INFINI Easysearch 2.3.1 正式发布。本版本围绕企业级搜索服务的运维管理、安全控制和性能优化持续演进，新增更全面的巡检信息采集能力，增强集群服务管理约束，优化文档写入与 mapping 解析性能，并针对 S3 兼容存储、CCR 恢复、UI 管理等场景修复多项问题，进一步提升系统稳定性、兼容性与生产环境使用体验。

Easysearch 本次更新如下：

功能特性 (Features)

• 巡检 UI 新增集群状态、模板、索引元数据、快照、集群运行时信息、节点信息、插件、节点诊断信息及分片/段信息等采集项，提升问题诊断覆盖范围。
  
• 服务管理 UI 的创建和加入集群流程新增节点角色约束，协调节点不能与 master、data、ingest 角色同时选择。
  
• 服务管理登录时增加 root 账户限制检测，避免以 root 账户访问受管服务。
  
  

  改进优化 (Improvements)
  

  
  

• 新增 S3 disable_bulk_delete 配置（客户端名称空间为 s3.client.<name>.disable_bulk_delete，默认 false）；启用后批量删除路径会逐个调用 DeleteObject，用于兼容不支持 DeleteObjects 的 S3 兼容存储。
  
• 持续完善 source_reuse 的写入和读取重建，提升复杂 mapping 场景下的兼容性和性能；包含 nested mapping 的索引改用完整 _source，已有索引动态加入 nested mapping 后需 reindex。
  
• 优化文档写入与 mapping 解析热路径，减少 JSON/XContent、日期和点号字段解析中的对象创建与重复处理，提升批量索引吞吐。
  
• 巡检任务默认不再勾选“数据样本”采集；需要时仍可手动启用，降低默认采集真实索引数据的风险。
  
  

  问题修复(Bug Fixes)
  

  
  

• 修复开启安全认证且根路径不允许匿名访问时，Easysearch UI 因登录前探测根路径而无法登录的问题。
  
• 修复 Agent 服务管理中可通过服务列表或巡检入口绕过服务登录状态的问题。
  
• 修复编辑集群配置时可能意外重置管理员密码的问题。
  
• 修复巡检页面无法正确解析服务版本的问题。
  
• 修复开发工具中缓存的集群名称、标识与实际集群信息不同步的问题。
  
• 修复 Java 21 环境下 CCR 初始恢复并发读取文件时可能触发 IllegalStateException: confined 并导致恢复失败的问题。
  
  ---
  
  以上为本版本重点更新摘要，更多详情请查看 Easysearch 产品 [Release Notes](https://docs.infinilabs.com/ea ... earch/) 或联系我们的技术支持团队！
  
  

  获取新版本
  

  
  INFINI Easysearch v2.3.1 已正式发布，欢迎升级体验：
  
  

• 下载地址：<https://infinilabs.cn/download/>;
  
• 快速开始：<https://docs.infinilabs.com/ea ... gt%3B
  
  

  关于 Easysearch
  

  
  
  
  INFINI Easysearch 是一款分布式搜索引擎，支持结构化和非结构化的数据检索、全文检索、向量检索、空间地理位置信息检索、组合查询、多语种支持、语义分析和聚合分析等多种功能。
  
  Easysearch 基于 Lucene 构建，紧跟 Lucene 最新版本持续迭代更新，采用商用友好协议，企业可自由部署、二次开发和商业化，无协议合规风险。
  
  Easysearch 致力于为企业提供轻量、安全、自主可控的搜索平台，不断完善产品能力，满足更多企业级需求。
  
  官网：<https://easysearch.cn>;
  
  

1.使用 OpenTelemetry 观测 vLLM
https://mp.weixin.qq.com/s/AzVRlUHsFEpQWvFQNFYUIw
2.在 Kubernetes 上正确使用 NVIDIA MIG 共享 GPU：从 8 块 GPU 到 32 个隔离切片
https://mp.weixin.qq.com/s/RJB7zJ07AMYdXYB02Kf71Q
3.Agent Infra 赛道更新，一年后为 Agent 设计的基建发展如何？
https://mp.weixin.qq.com/s/ePkW0igISSqIpTd2PXYGrQ

编辑：Se7en
更多资讯：http://news.searchkit.cn

1. 信创环境下部署 INFINI Gateway：为 Easysearch 构建高性能安全入口
https://infinilabs.cn/blog/202 ... form/

2. 探索 OpenSearch 3.7
https://opensearch.org/blog/ex ... -3-7/

3. 代理式相关性调优：让LLM代理完成搜索工程工作
https://opensearch.org/blog/ag ... ning/

4. 在NVIDIA Blackwell数据中心GPU上扩展FLUX.2的NVFP4推理
https://developer.nvidia.com/b ... gpus/

5. 国产统信 UOS 部署 Coco Server 全指南：从零搭建企业级 AI 搜索服务端
https://infinilabs.cn/blog/202 ... form/

编辑：Muse
更多资讯：http://news.searchkit.cn

1. 零改动查询！教你如何将 Elasticsearch 日志存储空间暴砍一半的骚操作！（需要梯子）  
https://dev.to/dorlevi/cutting ... -3e2g

2. 血泪复盘！一个耗时 8 个月才爆雷的 ES 升级坑，我们是如何用一整晚紧急修复的？（需要梯子）  
https://medium.com/%40williams ... 58bad

3. 脱敏防泄密！手把手教你用 Logstash 安全采样生产数据到测试环境的实战指南！  
https://www.elastic.co/blog/pr ... stash

4. 终极通关指南！一文打通 Elasticsearch & OpenSearch 从倒排索引到分片、DSL 的核心精髓！（需要梯子）  
https://dev.to/pyshine/learn-e ... o-n82

5. 极致响应！海量数据下如何将 Magento 2 搜索自动补全延迟死死压在 200ms 以内？（需要梯子）  
https://dev.to/magevanta/magen ... -1kjl


编辑：斯蒂文  
更多资讯：http://news.searchkit.cn

1、RAG 核心概念与原理：Chunking、Embedding、相似度、HNSW 与多路召回｜得物技术
https://mp.weixin.qq.com/s/gfFlUUNbKZ23G7NgWHU3YQ

2、向量检索 + AI 搜索——Easysearch 如何助力国产大模型应用
https://mp.weixin.qq.com/s/71156V1hi8M38ws1n1jByg

3、FalconSeek 技术解析：阿里云 Elasticsearch 云原生内核如何让查询性能飙升600%
https://mp.weixin.qq.com/s/Z28CjyXW2gGvOHFRIAyLTw

编辑：Fred
更多资讯：http://news.searchkit.cn

1.纯干货分享 —— AI Memory 系统架构的构思、随想与工程实现
https://mp.weixin.qq.com/s/b_0KOiRzzrEb4hul-T7MKQ
2.在文件系统最深处，等 AI 长大
https://mp.weixin.qq.com/s/cCtgnWQD7PYTNyG3lZC6Kw
3. 花一年时间整理出的：AI 数据库混合搜索入门实践
https://mp.weixin.qq.com/s/cs5kYXcwOHGWVgwFXvglIg

编辑：Se7en
更多资讯：http://news.searchkit.cn

1.超越 RAG：Google OKF 与向量数据库的新分工
https://mp.weixin.qq.com/s/ApvxrcgGW0Ya9zTjKS8KNg

2.Elasticsearch 9.5 如何自己"算出"最优量化参数
https://mp.weixin.qq.com/s/cX8yBgCQPvb6KieEthNUkg

3.让向量听懂孤独：我是如何用 Elastic Agent Builder 构建一个情绪疗愈 agent 的
https://blog.csdn.net/UbuntuTo ... 66492

编辑：kin122    
更多资讯：http://news.searchkit.cn

1. 降维打击！我做的一套简易 AI 检索架构，是如何被定义为行业标准框架的？（需要梯子）  
https://medium.com/%40rahulphu ... dd1f0

2. 跟日志聊天？用 AI + Elasticsearch 开启日志智能交互新体验！（需要梯子）  
https://medium.com/%40cannizza ... c0758

3. 相爱相杀！细说 Elasticsearch 与 OpenSearch 分家恩怨与开源协议之争！（需要梯子）  
https://medium.com/%40KnowTech ... fb883

4. Laravel 监控利器！引入 Elastic Audit：轻松实现 HTTP 与系统操作日志审计！（需要梯子）  
https://medium.com/%40torniket ... c259a

5. 手把手教你做 Elasticsearch 日志解析与 Kibana 可视化仪表盘！（需要梯子）  
https://medium.com/%40yigitemr ... 8daa7


编辑：斯蒂文  
更多资讯：http://news.searchkit.cn

1、你的 AI 表现不佳。你的数据基础才是问题
https://elasticstack.blog.csdn ... 62564

2、让向量听懂孤独：我是如何用 Elastic Agent Builder 构建一个情绪疗愈 agent 的
https://elasticstack.blog.csdn ... 66492

3、阿里云 AgentTeams 解读：当 Agent 开始真正在企业里干活
https://mp.weixin.qq.com/s/oM3V-URazBmlLBeJQR3O_A

4、你的 Harness 工作流真的在进步吗？我们用一场考试撕掉了遮羞布
https://mp.weixin.qq.com/s/kAPx6ZxXxpTyRi-hYAbqtA

5、我们如何构建 Elasticsearch simdvec，使向量搜索成为世界上最快之一
https://mp.weixin.qq.com/s/evkNQkmnYv2FTeYWuyKzrg

编辑：Muse
更多资讯：http://news.searchkit.


[Easysearch](https://easysearch.cn) 提供了强大的向量搜索能力，打破传统关键词匹配的局限，实现真正的“懂你”的语义搜索。助力企业快速构建智能推荐、图像识别和内容理解等 AI 应用，释放数据深层价值。

核心能力

| 能力 | 说明 |
| ------------------- | --------------------------------------------------------------------------------------------------------- |
| 两种向量类型 | 稠密浮点向量（knn_dense_float_vector）和稀疏布尔向量（knn_sparse_bool_vector） |
| 多种索引模型 | lsh（局部敏感哈希，近似搜索）、permutation_lsh（置换 LSH）、sparse_indexed（倒排索引）、exact（精确搜索） |
| 多种相似度 | cosine（余弦）、l1（曼哈顿距离）、l2（欧氏距离）、jaccard、hamming |
| 与全文搜索融合 | 向量字段与文本字段存储在同一索引，支持 Hybrid 混合检索 |
| function_score 集成 | 向量相似度可作为 function_score 的评分函数 |

典型应用场景

• 语义搜索：文本通过 Embedding 模型转为向量，按语义相似度检索
  
• RAG 检索增强生成：为大语言模型提供知识库检索能力
  
• 推荐系统：用户/商品特征向量的相似推荐
  
• 图像/多模态搜索：图像特征向量的相似检索
  
• 去重与异常检测：通过向量距离判断内容相似度
  
  

  Embedding 服务
  

  
  在使用向量搜索前，先要准备一个 Embedding 模型，支持与 OpenAI API 兼容的 embedding 接口和 Ollama embedding 接口。本文使用阿里云上的 Embedding 模型进行演示。
  
  

  写入方法
  

  
  

  方法一：写入链路嵌入（推荐）
  

  
  在数据写入 Easysearch 时，通过 Ingest Pipeline 自动调用 Embedding 服务：
  
  应用写数据 → Easysearch → Ingest Pipeline → 调用 Embedding API → 写入向量字段
  
  优势是写入后即可搜索，无需维护外部向量化流程。需要确保集群应至少有一个节点拥有 ingest 角色。
  
  

  方法二：离线批处理
  

  
  在应用侧完成向量化，再将向量字段直接写入 Easysearch：
  
  原始数据 → 应用 → 调用模型 Embedding API → 写入 Easysearch（含向量字段）
  
  参考[文档](https://docs.infinilabs.com/ea ... earch/)。
  
  

  实战
  

  
  我们实战演示模式一，分为以下几个步骤：
  
  

  1. 建立带有向量字段的索引
     
  2. 创建对应的 Ingest Pipeline
     
  3. 写入数据到索引
     
     

     1. 建立带有向量字段的索引
     

     
     先建立一个带向量字段的索引，注意 dims 要与向量模型的输出匹配。
     
     plain<br /> PUT /my-index<br /> {<br /> "mappings": {<br /> "properties": {<br /> "text_vector": {<br /> "type": "knn_dense_float_vector",<br /> "knn": {<br /> "dims": 1024,<br /> "model": "lsh",<br /> "similarity": "cosine",<br /> "L": 99,<br /> "k": 1<br /> }<br /> }<br /> }<br /> }<br /> }<br /> <br />
     
     

     2. 创建对应的 Ingest Pipeline
     

     
     写入数据前先建立 Ingest Pipeline，注意 vendor 必须根据使用的模型来指定，比如本文使用的是阿里云 text-embedding-v4 模型，该模型提供了 OpenAI 格式的 API 接口，这里 vendor 我们就写 openai。
     
     plain<br /> PUT _ingest/pipeline/text-embedding-pipeline<br /> {<br /> "description": "用于生成文本嵌入向量的管道",<br /> "processors": [<br /> {<br /> "text_embedding": {<br /> "url": "<a href="https://dashscope.aliyuncs.com/compatible-mode/v1/embeddings"" rel="nofollow" target="_blank">https://dashscope.aliyuncs.com ... ot%3B</a>,<br /> "vendor": "openai",<br /> "api_key": "xxxxxx",<br /> "text_field": "input_text",<br /> "vector_field": "text_vector",<br /> "model_id": "text-embedding-v4",<br /> "dims": 1024,<br /> "ignore_missing": false,<br /> "ignore_failure": false<br /> }<br /> }<br /> ]<br /> }<br /> <br />
     
     text_field：指定原始文本字段，Pipeline 会将该字段的内容转换成向量。
     
     vector_field：指定向量存储的字段，保存上面转换的向量。
     
     

     3. 写入数据
     

     
     plain<br /> POST /_bulk?pipeline=text-embedding-pipeline&pretty<br /> {"index": {"_index": "my-index", "_id": "1"}}<br /> {"input_text": "苹果发布了新款iPhone 15 Pro手机，搭载A17芯片"}<br /> {"index": {"_index": "my-index", "_id": "2"}}<br /> {"input_text": "特斯拉宣布将在上海建第二座超级工厂"}<br /> {"index": {"_index": "my-index", "_id": "3"}}<br /> {"input_text": "今天天气真好，阳光明媚适合去公园散步"}<br /> {"index": {"_index": "my-index", "_id": "4"}}<br /> {"input_text": "程序员用Python写了一个自动化数据清洗脚本"}<br /> {"index": {"_index": "my-index", "_id": "5"}}<br /> {"input_text": "故宫博物院推出了夏季特展，展出珍贵文物"}<br /> {"index": {"_index": "my-index", "_id": "6"}}<br /> {"input_text": "小明每天坚持跑步五公里，身体越来越健康"}<br /> {"index": {"_index": "my-index", "_id": "7"}}<br /> {"input_text": "人工智能大模型在自然语言处理领域取得突破"}<br /> {"index": {"_index": "my-index", "_id": "8"}}<br /> {"input_text": "这家咖啡店的拿铁口感丝滑，推荐给咖啡爱好者"}<br /> {"index": {"_index": "my-index", "_id": "9"}}<br /> {"input_text": "量子计算机有望在药物研发中发挥重要作用"}<br /> {"index": {"_index": "my-index", "_id": "10"}}<br /> {"input_text": "周末和朋友一起去爬山，山顶的风景美极了"}<br />
     
     
     
     

     4. 检查数据
     

     
     搜索索引数据，看看是否成功转换成了向量。可以看到原始数据保存在 input_text 字段中，其向量保存到了 text_vector。
     
     
     
     OK，下一步我们看看怎么方便地实现向量搜索。
     
     
     ---
     
     

     关于 Easysearch
     

     
     
     
     INFINI Easysearch 是一个分布式的搜索型数据库，实现非结构化数据检索、全文检索、向量检索、地理位置信息查询、组合索引查询、多语种支持、聚合分析等。Easysearch 可以完美替代 Elasticsearch，同时添加和完善多项企业级功能。Easysearch 助您拥有简洁、高效、易用的搜索体验。
     
     官网文档：<https://docs.infinilabs.com/easysearch>;
     
     ---
     
     相关文章：
     
     

• [Easysearch 向量搜索指南](https://docs.infinilabs.com/ea ... earch/)

1、OpenAI 发布 GPT-5.6 系列：三款模型、多智能体协作、全新安全体系
https://www.oschina.net/news/471754/gpt-5-6

2、Elasticsearch 深度搜索与查询 DSL 实战：精准定位数据的核心技法
https://cloud.tencent.com/deve ... 15508

3、Elaticsearch 向量迁 Easysearch：别只改字段名
https://mp.weixin.qq.com/s/hEUcF36emuFafSeOlR-dyg

4、大数据量分页，Easysearch 是如何避免性能陷阱的
https://mp.weixin.qq.com/s/BNN4wrKOeog8nRoOUaa2Vw

编辑：Fred 
更多资讯：http://news.searchkit.cn

1.Embodied3D-DataAgent：基于阿里云 Elastic+AI Agent Builder 的具身机器人 3D 资产全链路数据智能体
https://blog.csdn.net/UbuntuTo ... 76175

2.Semantic_text 字段默认嵌入模型变为 .jina-embeddings-v5-text-small
https://blog.csdn.net/UbuntuTo ... 31729

3.百万Token上下文窗口，正在成为Agent最大的技术负债
https://mp.weixin.qq.com/s/1N4WZHjbRsRIpqiEGDXaBw



编辑：kin122    
更多资讯：http://news.searchkit.cn

1、一个 OTLP 端点，三个团队，零路由规则：Elasticsearch Streams AI 分区
https://elasticstack.blog.csdn ... 70873

2、谁来评判评判者？在 Elasticsearch Workflows 中使用 LLM-as-a-Judge
https://elasticstack.blog.csdn ... 51391

3、如何使用 OpenTelemetry 在 Elastic 上构建搜索分析，无需额外的管道
https://elasticstack.blog.csdn ... 15352

4、Agent 评测：方法论与体系设计
https://mp.weixin.qq.com/s/7a2L-GatYYwI6s1uK9mTjA

5、一份可信来源，终结 Skill 管理混乱：Skill 治理最佳实践
https://mp.weixin.qq.com/s/b88VRdAQ2u7IhQBqvNcnVg

编辑：Muse
更多资讯：http://news.searchkit.cn

1. 当 AI Agent 开始使用数据库，数据库应该变成啥样子？
https://mp.weixin.qq.com/s/GEZFQXx3dXltS8kYvJGguw
2.用 HAMi 与 vCluster 搭建一个迷你本地 AI 工厂
https://mp.weixin.qq.com/s/NCEJ5rGIPHbepdhO_LV6NA
3. 实现搜索反馈回路
https://spinscale.de/posts/202 ... .html

编辑：Se7en
更多资讯：http://news.searchkit.cn