Easysearch — 自主可控的国产分布式搜索引擎 | 搜索百科(5)
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。
在上一篇我们介绍了 OpenSearch —— 那个因协议争议而诞生的开源搜索分支。今天,我们把目光转向国内,聊聊极限科技研发的一款轻量级搜索引擎:Easysearch。
引言
在搜索技术的世界里,从 Lucene 的出现到 Solr、Elasticsearch 的崛起,搜索引擎技术已经发展了二十余年。然而,随着开源协议的变更与国际形势的变化,国产自主搜索引擎的需求愈发迫切。在这样的背景下,Easysearch 作为一款自主可控、轻量高效、兼容 Elasticsearch 的分布式搜索引擎应运而生,为国内企业带来了全新的选择。
Easysearch 概述
Easysearch 是一款分布式搜索型数据库,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、AI 集成等。Easysearch 衍生自开源协议 Apache 2.0 的 Elasticsearch 7.10 版本,并不断往前迭代更新,紧跟 Lucene 最新版本的更新。Easysearch 可以替代 Elasticsearch,同时添加和完善多项企业级功能。
- 首次发布:2023 年 4 月
 - 最新版本:1.15.4(截止 2025 年 10 月)
 - 主导企业:极限科技 (INFINI Labs)
 - 官方网址:https://easysearch.cn
 
诞生背景:为什么要有 Easysearch?
Easysearch 由极限科技(INFINI Labs)团队推出。项目的起点源于团队长期在搜索引擎和大数据领域的深厚实践积累,团队深刻认识到国内企业在使用 Elasticsearch 时普遍面临以下痛点:
- 开源协议变化带来的商业风险 —— Elastic 于 2021 年将许可更改为 SSPL,导致社区分裂,增加了企业在合规和商用上的不确定性;
 - 高并发与高可靠性场景下对稳定可控方案的需求 —— 企业级应用亟需一个性能可靠、可深度优化的搜索基础设施;
 - 技术栈自主可控的迫切需求 —— 随着国产化进程加快,国内生态中缺乏轻量化、易部署、且完全可控的搜索引擎产品;
 - 本地化服务与快速响应能力的缺口 —— 国内企业更需要本地团队提供高效的技术支持与服务,对本土化、个性化功能需求能得到及时响应与反馈。
 
基于这些考虑,Easysearch 在设计之初就明确了目标:构建一款兼容 Elasticsearch API、简洁易用、性能出众且完全自主可控的国产搜索引擎。
核心特性
- 轻量级:安装包大小不到 60 MB,安装部署简洁,资源占用低,开箱即用;
 - 跨平台:支持主流操作系统和 CPU 架构,支持国产信创运行环境;
 - 高性能:针对不同场景进行的极致优化,可用更少硬件成本获得更高服务性能,降本增效。
 - 稳定可靠:修复大量内核问题,解决内存泄露,集群卡顿、查询缓慢等问题,久经严苛业务环境考验。
 - 安全增强:默认就提供完整的企业级安全功能,支持 LDAP/AD 集成,支持索引、文档、字段粒度细权管控。
 - 兼容性强:兼容 Elasticsearch 7.x 的 REST API 和数据格式,迁移成本低;
 - 可视化运维:无需 Kibana 即可通过内置 Web UI 插件界面管理索引、节点与监控指标等。
 
对比优势
| 对比维度 | Easysearch | Elasticsearch | OpenSearch | 
|---|---|---|---|
| 用户协议 | 社区免费+商业授权 | SSPL/AGPL v3 | Apache 2.0 | 
| API 兼容性 | 高度兼容 ES | 原生 | 高度兼容 ES | 
| 最小安装体积 | 57MB | 482MB | 682MB | 
| 部署复杂度 | 简单 | 中等 | 相对复杂 | 
| 信创环境支持 | 全面兼容 | 无 | 无 | 
| 可视化管理 | 开箱即用管理后台 | 需独立部署 Kibana | 需独立部署 OpenSearch Dashboards | 
| 本地化与中文支持 | 强 | 弱 | 弱 | 
| AI 插件支持 | 较弱 | 强 | 较强 | 
| 社区与生态 | 快速成长中 | 成熟广泛 | 活跃增长 | 
由于笔者对于 Easysearch 的喜爱造成了明显的倾向性,以上对比仅供参考,萝卜白菜,各有所爱,其实都不错 :)
快速开始:5 分钟体验 Easysearch
1. 使用 Docker 启动
# 直接运行镜像使用随机密码(数据及配置未持久化)
docker run --name easysearch \
--ulimit memlock=-1:-1 \
-p 9200:9200 \
infinilabs/easysearch:1.15.4
2. 验证集群状态
curl -ku "username:password" -X GET "https://localhost:9200/"
返回结果示例:
{
  "name": "easysearch-node",
  "cluster_name": "easysearch-6yhwn91v80gf",
  "cluster_uuid": "Gfu_fuF1QViJfeUWVbiFCA",
  "version": {
    "distribution": "easysearch",
    "number": "1.15.4",
    "distributor": "INFINI Labs",
    "build_hash": "9110128946b0af3de639966cfa74b5498346949d",
    "build_date": "2025-10-14T03:30:41.948590Z",
    "build_snapshot": false,
    "lucene_version": "8.11.4",
    "minimum_wire_lucene_version": "7.7.0",
    "minimum_lucene_index_compatibility_version": "7.7.0"
  },
  "tagline": "You Know, For Easy Search!"
}
3. 索引与搜索示例
# 写入文档
curl -ku "username:password" -X POST "https://localhost:9200/my_index/_doc" -H 'Content-Type: application/json' -d'
{
  "title": "Easysearch 入门",
  "content": "这是一个轻量级搜索引擎的示例文档。",
  "tags": ["搜索", "国产", "轻量级"]
}'
# 搜索文档
curl -ku "username:password" -X GET "https://localhost:9200/my_index/_search" -H 'Content-Type: application/json' -d'
{
  "query": {
    "match": {
      "content": "搜索引擎"
    }
  }
}'
4. 使用 Easysearch UI
Easysearch 提供了轻量级界面化管理功能,不再依赖第三方组件即可对集群进行管理,真正做到开箱即用。如果你安装了 Easysearch UI 插件或者下载捆绑包,可通过 https://localhost:9200/_ui/ 访问,进行节点、索引、分片、查询调试和监控查看等管理。
图1:系统登录
 
 
图2:集群概览
 
 
图3:节点列表
 
 
图4:节点概览
 
 
图5:索引列表
 
 
图6:索引概览
 
 
图7:分片管理
 
 
图8:开发工具
 
 
以上仅列出了一些基本功能,其他如安全管理、主从复制、备份管理、生命周期管理等更多高级功能由于篇幅限制不一一展示,有兴趣的朋友可自行部署探索。
结语
Easysearch 的诞生,不仅填补了国产搜索引擎在分布式与轻量化领域的空白,也让更多企业在面对开源协议变动与外部技术依赖时,拥有了更加安全、灵活、可控的选择。
它既是国产替代方案的有力代表,更是新一代搜索技术生态的积极探索者,为企业级实时搜索与分析带来新的可能。
🚀 下期预告
下一篇我们将介绍 一款 AI 驱动的现代搜索引擎 - Meilisearch,基于 Rust 构建的开源搜索引擎,性能高、部署简单。号称比 Elasticsearch 快 10 倍,真的这么牛吗?
💬 三连互动
- 你是否在使用或考虑国产搜索替代方案?
 - 在实际项目中,你最看重搜索引擎的哪些特性?(性能、兼容性、运维、成本)
 - 对 Easysearch 有什么功能上的期待?
 
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(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
关注公众号
					低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 
							
								
								    上一篇
								    
								
								最佳实践:基于Apache SeaTunnel从MySQL同步到PostgreSQL
作者 | 陈飞 中付支付大数据工程师 今天和大家分享一个 简单但常见的 MySQL 到 MySQL 数据同步与合并场景案例,这个案例也是我在实际工作中遇到的问题,希望能抛砖引玉,欢迎有更丰富经验的大佬一起分享交流。 版本要求:Apache SeaTunnel --> Apache SeaTunnel-2.3.9 场景描述 在我们的业务系统中,存在两个 MySQL 源库: source_a source_b 这两个库中存在一张表结构相同的表,但数据来自不同的业务线,两边都会同时产生数据,因此存在 主键重复 的问题。 我们的目标是将这两个源库的表数据 合并同步到一个目标库(我们称为 C 库),以便于统一分析和查询。 面临的挑战 两个源库的表结构虽然一致,但主键重复,需要避免冲突 后续可能存在字段不一致或字段新增的需求 同步过程需尽量实时,且不能产生重复数据 解决方案 我们采用了如下方式来实现这个同步与合并的方案: 在 C 库新建目标表: 表结构需要覆盖两个源表的所有字段(当前一致,未来可能扩展) 增加一个额外的字段:data_source,用于标识数据来源(source_a 或 so...
 - 
							
								
								    下一篇
								    
								
								【隐语SecretFlow架构解读】隐私保护模型在线推理系统 SecretFlow-Serving 架构解读
打开链接点亮社区Star,照亮技术的前进之路。每一个点赞,都是社区技术大佬前进的动力 Github 地址: https://github.com/secretflow 在传统机器学习场景中,完成模型训练得到模型之后,如何将模型的推理能力应用到实际的生产业务场景中呢? 通用的做法是通过使用在线推理框架加载这些模型,并将其服务化以提供接口给业务系统使用。 然而,在多方共同参与的隐私计算场景下,数据、调用系统和模型均分散在不同的参与方,尤其是对于推理过程中使用的数据需要保护,无法出域计算。 SecretFlow-Serving 是隐语团队开源的通用、开放且高性能的隐私保护多方在线推理框架,旨在解决上述问题。 SecretFlow-Serving 架构介绍 架构上,SecretFlow-Serving 通过配置的模型数据源模块加载模型到内存中,建立模型执行体进行计算。 在请求端分离了特征数据流与推理请求,通过各个参与方独立的特征数据源模块提供推理过程中的数据,进而完成模型计算得到推理结果。 框架内部通过预测调度器和模型执行体与其他 Serving 系统进行调度与计算的通信,以支持不同技术路线的...
 
相关文章
文章评论
共有0条评论来说两句吧...

			








				
				
				
				
				
				
				
微信收款码
支付宝收款码