针对海量数据的处理场景，请说明如何在 Logstash 中实施分布式部署，并阐述其关键设计要点。

回答思路

1. 【回答框架 1】Logstash 分布式部署通常采用多层架构，将输入、过滤、输出解耦。核心组件包括 Shipper（采集）、Broker（消息队列，如 Kafka、Redis）、Indexer（处理）和 Consumer（输出）。Shipper 在源端收集日志，通过 Broker 缓冲和削峰，Indexer 负责过滤和转换，最终输出到 Elasticsearch 或存储系统。这种架构使各层可以独立扩展，实现水平伸缩。
2. 【回答框架 2】在扩展性方面，Shipper 和 Indexer 均可横向扩展。通过增加 Shipper 节点提升采集并行度，增加 Indexer 节点提高处理吞吐。Broker 作为缓冲区，能缓解下游压力，并支持数据重放。同时，可利用 Logstash 的 pipeline 多管道特性，将不同数据流隔离，避免相互影响。
3. 【回答框架 3】高可用方面，Shipper 和 Indexer 的无状态性允许冗余部署，故障时由负载均衡或 Broker 重新分发。Broker 需保障高可用，如 Kafka 的副本机制。另外，数据持久化到 Broker 可防止数据丢失。Logstash 自身可配合监控工具（如 X-Pack）进行健康检查和告警。
4. 【关键点 1】使用消息队列（如 Kafka）解耦采集与处理，实现缓冲和削峰。
5. 【关键点 2】Shipper 和 Indexer 按需水平扩展，提升吞吐。
6. 【关键点 3】Broker 采用集群模式（如 Kafka 多副本）保障高可用与数据不丢失。
7. 【关键点 4】设置多 pipeline 隔离不同数据流，提高资源利用率。
8. 【关键点 5】监控 Logstash 节点健康，及时排障。
9. 【易错点 1】避免将 Logstash 单点部署，否则海量数据下易成为瓶颈。
10. 【易错点 2】不要忽略 Broker 的容量规划，如分区数、副本因子，否则影响性能或可靠性。
11. 【易错点 3】注意 pipeline 配置的合理划分，过多管道可能增加内存开销。