三步搭建免费工业监控平台：Scada-LTS开源SCADA系统部署实战与避坑指南

【免费下载链接】Scada-LTSScada-LTS is an Open Source, web-based, multi-platform solution for building your own SCADA (Supervisory Control and Data Acquisition) system.项目地址: https://gitcode.com/gh_mirrors/sc/Scada-LTS

如果你正在为工厂设备、实验室仪器或智能楼宇寻找一套真正免费的工业监控方案，Scada-LTS 值得认真了解。它是一个开源的、基于 Web 的跨平台 SCADA 系统，无需昂贵的商业授权，就能完成设备数据采集、实时监控、报警通知和历史分析。无论是自动化工程师、系统集成商，还是刚接触工业物联网的开发者，都能用它在几天内搭建起可用的监控平台。这篇文章将按照"选型评估 → 环境准备 → 快速上手 → 深度定制 → 上线维护"的完整旅程，带你从零走通全流程。

第一章 为什么你需要一套开源SCADA系统，而不是从零写代码

先问自己一个问题：如果要在车间里监控 30 台设备的温度、电压和运行状态，你会怎么做？

常见的做法是买商业 SCADA 软件——稳定但价格不菲，且扩展功能往往要单独付费；另一种是自己写采集程序——数据采集、存储、图表、报警、权限管理全部从零实现，工作量惊人，还容易在稳定性上翻车。开源SCADA系统的价值恰恰在于：把工业监控中 80% 的通用能力提前做好，你只需要专注于自己的业务场景。

Scada-LTS 正是这类方案的典型代表。它基于 Java 技术栈，采用 Web 架构，意味着你不需要在每台电脑上装客户端，打开浏览器就能监控；它的跨平台特性让你可以自由选择 Linux 或 Windows 服务器；更关键的是，它内置了丰富的工业协议支持——Modbus TCP/RTU、SNMP、SQL、HTTP 轮询、虚拟数据源等，几乎覆盖了中小型项目的常见需求。

如果你正在评估选型，可以先去 webapp-resources/env.properties 看一眼它的配置组织方式，再决定是否继续往下走——这份文件是系统所有核心参数的入口。

第二章 开工前的三件套：把环境一次备齐

部署前，建议先花十分钟把"装备"准备好，后面会省去大量排错时间。

第一件：Docker 与 Docker Compose。这是最省事的部署方式，仓库根目录的 docker-compose.yml 已经编排好了三个服务：MySQL 数据库、Scada-LTS 应用和 HiveMQ（MQTT 消息服务器）。执行docker --version确认环境就绪即可。

第二件：一个可用的数据库。项目默认使用 MySQL，同时支持 PostgreSQL 和内置的 Derby 嵌入式数据库。快速体验时用 Derby 甚至可以跳过数据库安装；正式生产建议用 MySQL 或 PostgreSQL，数据更安全。注意docker-compose.yml中默认创建了scadalts数据库，账号密码均为root，首次体验无需修改。

第三件：理解配置文件的位置。系统启动后会读取webapp-resources/下的资源文件，其中 env.properties 控制数据库连接、API 鉴权、缓存策略；数据库建表脚本放在 WebContent/WEB-INF/db/ 目录，包含 MySQL、PostgreSQL、Oracle、Derby 等不同版本，后续若手动建库可以参考。

第三章 十分钟跑起来：从克隆到看到第一个监控界面

环境备齐后，上手速度会超出你的预期。整个启动过程大约只需 5 到 10 分钟，分三步走。

第一步：获取代码并启动服务。打开终端，执行：

git clone https://gitcode.com/gh_mirrors/sc/Scada-LTS cd Scada-LTS docker-compose up -d

首次启动会拉取镜像，耐心等一两分钟。docker-compose up -d会同时拉起数据库和应用，-d参数让它们在后台运行。

第二步：初始化数据库。应用容器启动后，需要执行一次初始化命令来创建系统表和数据：

docker-compose exec scadalts java -jar /opt/scadalts/ScadaBR.war -initdb

💡 小贴士：如果你用的是docker-compose-dev.yml（开发模式），初始化命令和端口略有差异，启动前先打开该文件确认挂载目录和端口映射，避免和本机 8080 端口冲突。

第三步：登录并验证。浏览器访问http://localhost:8080/ScadaBR，用默认账号admin/admin登录。登录后进入"数据源"页面，你会看到一个空白的列表——不用慌，这说明系统已正常运行，接下来就可以创建你的第一个数据源了。

⚠️ 注意：默认账号密码仅用于本地体验，上线前务必修改。修改入口在"系统设置"的"用户管理"中，也可以在 env.properties 中配置 API 层的账号密码。

第四章 核心能力拆解：数据源、数据点与可视化三位一体

跑起来之后，你需要理解 Scada-LTS 的三个核心概念，它们构成了整个系统的骨架。

数据源（Data Source）代表一个"设备或协议通道"。前端代码位于 scadalts-ui/src/views/DataObjects/DataSources/，后端驱动类则分布在 src/com/serotonin/mango/vo/dataSource/ 下，你能看到 modbus、snmp、http、sql、virtual、meta、jmx、mbus 等十余种类型的目录。创建数据源时需要指定协议类型、连接参数（如 IP、端口、轮询周期）。

数据点（Data Point）是挂在数据源下的具体监控参数，比如"1号电机的温度""车间电压"。每个数据点可以设置数据类型（数值、多态、二进制）、采集频率、报警阈值和历史存储策略。一个数据源可以挂多个数据点，类似"设备—寄存器"的映射关系。

可视化（Watch List 与图表）是数据点的"展示层"。你可以把多个数据点拖进同一张看板同时观察，系统支持实时折线图、阶梯图、多图对比等形态：

此外，GraphicalViews 提供了画布式的图形化视图，适合摆放设备示意图、指示灯、仪表盘；Alarms 和 Events 则负责报警与事件的集中管理。这三层结构一旦建立，后续扩展新设备只需要"加数据源、加点、加视图"，思路非常统一。

第五章 实战案例：给一座小型车间搭一套温控与电力监控

理论知识讲完了，我们用一座真实的小型车间来做一次完整演练。假设车间有 4 台设备，需要监控每台的运行温度和工作电流，并在温度越限时通知值班人员。

第一步：创建数据源。进入"数据源"页面，点击新建。如果现场没有真实的 Modbus 设备，可以先选Virtual Data Source（虚拟数据源）——它能模拟数据变化，非常适合练习全流程，之后再无缝切换到 Modbus TCP 真实设备。以 Modbus 为例，你需要填写设备 IP 和端口（默认 502），轮询周期建议先设为 1000ms 测试。

💡 小贴士：虚拟数据源是新手练手的神器，先跑通链路再替换真实协议，可以大幅降低调试难度。

第二步：创建数据点。在数据源下依次创建 8 个数据点：4 个温度点（数值类型，单位 ℃）和 4 个电流点（数值类型，单位 A）。如果通过 Modbus 读取，需要填写对应的寄存器地址与数据类型。创建完成后在列表中检查状态是否为"启用"。

第三步：配置历史与报警。对每个温度点开启历史记录，存储周期默认即可；然后设置报警规则——例如"温度高于 80℃ 触发紧急报警"。报警触发后，系统会自动产生事件，并按照 Alarms 页面中的级别显示。

第四步：搭建监控界面。在图形化视图中导入或绘制一张车间布局图（可以参考仓库里的 Loft.gif 这类平面示意图），把温度、电流数据点绑定到对应的仪表或指示组件上。这样值班人员一眼就能看出哪台设备异常，而不是面对密密麻麻的数字。

第五步：配置通知。在"事件处理器"中为紧急报警绑定邮件通知，填写 env.properties 中配置好的 SMTP 参数。保存后可以手动触发一次报警，验证邮件是否能收到——这一步在真实上线前务必演练一遍。

第六章 进阶技巧：性能调优、开放接口与自定义驱动

系统稳定运行后，你可以从三个方向把它的能力再往上推一层。

方向一：用配置文件做性能调优。在 env.properties 中，有几个参数值得关注：abilit.cacheEnable控制缓存开关；abilit.CRONE_UPDATE_DATA_SOURCES_POINTS控制数据源与数据点的刷新频率（默认每分钟）；js.optimizationlevel影响脚本执行优化级别。当监控点数增长时，适当降低非关键点的轮询频率、合理设置缓存，往往比盲目加内存更有效。

方向二：通过 REST API 与外部系统集成。项目提供了完整的 OpenAPI 3.0 规范文档 doc/RESTAPI/ScadaLTS_API_OAS3.yaml，doc/RESTAPI/README.md 说明了导入方式。你可以用它获取实时数据、历史数据、报警信息，甚至把数据接到自己的大屏或移动端。默认 API 鉴权可在 env.properties 的api.authentication、api.username、api.password三项中配置。

方向三：开发自定义驱动。如果设备使用特殊私有协议，可以在 src/com/serotonin/mango/vo/dataSource/ 下参照现有驱动的结构新建一个数据源类型，核心是继承DataSourceVO并实现点定位器PointLocatorVO：

public class CustomDataSourceVO extends DataSourceVO<CustomDataSourceVO> { @Override protected void initialize() { // 初始化设备连接与轮询任务 } // 实现轮询采集，把值写入对应数据点 }

开发完成后按现有驱动的方式注册进系统，就能像内置协议一样被前端页面调用。这类代码量不大，但需要你对采集流程有清晰认识，建议从虚拟数据源驱动源码开始读起。

第七章 新手最容易踩的六个坑

最后分享几个真实项目里高频出现的问题，帮你提前绕开。

数据库连接失败。先确认数据库服务是否启动、端口是否被占用，再核对 env.properties 中的db.type、db.url、db.username、db.password。Docker 部署时注意容器间要用服务名连接，而不是localhost。

数据点没有数据。常见原因是数据源未启用，或轮询周期设置异常。去数据源列表确认状态图标，再看 DataObjects 页面中数据点是否报错。

数据采集延迟。排查顺序：网络质量 → 轮询频率是否过高 → 服务器 CPU/内存是否吃紧。非关键参数把轮询周期从 500ms 放宽到 5s，延迟问题往往立即缓解。

报警不触发或不通知。按四步排查：阈值设置是否合理、数据点是否开启报警检测、事件处理器是否绑定正确、邮件服务器参数是否可用。务必用"手动触发一次报警"来验证整条链路。

界面加载缓慢。优先清空浏览器缓存，再检查单个视图绑定的数据点数量是否过多。图表数据量大时，可以把历史查询范围缩小，或减少同屏图表数量。

默认端口被占用。8080 端口常被其他 Web 服务占用，修改 docker-compose.yml 中的端口映射为8081:8080即可，改完记得重启容器。

第八章 收尾：你的行动清单与延伸学习入口

到这里，你已经走完了从选型到上线维护的完整闭环。剩下的就是动手实践——把下面这份清单逐项打勾，你会发现自己离一套可用的工业监控平台越来越近：

• 用 Docker 完成一次部署，登录系统并浏览各个菜单
• 创建一个虚拟数据源和至少 3 个数据点，观察实时数据
• 把数据点拖进 Watch List，尝试折线图与阶梯图两种形态
• 设置一条报警规则，并手动触发一次验证通知链路
• 在图形化视图中摆一张车间示意图并绑定数据点
• 阅读 REST API 文档，调用一次接口获取实时数据
• 修改默认密码，检查 env.properties 中的 API 鉴权配置

如果想继续深入，这几个入口值得收藏：接口定义文件 doc/RESTAPI/ScadaLTS_API_OAS3.yaml、数据库建表脚本 WebContent/WEB-INF/db/、压测脚本 jmeter/、单元测试与工具类 test/，以及 Docker 配置 docker-compose.yml 和 docker-compose-dev.yml。

工业监控这件事，难的不是技术本身，而是把采集、存储、报警、展示串成一条可靠链路。开源SCADA系统 Scada-LTS 已经帮你把这 80% 的脏活干完了，剩下的 20% 就是你的业务场景——现在就可以从克隆仓库、跑起一个容器开始。动手吧，十分钟后你就拥有了自己的第一套工业监控平台。

【免费下载链接】Scada-LTSScada-LTS is an Open Source, web-based, multi-platform solution for building your own SCADA (Supervisory Control and Data Acquisition) system.项目地址: https://gitcode.com/gh_mirrors/sc/Scada-LTS