在数据采集场景下，Logstash 通过哪些机制来应对数据丢失问题，并如何对传输失败的数据进行重试？
考察说明
考查对 Logstash 数据可靠性和容错机制的理解，包括内部队列、持久化及重试策略。
回答思路
- 【回答框架 1】Logstash 的数据处理流程分为 input、filter、output 三个阶段。为防止数据丢失，Logstash 内部引入了内存队列和持久化队列。默认使用内存队列（如 bounded memory queue），但重启或异常退出时数据可能丢失。
- 【回答框架 2】启用持久化队列（persistent queue）时，事件会先写入磁盘中的 queue 文件，确认成功后才进入 pipeline。这样即使进程崩溃，重启后也能从磁盘恢复未消费的数据，降低丢失风险。
- 【回答框架 3】对于输出端的失败，Logstash 提供了重试机制。output 插件（如 elasticsearch）支持配置 retry 参数，失败时会按指数退避策略进行重试，直到达到最大重试次数或超时。
- 【回答框架 4】此外，Logstash 还支持 DLQ（dead letter queue），当事件无法被正确输出且重试多次后仍失败，会被写入 DLQ，避免直接丢弃，便于后续排查和处理。
- 【关键点 1】内存队列不持久化，进程崩溃易丢数据。
- 【关键点 2】持久化队列将事件写入磁盘，增强可靠性。
- 【关键点 3】输出失败时按 retry 配置进行指数退避重试。
- 【关键点 4】死信队列（DLQ）用于保存多次重试仍失败的事件。
- 【易错点 1】持久化队列并非绝对不丢数据，极端情况下仍可能丢失，如磁盘损坏。
- 【易错点 2】重试机制不能保证最终成功，需结合监控和告警。