TDengine 遇到数据倾斜时通常会采取哪些应对手段？请列举并解释几种常用优化策略。

回答思路

1. 【回答框架 1】数据倾斜在 TDengine 中主要指数据在 vnode 间分布不均，导致部分 vnode 负载过高。TDengine 按时间序和标签将数据切分到不同 vnode，表按标签哈希或按时间范围分布。
2. 【回答框架 2】优化策略之一是合理设计标签和表结构，使数据分散更均匀。例如，避免使用基数极低或分布极不均的标签作为分区键，可增加标签组合维度。
3. 【回答框架 3】另一策略是调整 vnode 数量和每个 vnode 的副本数，通过增加 vnode 数量让数据更细粒度分布。同时，合理设置表的存储参数，如调整时间分片大小。
4. 【回答框架 4】对于热点数据，可考虑拆分超级表，将高频访问数据单独存放，或使用多级存储将冷热数据分离。此外，使用 TDengine 的负载均衡功能，在节点间迁移 vnode 以平衡负载。
5. 【回答框架 5】监控和诊断也很重要，通过系统表或监控工具识别倾斜的 vnode，并针对性调整。实际操作中需结合数据特征和查询模式选择最优组合。
6. 【关键点 1】数据倾斜源于标签哈希或时间分片分布不均。
7. 【关键点 2】优化可调整标签设计、vnode 数量、分片粒度。
8. 【关键点 3】可拆分表或使用多级存储处理热点数据。
9. 【关键点 4】负载均衡和监控是有效辅助手段。
10. 【易错点 1】不能简单增加 vnode 数量而忽略内存和磁盘资源上限。
11. 【易错点 2】标签设计不当可能加剧倾斜，需用高基数且分布均匀的标签。
12. 【易错点 3】迁移 vnode 可能引起短暂性能波动，需在低峰期进行。