TDengine 依赖哪些分布式存储与查询设计来增强海量时序数据的处理能力？请说明其背后的机制。

回答思路

1. 【回答框架 1】TDengine 采用数据分片与分区策略，时序数据按时间窗口和标签（vnode）切分，分散到多个节点并行存储与查询。
2. 【回答框架 2】分布式查询引擎将查询任务下推到各 vnode 并行执行，聚合结果后返回，减少单点负载和网络传输。
3. 【回答框架 3】数据多副本机制提供高可用，同时通过一致性协议保证数据一致，并支持故障自动转移，确保稳定处理能力。
4. 【回答框架 4】列式存储与压缩技术减小 IO 和存储开销，时间索引和预计算等机制加速查询，整体提升处理性能。
5. 【回答框架 5】查询优化器根据统计信息选择最优执行计划，结合分布式执行调度，进一步挖掘并行效率。
6. 【关键点 1】数据分片：按时间分区和标签分片，如表按 vnode 分布。
7. 【关键点 2】分布式并行：多节点并行执行查询，均衡负载。
8. 【关键点 3】高可用：多副本 + 一致性协议，故障可自动转移。
9. 【关键点 4】列式存储与压缩：减少 IO，提升查询速度。
10. 【关键点 5】查询优化与下推：下推过滤聚合，减少数据传输。
11. 【易错点 1】数据分片需均匀，否则热点影响整体性能。
12. 【易错点 2】副本间同步有延迟，强一致场景可能受网络影响。
13. 【易错点 3】小查询并行可能增加调度开销，不一定更快。