系列回顾与引言

在我们的 INFINI 本地环境搭建系列博客中：

1. 第一篇《搭建持久化的 INFINI Console 与 Easysearch 容器环境》，我们深入探讨了如何使用基础的 docker run 命令，一步步构建起 Console 和 Easysearch 服务，并重点解决了数据持久化的问题。
2. 第二篇《使用 Docker Compose 简化 INFINI Console 与 Easysearch 环境搭建》，我们学习了如何利用 Docker Compose 的声明式配置，将多容器应用的定义和管理变得更加简洁高效。
3. 第三篇《一键启动：使用 start-local 脚本轻松管理 INFINI Console 与 Easysearch 本地环境》，我们介绍了如何在联网环境下，一键安装 INFINI Console。

接下来，我们将聚焦于离线环境，详细讲解如何使用 Docker Compose 部署 INFINI Console 和 Easysearch。

简介

INFINI Console 是一款强大的集群管理与可观测性平台，而 INFINI Easysearch 则是一个轻量级、高性能的搜索与分析引擎。官方提供的离线部署包将两者整合，非常适合在无外网或需要快速搭建演示环境的场景下使用。

本文将详细介绍如何下载资源、正确加载镜像、以及最关键的——如何根据您的需求修改 docker-compose.yml 中的各项配置。

1. 准备工作

请确保您的环境中已安装以下软件：

• Docker
• Docker Compose

2. 下载离线资源

从官方地址下载两个核心文件：

• infini-console.tar.gz: 包含 docker-compose.yml 和相关脚本。
• infini-console-easysearch-1.14.2.tar: 包含 infinilabs/console 和 infinilabs/easysearch 的 Docker 镜像。

wget https://release.infinilabs.com/easysearch/archive/offline/amd64/infini-console.tar.gz
wget https://release.infinilabs.com/easysearch/archive/offline/amd64/infini-console-easysearch-1.14.2.tar

3. 正确加载 Docker 镜像

注意：infini-console-easysearch-1.14.2.tar 是一个包含多个镜像的归档包，不能直接使用 docker load 加载。

正确的加载步骤如下：

1. 创建目录并解压镜像归档包：

   mkdir -p images
   tar -xvf infini-console-easysearch-1.14.2.tar -C images

   这会将 console.tar 和 easysearch.tar 等文件解压到 images/ 目录中。

2. 批量加载所有镜像：

   cd images
   ls *.tar | xargs -I {} docker load -i {}

   该命令会自动为目录下的每个 .tar 文件执行 docker load 操作。

3. 验证镜像加载结果：

   docker images

   您应该能看到 infinilabs/console:1.29.8 和 infinilabs/easysearch:1.14.2 等镜像。

4. 修改配置文件

解压 infini-console.tar.gz 后，找到 .env 文件。所有自定义配置都应在此文件中修改。

以下是各项配置的详细说明和修改建议：

核心路径配置

WORK_DIR_ABS=/data/infini-console

• 作用: 定义所有持久化数据（日志、配置、索引）的根目录。
• 修改建议: （必改） 强烈建议修改为您服务器上一个有足够空间的路径，例如 /opt/infini-console。确保该目录存在且 Docker 拥有写入权限。

网络配置

APP_NETWORK_NAME=infini-local-net

• 作用: 定义 Docker 内部网络的名称。
• 修改建议: 通常无需修改。

Console 配置

CONSOLE_IMAGE=infinilabs/console
CONSOLE_VERSION_TAG=1.29.8
CONSOLE_CONTAINER_NAME=infini-console
CONSOLE_PORT_HOST=9000
CONSOLE_PORT_CONTAINER=9000

• 作用: 定义 Console 的镜像、版本、容器名及端口映射。
• 修改建议:
  • CONSOLE_PORT_HOST: 如果宿主机的 9000 端口已被占用，请修改为其他可用端口（如 8080）。

Easysearch 配置

EASYSEARCH_IMAGE=infinilabs/easysearch
EASYSEARCH_VERSION_TAG=1.14.2
EASYSEARCH_NODES=1
EASYSEARCH_CLUSTER_NAME=infini-console

• 作用: 定义 Easysearch 的镜像、版本、节点数和集群名。
• 修改建议:
  • EASYSEARCH_NODES: 单机部署保持 1 即可。

访问与安全配置

EASYSEARCH_INITIAL_ADMIN_PASSWORD=ShouldChangeme123.

• 作用: 设置 Easysearch admin 用户的初始密码。
• 修改建议: （必改） 请务必将其替换为一个强密码。登录 Console 时需要使用此密码。

EASYSEARCH_HTTP_PORT_HOST=9200
EASYSEARCH_TRANSPORT_PORT_HOST=9300

• 作用: 定义 Easysearch HTTP 和 Transport 接口在宿主机上的映射端口。
• 修改建议: 如果 9200 或 9300 端口冲突，请修改。

JVM 参数配置

ES_JAVA_OPTS_DEFAULT="-Xms8g -Xmx8g"

• 作用: 设置 Easysearch 的 JVM 堆内存大小。
• 修改建议: （必改） 请根据服务器物理内存进行调整，避免超过物理内存的 50%。
  • 8GB 内存服务器: 建议设为 -Xms2g -Xmx2g。
  • 16GB 内存服务器: 建议设为 -Xms4g -Xmx4g。

数据持久化路径

CONSOLE_HOST_DATA_SUBPATH_REL=console/data
CONSOLE_HOST_LOGS_SUBPATH_REL=console/logs
EASYSEARCH_HOST_NODES_BASE_SUBPATH_REL=easysearch

• 作用: 定义数据和日志在 WORK_DIR_ABS 下的相对子路径。
• 修改建议: 通常无需修改。

5. 启动服务

完成配置修改后，在 docker-compose.yml 所在目录下执行：

docker-compose up -d

等待服务完全启动。

6. 访问控制台

打开浏览器，访问 http://<你的服务器IP>:9000。

使用默认用户名 admin 和您在 EASYSEARCH_INITIAL_ADMIN_PASSWORD 中设置的密码进行初始化。

总结

通过以上步骤，您可以灵活地部署一套功能完整的 INFINI Console + Easysearch 环境。关键在于理解并根据实际情况修改 .env 文件中的参数，特别是 WORK_DIR_ABS、EASYSEARCH_INITIAL_ADMIN_PASSWORD 和 ES_JAVA_OPTS_DEFAULT，这能确保部署的稳定性和安全性。

希望这篇详细的指南能帮助您顺利完成部署！

作者：罗厚付，极限科技（INFINI Labs）云上产品设计与研发负责人，拥有多年安全风控及大数据系统架构经验，主导过多个核心产品的设计与落地，日常负责运维超大规模 ES 集群（800+节点/1PB+数据）。
原文：https://infinilabs.cn/blog/2025/console-easysearch-with-docker-compose-offline/

大家好，我是 INFINI Labs 的石阳。

欢迎关注 《搜索百科》 专栏！每天 5 分钟，带你速览一款搜索相关的技术或产品，同时还会带你探索它们背后的技术原理、发展故事及上手体验等。

在之前的几期中，我们认识了搜索技术的基石 Lucene、企业级搜索先锋 Solr、搜索界的“流量明星” Elasticsearch 以及它的分叉兄弟 OpenSearch 和 ES 国产替代方案 Easysearch。它们大多基于 Lucene 构建，形成了庞大且功能丰富的生态。

今天，我们将介绍一位“非主流”选手：一款基于 Rust 编写、主打“快”和“简单”的现代搜索引擎——Meilisearch。它以全新的姿态，为开发者带来了不同的搜索体验。

Meilisearch 概述

Meilisearch 是一款开源的、用 Rust 编写的即时搜索引擎。它提供了一个快速、轻量且可定制的搜索 API，旨在为用户提供毫秒级的搜索体验。

它的核心优势在于为应用内搜索和电商搜索等对延迟敏感的场景提供了出色的用户体验。

• 首次发布：2020 年
• 最新版本：1.24.0（截止 2025 年 10 月）
• 核心语言：Rust
• 开源协议：MIT License
• 官方网址：https://www.meilisearch.com/
• GitHub 仓库：https://github.com/meilisearch/meilisearch

诞生故事

Meilisearch 的故事始于 2018 年，当时法国工程师 Quentin de Quelen 在开发一个电商项目时，发现现有的搜索引擎要么太重量级，要么配置太复杂。他想要一个"开箱即用"的搜索解决方案，能够快速集成到应用中，并提供优秀的搜索体验。

于是，他决定用 Rust 语言从头编写一个搜索引擎。选择 Rust 是因为其出色的性能、内存安全性和并发能力，非常适合构建高性能的搜索核心。

项目最初只是一个内部工具，但随着功能的完善和社区的反馈，Meilisearch 在 2019 年正式开源，并迅速获得了开发者的青睐。2020 年，团队获得了 150 万美元的种子轮融资，正式成立了 Meilisearch 公司。

核心特性

Meilisearch 在设计上做了大量的取舍，专注于核心的搜索功能，但做到了极致。

• 极速响应：核心目标是实现 50 毫秒以下的响应时间，即使在大型数据集中也能提供“所见即所得”的搜索体验。
• 零配置：开箱即用，部署和索引数据都非常简单，不需要预定义 Schema 或复杂的配置文件。
• 相关的默认值：内置一个强大的 相关性排名（Relevance Ranking） 算法，结合 Typos（拼写错误）、Word Proximity（词语距离）和 Attributes（字段权重）等因素，无需额外调优即可获得高质量的搜索结果。
• 语言无关性：支持多种语言的分词与搜索，能很好地处理中文、日文等非拉丁语系文本。
• 无分布式架构：为了追求极致的速度和简单性，Meilisearch 被设计为单机搜索引擎，不支持开箱即用的分布式集群，这简化了运维，但也限制了其 PB 级数据的处理能力。

对比优势：Meilisearch vs Lucene/ES 体系

Meilisearch 与基于 Lucene 的 Elasticsearch 体系，在设计哲学上有着本质区别:

总结：

• 如果你的应用需要超低延迟、简单部署、数据量在 GB 级别，并且搜索是应用的核心功能，Meilisearch 是一个极佳的选择。
• 如果你的需求涉及日志分析、大规模数据存储、集群高可用和复杂的聚合分析，那么 Elasticsearch 仍然是更成熟和全面的解决方案。

快速上手：5 分钟体验 Meilisearch

部署 Meilisearch 非常简单，你甚至不需要 Docker，只需一个命令即可运行。

1. 运行 Meilisearch

# 安装 Meilisearch
curl -L https://install.meilisearch.com | sh
# 启动 Meilisearch
meilisearch --master-key 'aStrongMasterKey'

# 或使用 Docker
docker run -it --rm -p 7700:7700 getmeili/meilisearch:latest --master-key 'aStrongMasterKey'

2. 添加索引（创建 Index）

Meilisearch 不需要预先定义索引结构（Schema-less）。

curl -X POST 'http://localhost:7700/indexes' \
  -H 'Authorization: Bearer aStrongMasterKey' \
  -H 'Content-Type: application/json' \
  --data-binary '{
    "uid": "movies",
    "primaryKey": "id"
}'

3. 索引文档（添加 Documents）

curl -X POST 'http://localhost:7700/indexes/movies/documents' \
  -H 'Authorization: Bearer aStrongMasterKey' \
  -H 'Content-Type: application/json' \
  --data-binary '[
    {"id": 1, "title": "泰坦尼克号", "genres": ["剧情", "爱情"]},
    {"id": 2, "title": "黑客帝国", "genres": ["科幻", "动作"]}
]'

4. 执行搜索

# 搜索关键词 "泰坦"
curl -X GET 'http://localhost:7700/indexes/movies/search?q=泰坦'

返回结果：

{
  "hits": [
    {
      "id": 1,
      "title": "泰坦尼克号",
      "genres": ["剧情", "爱情"]
    }
  ],
  "offset": 0,
  "limit": 20,
  "estimatedTotalHits": 1,
  "processingTimeMs": 1,
  "query": "泰坦"
}

注意 processingTimeMs: 1，这是 Meilisearch 速度的最好证明！

5. 场景演示

结语

Meilisearch 的出现，代表了新一代搜索引擎对于开发者体验和即时性的追求。它在应用内搜索领域展现了强大的竞争力，证明了不必依赖 Lucene 的庞大体系，也能打造出极致性能的搜索产品。

虽然它还无法完全取代 Elasticsearch 在日志分析、可观测性等大型分布式场景的地位，但在许多新兴应用和对搜索速度有极高要求的场景中，它无疑是一个值得尝试的开源新星。

🚀 下期预告

下一篇我们将把目光转向搜索领域的云端先锋 —— Algolia。作为搜索即服务（Search-as-a-Service）的开创者，Algolia 如何以其卓越的 API 设计、惊人的搜索速度和精准的相关性排序，重新定义云端搜索体验？

💬 三连互动

1. 你会把 ES/Solr 换成 Meilisearch 吗？
2. 在你的应用中，搜索延迟达到多少毫秒你会觉得无法接受？
3. 在什么场景下你会考虑使用 Meilisearch 而不是 Elasticsearch？

对搜索技术感兴趣的朋友，也欢迎加我微信（ID：lsy965145175）备注“搜索百科”，拉你进  搜索技术交流群，一起探讨与学习！

✨ 推荐阅读

• 搜索百科（5）：Easysearch — 自主可控的国产分布式搜索引擎
• 搜索百科（4）：OpenSearch — 开源搜索的新选择
• 搜索百科（3）：Elasticsearch — 搜索界的"流量明星"
• 搜索百科（2）：Apache Solr — 企业级搜索的开源先锋
• 搜索百科（1）：Lucene — 打开现代搜索世界的第一扇门

🔗 参考资源

• Meilisearch 官方文档
• Meilisearch vs Elasticsearch

大家好，我是 INFINI Labs 的石阳。

欢迎回到 《搜索百科》 专栏！每天 5 分钟，带你速览一款搜索相关的技术或产品，同时还会带你探索它们背后的技术原理、发展故事及上手体验等。

上一篇我们认识了搜索技术的基石 Apache Lucene，今天我们将继续这个旅程，了解基于 Lucene 构建的第一个成功商业级搜索平台 —— Apache Solr。

Solr 是什么？

Solr 是一款极速的开源多模态搜索平台，基于 Apache Lucene 的全文、向量和地理空间搜索能力构建而成。Solr 具备高可靠性、可扩展性和容错性，支持分布式索引、复制与负载均衡查询，提供自动故障转移与恢复、集中化配置等功能。如今，Solr 为全球众多大型互联网网站提供搜索和导航功能。

• 首次发布：2004 年，2006 年进入 Apache
• 最新版本：截至 2025 年，已更新至 9.x 系列
• 核心依赖：Apache Lucene
• 开源协议：Apache License 2.0
• 官方网址：https://solr.apache.org
• GitHub 仓库：https://github.com/apache/solr

它的定位是：把 Lucene 打造成独立的企业级搜索服务。相比 Lucene 需要写代码调用，Solr 提供了 Web 管理界面、REST API 和配置文件，让开发者更容易上手。

起源：从网站搜索到 Apache 顶级项目

Solr（读作"solar")的故事始于 2004 年，当时 CNET 公司的开发人员 Yonik Seeley 需要为其新闻网站构建一个搜索功能。虽然 Lucene 提供了强大的核心搜索能力，但直接使用 Lucene 需要编写大量 Java 代码，缺乏开箱即用的功能。

Seeley 决定在 Lucene 之上构建一个更易用的搜索服务器，于是 Solr 诞生了。最初的目标很明确：通过 HTTP/XML 接口提供搜索服务，让任何编程语言都能轻松集成搜索功能。

2006 年，Solr 捐赠给 Apache 基金会，2007 年成为顶级项目。2010 年，Solr 与 Lucene 项目合并，形成了今天我们所知的 Apache Lucene/Solr 项目。

技术架构

Index（索引）

Apache Solr 的索引就像是用于管理结构化 / 非结构化数据的“数据库”。它以便于分析和全文检索的方式存储数据。

Query Parser（查询解析器）

所有由客户端提交的查询都会由查询解析器处理。

Response Handler（响应处理器）

响应处理器负责为客户端生成合适格式的响应（如 JSON/XML/CSV）。

Update Handler（更新处理器）

更新处理器用于索引操作，即对索引中的数据进行插入、更新和删除。例如，如果我们希望 MySQL 数据与 Apache Solr 保持同步，就需要创建一个负责同步的更新处理器。

功能亮点

• 全文检索：高效支持关键词搜索、布尔查询、短语匹配等。
• 分面搜索（Faceted Search）：可以对搜索结果进行分类和聚合统计。
• 分布式架构（SolrCloud）：支持集群部署、自动分片、副本和容错。
• 丰富的数据接口：提供 RESTful API，支持 JSON、XML、CSV 等多种格式的数据交互。
• 扩展性与可定制性：通过插件机制支持多语言分词、排序、评分模型等个性化定制。
• 地理位置搜索：内置空间搜索能力，支持基于经纬度的范围查询和排序。

对比： Solr vs Elasticsearch 如何选择？

虽然两者都基于 Lucene，但在设计哲学上有所不同：

简单来说：Solr 更像"精装房"，开箱即用；Elasticsearch 更像"毛坯房"，需要更多自定义但更灵活。

快速开始：5 分钟搭建 Solr 服务

1. 下载和安装

# 下载 8.x 版 Solr
wget https://dlcdn.apache.org/solr/solr/8.11.4/solr-8.11.4.tgz

# 解压
tar -xzf solr-8.11.4.tgz

# 启动 Solr（单机模式）
cd solr-8.11.4
bin/solr start

2. 创建 Core

# 创建测试 Core
bin/solr create -c test_core

# 查看 Core 状态
bin/solr status

3. 索引文档

# 使用 curl 索引 JSON 文档
curl http://localhost:8983/solr/test_core/update -d '
[
  {"id": "1", "title": "Solr 入门指南", "content": "Apache Solr 是企业级搜索平台"},
  {"id": "2", "title": "搜索技术演进", "content": "从 Lucene 到 Solr 的技术发展"}
]' -H 'Content-type:application/json'

# 提交更改
curl http://localhost:8983/solr/test_core/update -d '<commit/>' -H 'Content-type:application/xml'

4. 执行搜索

# 搜索"Solr"
curl "http://localhost:8983/solr/test_core/select?q=content:Solr"

# 使用 JSON 格式返回
curl "http://localhost:8983/solr/test_core/select?q=content:Solr&wt=json"

执行搜索返回结果：

访问 http://localhost:8983/solr 即可使用 Solr 的管理界面。

Dashboard：

Core Admin：

结语

从最初的公司内部工具，到成为全球范围内广泛使用的开源搜索引擎，Apache Solr 见证并推动了搜索技术的进化。尽管近年来 Elasticsearch、向量数据库和 AI 驱动的搜索技术逐渐崛起，但 Solr 依然是许多企业可靠且成熟的选择。它的故事不仅属于开源社区，也代表了搜索技术发展的一个重要阶段。

🚀 下期预告
在下一篇「搜索百科」中，我们将介绍它的明星兄弟 —— Elasticsearch。

💬 三连互动

1. 你现在还在用 Solr 吗？
2. 在 Solr 和 Elasticsearch 之间做过技术选型？
3. 遇到过有趣的 Solr 使用案例或挑战？

对搜索技术感兴趣的朋友，也欢迎加我微信（ID：lsy965145175）备注“搜索百科”，拉你进  搜索技术交流群，一起探讨与学习！

✨ 推荐阅读

• 搜索百科（1）：Lucene — 打开现代搜索世界的第一扇门

🔗 参考

• Apache Solr 官方文档
• Apache Solr Fundamentals

原文：https://infinilabs.cn/blog/2025/search-wiki-2-solr/

在信息爆炸时代，企业正面临前所未有的挑战：

• 企业数据和信息分散，数据孤岛现象严重，员工往往浪费大量时间跨平台检索；
• 跨部门协作困难，团队因信息隔阂导致项目延期；
• 数据安全问题严峻，迫使企业对数据管理提出高要求；
• 传统搜索准确率不足，无法满足用户深层次需求；

这正是 Coco AI 诞生的契机——一款重新定义企业效率的智能中枢。

Coco AI 是一个完全开源、跨平台的统一搜索与效率工具，深度融合大语言模型技术，实现从"人找信息"到"信息追人"的范式革命。目前已加入 GitCode 平台成为 G-Star 优秀毕业项目。通过连接 Google Workspace、Notion、语雀等 200+ 数据源，接入 DeepSeek 等大模型，构建企业级智能知识图谱，让数据真正流动起来，帮助企业高效管理和利用内外部数据资源。

多种功能 一次集合

全域智能搜索

• Coco AI 支持整合企业内部和外部的多种数据源，包括 Google Workspace、Dropbox、GitHub、本地文件系统等。
• 提供统一的搜索界面，用户无需切换多个平台即可快速检索所需信息。

AI 知识管家

• 内置基于生成式 AI 的聊天助手，能够理解企业内部的文档、对话记录和工作流程。
• 支持从互联网、内部知识库和指定数据源中提取信息，提供与组织相关的智能回答。
• 支持在搜索模式和聊天模式之间快速切换。

企业安全中枢

• 遵循企业级权限管理规范，确保数据访问的安全性。
• 支持私有化部署，满足企业对数据隐私的高要求。
• 允许开发者根据需求进行定制和扩展，支持企业自行部署，确保数据隐私和安全。

协作生态集成

• 用户可以直接与单个文件或数据源进行交互，例如对文档内容提问或生成摘要。
• 通过整合团队常用的工具和数据源，提升团队协作效率。
• 支持基于上下文的多轮对话，帮助团队成员快速获取所需信息。
• 在 1 分钟内轻松将 Coco AI 功能嵌入到您的网站中。

架构设计图

核心模块 “Coco Server” 提供搜索、聊天、附件管理、索引、嵌入、安全等功能，并通过 API 实现与外部系统的交互。同时，系统支持自定义 UI，为用户提供个性化的搜索和任务管理体验，并通过 AI 助手提供智能化的信息交互体验。

从 V0.3 到行业标准，Coco AI 持续进化，致力于推动知识管理和信息检索的变革，加速企业数字化转型。

立即访问

来 GitCode 了解 Coco AI，让您的企业获得：

• 每年节省百万级人力成本
• 打造永不遗忘的组织和大脑
• 激活数据资产的复合价值

开源可许：

MIT License

项目地址：

https://gitcode.com/infinilabs/coco-app

快来 ⭐️ Star 支持 Coco AI 吧 ~

直播预告

4 月 28 日 星期一 19:00 极限科技（INFINI Labs）团队带您全面解析 Coco AI，探索其核心功能、技术架构及实际应用场景，领略智能搜索与知识管理的革新。

CSDN 直播间地址 👇

https://live.csdn.net/room/csdnedu/q6BD0Kui

关于 Gitcode

GitCode 新一代由 AI 驱动的开源开发者平台，依托 CSDN 开发者社区，通过集成代码托管服务、代码仓库和可信赖的开源组件库，使开发者能够在云端进行代码托管和开发，平台提供了丰富的功能支持和完善的生态体系，帮助开发者轻松管理和分享代码，为开源项目提供强有力的支持。

作者：GitCode
原文：https://mp.weixin.qq.com/s/03VTrmVXzflO6QTcZaCLTA

在数字化浪潮席卷全球的今天，INFINI Labs 深刻认识到开源项目和教育机构在技术创新与人才培养中的核心作用。因此，我们郑重推出全新升级的免费许可证计划，旨在全球范围内为开源社区和教育界提供有力支持，共同推动软件生态的繁荣与进步。

一、产品实力与荣誉

1.INFINI Pizza：实时搜索的新纪元

• 在第十三届“数据技术嘉年华”（DTC2024）上，INFINI Labs 发布了划时代的搜索引擎——INFINI Pizza，标志着搜索型数据库迈入实时搜索的新纪元。
• INFINI Pizza 凭借先进的设计理念与架构，以及独有的专利技术，实现了对海量数据的无限伸缩，提供高效、准确的实时数据搜索能力

2.行业标杆案例

• INFINI Labs 荣获中国信通院大数据“星河”标杆案例，其中移动云搜索数据库案例更是荣选为数据库标杆案例。
• 该案例基于移动云 Easysearch 数据库，通过创新的多集群协同模式，实现了数据高性能存取，展现出极高的经济价值与社会价值。

3.国家发明专利认可

• INFINI Labs 的多项自主研发技术获得国家发明专利授权，这些成果彰显了公司在大数据领域的技术实力与创新精神。

二、品牌与行业地位

• INFINI Labs 作为搜索型数据库产品领域的领军企业，积极参与行业标准的制定与推动。

• 其核心产品 INFINI Easysearch 荣获信通院首批可信搜索型数据库产品证书，再次印证了公司在行业中的领先地位。

三、产品介绍

1. INFINI Easysearch：作为 Elasticsearch 的国产化替代方案，提供高度兼容性与卓越性能，满足企业级需求。

2. INFINI Console：轻量级多集群、跨版本搜索基础设施统一管控平台，助力企业高效管理搜索集群。

3. INFINI Gateway：专为 Elasticsearch 打造的高性能应用网关，提供丰富的功能特性与卓越性能。

4. INFINI Loadgen：支持多种搜索引擎的轻量级压测工具，为企业提供强大的数据加载与测试能力。

5. INFINI Pizza：引领实时搜索时代的新星，为企业提供高效、准确的实时数据搜索解决方案。

四、免费许可证计划

1.教育机构学术许可证

• 面向全球公立或私立学校、职业学校、大学等教育机构，提供非商业用途的软件使用许可。

• 有效期一年，符合条件的教育机构可继续申请。

2.开源项目许可证

• 面向非商业开源项目开发者，要求项目拥有活跃社区并在其官网添加 INFINI Labs 的链接。

• 许可证免费，有效期一年，符合条件的项目可继续申请。

五、申请方式

符合条件的开源项目和教育机构可通过访问 INFINI Labs 官方网站，轻松提交申请，我们将尽快审核并回复。

申请链接：https://infinilabs.cn/community

六、结语

INFINI Labs 以全新升级的免费许可证计划为契机，与全球开源社区和教育界携手合作，共同推动软件生态的创新与发展。让我们共同迎接更加美好的未来！

七、关于极限科技（INFINI Labs）

极限科技，全称极限数据（北京）科技有限公司，是一家专注于实时搜索与数据分析的软件公司。旗下品牌极限实验室（INFINI Labs）致力于打造极致易用的数据探索与分析体验。

极限科技是一支年轻的团队，采用天然分布式的方式来进行远程协作，员工分布在全球各地，希望通过努力成为中国乃至全球企业大数据实时搜索分析产品的首选，为中国技术品牌输出添砖加瓦。

官网：https://www.infinilabs.cn

原文：https://infinilabs.cn/blog/2024/infini-labs-for-open-source-education-the-free-license-program-upgrades/

• 简化_cat使用，可以直接输入 cat 命令 ，可以滚动查看历史结果
• 支持字体放大缩小
• 支持命令历史记录（通过上下方向键来切换 ）
• 支持鼠标划取的复制粘贴（暂不复制到剪贴板）
• 安装后在 http://127.0.0.1:9200/_console  使用，也可本地使用：直接访问html文件

{

  "$schema": "https://vega.github.io/schema/ ... ot%3B,

  "description": "A simple bar chart with embedded data.",

  "width": 300, "height": 200, "padding": 5,

  "data": {

    "values": [

      {"a": "A","b": 28}, {"a": "B","b": 55}, {"a": "C","b": 43},

      {"a": "D","b": 91}, {"a": "E","b": 81}, {"a": "F","b": 53},

      {"a": "G","b": 19}, {"a": "H","b": 87}, {"a": "I","b": 52}

    ]

  },

  "mark": "bar",

  "encoding": {

    "x": {"field": "a", "type": "ordinal"},

    "y": {"field": "b", "type": "quantitative"}

  }

}