TDengine 3.4.x 查询计划生成与优化深度解析：从 SQL 到分布式执行的智能编排问题原文：“TDengine 的查询计划（Query Plan）是如何生成和优化的？”解析范围：本文将深入 TDengine 3.4.x 社区版的查询引擎核心，系统性地剖析其查询计划（Query Plan）的生成、优化与执行全过程。我们将揭示其如何结合时序数据特性（如时间窗口、超级表模型）和分布式架构（MNode/VNode/QNode），将一个简单的 SQL 转化为高效的分布式执行 DAG，并以金融行情 Tick 数据分析这一低延迟、高并发聚合查询场景为案例，通过EXPLAIN命令、源码追踪和压测验证，提供生产环境的查询性能调优指南。引言：一次慢查询引发的架构反思某头部量化交易公司的行情团队使用 TDengine 存储全球数十万只股票的 Tick 数据（每秒数百万条）。他们的核心策略回测查询SELECT first(price), last(price) FROM ticks WHERE symbol='AAPL' AND ts '2026-04-18 09:30:00' GROUP BY 1m在业务高峰期突然从 50ms 暴涨到 2s，导致策略信号延迟，险