TDengine 3.4.x SQL 语法深度解析：与标准 SQL 的异同及生产实践指南
本文聚焦于用户提出的以下具体问题：
8. TDengine 的基本 SQL 语法与标准 SQL 有何异同？
作为一名拥有8年大数据生态（Spring/Flink/ClickHouse/Hudi/Kafka/Parquet）实战经验的工程师，您对 SQL 有着深刻的理解。当您初次接触 TDengine 时，可能会发现它的 SQL 既熟悉又陌生——它保留了 ANSI SQL 的核心骨架，却又为了极致优化时序数据处理而长出了独特的“肌肉”和“神经”。理解这些异同，是避免踩坑、发挥 TDengine 全部潜能的关键。本文将基于TDengine 3.4.x 社区版，通过CDN 日志分析这一典型场景，为您系统性地拆解 TDengine SQL 的设计哲学、核心差异点、以及在生产环境中的最佳实践。
一、问题引入：一次因误用JOIN导致的查询雪崩
在为某全球 CDN 厂商构建日志分析平台时，我们的数据分析师习惯性地使用标准 SQL 的JOIN语法来关联不同维度的表。一条看似简单的查询：
