fix(output): non_retryable_statuscodes [400,409,413,422] gegen Endlosschleife

Ein permanenter 400 (vergifteter Batch) blieb am FIFO-Kopf und wurde endlos
wiederholt; die gepufferten Samples alterten dabei bis ueber die Akzeptanz-
grenze des Empfaengers (head_min_time ~2x Blockdauer) und waren danach
unzustellbar — der Knoten verstummte dauerhaft.

GEMESSEN 09.10.2026: 9 von 15 Nodes stumm, Sample-Versatz 185-1071 min
(konstant ueber 72 h), 1680 Ablehnungen/h, danach 'Metric buffer overflow'
= endgueltiger Verlust. Mit der Option wird der Batch verworfen statt
wiederholt ('Received non-retryable status 400. Metrics are lost.') und der
Knoten erholt sich beim naechsten Flush selbst. 5xx/408/429 bleiben retrybar.

Zweiter Fix, gleiche Ursache: der vorhandene processors.override traf nur
'docker_log' und liess docker_container_blkio_container_id (String) durch —
der 400 warf die ganze docker_container_*-Familie weg. Neuer Block
namepass=['docker','docker_container*'] mit fieldexclude der *_id-Felder.

VERSION 1.9.2 -> 1.9.3 (loest den Auto-Updater aus).

VERSION

@@ -1 +1 @@
-1.9.2
+1.9.3

telegraf/base.conf

@@ -31,6 +31,21 @@
   # dauert ein POST 11-19 s. Ein 10-s-Timeout bricht dann JEDEN Batch ab —
   # gemessen 702 abgelehnte Requests in 20 min, die Metriken fehlen still.
   timeout = "60s"
+  # GEGEN DIE ENDLOSSCHLEIFE — die wichtigste Zeile hier.
+  # Ein 400 ist PERMANENT: dieselbe Nutzlast liefert dieselbe Antwort. Ohne
+  # diese Liste bleibt der abgelehnte Batch am FIFO-Kopf stehen, wird fuer
+  # immer wiederholt und blockiert jede dahinter gesammelte Serie. Die
+  # gepufferten Samples altern dabei weiter, bis sie aelter sind als die
+  # Akzeptanzgrenze des Empfaengers (Prometheus: head_min_time ~2x
+  # Blockdauer, gemessen 90-120 min) — danach sind sie UNZUSTELLBAR und der
+  # Knoten ist dauerhaft stumm (gemessen 09.10.2026: 9 von 15 Nodes, Versatz
+  # 185-1071 min, 1680 Ablehnungen/h, danach 'Metric buffer overflow' =
+  # endgueltiger Verlust). Mit dieser Zeile wird der Batch VERWORFEN statt
+  # wiederholt ("Received non-retryable status 400. Metrics are lost.") und
+  # der Knoten erholt sich beim naechsten Flush von selbst.
+  # 5xx/408/429 bleiben absichtlich retrybar: dort ist die Nutzlast in
+  # Ordnung, nur der Server ist gerade nicht bereit.
+  non_retryable_statuscodes = [400, 409, 413, 422]
   # Roh-Logs gehoeren NICHT in Prometheus — sie sind Text, keine Zeitreihen.
   # `apache_error` hier ergaenzen, sonst versucht der Remote-Write-Output
   # Textzeilen als Metriken zu senden.

telegraf/docker.conf

@@ -19,3 +19,18 @@
 [[processors.override]]
   namepass = ["docker_log"]
   fieldexclude = ["container_id"]
+
+# Ohne diesen zweiten Block faellt die GANZE docker_container_*-Familie aus
+# jedem Remote-Write-Batch. `inputs.docker` liefert die Felder `container_id`
+# und `image_id` als 64-stellige Hex-Strings; Telegraf flacht Messung+Feld zu
+# einem Metriknamen ab, daraus wird `docker_container_blkio_container_id` —
+# ein STRING-Wert, den Prometheus ablehnt:
+#   `bad sample value "<64 hex>"`
+# Der 400 wirft den KOMPLETTEN Flush weg, also auch alle Serien, an denen
+# nichts falsch ist. Der Block oben trifft nur `docker_log` (Loki-Output) und
+# hilft hier NICHT — das ist die Falle, an der man den ganzen Vormittag sucht.
+# Gemessen 09.10.2026 auf imac: 278 "series were dropped"-Zeilen in 60 min,
+# bis zu 2804 Serien im selben haengenden Batch.
+[[processors.override]]
+  namepass = ["docker", "docker_container*"]
+  fieldexclude = ["container_id", "container_image_id", "container_id_short", "device_id", "image_id"]