, true},
      {background_gc_target_interval, 60000},
      {queue_index_embed_msgs_below, 0},
      {queue_index_max_journal_entries, 8192},
      {log_levels, [{connection, error},
                    {channel, warning}]},
      {vm_memory_high_watermark, 0.8},
      {auth_backends,
        [
          rabbit_auth_backend_ldap,
          rabbit_auth_backend_internal
        ]
      }
    ]
  },

  {
    rabbitmq_mqtt,
    [
      {default_user,     <<"**********">>},
      {default_pass,     <<"************">>},
      {allow_anonymous,  false},
      {vhost,            <<"/">>},
      {exchange,         <<"amq.topic">>},
      {subscription_ttl, 1800000},
      {prefetch,         10},
      {ssl_listeners,    []},
      {tcp_listeners,    [1883]},
      {tcp_listen_options,
        [
          binary,
            {packet, raw},
            {reuseaddr, true},
            {backlog, 128},
            {nodelay,   true}
        ]
      }
    ]
  },

Na última sexta-feira à noite, as mensagens na fila atingiram um pico de ~ 25 mil mensagens quando, do nada, todos os nós começaram a passar por problemas maciços de iowait. Normalmente o iowait é sempre < 5 e agora começou a subir para > 70. Verificamos as máquinas, mas ainda não conseguimos encontrar uma explicação razoável. Depois de girarmos todo o grupo de escalonamento automático para novas instâncias, o problema desapareceu. Mesmo no sábado, quando atingimos a mesma taxa de mensagens. Na iotop, muitas vezes vemos o processo de registro no diário do ext4 no topo. No entanto, com nvme ssds nas máquinas c5, pensamos que o iowait não deve ser um problema. Também verificamos a rede e não encontramos fontes de preocupação.

Qualquer entrada ou dicas que você possa dar é muito apreciada? O que podemos verificar?