一、优化日志检索
（一）增加 Shard 数量或开启 SQL 独享版
增加 Shard 可以提升读写能力，但只对新写入的数据生效。Shard 表示计算资源，Shard 越多，计算越快，需要保证平均每个 Shard 扫描的数据不多于 5000 万条。此外，SQL 独享版支持更多的分析操作并发数和更多的扫描数据量，能够更好地满足大规模数据处理的需求。
TG：@yunlaoda360
（二）缩减查询的时间范围和数据量
时间范围越大，查询越慢，适当缩短查询的时间范围可以更快地完成计算。同时，数据量越大，查询越慢，尽量减少查询的数据量，避免一次性查询过多数据，导致查询速度变慢。
（三）多次重复查询
当查询不精确时，可以尝试多次重复查询。每次查询时，底层加速机制会充分利用已有的结果进行分析，使结果更加精确。
（四）优化索引配置
创建全文索引和字段索引，字段索引的优先级高于全文索引。合理配置索引可以提高查询效率。例如，仅对关键字段设置索引，如果原始日志中包含了大量字段信息，其中只有部分字段用于查询与分析，则只需为这部分字段建立索引。此外，关闭日志聚类功能也可以降低索引流量费用，因为开启日志聚类功能后，索引总流量会增加。
（五）使用 Processor 插件机制
iLogtail 和 LoongCollector 提供了强大的 Processor 插件机制，允许在 Agent 端对采集到的日志进行预处理和过滤，从而在数据发送前就丢弃掉不需要的日志条目。这样可以减少无效数据的传输和存储，提高检索效率。
（六）利用高性能 SPL 日志查询模式
阿里云 SLS 推出了高性能 SPL 日志查询模式，从计算架构、执行引擎、IO 效率等多个方面对 SPL 查询进行了重大优化。计算下推，并行化加速，将 where 条件的计算下推到各个 shard 所在的存储节点上处理，减少了存储节点和计算节点之间的数据传输、网络序列化开销。向量化计算，多级火箭加速，进一步提升了每个 shard 上的处理能力。控制台交互升级，展示过滤后结果的直方图，使得查询结果更加直观。API 调用简化，统一的 offset 语义，简化了 API 调用方式。
二、优化日志展示
（一）直方图和原始日志功能
在查询 / 分析页面，直方图可以展示日志的分布情况，双击绿色数据块可以查看更细时间粒度的日志分布。原始日志页面支持日志详情的多种展示格式，如表格、原始和 JSON 格式，并提供上下文查询、LiveTail 等功能。
（二）字段分析功能
SLS 具备字段分析功能，专注于对 text、long 和 double 类型字段的统计分析，提供字段的基本分布情况、各种统计指标以及 TOP5 的时间序列图。
（三）显示字段和索引字段设置
在显示字段区域，可以收藏视图和设置字段别名；在索引字段区域，可以查看字段的分析情况和统计信息。
（四）日志展示格式优化
通过 Logtail 配置，可以解决日志展示单一导致排查困难的问题。例如，设置 “BeginLineCheckLength”、“SourceKey” 和 “BeginLineRegex” 等参数，以优化日志的展示格式
