注意：我在输出插件中只有弹性搜索。在输入插件中，最多可以有30个输入（每个文件一个输入）。过滤器插件中的过滤器很少。
我运行了以下测试场景，并得到了意想不到的结果（最后提到）
测试方案：
i5和i7机器分别具有RAM 8 Gb和16 Gb，并且分别具有~2.5-3Gb和~9Gb的空闲内存（在运行logstash之前）。
以下场景中使用的日志相同，大小约为1Gb。
1）
计算机：i5（总核心4）
配置 :(默认值） pipeline.workers = 4和 pipeline.output.workers = 1
结果：logstash没有记录任何错误/警告。
处理日志的总时间：~30分钟
2）
计算机：i7（总核心数8）
配置 :(默认值） pipeline.workers = 8和 pipeline.output.workers = 1
结果：由于logstash日志中存在读取超时错误，因此ES上似乎存在负载。
3）
计算机：i7（总核心数8）
配置 :(自定义值） pipeline.workers = 4和 pipeline.output.workers = 1/2/3（增加了每次1小时）
结果：由于logstash日志中存在读取超时错误，因此每个方案中的ES似乎都有负载。
4）
计算机：i7（总核心数8）
配置 :(自定义值） pipeline.workers = 4和 pipeline.output.workers = 4
结果：logstash没有记录任何错误/警告，但与方案1相比，总时间增加了约20分钟。
总时间：~50分钟
我想到了问题：
1）在logstash中，管道输出工人是否与管道工人相等有任何负面影响吗？
2）如果我们比较案例情景1和4，为什么总时间会增加？与i5机器相比，在i7机器上应该更快地处理日志。
3）可以做些什么来在两台机器上获得相同的性能（或更好的性能）？ （即对于1Gb日志，总处理时间<= ~30分钟）