搜索客，搜索人自己的社区

INFINI Labs 产品更新 | Agent 全新重构，优化指标采集，支持集中配置管理，支持动态下发等功能

资讯动态 • liaosy 发表了文章 • 0 个评论 • 3256 次浏览 • 2023-11-03 15:32 • 来自相关话题

![release](https://www.infinilabs.com/img ... er.png)

INFINI Labs 产品又更新啦~

本次更新主要有 Agent、Console、Loadgen 等产品，其中 Agent 进行全新重构升级，新版限制了 CPU 资源消耗，优化了内存，相比旧版内存使用率降低 10 倍，极大的降低了对宿主服务器资源占用的压力。同时 Agent 还优化了指标采集，支持集中配置管理，支持动态下发，支持一键安装和自动注册到 Console，可通过 Console 集中管理，并进行关联集群和节点。

以下是本次更新的详细说明。

INFINI Agent v0.7.0

INFINI Agent 是 INFINI Console 的一个可选探针组件，负责采集和上传集群指标和日志等信息，并可通过 Console 管理。Agent 支持主流操作系统和平台，安装包轻量且无任何外部依赖，可以快速方便地安装。

探针 Agent 本次更新如下：

Features

限制探针资源消耗，限制 CPU 的使用
优化探针内存使用，10 倍降低
支持集中配置管理，支持动态下发
支持探针一键安装和自动注册
优化节点指标采集，仅采集本节点指标

Improvements
重构节点统计信息
删除未使用的文件
添加发现未知节点的 API
重构节点发现
重构新的 API

INFINI Console v1.10.0

INFINI Console 是一款非常轻量级的多集群、跨版本的搜索基础设施统一管控平台。通过对流行的搜索引擎基础设施进行跨版本、多集群的集中纳管，企业可以快速方便的统一管理企业内部的不同版本的多套搜索集群。

Console 在线体验： <http://demo.infini.cloud>; (用户名/密码：readonly/readonly)。

探针管理

新版 Agent 安装好之后可在 Console 探针管理界面集中纳管，支持发现 ES 进程和疑似 ES 进程，并支持手动和自动批量关联到集群。如下图所示：

![](https://infinilabs.com/img/blo ... /1.jpg)

实例动态配置

Console 网关实例模块新增配置管理功能，支持实例配置内容查看和修改，修改后的配置支持自动加载生效，无需再去手动重启实例。如下图所示：

![](https://infinilabs.com/img/blo ... /2.jpg)

集群动态

集群动态界面进行了优化，新增了筛选过滤、时序图等。如下图所示：

![](https://infinilabs.com/img/blo ... /3.jpg)

Console 本次更新详细清单如下：

Features
重构探针注册流程
合并精简冗余接口
支持实例的配置查看和动态修改
允许准入和移除探针
监控新增分片级别指标
节点级别添加线程池相关指标

Bug fix
修复数据迁移/校验任务列表状态显示异常的问题
修复数据探索索引选择列表数据不完整的问题
修复开发工具集群列表找不到集群的问题
修复监控告警详情点击后查询的数据未包含告警时间点产生的数据问题

Improvements
优化数据迁移/校验任务剩余时间显示
数据探索查询数据支持自定超时时间
数据探索字段 TOP5 统计的总数调整为当前时间范围内的文档数
监控指标支持自定义时间桶的大小
数据检验任务添加导出文档数提示信息
优化集群，网关注册输入框，自动去除两边空格
完善探针探测未知 ES 节点的流程
优化探针安装脚本，新增远程配置服务器参数
优化集群动态界面，新增筛选过滤、时序图等
优化集群管理界面，新增筛选过滤

INFINI Loadgen v1.8.0

INFINI Loadgen 是一款支持 Easysearch、Elasticsearch 等搜索引擎压测工具，其特点轻量级无依赖、性能强劲、支持高并发、支持模板化参数随机、支持压测端均衡流量控制等。

Loadgen 本次更新如下：

Breaking changes
原 Loadrun 功能并入 Loadgen
测试请求、断言等使用新的 Loadgen DSL 语法来配置

下载地址：<https://release.infinilabs.com/loadgen>;

期待反馈

欢迎下载体验使用，如果您在使用过程中遇到如何疑问或者问题，欢迎前往 INFINI Labs Github（<https://github.com/infinilabs>;）中的对应项目中提交 Feature Request 或提交 Bug。
INFINI Gateway： <https://github.com/infinilabs/gateway/issues>;
INFINI Console： <https://github.com/infinilabs/console/issues>;
下载地址： <https://www.infinilabs.com/download>;

您还可以通过邮件联系我们：hello@infini.ltd

或者拨打我们的热线电话：(+86) 400-139-9200

欢迎加入 Discord 聊天室：<https://discord.com/invite/4tKTMkkvVX>;

也欢迎大家微信扫码添加小助手（INFINI-Labs），加入用户群一起讨论交流。

![联系我们](https://www.infinilabs.com/img ... ew.jpg)

关于极限科技（INFINI Labs）

![INFINI Labs](https://www.infinilabs.com/img ... bs.png)

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.com>;

基于容量估算

主要问题：

每天将索引多少原始数据（GB）？保留数据多少天？
原始数据膨胀率
您将强制执行多少个副本分片？
您将为每个数据节点分配多少内存？
您的内存:数据比例是多少？

原则
保留 +15% 以保持在磁盘水位以下。
保留 +5% 用于误差和后台活动的余量。
保留相当于一个数据节点的资源来处理故障。

公式：

总数据量 GB = 原始数据 GB/天 * 保留天数 * 膨胀率 * (副本数 + 1)

总存储 GB = 总数据 GB * 1.15（包括磁盘 watermark threshold 和误差范围）

总数据节点数 = ROUNDUP(总存储 GB / (每个数据节点的内存 * 内存/数据比例)) + 1（用于故障转移）

举例：

假设需要存储的源数据 50TB 大小

膨胀率 10% 副本数 1

每个节点 256G 内存

计算出：

总数据量 TB

= 50TB * (1 + 0.10) * (1 + 1)

= 110TB

总存储 TB

= 110TB * 1.15（考虑磁盘 watermark threshold 和误差范围）

= 126.5TB

如果有 256GB 的物理内存，128GB 会用于 JVM 堆，剩下的 128GB 将用于操作系统、文件缓存和其他系统进程。

按照常见的 1:30 的 RAM 到磁盘比例来计算，那么每个节点能处理的数据存储大约是：

256GB 内存 * 30 = 7680GB，大约等于 7.68TB

总数据节点数

= ROUNDUP(126.5TB / 7.68TB) + 1（用于故障转移）

= ROUNDUP(16.47) + 1

= 18

基于搜索吞吐量估算

在存储容量层面之外，还要考虑搜索响应时间和搜索吞吐量的目标，这些目标可能需要更多的内存和计算资源。

搜索响应时间受太多变量的影响，无法预测任何给定容量计划会如何影响它。但通过经验性测试搜索响应时间并估计预期的搜索吞吐量，我们可以估算出满足这些需求所需的集群资源。

主要问题：
你每秒的最高搜索次数是多少？
你的平均搜索响应时间（毫秒）是多少？
你的数据节点上有多少个核心和每个核心有多少个线程

经验方法：

与其确定资源将如何影响搜索速度，不如将搜索速度视为一个常数，通过在计划的硬件上进行测量来处理。然后确定集群需要多少个核心来处理预期的搜索吞吐量峰值。最终目标是防止线程池队列增长速度超过它们被消耗的速度。如果计算资源不足，搜索请求有被丢弃的风险。

公式：

峰值线程数 = 向上取整（每秒的峰值搜索次数 * 平均搜索响应时间（毫秒） / 1000 毫秒）

线程池大小 = 向上取整（（每个节点的物理核心数 * 每个核心的线程数 * 3 / 2） + 1）

总数据节点数 = 向上取整（峰值线程数 / 线程池大小）

举例：

假设每秒 2 万搜索请求，平均响应时间 50 毫秒，每个节点有 16 个线程数，计算需要多少节点

峰值线程数 = 20000 * 50 /1000 = 1000

线程池大小 = (16 * 1 * 3/2) + 1 = 25

总数据节点数 = 1000 / 25 = 40

大概需要 40 个数据节点来处理每秒 2 万的搜索请求，平均响应时间为 50 毫秒，每个节点有 16 个线程。这是一个粗略的估计，实际需求可能会因多种因素而有所不同。建议进行实际测试以确认这些数字。

Hot, Warm, Frozen

根据索引使用情况不同，通常分为种存储。
这是一种经济高效的方法，用于存储大量数据，同时优化了对较新数据的性能。在容量规划期间，每个层次必须独立进行规模确定，然后进行合并。

| 层面 | 目标 | 示例存储 | 示例内存：存储比 |
| ------ | -------- | --------------------------- | ---------------- |
| Hot | 搜索为主 | SSD DAS/SAN (>200Gb/s) | 1:30 |
| Warm | 存储为主 | HDD DAS/SAN (~100Gb/s) | 1:100 |
| Frozen | 存档为主 | Cheapest DAS/SAN (<100Gb/s) | 1:500 |

实际情况要把搜索吞吐量估算和容量估算结合考虑。

关于 Easysearch

![about easysearch](https://www.infinilabs.com/img ... er.png)

INFINI Easysearch 是一个分布式的近实时搜索与分析引擎，核心引擎基于开源的 Apache Lucene。Easysearch 的目标是提供一个轻量级的 Elasticsearch 可替代版本，并继续完善和支持更多的企业级功能。与 Elasticsearch 相比，Easysearch 更关注在搜索业务场景的优化和继续保持其产品的简洁与易用性。

官网文档：<https://www.infinilabs.com/doc ... gt%3B

下载地址：<https://www.infinilabs.com/download>;

原文：<https://www.infinilabs.com/blo ... gt%3B

Docker 镜像升级

![](https://infinilabs.com/img/blo ... 01.png)
Service 名称调整，支持 NodePort 模式部署

![](https://infinilabs.com/img/blo ... 02.png)
![](https://infinilabs.com/img/blo ... 03.png)
![](https://infinilabs.com/img/blo ... 04.png)

现在让我们用 NodePort 模式部署一下：

```bash

helm search repo infinilabs

NAME CHART VERSION APP VERSION DESCRIPTION
infinilabs/console 0.2.0 1.8.0-1259 A Helm chart for Kubernetes
infinilabs/easysearch 0.2.0 1.6.0-59 A Helm chart for Kubernetes
infinilabs/gateway 0.1.0 1.18.0-1123 A Helm chart for Kubernetes

cat es-nodeport.yaml

service:
type: NodePort
http: 9200
transport: 9300
httpNodeport: 30920
transNodeport: 30930

helm install easysearch infinilabs/easysearch -n infini -f es-nodeport.yaml

NAME: easysearch
LAST DEPLOYED: Mon Oct 9 08:38:28 2023
NAMESPACE: infini
STATUS: deployed
REVISION: 1
TEST SUITE: None
NOTES:
1. Get the application URL by running these commands:
  export NODE_PORT=$(kubectl get --namespace infini -o jsonpath="{.spec.ports[0].nodePort}" services easysearch)
  export NODE_IP=$(kubectl get nodes --namespace infini -o jsonpath="{.items[0].status.addresses[0].address}")
  echo http://$NODE_IP:$NODE_PORT
  
  kubectl get svc -n infini
  
  NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
  easysearch NodePort 10.43.175.245 9200:30920/TCP,9300:30930/TCP 25s
  
  kubectl get pod -n infini
  
  NAME READY STATUS RESTARTS AGE
  easysearch-0 1/1 Running 0 40s
  
  curl -ku'admin:admin' https://10.0.0.1:30920
  
  {
  "name" : "easysearch-0",
  "cluster_name" : "infinilabs",
  "cluster_uuid" : "2cPioaONRVWp6BydbGuXDw",
  "version" : {
  "distribution" : "easysearch",
  "number" : "1.6.0",
  "distributor" : "INFINI Labs",
  "build_hash" : "e5d1ff9067b3dd696d52c61fbca1f8daed931fb7",
  "build_date" : "2023-09-22T00:55:32.292580Z",
  "build_snapshot" : false,
  "lucene_version" : "8.11.2",
  "minimum_wire_lucene_version" : "7.7.0",
  "minimum_lucene_index_compatibility_version" : "7.7.0"
  },
  "tagline" : "You Know, For Easy Search!"
  }
```

关于 Easysearch

![about easysearch](https://www.infinilabs.com/img ... er.png)

INFINI Easysearch 是一个分布式的近实时搜索与分析引擎，核心引擎基于开源的 Apache Lucene。Easysearch 的目标是提供一个轻量级的 Elasticsearch 可替代版本，并继续完善和支持更多的企业级功能。与 Elasticsearch 相比，Easysearch 更关注在搜索业务场景的优化和继续保持其产品的简洁与易用性。

官网文档：<https://www.infinilabs.com/doc ... gt%3B

下载地址：<https://www.infinilabs.com/download>;

原文：<https://www.infinilabs.com/blo ... gt%3B

通知设置 新通知

发现

INFINI Agent v0.7.0

Features

Improvements

INFINI Console v1.10.0

Features

Bug fix

Improvements

INFINI Loadgen v1.8.0

Breaking changes

期待反馈

关于极限科技（INFINI Labs）

基于容量估算

主要问题：

原则

公式：

举例：

总数据量 TB

总存储 TB

总数据节点数

基于搜索吞吐量估算

主要问题：

经验方法：

公式：

举例：

Hot, Warm, Frozen

关于 Easysearch

helm search repo infinilabs

cat es-nodeport.yaml

helm install easysearch infinilabs/easysearch -n infini -f es-nodeport.yaml

kubectl get svc -n infini

kubectl get pod -n infini

curl -ku'admin:admin' https://10.0.0.1:30920

关于 Easysearch

活动推荐

热门话题

通知设置新通知