TDengine Taos SQL优化问题：按occur_date过滤查询速度慢如何优化

• 为occur_date字段创建普通二级索引，对应语句为CREATE INDEX idx_occur_date ON trace_log (occur_date);。二级索引生效后，你的等值过滤查询无需全表扫描1亿条全量数据，可直接定位到符合条件的1000万行数据，大幅降低磁盘IO开销。
• 修正当前SQL的语法问题：过滤条件中occur_date的取值末尾多写了分号，正确写法为WHERE occur_date='2021-08-02'。如果该查询的返回字段固定，可创建覆盖索引进一步提升性能：CREATE INDEX idx_occur_date_cover ON trace_log (occur_date) INCLUDE (busi_dt,tx_dt,bill_no,prd_no,occur_date);，索引直接包含所有需要返回的字段，查询时无需回表读取完整数据行，性能可再提升30%以上。
• 若按occur_date查询属于高频业务场景，可创建物化视图预存对应维度的全量数据，物化视图会自动同步原表更新数据，查询时直接访问视图即可避免每次全表扫描，创建语句示例：CREATE MATERIALIZED VIEW mv_trace_log_by_occurdate AS SELECT busi_dt,tx_dt,bill_no,prd_no,occur_date FROM trace_log;。
• 调整Taos数据库的运行参数优化大查询性能：适当调大query_threads_per_core参数提升查询并行度，调大cache_block_size参数提升热点数据缓存命中率，降低重复查询的磁盘IO耗时。
• 若当前使用的是2.x版本的Taos，可升级到3.x稳定版本，3.x版本对二级索引性能、大查询并行处理能力做了深度优化，同场景下查询速度普遍比2.x版本快2~5倍。

内容的提问来源于stack exchange，提问作者Ray Shown