说到作者，来自 Elastic Kevin Corcoran 及 Ioana Tagirta

MATCH 和 TO_TEXT 将全文搜索能力带到你从未建立索引的数据中。在 ES|QL 中，你可以对计算列、未映射字段还有联邦数据源执行全文搜索。

ES|QL MATCH 现在可以对你从未建立索引的数据执行全文搜索。无论是计算列、未映射字段、动态拼接生成的字符串。还是存储在 S3 中的联邦数据，都可以进行全文搜索。TO_TEXT 函数会告诉 ES|QL 将任意字符串视为可分析的文本，从而让 MATCH 对仅在查询生命周期内存在的值执行分词、大小写归一化还有词项匹配。这超越了大多数查询引擎针对未建立索引字符串所提供的 LIKE 和 RLIKE 模式匹配，而是真正的全文分析功能。该功能现已在 Elastic Cloud Serverless 中提供，并作为 Elasticsearch 的技术预览功能发布。

MATCH 和 TO_TEXT 如何让任意 ES|QL 表达式支持全文搜索

使用者痛点：传统 Elasticsearch 只能在已有倒排索引的字段上做全文检索。计算列、临时字符串或未映射字段根本无法参与搜索，导致业务团队必须提前规划映射或进行代价高昂的重新索引。

让我们从一个在 Elasticsearch 中无法实现的查询开始，该查询使用了 EVAL 命令：

. FROM cooking_blog.
| EVAL summary = TO_TEXT)
| WHERE MATCH
| KEEP title。author

在这个示例中，summary 没有映射，也没有分析器配置。它仅在当前查询执行期间存在但现在你依然可以对它执行全文搜索。这一能力由两项增加功能共同实现。

1️⃣ MATCH 接受任意表达式

MATCH 的第一个参数现在可以接受任意表达式，而不仅仅是已映射字段。从这包括来看，

• 由 EVAL 生成的列；
• 内联函数返回值；
• 直接从原始文档读取的未映射字段。

所有 MATCH 通常支持的数据类型，在这种新用法中一样受支持。

2️⃣ TO_TEXT：把字符串当作文本处理

是 ES|QL 第一个输出 text 类型的转换函数。此前，只有已建立索引的映射字段才能产生 text;其余表达式生成的字符串都会被视为 keyword,无法触发分析器。

为什么这很关键？

• text: 会经过标准分析器进行分词、归一化，接下来才能匹配。
• keyword: 只做精确匹配。相当于 term 查询，无法实现模糊或多词检索。不过，

TO_TEXT 本质上是在告诉 ES|QL：“请把这个字符串当作全文文本来处理”。

技术预览限制:

• No relevance scoring：MATCH 在表达式上只能用于过滤，不会影响 _score；只有已建索引字段才会参与评分。话说回来，
• No fuzziness：目前不支持 fuzzy、operator 等高级选项。
• No custom analyzer：L运行时文本统一使用标准分析器，无法自定义语言或同义词库。

The Elastic team is actively working on removing se constraints in future releases.

为什么在 ES|QL 中使用全文搜索，而不是 LIKE 或 RLIKE？

User Pain Point: 使用 LIKE/RLIKE 时经常遭遇 false‑negatives和 false‑positives，而且正则表达式维护成本极高。

MATCH 带来的主要价值是文本分析 - 包括词干提取、同义词、停用词等高级特性，让搜索更“懂人”。

Simplified example with LIKE

. FROM app_logs.
| WHERE message LIKE "*fox*"

• Lacks case‑insensitivity → “Fox spotted…” 不被命中，
• Mismatches “Outfoxed by competition” → 错误结果。

. FROM app_logs.
| WHERE message RLIKE "?，"

• Poor handling of punctuation,tabs,quotes etc.
• The regex quickly becomes unreadable and brittle.

MATCH + TO_TEXT solves it all

. FROM app_logs.
| WHERE MATCH。"fox")

• "The quick brown fox" ✅
• "FOX spotted near henhouse" ✅
• "Outfoxed by competition" ❌
• "FOXTROT protocol enabled" ❌

The same approach works for multi‑term queries such as “brown fox”. Elastic is also adding support for language‑specific analyzers so you can run natural‑language search on completely unindexed data.

未建立索引和未映射数据的全文搜索使用场景

① 搜索未映射字段，无需额外映射成本

Pain point: 堆栈跟踪、原始请求负载等大块文本如果创建倒排索引，会显著增加磁盘与堆内存开销，而且这些字段往往只偶尔查询一次。

. SET unmapped_fields="load";. FROM app_logs.
| WHERE MATCH,"java.lang.NullPointerException")
| KEEP @timestamp,service.name,message

• The field has never been mapped.
• The value is read directly from _source at query time and analyzed on‑‑fly.
• You pay CPU cost instead of storage – acceptable for occasional deep‑dive queries.
\end{ul}

② 对 keyword 字段即时实现全文检索。无需重建索引

Pain point: 业务需求变化后需要对原本为聚合调整而设为 keyword 的字段进行模糊/分词搜索，却不想花费时间和资源进行 reindex。

. FROM products.
| WHERE MATCH,"wireless noise cancelling headphones")
| KEEP product_name,brand,price

• No mapping change required.
• No reindex operation – query time conversion via TO_TEXT.
• If full‑time search becomes a norm,later you can still migrate to a true text field for optimal performance.
\end{ul}

③ 跨不同映射的多索引用统一方式搜索同一字段

You often have rolling indices where a field’s type evolves . Using TO_TEXT normalizes everything:

. FROM logs-*。logs-*
| EVAL msg = TO_TEXT
| WHERE MATCH

• If an index stores field as text → normal analysis.
• If an index stores it as keyword → TO_TEXT converts it to text at runtime.If an index has no mapping at all → planner falls back to row‑by‑row evaluation ensuring correct results without manual bookkeeping.
\end{ul}

ES|QL 如何在没有倒排索引的情况下于查询时分析文本

直接进行精确比较；其实，不会走 analyzer，也不会产生额外 token。

表达式类型	处理方式	匹配行为
a) text 使用标准分析器将值分词并小写化；每个生成的 token 与查询 token 做 OR 匹配。说起来，	行级过滤。无倒排加速，但语义与 Lucene match 完全一致。
b) keyword / ip / date / 数值等原生类型 c ode>	相当于 term 查询。行为与下推到 Lucene 完全一致，只是运行时逐行评估。

This dual path lets you keep existing indexed queries blazing fast while still gaining flexibility of runtime full‑text on any ad‑hoc expression.

ES|QL 全文搜索的接下来计划

• 相关性评分 ： Runtime matches will contribute to _score so you can order results by relevance even when data was never indexed.
< li> MATCH_PHRASE on expressions ： Phrase matching will be available in Elastic Cloud Serverless and later in full stack. < li> 可配置分析器 ： Choose language analyzers。stemming & synonyms per expression. < li> Match options ： Support fuzziness,operator,minimum_should_match…on runtime matches. < li> 向量搜索 ： Generate embeddings per row and perform kNN over dense_vector expressions – bringing semantic search to unindexed data.

下载体验 ES|QL 表达式全文搜索

This capability is already available in Elastic Cloud Serverless as a technical preview. Read search functions reference and ES|QL limitations page to understand current boundaries.

Your feedback matters – if you try searching data that never had a mapping and are surprised,let us know!

www.elastic.co/search-labs…​​​​​​​​​​​​​​​​​​​​​​​​‌​‌‍‍‍‍‍‍‍‍‍‌‌‌‌‌‏‏‏‏‏‏‏‏‏‏‏‏‎‎‎‎‎‎‎ ‎‌‫‪⁠⁠⁠⁠⁠⁠⁠⁠⁠‪‬            .