开发指南

开发一个应用，如果你准备采用 TDengine 作为时序数据处理的工具，那么有如下几个事情要做：

1. 确定应用到 TDengine 的连接方式。无论你使用何种编程语言，你总是可以使用 REST 接口, 但也可以使用每种编程语言独有的连接器进行方便的连接。
2. 根据自己的应用场景，确定数据模型。根据数据特征，决定建立一个还是多个库；分清静态标签、采集量，建立正确的超级表，建立子表。
3. 决定插入数据的方式。TDengine 支持使用标准的 SQL 写入，但同时也支持 Schemaless 模式写入，这样不用手工建表，可以将数据直接写入。
4. 根据业务要求，看需要撰写哪些 SQL 查询语句。
5. 如果你要基于时序数据做轻量级的实时统计分析，包括各种监测看板，那么建议你采用 TDengine 3.0 的流式计算功能，而不用额外部署 Spark, Flink 等复杂的流式计算系统。
6. 如果你的应用有模块需要消费插入的数据，希望有新的数据插入时，就能获取通知，那么建议你采用 TDengine 提供的数据订阅功能，而无需专门部署 Kafka 或其他消息队列软件。
7. 在很多场景下（如车辆管理），应用需要获取每个数据采集点的最新状态，那么建议你采用 TDengine 的 Cache 功能，而不用单独部署 Redis 等缓存软件。
8. 如果你发现 TDengine 的函数无法满足你的要求，那么你可以使用用户自定义函数（UDF）来解决问题。

本部分内容就是按照上述顺序组织的。为便于理解，TDengine 为每个功能和每个支持的编程语言都提供了示例代码。如果你希望深入了解 SQL 的使用，需要查看SQL 手册。如果想更深入地了解各连接器的使用，请阅读连接器参考指南。如果还希望想将 TDengine 与第三方系统集成起来，比如 Grafana, 请参考第三方工具。

如果在开发过程中遇到任何问题，请点击每个页面下方的“反馈问题”, 在 GitHub 上直接递交 Issue。

📄️ 建立连接使用连接器建立与 TDengine 的连接，以及连接器的安装和连接

📄️ 数据建模TDengine 中如何建立数据模型

🗃️ 写入数据6 items

📄️ 查询数据主要查询功能，通过连接器执行同步查询和异步查询

📄️ 流式计算TDengine 流式计算将数据的写入、预处理、复杂分析、实时计算、报警触发等功能融为一体，是一个能够降低用户部署成本、存储成本和运维成本的计算引擎。

📄️ 数据订阅数据订阅与推送服务。写入到 TDengine 中的时序数据能够被自动推送到订阅客户端。

📄️ 缓存TDengine 内部的缓存设计

📄️ 用户定义函数支持用户编码的聚合函数和标量函数，在查询中嵌入并使用用户定义函数，拓展查询的能力和功能。