这类问题我又碰上了一次。Celery 5.3 配了 max_retries 三次，失败任务进重试队列后再没被消费，队列长度从两百涨到四千，worker 日志里没有新任务。
第一反应是「broker 的可见性超时太短」，验证下来不成立。
原因不止一个，得分开看。重试队列没配消费者 只监听了默认队列；acks_late 与重试组合把消息预取占住；死信没有告警 堆积到几万才发现。
上来先看各队列长度与消费者
rabbitmqctl list_queues name messages consumers为重试队列单独起一个 worker
celery -A app worker -Q retry -c 4调整可见性超时与预取数
celery -A app worker --prefetch-multiplier 1给死信队列加阈值告警
python alert.py --queue retry --threshold 500同事提醒我看一下最近一次发布，时间点确实对得上。
命令输出我都留了记录，免得改完记不清原来的值。
恢复的判定其实很直接。重试队列长度回落到两位数，失败任务都能被重新消费，告警可在堆积前触发。
这里还有个坑。重试队列也是队列，没有消费者就是黑洞，配路由时要一并配 worker。拖得越久，排查成本越高，因为现场状态会被后续操作覆盖。