查询blob字段很慢，批量就容易崩

开源版问题专区
1

【TDengine 使用环境】
生产环境 /测试/ Poc/预生产环境

【TDengine 版本】3.3.84

【操作系统以及版本】

【部署方式】容器

【集群节点数】

【集群副本数】

【描述业务影响】

【问题复现路径/shan】查询BLOB字段慢，批量则容易崩溃

【遇到的问题：问题现象及影响】

查询包含BLOB字段的数据表时，如果不指定时间查询，会比较慢，批量查询容易爆内存，有什么优化的方法

【资源配置】4核32GB

【报错完整截图】

2

最主要的优化方法就是增加查询的时间范围，否则全表扫描，数据量大的时候肯定就慢了。

请将 具体的查询 sql 和 对应的 表的 schema 发出来看看。

3

已经增加了时间范围了
DDL：CREATE TABLE iot_recovery.edge_scheduled_data (

daq_date_time_stamp **TIMESTAMP** **NOT** **NULL**,

sensor_id **VARCHAR**(64),

direction **INT**,

sensor_type **INT**,

daq_date_start_time **VARCHAR**(20),

frequency_4_analysis **INT**,

spectrum_lines **INT**,

block_no **INT**,

point_per_block **INT**,

blocks **INT**,

rms **FLOAT**,

rms_1_6k **FLOAT**,

rms_2_1k **FLOAT**,

max **FLOAT**,

min **FLOAT**,

mean **FLOAT**,

peak **FLOAT**,

peak_to_peak **FLOAT**,

variance **FLOAT**,

average_amplitude **FLOAT**,

square_root_amplitude **FLOAT**,

kurtosis **FLOAT**,

impulse_factor **FLOAT**,

shape_indicator **FLOAT**,

crest_factor **FLOAT**,

margin_index **FLOAT**,

skewness_index **FLOAT**,

vel_rms **FLOAT**,

vel_rms_2_1k **FLOAT**,

vel_peak **FLOAT**,

time_raw_data **BLOB**,

receive_time **TIMESTAMP**,

sensor_code **VARCHAR**(64),

**CONSTRAINT** daq_date_time_stamp **PRIMARY** **KEY** (daq_date_time_stamp)

);
sql: select * from iot_recovery.edge_scheduled_data

where sensor_code = ‘124010125_1_11’ and daq_date_time_stamp > ‘2026-06-30 20:00:00’ limit 50; 这种情况下需要22秒

4

创建的 普通表表，没有使用超级表模式？

sensor_code = ‘124010125_1_11’ 这种过滤是比较耗时的。

这种建模方式不是很好。对于一些静态变量，应该使用超级表方式建模。这样过滤性能更快。

5

是超级表，这个code就是tag

6

上面的CREATE TABLE iot_recovery.edge_scheduled_data …… 不是超级表啊。

执行 ： desc iot_recovery.edge_scheduled_data ; 看看有tag 列吗？

7

image
image1743×1011 89.4 KB

那个DDL我估计只是dbeaver识别不了STABLE的问题

8

请看一下查询计划的情况：

 EXPLAIN ANALYZE VERBOSE true select * from iot_recovery.edge_scheduled_data where sensor_code = ‘124010125_1_11’ and daq_date_time_stamp > ‘2026-06-30 20:00:00’ limit 50\G;

注意后面一定加上 \G， 否则信息无法看全。

9
col1 QUERY_PLAN
col2 -> Data Exchange 2:1 (cost=0.020..40.161 rows=50 width=283)
col3 Output: columns=33 width=283 limit=50
col4 -> Projection (cost=61.307..59.918 rows=50 columns=33 width=283 input_order=asc )
col5 Output: columns=33 width=283 limit=50
col6 Output: Ignore Group Id: true
col7 Merge ResBlocks: True
col8 -> Table Scan on edge_scheduled_data (cost=0.000..58.499 rows=50 columns=32 pseudo_columns=1 width=283 order=[asc
col9 I/O: total_blocks=0.5 load_blocks=0.5 load_block_SMAs=0.0 total_rows=25.0 check_rows=77.0
col10 max_row_task=1, total_rows:50, ep:tbd (cost=0.000..58.499)
col11 Output: columns=33 width=283 limit=50
col12 Time Range: [1782820800001, 9223372036854775807]
col13 Ratio: 0.001000
col14 Planning Time: 0.662 ms
col15 Execution Time: 148.035 ms

加了\G就报错，这是不加的结果 | |