开发指南
若你准备采用 TDengine 作为时序数据处理平台来开发应用，通常需要完成以下几项工作：
- 确定连接方式。无论使用何种编程语言，都可以通过 REST API 访问 TDengine；多数语言还提供专用连接器，便于在应用中完成连接、写入与查询。
- 确定数据模型。根据应用场景与数据特征，决定建立一个还是多个库；分清静态标签与采集量，建立正确的超级表，再按需建立子表。
- 选择写入方式。TDengine 支持标准 SQL 写入与参数绑定写入；同时也支持无模式（Schemaless）写入，可按行协议直接写入，减少手工建表成本。
- 编写查询 SQL。根据业务要求编写所需的查询语句，完成统计、过滤与分析。
- 实时统计分析。若需要基于时序数据做轻量级实时统计（包括各类监测看板），建议优先使用 TDengine 的 流式计算，而不必额外部署 Spark、Flink 等复杂的流式计算系统。
- 消费新增数据。若应用中有模块需要消费已写入数据，并希望在新数据到达时及时获知，建议优先使用 TDengine 的 数据订阅，而不必专门部署 Kafka 或其他消息队列软件。
- 获取最新状态。在许多场景下（如车辆管理），应用需要获取各数据采集点的最新状态，建议优先使用 TDengine 的 Cache 能力，而不必单独部署 Redis 等缓存软件。
- 扩展计算能力。若内置函数无法满足需求，可使用用户自定义函数（UDF）扩展计算逻辑。
本章按上述开发路径组织。为便于理解，TDengine 为各功能及所支持的编程语言提供了示例代码，位于 示例代码；示例正确性由 CI 保障，脚本位于 示例代码 CI。
本章包含：
- 建立连接：安装驱动与连接器，建立 WebSocket 或原生连接。
- 执行 SQL：建库建表、写入与查询。
- 参数绑定：STMT / STMT2 高效写入。
- 无模式写入：InfluxDB / OpenTSDB 等行协议写入。
- 高效写入：连接器高效写入特性与性能要点。
- UDF 编程接口：C / Python 自定义函数。
- 数据订阅编程接口：TMQ 消费者 API 与各语言示例。
- 连接器参考手册：各语言连接器与 REST API 详解。
- 错误码：客户端与服务端错误码说明。
若需深入了解 SQL 语法，请参阅 TDengine SQL。若需进一步了解各连接器用法，请参阅 连接器参考手册。若需将 TDengine 与 Grafana 等第三方系统集成，请参阅 第三方工具。
开发过程中如遇问题，可在各页面下方通过 反馈问题 在 GitHub 提交 Issue。
