打破中国企业类软件成长的怪圈，我找到了方法！(4)

收获这么多用户，当然开心。但最重要的是，通过海量的用户，我们了解到了很多想象不到的需求。
2017 年初，我根本没想到时序数据有乱序的可能，而且看到 Prometheus 也不处理乱序数据，因此设计中就没去处理它。但在与车企交流之后，我才意识到乱序是必然存在的，最后只能用补丁的方式来解决，自然运行效率就不行，而且代码也变得丑陋不堪。
我们也没想到过一个设备居然能采集几千个物理量，但在与风电企业交流之后我才发现，一台风机完全可能有 1000 个以上的指标，因此只能修改设计，支持 4096 列。更没想到，物联网上报的数据里有可能有空值，而且比例可能很大，只好又在设计上做出修改。
我们很自豪地推出了连续查询，但在与一些制造业的客户交流后，发现他们还希望有基于状态窗口的聚合，比如某个阀门处于关闭或打开状态时的聚合；在与车联网企业的客户交流后，发现他们希望有基于会话窗口的聚合，比如发动机运转时的聚合。于是我们就推出了 session 窗口与 state 窗口功能。但大部分平台都采用一个流式计算引擎做数据的清洗、计算，整个流式计算平台的维护成本还远超时序数据库，因此我们才意识到光有时间窗口驱动的流式计算还不够，必须支持事件驱动的流式计算，才能把用户数据平台的复杂度和成本进一步降低。
在与能源、制造等行业的用户交流后，我们知道了边云协同不只是概念，而是他们真实的需求，他们需要把某个边缘节点的数据有选择的同步到区域中心，然后再同步到集团。在与金融、证券等行业的用户交流后，我们知道了他们对数据的订阅有过滤的需求。结合各种反馈，最后，我们抽象出了 TDengine 独有的数据订阅功能，API 与 Kafka 一样，但可以订阅一个设备或一组设备（表），可以订阅指定的列，可以对值进行过滤，订阅时还可以做计算，从而大幅降低数据的传输量，降低应用端的复杂度。
如果没有开源，没有海量的用户，我们听到的只是少数客户的声音，而且由于是付费的，他们的需求可能并不代表真正的行业需求。TDengine 推出的极简时序数据处理平台，好几个特殊的分析函数，宽表的支持，多达 128 个标签，包括 JSON 格式的标签，Schemaless 写入等等，完全是倾听了很多开发者用户的声音之后才推出的。
TDengine 开源了 3 年，我深刻地意识到用户才是技术进步的推动力，是一款成功产品背后的英雄。 因此在 TDengine 开发者大会上，一开场就先邀请了京东科技 IoT 产品部技术总监闫政和中通科技资深架构师黄国石作为用户代表上台，给参会者分享他们在业务中使用 TDengine 的故事。