分区表场景下的SQL优化关键在于如何减少查询所需扫描的数据量，提高查询效率。在本例中，表t1的大小巨大，每天都会新增约100万条数据，因此，采用分区表的方式进行管理，每天一个分区。尽管如此，频繁的查询还是可能涉及全分区扫描，导致查询缓慢。
针对这一问题，首先应查看查询语句的执行计划。通过执行计划可以分析出查询是否能有效利用索引，以及是否存在需要创建临时表或者进行排序等性能瓶颈。执行计划中提到的"rows"字段表明了预计扫描的行数，如果这个数字非常高，则意味着需要遍历大量数据，效率自然较低。例如，在原执行计划中，预计扫描行数为9384602，这显然是不合理的。
进一步的优化思路包括但不限于调整程序代码逻辑、优化数据库架构或改变业务需求。这些操作可能涉及较大的改动，通常不会在非核心系统上实施。因此，大多数情况下，需要DBA运用智慧对SQL进行调整。
从优化实例中可以看出，原本的SQL语句中包含了对日期的筛选条件，但表t1已经按照日期进行了分区。因此，可以考虑在查询中忽略时间筛选条件，从而利用分区这一特性来提高效率。这是因为在分区表中，查询引擎可以忽略掉不需要扫描的分区，只对特定分区进行操作。
在本案例中，尝试通过添加一个新的复合索引（索引字段为iid和icnt），来改善查询效率。这样做有助于减少查询时需要扫描的数据行数。在创建了新索引后，查询被改写为对特定分区进行查询，这样查询引擎就只会在包含目标日期的分区上进行扫描，从而大幅减少了扫描的数据量。
除了上述提到的优化策略之外，还有其他一些常见的SQL优化手段，比如：
1. 选择合适的查询条件和筛选字段：确保使用有索引的字段作为查询条件，并且选择区分度高的字段，这样可以有效缩小查询范围。
2. 分析并优化索引：根据查询模式来设计或调整索引，避免在查询中出现全表扫描的情况。
3. 使用查询提示：在一些数据库管理系统中，可以通过查询提示来指导优化器生成更高效的执行计划。
4. 分析表数据分布：理解表中数据的分布情况，比如数据的热点等，这对于分区表而言尤其重要。
5. 利用数据库的特性：不同的数据库管理系统在处理分区表时可能有不同的优化技巧，应充分理解并利用数据库本身的优化特性。
SQL优化是一个系统性的工作，需要结合具体的数据库环境和查询语句进行深入分析。通过对查询计划的解读、表结构的了解以及索引的正确使用，可以显著提升数据库查询的效率和性能。
