请阐述TDengine对时序数据的存储与查询处理机制，并对比其与传统关系型数据库在架构设计和适用场景上的主要差异。

回答思路

1. 【回答框架 1】TDengine针对时序数据优化，采用列式存储与压缩，数据按时间戳有序写入，利用LSM树或类LSM结构组织，支持高效的范围查询和聚合；其独特的超级表模型将同一时间线的数据聚簇存放，极大提升写入吞吐和查询性能。
2. 【回答框架 2】与传统数据库相比，TDengine专为物联网等时序场景设计，强调写入速度和存储效率，使用SQL但扩展了时序专用语法，如分区、降采样等；传统数据库通用性强，但处理高基数、高频写入时性能瓶颈明显。
3. 【回答框架 3】TDengine支持分布式集群和自动分片，数据按时间与设备维度分区，提供高可用和线性扩展；传统数据库通常以行存储为主，索引与ACID事务优先，对时序场景的写入吞吐和压缩比适配不足。
4. 【回答框架 4】核心区别在于架构取向：TDengine牺牲了一些通用性，换取时序数据上的极致性能；传统数据库保持通用性，但需额外设计（如分区表、时序插件）来弥补时序能力。
5. 【关键点 1】TDengine采用列式存储与高性能压缩，按时间排序写入，支持超级表与分区。
6. 【关键点 2】时序场景下写入吞吐和压缩比显著优于传统行存储数据库。
7. 【关键点 3】传统数据库通用但时序优化不足，TDengine为物联网时序数据深度定制。
8. 【关键点 4】TDengine提供类SQL接口，但扩展了时序专用语法与分布式能力，适合大规模时序分析。
9. 【易错点 1】将TDengine的性能优势绝对化，忽略其在高基数非时序场景下的局限性。
10. 【易错点 2】误以为TDengine完全兼容传统SQL全部功能，实际其重点在于时序查询优化。
11. 【易错点 3】忽略分布式部署与数据分片策略对实际性能的影响，简单等价于单机数据库。