与 INFINI Labs 的技术专家面对面，第一时间了解极限实验室的发布最新产品和功能特性，通过动手实战，快速掌握最前沿的搜索技术，并用于实际项目中。欢迎大家扫描海报二维码免费报名参加。

活动时间：2024-01-18 13:30～17:30

活动地点：北京市海淀区 Wework 辉煌时代大厦 3 楼 3E 会议室

分享议题

• Easysearch 总体介绍及搭建实战
• 基于 INFINI Console 实现跨版本、跨引擎统一管控
• Elasticsearch -> Easysearch 在线迁移实操

参会提示

• 请务必自备电脑（Windows 系统环境请提前安装好 Linux 虚拟机）
• 请提前在 INFINI Labs 官网下载对应平台最新安装包（INFINI Easysearch、INFINI Gateway、INFINI Console）
• 下载地址：https://www.infinilabs.com/download
• 如有任何疑问可添加 INFINI Labs 小助手（微信号: INFINI-Labs）进行联系

【 INFINI Workshop 上海站】7 月 27 日下午 和 INFINI Labs 的技术专家面对面，第一时间了解极限实验室的发布最新产品和功能特性，通过动手实战，快速掌握最前沿的搜索技术，并用于实际项目中。欢迎大家免费报名参加。 活动时间：2023-07-27 13:30～17:30 活动地点：上海静安区武宁南路1号 WeWork 越商大厦 3 楼 3A 会议室 （注意：活动地址已更新，已报名小伙伴无需重新报名。） ​ 分享议题 • Easysearch 总体介绍及搭建实战 • 基于 INFINI Console 实现跨版本、跨引擎统一管控 • Elasticsearch -> Easysearch 在线迁移实操 参会提示 • 请务必自备电脑（Windows 系统环境请提前安装好 Linux 虚拟机） • 请提前在 INFINI Labs 官网下载对应平台最新安装包（INFINI Easysearch、INFINI Gateway、INFINI Console） • 下载地址：https://www.infinilabs.com/download 名额有限，对 ES 国产化感兴趣的朋友们速度报名（扫描海报中的二维码或者点击 链接 即可免费报名）。   如有任何疑问可添加 INFINI Labs 小助手（微信号: INFINI-Labs）进行联系。

在金融行业数字化转型与信创建设持续推进的背景下，如何让国产数据库更好地支撑海量数据检索、实时分析与智能应用，成为越来越多企业关注的话题。

8 月 7 日，围绕 “达梦数据库 × Easysearch 金融行业搜索与分析加速方案”，我们开展了一场技术主题分享与交流活动。 由 极限科技技术专家杨帆 从金融行业实际业务需求出发，深入介绍了达梦数据库与 Easysearch 的协同架构，并围绕数据同步、查询卸载、性能优化以及国产化生态合作等问题，与参会伙伴展开了深入交流。

本次分享的核心方案，是通过 “达梦数据库 + CDC 实时同步 + Easysearch” 构建事务与检索分析分离的架构：达梦继续承担核心事务处理和主数据管理，Easysearch 则承接全文搜索、海量数据检索、多维分析以及 AI 检索等场景，让两套系统各司其职，共同提升数据服务能力。

一、为什么需要“数据库 + 搜索引擎”？

传统关系型数据库在 OLTP 场景下具有强一致性、事务处理和数据管理等优势，但当业务逐渐面临海量数据全文检索、多维聚合分析以及复杂搜索体验等需求时，单纯依赖数据库往往会面临新的挑战。

例如在金融场景中，交易明细、合同与制度文件、客户信息、日志数据等都需要被快速检索；与此同时，大量报表、聚合分析和历史数据查询又可能与核心交易业务争抢 CPU、IO 等资源。

分享中提到，达梦擅长 OLTP 事务处理、强一致性、数据安全与审计等能力，而在全文检索、相关性排序以及海量检索分析等方面，则可以通过 Easysearch 进行能力补充。

因此，方案的核心思路并不是简单地“用 Easysearch 替换数据库”，而是：

让数据库专注事务，让搜索引擎专注搜索与分析。

达梦负责写入、更新、事务一致性以及主数据管理；Easysearch 则负责从海量数据中快速“找出来、关联起来”，承接搜索、聚合、向量检索及 AI 等查询型负载。

二、CDC：连接事务库与检索分析库的关键纽带

在这样的架构中，如何让达梦中的数据及时同步到 Easysearch，是大家非常关注的问题。

本次方案采用 CDC 实时同步 的方式，整体链路包括三个阶段：

全量同步 → 增量同步 → 持续运行

首先将达梦存量数据同步至 Easysearch，建立数据基线；随后通过 CDC 持续捕获 INSERT、UPDATE、DELETE 等数据变化，并实时同步到 Easysearch，最终形成持续运行的数据同步链路。

在分享介绍的测试验证中，达梦 DM8 × Easysearch 已完成兼容认证测试，全量同步和增量同步均验证通过；在 CDC 高压同步测试中，万级变更可在 30 秒内完成同步，并实现读写一致、无积压。

三、现场技术交流：从“方案介绍”走向“实际问题”

相比单向的技术分享，本次活动更加精彩的部分，是分享结束后的互动交流。

围绕方案在真实生产环境中的落地，参会伙伴提出了多个非常有针对性的问题，分享老师也结合方案设计和实际经验进行了逐一解答。

1. CDC 延迟一般是多少？

CDC 是整个架构实现近实时数据同步的关键，因此大家首先关注了：

从达梦发生数据变更，到 Easysearch 可以查询到数据，中间通常存在多大的延迟？

这个问题实际上不仅涉及 CDC 本身，还与源端产生变更的速度、网络、同步任务处理能力以及目标端写入性能等多个因素相关。

在常规业务负载下，CDC 增量同步延迟可控制在秒级；如果业务变更量更高，可通过 Easysearch 动态扩容分片、增加 CDC 同步并发等方式进一步降低延迟，满足金融级近实时数据一致性要求。

2. 哪些查询适合留在达梦？哪些查询适合放到 Easysearch？

这是现场非常有代表性的一个问题。

实际上，“哪些数据进入 Easysearch”并不是简单按照表来划分，而更应该按照 业务访问模式和查询类型 来判断。

例如：

• 强事务、强一致性的核心业务操作，继续留在达梦；
• 精确查询、事务处理以及主数据维护，继续由达梦负责；
• 全文搜索、模糊查询、相关性排序等场景，可以交给 Easysearch；
• 海量数据检索、多维聚合分析、历史数据查询等，可以通过 Easysearch 进行查询卸载；
• 面向 AI 的向量检索、混合检索和 RAG 等场景，则可以进一步利用 Easysearch 的搜索能力。

这种“按负载类型进行职责分工”的方式，也是整个方案设计的核心。

3. 从搜索到分析：Easysearch 还能解决什么？

除了传统的全文检索，本次分享还介绍了 Easysearch 在海量数据分析、向量检索以及 AI 场景中的应用。

在全文搜索方面，Easysearch 支持 IK、拼音、HanLP 等中文分词能力，并提供 BM25 相关性评分、Function Score、高亮、同义词、搜索建议等能力。

在海量数据分析方面，则可以通过倒排索引、列式 Doc Values 以及聚合能力，承接交易明细分析、日志检索、客户行为分析以及风控等场景。

而在 AI 场景中，Easysearch 还可以进一步提供向量检索和全文检索融合能力，为 RAG、语义搜索、智能客服、推荐以及反欺诈等应用提供检索底座。

这意味着，数据库中的结构化数据经过同步之后，并不只是多了一个“搜索入口”，而是可以进一步形成 搜索、分析与 AI 多种数据服务能力。

4. 在国产数据库信创领域，达梦与 Easysearch 有哪些合作空间？

二者都是信创全栈适配的国产自主产品，合作空间非常广阔：

首先是联合解决方案落地：面向金融、运营商、政企等行业，提供“事务库 + 检索分析库”的信创标准架构，满足等保、密评要求，规避开源组件协议风险；

其次是国产化替代场景：Easysearch 可作为 Elasticsearch 的平滑替代产品，与达梦组合形成“去 IOE + 去开源 Elastic ”的全栈信创方案，目前已在中国移动、中国一汽等标杆项目中验证；

此外还有AI场景拓展：二者结合可支撑金融 RAG 知识库、智能风控、语义合规审查等 AI 应用，为信创环境下的智能化转型提供底座。

四、一次分享，也是一次技术碰撞

从达梦数据库到 Easysearch，从 CDC 到查询卸载，再到全文搜索、海量分析和 AI 检索，本次交流虽然围绕的是一个具体的技术方案，但大家讨论的其实是一个更加普遍的问题：

在信创和数字化转型背景下，如何让不同类型的数据基础设施发挥各自的优势，并最终服务于业务？

达梦与 Easysearch 的组合，并不是简单的“1+1”，而是通过职责分离，让事务处理、数据管理、搜索、分析和 AI 各自发挥所长。

技术分享有终点，技术交流没有终点。

感谢分享嘉宾的精彩内容，也感谢每一位参会伙伴的积极参与和深度交流。

期待下一次，我们继续围绕 搜索、数据库、数据分析、AI 与信创技术，碰撞出更多新的思路与实践。

达梦 × Easysearch，探索国产数据基础设施协同的新可能。

---

参考资源：

• PPT 下载：https://searchkit.cn/slides/347
• 达梦官网：https://dameng.com
• Easysearch 官网：https://easysearch.cn

上回 我们通过 Ingest Pipeline 把数据在写入 Easysearch 的过程中自动转换成了向量，这次我们通过 Search Pipeline 实现查询时将查询内容转换成向量并进行查询。

Embedding 服务

这里要保持与写入时使用的模型一致。

实战

我们实战演示分为以下几个步骤：

1. 建立 Search Pipeline
2. 设置索引默认 Pipeline
3. 数据查询

建立 Search Pipeline

PUT /_search/pipeline/default_model_pipeline
{
  "rewrite_processors": [
    {
      "semantic_query_enricher" : {
        "description": "Sets the default embedding model",
        "url": "https://dashscope.aliyuncs.com/compatible-mode/v1/embeddings",
        "vendor": "openai",
        "api_key": "<api_key>",
        "default_model_id": "text-embedding-v4",
        "vector_field_model_id": {
           "text_vector": "text-embedding-v4"
        }
      }
    }
  ]
}

设置索引默认 Pipeline

为了方便查询，不用每次查询都指定 Pipeline，我们设置默认值。

PUT /my-index/_settings
{
  "index.search.default_pipeline" : "default_model_pipeline"
}

数据查询

使用上次写入的数据进行查询测试，但不直接查询原来的文本内容。

GET /my-index/_search
{
  "_source": "input_text",
  "query": {
    "semantic": {
      "text_vector": {
        "query_text": "非常先进高级的生产车间",
        "candidates": 100,
        "query_strategy": "LSH_COSINE"
      }
    }
  }
}

参数解释请查看文档。

OK，从上面可以看到，我们没有直接搜索原文本中的内容或关键字，但还是通过文本的语义检索到了相关内容。

---

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

---

相关文章：

• INFINI Easysearch 向量搜索实战（一）
• Easysearch 向量搜索指南

Easysearch 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。

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。

PUT /my-index
{
  "mappings": {
    "properties": {
      "text_vector": {
        "type": "knn_dense_float_vector",
        "knn": {
          "dims": 1024,
          "model": "lsh",
          "similarity": "cosine",
          "L": 99,
          "k": 1
        }
      }
    }
  }
}

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。

PUT _ingest/pipeline/text-embedding-pipeline
{
  "description": "用于生成文本嵌入向量的管道",
  "processors": [
    {
      "text_embedding": {
        "url": "https://dashscope.aliyuncs.com/compatible-mode/v1/embeddings",
        "vendor": "openai",
        "api_key": "xxxxxx",
        "text_field": "input_text",
        "vector_field": "text_vector",
        "model_id": "text-embedding-v4",
        "dims": 1024,
        "ignore_missing": false,
        "ignore_failure": false
      }
    }
  ]
}

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

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

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

---

相关文章：

• Easysearch 向量搜索指南
• INFINI Easysearch 向量搜索实战（二）

在 Windows、macOS、Linux 或 Docker 环境中，使用 DBX 一个轻量桌面客户端完成 Easysearch 连接管理、索引浏览、文档操作与查询。

一个界面管理 Easysearch

DBX 是一款开源、轻量的数据库工具，支持 70 多种数据库与数据服务。针对 Easysearch，DBX 提供以下常用能力：

• 保存并管理 Easysearch 连接，支持用户名、密码、TLS/SSL 与代理配置；
• 展开连接后直接浏览当前账号有权访问的索引；
• 以表格或文档视图查看、筛选、排序和分页浏览文档；
• 在查询编辑器中执行 REST、Query DSL 与常用 SQL；
• 对具备写入权限的索引新增、修改或删除文档；
• 通过 DBX MCP 将已有连接提供给支持 MCP 的 AI 工具使用。

三步连接 Easysearch

本文截图与示例基于 DBX v0.5.71 和 Easysearch v2.3.1。连接测试、集群状态查询、索引浏览、文档搜索与写入能力均已在实际环境中完成验证。

1. 选择 Easysearch

打开 DBX，点击顶部的“新建连接”。在数据库类型列表中搜索并选择 Easysearch，然后点击“下一步”。

图 1 在 DBX 中选择 Easysearch

2. 填写连接信息

填写连接名称、主机、端口、用户名和密码。Easysearch 常用 HTTP 端口为 9200；如果服务使用 HTTPS，请在“TLS/SSL”页签中配置证书校验方式。

也可以直接粘贴完整连接 URL，由 DBX 自动解析连接参数。发布或分享截图时，请始终隐藏真实密码、内部地址和访问令牌。

图 2 填写 Easysearch 连接信息

3. 测试并保存

点击“测试”确认网络、账号和权限配置正确，再点击“保存并连接”。连接成功后，DBX 会在左侧连接树中展示当前账号可访问的索引。

连接失败时优先检查
服务地址与端口是否可达；用户名、密码和账号权限是否正确；HTTPS 证书链与主机名校验是否匹配；本机代理、隧道或防火墙是否允许访问目标服务。

浏览索引与文档

展开 Easysearch 连接并点击索引，DBX 会读取索引结构并加载文档。常见字段可以直接以表格形式展示，也可以切换到文档视图查看完整 JSON。

图 3 在 DBX 中浏览 Easysearch 索引文档

工具栏提供刷新、自动刷新、跳转列、新增行、提交和回滚等操作。对于具备写入权限的索引，可以直接在结果区域新增或修改文档，再统一提交变更。

需要缩小结果范围时，可以在筛选区域输入 JSON 条件。例如筛选指定分类：

{
  "category": "compatibility"
}

需要使用完整 Query DSL 时，可以通过 $esQuery 传入查询对象：

{
  "$esQuery": {
    "match": {
      "title": "Easysearch"
    }
  }
}

执行 REST、Query DSL 与 SQL

DBX 的 Easysearch 查询编辑器支持 METHOD /path 格式的 REST 请求。输入请求后，使用编辑器左侧的执行按钮或快捷键运行，即可在下方查看状态码和 JSON 响应。

例如，检查集群健康状态：

GET /_cluster/health

图 4 在 DBX 中执行 Easysearch REST 查询

更多查询方式

执行 Query DSL：

POST /products/_search
{
  "query": {
    "match": {
      "name": "database"
    }
  }
}

对于 Easysearch 当前版本支持的常用 SQL，也可以直接输入：

SELECT title, category, score   FROM products   ORDER BY score DESC   LIMIT 20;

DBX 会将兼容响应转换为结果表格。遇到 Elasticsearch 版本差异、专有扩展或 SQL 兼容性限制时，建议改用明确的 REST 与 Query DSL 请求，以便准确控制请求路径和参数。

与 AI 工具协作

启用 DBX MCP 后，支持 MCP 的 AI 编码工具可以复用 DBX 中保存的 Easysearch 连接，在现有访问策略下执行查询，无需在提示词或聊天记录中重复填写连接密码。

生产环境建议
为 AI 工具单独准备只读或受限账号，明确允许访问的索引范围，并保持文档写入、删除索引等高风险操作默认关闭。

下载与反馈

Easysearch 官网：https://easysearch.cn
DBX 官网：https://dbxio.com
DBX 下载：https://github.com/t8y2/dbx/releases
DBX GitHub：https://github.com/t8y2/dbx

如果你正在使用 Easysearch，可以下载 DBX 体验连接管理、索引浏览、文档操作和查询能力。遇到兼容性问题或有新的使用建议，欢迎在 DBX GitHub 仓库提交 Issue。

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 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/easysearch/main/docs/quick-start/

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

Easysearch 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。

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。

PUT /my-index
{
  "mappings": {
    "properties": {
      "text_vector": {
        "type": "knn_dense_float_vector",
        "knn": {
          "dims": 1024,
          "model": "lsh",
          "similarity": "cosine",
          "L": 99,
          "k": 1
        }
      }
    }
  }
}

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。

PUT _ingest/pipeline/text-embedding-pipeline
{
  "description": "用于生成文本嵌入向量的管道",
  "processors": [
    {
      "text_embedding": {
        "url": "https://dashscope.aliyuncs.com/compatible-mode/v1/embeddings",
        "vendor": "openai",
        "api_key": "xxxxxx",
        "text_field": "input_text",
        "vector_field": "text_vector",
        "model_id": "text-embedding-v4",
        "dims": 1024,
        "ignore_missing": false,
        "ignore_failure": false
      }
    }
  ]
}

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

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

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

一、引言

2026 年 6 月 21 日，经过 Bboss 开源社区与极限科技（INFINI Labs）的紧密合作， Bboss v7.5.6 正式发布！

作为国内领先的 AI 智能体开发框架、数据采集同步 ETL 工具以及流批一体化计算引擎，Bboss 在本次更新中与国产分布式搜索引擎 Easysearch 完成深度兼容，其 Elasticsearch Java 客户端 全面兼容 Easysearch 1.x、2.x 全系列版本。开发者现在可以无缝使用 Bboss 客户端操作 Easysearch 集群，享受与 Elasticsearch 一致的开发体验。

二、Bboss Elasticsearch 客户端简介

Bboss 是一款高性能、高兼容性的搜索引擎 Java REST 客户端框架，基于 Apache License 2.0 开源，原生支持 Elasticsearch、Easysearch 和 Opensearch。

自带客户端集群节点负载均衡和容灾，多集群多数据源，自动索引托管，多种分页机制，傻瓜级 CRUD，脚本，SQL，JDBC，高亮，权重，聚合，IP，GEO 地理位置，父子嵌套，应有尽有。

核心特性

特性	说明
原生多引擎支持	完美支持 ES 1.x ~ 9.x、Easysearch 1.x ~ 2.x、Opensearch 1.x ~ 3.x
学习成本低	无需学习额外 API，只需掌握 Elasticsearch DSL，极简使用方式
开箱即用	Spring Boot 自动配置，无需复杂设置
高效异步处理	内置 BulkProcessor 异步批处理器，大幅提升写入性能
灵活查询方式	支持 DSL、SQL、O/R Mapping 多种查询模式
多数据源支持	一个应用可同时操作多个不同版本的搜索引擎集群
客户端负载均衡	默认启用客户端负载均衡，容灾性更好
完整的结果封装	返回结果支持 JSON、PO 对象、List 集合、Map 等多种类型

三、为什么选择 Bboss + Easysearch

将 Bboss 作为 Easysearch 的 Java 客户端，您将获得以下独特优势：

1. 国产化技术栈：从底层搜索引擎到上层客户端框架，完全国产化自主可控，满足信创合规要求，无许可证风险。
2. 极低迁移成本：如果您正在使用 Elasticsearch + Bboss 技术栈，切换到 Easysearch 几乎零成本，只需修改连接配置即可。
3. 成熟稳定的客户端：Bboss 经过多年发展，已在国内众多企业和项目中得到广泛应用和验证，拥有活跃的中文社区和完善的文档支持。
4. 丰富的生态能力：除了基础的 CRUD 操作，还提供数据采集 ETL、流批一体化计算、AI 智能体等丰富的扩展能力。

四、快速开始

通过以下简单步骤，即可在 Bboss 中接入 Easysearch：

1. 添加 Maven 依赖

<dependency>
    <groupId>com.bbossgroups.plugins</groupId>
    <artifactId>bboss-datatran-jdbc</artifactId>
    <version>7.5.6</version>
</dependency>

2. 配置 Easysearch 连接

spring:
  elasticsearch:
    bboss:
      elasticsearch:
        rest:
          hostNames: localhost:9200
          useHttps: true # Easysearch 默认启用 HTTPS
      elasticUser: admin
      elasticPassword: your_password

3. 基础操作

@Service
public class DocumentService {
    @Autowired
    private BBossESStarter bbossESStarter;

    // 插入文档
    public void insertDocument() {
        ClientInterface client = bbossESStarter.getRestClient();
        Document doc = new Document();
        doc.setId("1");
        doc.setTitle("Easysearch 与 Bboss 集成");
        doc.setContent("这是一篇关于集成的文章");
        client.addDocument("documents", doc, "refresh=true");
    }

    // 查询文档
    public Document getDocument(String id) {
        ClientInterface client = bbossESStarter.getRestClient();
        return client.getDocument("documents", id, Document.class);
    }

    // 按字段查询
    public ESDatas<Document> searchByAuthor(String author) {
        ClientInterface client = bbossESStarter.getRestClient();
        return client.searchListByField(
            "documents", "author.keyword", author,
            Document.class, 0, 10
        );
    }
}

五、结语

Bboss v7.5.6 与 Easysearch 的深度兼容，是国产开源生态建设的又一重要成果。作为 Easysearch 原厂，我们欢迎更多像 Bboss 这样的优秀开源项目加入国产搜索引擎生态，共同推动国内搜索型数据库的发展与繁荣。

对于正在评估搜索引擎选型或计划进行国产替代的企业用户，Bboss + Easysearch 的组合无疑是值得信赖的选择。

立即体验 Easysearch，开启国产搜索引擎之旅：

• Easysearch 官网： https://easysearch.cn
• Bboss 官方文档： https://esdoc.bbossgroups.com
• Easysearch x Bboss 详细集成文档： https://docs.infinilabs.com/easysearch/main/docs/integrations/third-party/bboss

---

六、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。作为国内领先的国产搜索引擎产品，Easysearch 具备以下核心优势：

1. 国产化自主可控

自主研发，符合信创要求，无许可证风险，为企业提供安全可靠的技术保障。在当前国际形势日益复杂、信创需求持续提升的大背景下，Easysearch 为政府、金融、电信、能源等关键行业提供了值得信赖的搜索引擎基础设施。

2. 轻量级架构

相比传统搜索引擎，Easysearch 资源占用更少，启动更快速，显著降低企业运维成本。其精简的架构设计使得在同等硬件条件下可以承载更多的业务负载，特别适合资源受限的私有化部署场景。

3. 卓越性能表现

查询性能优异，能够满足大部分业务场景需求，用户体验流畅。通过持续的内核优化和算法改进，Easysearch 在多项基准测试中展现出媲美甚至超越同类产品的性能水平。

4. 良好兼容性

与 Elasticsearch 的 API 接口基本兼容，迁移成本较低，保护用户现有投资。这一特性使得基于 Elasticsearch 开发的应用可以快速平滑地迁移至 Easysearch，大大降低了国产替代的技术门槛。

---

社区福利

为感谢广大社区开发者的支持，Bboss 与 Easysearch 厂商极限科技联合发起抽奖活动，奖品为开源T恤。6 月 29 日上午 10 点自动开奖，欢迎大家扫码抽奖参与。

INFINI Easysearch v2.3.0 正式发布。本次版本围绕“更易用的管理体验、更稳健的集群能力、更可靠的运行表现”持续优化，重点覆盖数据流与管道管理、CCR 与 Rollup 稳定性、安全权限语义一致性，以及 ZSTD 压缩链路在复杂环境下的兼容性与内存表现。

功能特性 (Features)

• 新增管道管理 UI
• Agent UI 新增 API Token 管理能力
• 新增数据流 bootstrap 创建 API，在缺少匹配模板时可自动补齐默认模板并继续创建数据流，简化联调与初始化流程
• 在数据流页面新增“添加数据流”入口
• 新增“修改当前用户密码”UI

改进优化 (Improvements)

• Security enrollment token 新增 endpoints 字段（保留 endpoint 兼容单值），便于多节点地址感知。
• 默认 admin 角色映射补充 replication_leader 与 replication_follower，降低 CCR 角色配置复杂度。
• 强化 Rollup/ILM/SLM 启动期保护：在配置索引、安全模块或主分片未就绪时延后周期任务，减少冷启动误报。
• 优化 Rollup Search 索引路由策略，在 alias/wildcard 场景下可更准确区分 live 与 rollup 索引。
• 优化 CCR 同步调度与升级保护，减少空轮询、无效重试，并提升跨版本滚动升级期间可控性。
• 新增状态过滤能力（如 BOOTSTRAPPING、PAUSED、FAILED），便于运维排障。
• 优化初始化与安装流程：重复初始化默认保留关键数据文件，macOS 自动处理隔离标签，安装更顺畅。
• 增强 ZSTD 在非理想运行环境下的兼容回退与内存生命周期管理，降低后台合并内存峰值。

问题修复(Bug Fixes)

• 修复 source_reuse 在 tombstone 与非 JSON/二进制 _source 场景下的解析异常与潜在写入阻塞。
• 修复 Rollup mixed search 在空字段、空索引与边界分流下的聚合异常，避免统计重复、丢失或合并失败。
• 修复 Rollup 索引识别与跨版本传输兼容问题，降低混合集群反序列化失败风险。
• 修复 cluster-state 全局请求在安全过滤后的模板、数据流与索引可见性语义不一致问题。
• 修复 cluster-state 转发、反序列化与超时响应链路中的边界问题，避免 metadata 泄漏与 REST 500/NPE。
• 修复 Security API 在内部用户查询与账户更新中的权限边界问题，恢复 404/403 契约一致性。
• 修复安全模式下 /_cluster/settings 与跨集群搜索（CCS）在权限过滤后的返回不完整问题。
• 修复 CCR 在重启、停止复制、proxy 远程集群和 SecurityManager 环境下的稳定性问题。
• 修复可搜索快照在小缓存配置下的启动失败，提升低资源场景可用性。
• 修复 ZSTD 在高压力 merge 场景下的 OOM 与异常传播问题，增强压缩链路健壮性。
• 修复远程集群管理 UI 在代理模式下无法删除的问题。
• 修复数据探索侧边栏对象字段丢失问题。

---

以上为本版本重点更新摘要，更多详情请查看 Easysearch 产品 Release Notes 或联系我们的技术支持团队！

获取新版本

INFINI Easysearch v2.3.0 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/easysearch/main/docs/quick-start/

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://infinilabs.cn

1、Coding Agent 下半场：从个人提效到组织级研发体系 https://mp.weixin.qq.com/s/LA1AFSjb5ffTHDA2xkv0wQ 2、一文看懂 AI 编程智能体工程化新范式：Loop Engineering https://mp.weixin.qq.com/s/2W45sMEP282_Kcz8AOYOYg 3、开发者必备：Easysearch 常见问题解答汇总 https://mp.weixin.qq.com/s/xuvr8sSputRF5AUt_HXnJA 4、开箱即用：使用 Easysearch 快速构建你的第一个日志分析平台 https://mp.weixin.qq.com/s/fSkNyxReLsjzfNwUlSIj9w 5、主流Agent Harness实现对比——Memory篇 https://mp.weixin.qq.com/s/qhwEhvE3IJqwYO088zfoYA 编辑：Muse 更多资讯：http://news.searchkit.cn

引言

上一篇文章里，我们已经完成了 Easysearch 在信创环境下的部署。搜索服务能跑起来只是第一步，要让它真正用于生产，还需要补上“入口治理”这一环。

例如，下面这些问题在生产环境中非常常见：

• 如何防止某个应用或用户发出超大查询请求，把 Easysearch 集群拖垮？
• 如果 Easysearch 某个节点突然宕机，请求能不能自动切换到健康节点，让业务无感知？
• 如何知道每天有多少次查询、哪些查询慢、哪些请求不合法，有没有办法对请求进行审计？

这些正是 INFINI Gateway（极限网关） 擅长解决的问题。本文延续“小白友好”风格，带你完成 Gateway 的安装与验证，为 Easysearch 增加一层高性能、安全、可观测的入口防护。

一、INFINI Gateway 是什么？和 Easysearch 是什么关系？

如果把 Easysearch 比作大型图书馆，那么 INFINI Gateway 就像门口的 “前台总台”。过去读者（应用程序）直接进入书库检索；现在所有请求先经过前台，再转发到书库。这样做的好处很直接：可以缓存热门请求，减少后端压力；可以限制流量，避免集群被突发请求冲垮；还可以记录访问日志，方便审计与分析。

从技术层面讲，INFINI Gateway 的定位如下：

• 高性能数据网关：面向搜索场景设计，请求先在网关完成处理，再转发到后端 Easysearch 集群。
• 代理 + 增强：位于客户端与 Easysearch 之间，可在转发链路中叠加限流、缓存加速、请求审计、结果改写等能力。
• 兼容原生 API：对外接口兼容 Elasticsearch / Easysearch 原生 API，应用只需把连接地址从直连 Easysearch 改为指向网关，无需改业务代码。
• 轻量易部署：基于 Golang 开发，安装包约 10MB，无额外外部依赖。
• 信创兼容认证：已通过华为鲲鹏 Kunpeng 920 兼容性认证，并获得 KUNPENG COMPATIBLE 证书。

整个系列的组件关系如下：

应用程序 → INFINI Gateway（流量入口） → Easysearch（数据存储与检索）

有了 Gateway，你就可以更放心地将搜索服务开放给更多应用和用户，而不必过度担心安全与性能失控问题。

二、部署前置条件

1. 信创环境

• CPU ：鲲鹏 Kunpeng-920、aarch64
• 操作系统：统信服务器操作系统A版 V20

2. 确保 Easysearch 已正常运行

Gateway 本身不存储数据，核心职责是代理与增强 Easysearch。因此部署前请先确认 Easysearch 已启动，并且网络可达：

curl -ku admin:你的密码 https://localhost:9200

三、部署步骤

步骤 1：下载 INFINI Gateway

下面脚本会自动下载对应平台的 Gateway 最新版本，并解压到 /opt/gateway：

# 一键下载并安装到 /opt/gateway
curl -sSL http://get.infini.cloud | bash -s -- -p gateway -d /opt/gateway

步骤 2：编写 Gateway 配置文件

Gateway 启动依赖 YAML 配置文件，用来声明监听端口、后端 Easysearch 地址和认证信息。进入安装目录后，找到 gateway.yml 并按实际环境修改：

# 按实际情况填写可访问的 Easysearch 地址
LOGGING_ES_ENDPOINT:https://localhost:9200/

LOGGING_ES_USER:admin

LOGGING_ES_PASS:"你的 Easysearch 密码"

# 按实际情况填写可访问的 Easysearch 地址
PROD_ES_ENDPOINT:https://localhost:9200/

PROD_ES_USER:admin

PROD_ES_PASS:"你的 Easysearch 密码"

# 按需设置 Gateway 对外监听端口
GW_BINDING:"0.0.0.0:8000"

步骤 3：启动 Gateway

进入 Gateway 安装目录，执行下面命令启动程序：

# 进入安装目录
cd /opt/gateway

# 运行程序（gateway-linux-arm64 为可执行文件名）
./gateway-linux-arm64

程序启动后，即可通过配置端口访问 Easysearch 服务。

在前台运行模式下，如需停止 Gateway，按 Ctrl+C 即可。

如果希望将 Gateway 作为后台服务运行，可执行：

# 命令中的 gateway-linux-arm64 为可执行文件名
./gateway-linux-arm64 -service install && ./gateway-linux-arm64 -service start

如需卸载服务，执行以下命令：

./gateway-linux-arm64 -service stop

./gateway-linux-arm64 -service uninstall

步骤 4：验证 Gateway 是否正常工作

通过 Gateway 间接访问 Easysearch，确认转发通路正常：

# 通过 Gateway（8000 端口）访问 Easysearch
curl http://0.0.0.0:8000

# 对比直连 Easysearch 的结果
curl -ku admin:你的密码 https://localhost:9200

两条命令返回的 JSON 结果应基本一致。若都能正常响应，说明 Gateway 已成功接管 Easysearch 的访问入口。

如果你的生产环境需要将搜索服务开放给大量应用和用户，建议将 Gateway 纳入标准部署方案。借助 Gateway，你可以更好地保护后端 Easysearch 集群，并获得限流限速、缓存加速、安全防护、审计日志等增强能力，让整体架构更健壮、更安全、更可观测。

如果在部署过程中遇到问题，欢迎查阅官方文档。祝你部署顺利！

---

作者：小袁
原文：https://infinilabs.cn/blog/2026/gateway-install-at-xc-platform/

近日，极限科技与鼎甲科技顺利完成双向兼容适配认证，国产分布式检索数据库 Easysearch V2.0 与鼎甲数据备份与恢复系统 DBackup V8.0 全面通过功能、性能、稳定性联合测试，产品适配顺畅、运行表现优异，成功实现国产检索存储与国产数据灾备全链路深度打通。

为保障适配落地效果，双方组建专项技术团队，围绕 Easysearch 海量索引、向量索引等特色数据结构开展定制化调优，覆盖全量与增量备份、瞬时恢复、故障回滚、集群高可用等核心业务场景。经过多轮严苛验证，两套自研产品可无缝协同，能够为检索类数据提供覆盖全生命周期的安全防护能力。

作为国产化核心检索引擎，Easysearch V2.0 原生兼容 ES 生态，支持全文检索、向量检索、多模态检索等丰富能力，深度适配国产软硬件环境，可有效助力政务、金融、大数据等行业实现搜索引擎国产化替换。鼎甲 DBackup V8.0 是国内主流政企级灾备产品，具备全域数据备份、极速恢复、异地容灾、勒索防护等成熟能力，长期为海量关键业务数据提供安全保障。

未来，极限科技与鼎甲科技将持续深化技术与生态合作，持续跟进产品版本迭代适配，联合打磨标准化行业解决方案，拓展金融、政务、能源等落地场景，携手完善国产基础软件产业链，持续赋能政企信创数字化建设。

一、引言

在上一篇文章《从零到跑起来：Easysearch 信创环境安装全流程》中，我们成功在信创平台上安装并运行起了 Easysearch。但 Easysearch 是一个底层搜索引擎，直接操作有一定门槛。如果我们想让团队里的每个人都能方便地“搜文件、聊文档、问知识”，就需要一个更贴近日常使用、又能把 AI 能力融入进来的上层应用——这就是 Coco AI 。

本文将继续手把手带你从零开始，在国产统信 UOS 服务器操作系统上部署 Coco Server，并与已安装的 Easysearch 进行对接。全文依然零基础可读，跟着步骤一步步来即可。

二、Coco Server 是什么？它和 Easysearch 什么关系？

先对我们的产品进行一个简单的介绍：

• Easysearch 是底层引擎，负责存储和检索数据，像汽车的发动机和底盘；
• Coco Server 是基于 Easysearch 之上的服务端应用程序，提供 Web 管理界面、统一搜索、AI 聊天、知识库管理等高级功能，类似车身和智能驾驶系统；
• Coco AI 桌面客户端则是连接 Coco Server 的终端软件，安装在个人电脑上使用。

而在本文中部署的 Coco Server，是整个 Coco AI 体系的“大脑”：

• 它负责连接各类数据源（飞书、语雀、GitHub、本地文件等）；
• 它管理大模型提供商（Deepseek、通义千问、OpenAI 等）；
• 它提供 Web 管理后台，让管理员可以可视化地完成所有配置。

部署完成之后，团队成员只需通过客户端或浏览器，就能享受统一搜索与 AI 智能问答带来的便利。Coco AI 的整体架构图如下：

三、部署前置条件

1. 进行服务器相关优化

#内核参数优化
cat << SETTINGS | sudo tee /etc/sysctl.d/70-infini.conf
fs.file-max = 10485760
fs.nr_open = 10485760
vm.max_map_count = 262145

net.core.somaxconn = 65535
net.core.netdev_max_backlog = 65535
net.core.rmem_default = 262144
net.core.wmem_default = 262144
net.core.rmem_max = 4194304
net.core.wmem_max = 4194304

net.ipv4.ip_forward = 1
net.ipv4.ip_nonlocal_bind = 1
net.ipv4.ip_local_port_range = 1024 65535
net.ipv4.conf.default.accept_redirects = 0
net.ipv4.conf.default.rp_filter = 1
net.ipv4.conf.all.accept_redirects = 0
net.ipv4.conf.all.send_redirects = 0
net.ipv4.tcp_tw_reuse = 1
net.ipv4.tcp_tw_recycle = 1
net.ipv4.tcp_max_tw_buckets = 300000
net.ipv4.tcp_timestamps = 1
net.ipv4.tcp_syncookies = 1
net.ipv4.tcp_max_syn_backlog = 65535
net.ipv4.tcp_synack_retries = 0
net.ipv4.tcp_keepalive_intvl = 30
net.ipv4.tcp_keepalive_time = 900
net.ipv4.tcp_keepalive_probes = 3
net.ipv4.tcp_fin_timeout = 10
net.ipv4.tcp_max_orphans = 131072
net.ipv4.tcp_rmem = 4096 4096 16777216
net.ipv4.tcp_wmem = 4096 4096 16777216
net.ipv4.tcp_mem = 786432 3145728 4194304
SETTINGS

sysctl -p /etc/sysctl.d/70-infini.conf

2. 环境前提：Easysearch 已经运行好

Coco Server 运行强依赖 Easysearch，所以在继续之前，请确保你的信创服务器上已经安装并成功启动了 Easysearch。如果不确定，可以执行下面的命令验证：

curl -k -u admin:你的密码 https://localhost:9200

运行命令后，看到正常的 JSON 响应即可。

如果还没有安装，可以参考上一篇文章《从零到跑起来：Easysearch 信创环境安装全流程》先行完成。

3. 信创平台信息确认

和 Easysearch 一样，你需要明确当前服务器的 CPU 架构和操作系统版本。在终端执行：

# 查看 CPU 架构
uname -m

# 查看操作系统信息
cat /etc/os-release

根据输出，确认 CPU 架构和操作系统，后续下载时选择对应版本。

部署环境如下表中所示：

4. 软件环境

名称	版本	备注
Coco AI 智能搜索软件	V1.0.0	Coco Server
统信服务器操作系统 A 版	V20
Easysearch 搜索型数据库	V2.2.0	用于 Coco 数据存储
360安全浏览器	V13

5. Coco AI 大语言模型 推荐配置

模型名称	上下文长度	最大输出长度	描述
deepseek-r1	128K	16K	数学、代码、自然语言推理等任务上，性能较高，能力较强
qwen3-max	256K	32K	配场景复杂的智能体需求
tongyi-intent-detect-v3	8K	8K	用于意图识别和槽位填充，负责对话系统中的基础任务

5. 网络端口配置

服务名	端口	配置文件	说明
Coco Server	9000（默认）	coco.yml
INFINI Easysearch	9200（默认）	config/easysearch.yml	默认仅监控 127.0.0.0，可通过配置 network.host: 0.0.0.0 调整
	9300（默认）	config/easysearch.yml

四、部署步骤

步骤 1：下载 Coco Server

# 调整为 Coco 实际要安装的路径
cd /opt

#下载Coco v1.0.0压缩包
curl -O https://release.infinilabs.com/.testing/coco-1.0.0.zip

#解压到当前文件夹
unzip coco-1.0.0.zip

#选择对应的版本解压tar.gz文件
tar -xzf coco-1.0.0-2002-linux-arm64.tar.gz
#解压后在对应文件夹下得到可执行程序coco-linux-arm64（arm64版本）和配置文件coco.yml

步骤 2：配置 Easysearch 连接信息

Coco Server 需要得到 Easysearch 的地址和登录凭证才能进行工作。

在 安装路径的目录下，找到配置文件 进行配置，比如监听的端口地址 WEB_BINDING， 将 Easysearch 的服务地址环境变量 ES_ENDPOINT 和用户名 ES_USERNAME 设置为实际的，参考如下：

env:
  # 调整为实际可以访问的 Easysearch 访问地址
  ES_ENDPOINT: https://localhost:9200

  # 调整为实际可以访问的 Easysearch 的用户
  ES_USERNAME: admin

  # 使用 keystore 存储的密码
  ES_PASSWORD: $[[keystore.ES_PASSWORD]]

  # Coco Server 对外提供服务的端口（默认9000端口）
  WEB_BINDING: 0.0.0.0:9000

步骤 3：使用keystore对密码进行加密处理

Easysearch 的服务密码通过 Keystore 进行加密存放，避免明文存放到配置文件，减少数据泄露风险

# 调整为 Coco 实际安装路径进行配置
cd /opt

# 创建 coco 软链接，可不区分 amd64/arm64 平台进行操作
ln -s coco-linux-`arch | grep -q "x86_64" && echo "amd64" || echo "arm64"` coco

# 根据之前拿到的 Easysearch 密码进行初始化 ES_PASSWORD 变量
ES_PASSWORD=xxx

# 将 ES_PASSWORD 变量的值存储到 keystore（./coco-linux-arm64替换为对应版本名,下同）
echo "$ES_PASSWORD" | ./coco-linux-arm64 keystore add --stdin ES_PASSWORD

# 检查 keystore 存储列表，确认 ES_PASSWORD 添加成功
./coco-linux-arm64 keystore list

步骤 4：启动服务

以上配置完成后，设置 Coco Server 以服务方式启动

#安装系统服务（./coco-linux-arm64替换为对应版本名,下同）
./coco-linux-arm64 -service install

#启动服务
./coco-linux-arm64 -service start

步骤 5：初始化设置

服务启动后，在信创服务器的桌面环境下，打开浏览器，访问 UI 界面：

http://localhost:9000/#/\_guide/

你将看到 Coco Server 的 Web 引导界面。因为是首次访问，所以需要创建管理员账号，按页面引导填写即可。

创建完管理员账户后，下一步

设置一个模型提供商，Coco Server 支持:

• Deepseek
• Ollama
• 任何和 OpenAI 格式兼容的模型提供商

如果设置的模型是推理模型，需要打开“推理模式”。我们推荐使用参数较大的模型，来获得更好的使用体验。同时请注意：Endpoint 地址的配置要准确。

Coco Server 默认配置了一些小助手，建议在初始化向导的时候直接配置一个可用的模型，这样进入系统之后就可以直接使用，避免一个个的手动配置。

向导设置完成后，就会跳转到登录页面，输入刚才创建的账户和密码，就可以进行登录了，如下图：

管理员首次登录之后的第一件事是确认服务器的地址是否正确，如果 Coco server 前面增加了负载均衡或者配置了域名，需要在这里设置一下正确的 Coco Server 对外服务地址，如下图：

五、总结

到这里，你已经完成了 Coco Server 在信创平台上的部署与初始化。我们回顾一下整个部署流程：

1. 确认环境 — Easysearch 已部署成功，并明确 CPU 架构；
2. 下载安装 — 下载 Coco Server 的压缩包进行解压；
3. 配置连接 — 编辑 coco.yml，填入 Easysearch 端点和密码；
4. 启动服务 — 将 Coco Server 以服务方式启动；
5. 初始化 — 浏览器打开 http://localhost:9000/#/\_guide/ 进行管理员账户的创建； 添加大模型、连接数据源、创建助手。

Coco Server 部署完成后，你就拥有了一个完全私有化、自主可控的企业级统一搜索与 AI 智能助手服务端。下一步可以安装 Coco AI 桌面客户端，让团队成员真正体验“一个搜索框搜遍全公司”的高效便捷。

如果在部署过程中遇到任何困难，欢迎查阅官方文档，祝你部署顺利！

一、Easysearch 介绍

在动手安装之前，我们先花一点时间了解这个工具。 INFINI Easysearch （以下简称 Easysearch）是由极限科技（INFINI Labs）自主研发的一款分布式 AI 搜索型数据库。用通俗的话讲，它是一个“超级搜索引擎”，能帮你在海量数据中快速查找信息，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，被广泛应用于企业搜索、日志分析、知识库管理等场景。它的安装包仅50MB，非常轻量。

Easysearch 的“自主可控”特性十分突出：

• 完全国产化：已适配龙芯、鲲鹏、飞腾、海光、兆芯、申威等主流国产 CPU；
• 全面兼容国产操作系统：支持银河麒麟、统信 UOS、中标麒麟等国产操作系统；
• 国密算法支持：全量支持 SM2/SM3/SM4 国密算法，满足等保三级及信创合规要求；
• ES生态兼容：完全兼容 Elasticsearch 的 API 接口，可无缝平替。

二、安装前需知

1.你的信创平台属于哪种？

信创平台的组合通常是“国产 CPU + 国产操作系统”，你需要确认你的环境属于哪种：

国产CPU	架构	常见搭配操作系统
鲲鹏（Kunpeng）	ARM64	银河麒麟V10、统信UOS
飞腾（Phytium）	ARM64	银河麒麟V10、统信UOS
海光（Hygon）	x86	统信UOS、银河麒麟V10
龙芯（Loongson）	LoongArch	银河麒麟V10、统信UOS
兆芯（Zhaoxin）	x86	银河麒麟V10、统信UOS
申威（Sunway）	SW64	统信UOS

不确定的话，可以在终端执行以下命令查看：

#查看操作系统信息
cat /etc/os-release

#查看CPU架构
uname -m

2.在线部署or离线部署？

Easysearch 提供了两种安装方式：

联网环境：如果服务器能正常访问外网，推荐使用一键安装部署，简单快速；

离线环境：如果服务器在内网、无法访问外网（常见信创环境），则下载 Bundle 包进行离线部署。

在这篇文章中所使用的是在线部署方式。

三、安装环境简介

以统信 UOS 信创平台为例，以下表中为本机采用的安装环境

1.硬件信息

硬件	信息
处理器	架构：aarch64 型号：Kunpeng-920
内存	容量：8G 类型：RAM
硬盘	类型：QEMU HARDDISK 容量：100G

2.软件环境

名称	版本
统信服务器操作系统A版	V20
Easysearch 搜索型数据库	V2.2.0
360安全浏览器	V13

3.网络端口设置

服务名	端口	配置文件	说明
INFINI Easysearch	9200（默认）	config/easysearch.yml	默认仅监控 127.0.0.0，可通过配置 network.host: 0.0.0.0 调整
	9300（默认）	config/easysearch.yml

四、部署流程

具体细节详见部署手册

步骤1：系统初始化

安装前需要完成两项系统准备工作：调整内核参数和创建专用用户。无论在线还是离线安装，这两步都必须先做好，并且需要使用 root 账户或 sudo 权限执行。

# 1. 调整内核参数（vm.max_map_count，Easysearch 运行的必要条件）
echo "vm.max_map_count=262144" >> /etc/sysctl.conf && sysctl -p

# 2. 创建 Easysearch 专用用户组和用户
groupadd -r easysearch && useradd -r -g easysearch -d /home/easysearch -s /sbin/nologin -c "Easysearch Service Account" easysearch

步骤2：安装 Easysearch

如果服务器能正常访问外网，直接使用官方一键安装脚本：

# 创建数据安装目录
mkdir -p /opt/easysearch

# 下载最新版本并安装
curl -sSL http://get.infini.cloud | bash -s -- -p easysearch -d /opt/easysearch

脚本会自动检测系统架构（ ARM64 还是 x86 ），并下载对应的安装包。

步骤3：初始化并启动 Easysearch

# 进入 Easysearch 目录
cd /opt/easysearch

# 初始化 Easysearch （初始化过程中，日志将输出管理员访问密码,请妥善保存）
bin/initialize.sh -s

# 调整目录权限
chown -R easysearch:easysearch /opt/easysearch

# 启动 Easysearch
runuser -u easysearch -- /opt/easysearch/bin/easysearch -d -p /opt/easysearch/easysearch.pid

步骤4：验证服务运行

启动后，可以使用 curl 命令快速测试服务是否正常运行：

# 使用初始化时显示的 admin 密码测试连接
curl -ku admin:你的密码 https://localhost:9200

步骤5：访问服务运行端口

服务运行后，访问设置好的服务端点

https://localhost:9200/\_ui/（默认服务端点）

输入之前保存的账号与密码进行登录

进入 ui 界面

之后就可以实现对 Easysearch 可视化管理了

结语

以上就是 Easyserach 在信创平台部署的全流程了，整个过程操作下来，应该能在 10-20 分钟左右完成 Easysearch 支持从单机测试到 PB 级生产集群的平滑扩展，无论是个人学习还是企业级业务，都能灵活适配。如果在操作过程中遇到任何问题，建议优先查阅官方文档。预祝你在信创平台的探索之旅顺利！

最近在协助客户进行 Elasticsearch 到 Easysearch 的迁移时，发现大家最关心的问题是"当前版本能否直接使用快照迁移"。这个问题看似简单，但不同版本的答案差异较大。本文将基于实际测试经验，梳理各版本的迁移路径和注意事项。

迁移路径速览

根据源 ES 版本，可以直接对照下表选择迁移方案：

源 ES 版本	能否直接快照恢复	推荐方案	实施复杂度
ES 6.x	否	INFINI Gateway 迁移 或 ES 7.10.x 中转	较低
ES 7.0 - 7.11	是	直接快照恢复	较低
ES 7.12 - 7.17	否	INFINI Gateway 迁移	较低
ES 8.x	否	INFINI Gateway 迁移	较低

结论：ES 7.0-7.11 是迁移最顺畅的版本窗口，可直接快照恢复；其他版本也有成熟的迁移方案，只是路径不同。

版本差异的原因

迁移路径的差异主要源于两方面：Lucene 版本兼容性和快照元数据格式变化。

Lucene 兼容性：Easysearch 2.x 底层要求的最低 Lucene 版本对应 ES 7.0.0。ES 6.x 的索引文件使用老版本 Lucene，直接恢复会报错：

The index was created with version [6.8.23] but the minimum compatible version is [7.0.0].

快照元数据格式：ES 7.12 开始在快照中引入 uuid、cluster_id 字段，7.14 增加 writer_uuid，8.x 又引入 transport_version。这些字段与 Easysearch 2.x 的快照解析器不兼容。

因此，ES 7.0-7.11 成为迁移的"黄金窗口"——既满足 Lucene 兼容性要求，快照格式又足够简洁。

ES 7.0-7.11：直接快照恢复

这是测试最充分的迁移路径，已验证版本包括 ES 7.0.1、7.8.1、7.10.2 OSS、7.11.2。

已验证能力：

• 单索引 / 多索引 / 通配符批量恢复
• 常见字段类型与别名
• 自定义 settings、多分片索引
• ILM 托管索引、数据流后备索引、冻结索引

操作步骤：

# 1. 源 ES 创建快照
PUT /_snapshot/my_backup/snapshot_1
{
  "indices": "索引列表",
  "include_global_state": false
}

# 2. Easysearch 注册同一快照仓库
PUT /_snapshot/my_backup
{
  "type": "fs",
  "settings": {
    "location": "/path/to/snapshot/repo",
    "readonly": true
  }
}

# 3. 恢复快照
POST /_snapshot/my_backup/snapshot_1/_restore
{
  "indices": "索引列表",
  "include_global_state": false
}

ES 6.x：Gateway 迁移或中转方案

ES 6.x 无法直接快照恢复到 Easysearch 2.x，有两种迁移方案可选：

方案一：INFINI Gateway 迁移（推荐）

直接使用 Gateway 从 ES 6.x 迁移数据到 Easysearch，无需中转集群。Gateway 已验证支持 ES 6.8.x 的数据迁移。

方案二：ES 7.10.x 中转

ES 6.8 -> 快照 -> ES 7.10.x -> 快照 -> Easysearch 2.x

ES 7.10.x 可以正常恢复 ES 6.x 的快照，恢复完成后再创建快照供 Easysearch 使用。该方案数据完整性有保障，但需要额外的中转存储和迁移窗口。

ES 6.x 特有字段：ES 6.x 的 string 类型在 Easysearch 中需映射为 text 或 keyword（根据实际使用场景选择）。

ES 7.12+ 和 8.x：INFINI Gateway 迁移

这两个版本段的快照格式与 Easysearch 2.x 不兼容，推荐使用 INFINI Gateway 进行迁移。Gateway 是 INFINI Labs 提供的数据迁移工具，专门针对 Elasticsearch 到 Easysearch 的迁移场景进行了优化。

架构示意

┌─────────────────┐      ┌─────────────────┐      ┌─────────────────┐
│  Elasticsearch  │ ──── │ INFINI Gateway  │ ──── │  Easysearch     │
│  （源集群）       │      │  （迁移工具）     │      │  （目标集群）     │
└─────────────────┘      └─────────────────┘      └─────────────────┘

Gateway 内部通过 Scroll API 从源集群分批拉取数据，再通过 Bulk API 写入目标集群，整个过程对业务透明。

主要优势

• 配置简单：只需配置源集群和目标集群地址、索引名称即可
• 断点续传：支持从断点恢复，避免网络抖动导致重头再来
• 进度可视：实时显示迁移进度和速率
• 多索引并行：支持同时迁移多个索引

基本步骤

1. 在目标集群创建索引的 mapping 和 setting
2. 准备 Gateway 配置文件，填写源集群和目标集群连接信息
3. 运行 Gateway 执行迁移
4. 迁移完成后进行数据校验

详细的配置说明和操作示例，可参考 ES 数据迁移之 INFINI Gateway。

备选方案

如果需要更灵活的控制，也可以自行编写脚本，通过 Scroll API 读取源数据、Bulk API 写入目标。这种方式适合有定制化需求的场景，但需要自行处理断点续传、错误重试等逻辑。

字段类型兼容性

直接兼容类型：text、keyword、long、double、boolean、date、object、nested、geo_point、geo_shape、ip、completion、wildcard、flattened、alias、join、rank_feature、rank_features、integer_range、long_range、date_range、match_only_text 等。

ES 7.x / 8.x 需替换类型：

ES 类型	Easysearch 替代方案	数据保留	说明
dense_vector	knn_dense_float_vector	是	需安装 knn 插件，向量数据格式兼容
knn_vector	knn_dense_float_vector	是	需安装 knn 插件
sparse_vector	knn_sparse_bool_vector	是	需安装 knn 插件
constant_keyword	keyword	是	需手动维护常量值
runtime	移除或转为普通字段	是	Easysearch 不支持运行时字段
histogram	object	是	聚合 histogram 功能丢失
aggregate_metric_double	object	是	需手动计算聚合
unsigned_long	long 或 keyword	是	注意数值范围
semantic	暂不支持	-	ES 专有 AI 功能

向量迁移要点：ES 的 dense_vector 数据可直接迁移到 Easysearch 的 knn_dense_float_vector，数据格式 [0.1, 0.2, ...] 完全兼容。需预先在目标索引创建正确的 mapping。

建议迁移前先用小索引测试，确认 mapping 无问题后再全量迁移。

常见问题与避坑指南

1. include_global_state 参数设置

该参数控制是否恢复集群级配置（模板、ILM 策略等）。不同版本的情况：

ES 版本	发行版	global_state	说明
7.0-7.7	任意	兼容	无 _index_template API
7.8-7.10	OSS	兼容	无内置 _index_template
7.8-7.10	default	可能不兼容	取决于是否使用 _index_template
7.11+	任意	不兼容	有 9 个内置 _index_template

建议：迁移时统一使用 include_global_state=false，先恢复数据再重建配置。

2. ILM 和 data stream 迁移

• ILM：索引的 lifecycle 设置保留，但 policy 需在 Easysearch 中重建
• 数据流 (data stream)：后备索引 (backing index) 数据完整恢复，语义需在目标侧重建
• 冻结索引 (frozen index)：自动恢复为普通可访问状态

3. 迁移验收标准

建议至少完成三项验证：

• 文档量一致
• 关键查询结果一致
• 核心业务链路压测通过

4. 迁移窗口规划

• 快照方案通常需要短停机窗口完成切换
• Gateway 迁移可实现近实时同步，仅在切换连接时短暂停服

快照格式变化参考

字段	ES 7.0-7.11	ES 7.12-7.17	ES 8.x	Easysearch 2.x
min_version	7.9.0 或无	7.12.0	7.12.0	支持
uuid（仓库级）	无	有	有	不支持
cluster_id	无	有	有	不支持
writer_uuid	无	有（7.14+）	有	不支持
transport_version	无	无	有	不支持

总结

本文梳理了 Easysearch 2.x 对 ES 6/7/8 的迁移路径：

• ES 7.0-7.11：直接快照恢复，路径最短
• ES 6.x：INFINI Gateway 迁移 或 ES 7.10.x 中转
• ES 7.12+ / 8.x：使用 INFINI Gateway 迁移

建议在正式迁移前，先选择非核心索引进行小规模验证，确认数据完整性和业务兼容性后再扩大迁移范围。

如有迁移相关问题，欢迎联系我们。

1、我们如何在 Elasticsearch Serverless 上将向量搜索吞吐量提升一倍 https://elasticstack.blog.csdn ... 07464 2、1 年与100万条消息之后：在 Elasticsearch 平台上构建 AI agents 的经验教训 https://elasticstack.blog.csdn ... 19911   3、OpenClaw与Hermes：源码里的 AI Agent 架构知识大复盘 https://mp.weixin.qq.com/s/49dxdMXEUoWIYlIh8fFqMQ   4、AI Coding 的下一阶段：从会写代码，到会按流程写代码 https://mp.weixin.qq.com/s/iaZPoPfrppw2scqWGvlZ_Q   5、从零到跑起来: Easysearch 信创环境安装全流程 https://infinilabs.cn/blog/202 ... form/   编辑：Muse 更多资讯：http://news.searchkit.cn