TDengine 查询性能瓶颈全链路诊断：从 EXPLAIN 到生产调优实战
用户问题原文：查询慢的常见原因有哪些？如何通过 EXPLAIN 分析？
在一次工业 IoT 设备监控平台的重大故障中，我们遭遇了前所未有的查询性能危机。平台需要实时监控 100 万台工业设备的运行状态，每台设备每秒上报数十个指标。某天上午，运维团队反馈一个原本只需 100ms 的查询突然暴涨到 2 秒以上，导致大屏监控页面完全无法使用。经过紧急排查，我们发现问题的根源并非硬件资源不足，而是查询语句中错误地使用了非标签字段进行过滤，导致 TDengine 被迫扫描所有 100 万张子表。
作为曾主导设计日均处理万亿级时间序列点写入系统的架构师，我可以明确地说：TDengine 的查询性能问题 90% 以上都源于数据模型设计不当或 SQL 编写错误，而非存储引擎本身的问题。许多用户在遇到查询慢的问题时，第一反应是“增加硬件资源”，却忽略了从查询执行计划和数据模型层面进行根本性优化。
本文将系统性地解析 TDengine 查询慢的常见原因，并深入讲解如何使用EXPLAIN命令进行精准诊断。我们将以工业 IoT 设备监控的真实场景为背景，覆盖从 Client → QNode → MNode → VNode → Disk 的完整查询链路。所有内容均基于TDengine 3.4.x 社区版，适用于CentOS 7 / Ubuntu
